Analiza harmoniczna w 2 wymiarach
W dwu wymiarach transformację Fouriera stosuje się do funkcji 2 zmiennych f(x,y) poszukując współczynników (amplitud) stojących przy składnikach postaci
sin ( mx + ny ) oraz cos ( mx + ny )
Obraz grayscale wygodnie jest uważać za funkcję g(x,y), przy czym x i y numerują kolejne pikselki, a wartosci tej funkcji, np. z przedziału [0,1], oznaczają odpowiednio: 0 - kolor czarny, 1 - biały, wartości pośrednie - odcienie szarości.
Przykład:
Dla takiej funkcji obliczamy transformatę Fouriera f^(m,n)
Następnie wymazujemy - czyli zerujemy - amplitudy odpowiadające wysokim częstotliwościom (duże m i n)
... i wykonujemy odwrotną transformację Fouriera, tj. wracamy do oryginalnego obrazka we współrzędnych (x,y). Obok - dla porównania - oryginał:
Obrazy oglądane przez człowieka mają z natury
przewagę składowych niskich częstotliwości (stosunkowo duże plamy w miarę
jednolitego koloru) nad składowymi wysokich częstotliwości (silne zróżnicowanie
sąsiadujących pikselków). Usunięcie tych ostatnich zmienia obraz, lecz często
nie jest to zauważalne dla ludzkiego oka.
Kompresja z wykorzystaniem transformacji Fouriera polega na zapamiętaniu
w pliku uproszczonej transformaty (wysokie częstotliwości wyzerowane, nie
trzeba ich zapisywać = mniejszy rozmiar pliku). Dekompresja to z kolei
odtworzenie przybliżonego obrazu przez odwrotną transformację.
Inne zastosowanie - usuwanie wzorów Moire'a. Są to powstające często na obrazach cyfrowych regularne siatki jaśniejszych plamek lub prążków.
Powstają na ogół przy wielokrotnym rastrowaniu obrazu, typowo przy skanowaniu obrazu z czasopisma. Linie rastra skanera "interferują" z rastrem drukarskim dając w efekcie wyraźnie widoczny periodyczny wzorek na obrazku. W obrazie Fourierowskim odpowiada to nienormalnie dużej wartości jednej lub kilku amplitud w pewnym zakresie częstotliwości. Operacja "de-Moire" (filtr eliminujący wzorki Moire'a) polega na wyeliminowaniu tych "wystających" amplitud.