数字图像处理：高频分量与低频分量

在数字图像处理中，我们经常会涉及到图像的频域分析。频域分析是将图像从空间域转换到频域，通过分析图像中的高频分量和低频分量，可以获得有关图像特征的重要信息。本文将介绍高频分量和低频分量的概念，并提供相应的源代码来演示它们的应用。

图像的频域分析基于傅里叶变换的原理。傅里叶变换可以将图像从空间域转换到频域，将图像表示为一系列不同频率的正弦和余弦函数的叠加。在频域中，图像的频率信息更加明显可见，可以通过分析频域图像来了解图像的特征。

在频域中，频率较高的成分对应图像中的细节和边缘等高频信息，而频率较低的成分对应图像中的整体结构和低频信息。因此，我们可以将频域图像分为高频分量和低频分量。

高频分量表示图像中的细节和边缘信息。在频域图像中，高频分量对应的是频率较高的成分。通过高通滤波器，我们可以增强或突出图像中的细节和边缘。以下是一个示例代码，演示如何提取图像的高频分量：

import cv2
import numpy as np

# 读取图像
image = cv2.imread('i