因为被重力束缚了灵魂啊

引用一下图像傅里叶变换怎么用？
如果图中存在一些平行线则容易看到中间的十字。在自然图像中很容易出现和地面平行的线和垂直于地面的结构，例如图中的树木和亭子。为了验证该想法，我们对图像进行旋转看看随着物体的角度倾斜十字是否会发生变化。为了避免图像的边界对频谱图像造成影响，需要对原图增加一个hanning窗。从下面的测试结果可以看到频谱的十字跟随图片一并发生了转动。

测试图片

0度图片和频谱图

30度图片和频谱图

45度图片和频谱图

自然图片中包含的频谱成分比较广。FFT变换后的频谱图像中，每个像素点的亮度表示该频率成分的幅度。在没有进行中心化的情况下，低频部分会出现在图像的四个角，而高频部分在中心。但是为了更直观地观察频谱，我们通常将低频部分移动到图像中心，这是通过将频谱的四个象限进行对角交换实现的。

因此，当我们对图像进行FFT变换并进行中心化后，图像中心点最亮，因为中心点对应的是直流分量（频率为0的部分），也就是图像的平均亮度，通常幅度最大。从中心向外，频率逐渐增加，幅度通常逐渐减小，所以亮度逐渐变暗。

此外，频谱图像通常是对数尺度显示，因为频谱值的动态范围很大，直接显示可能会丢失细节。使用对数尺度可以更好地显示不同频率成分的对比。

二维离散傅里叶变换假设图像在无限大的XY空间中是无限周期性重复的，也就是说图像左边再往左，连着的相当于是图像的右边的像素，而通常左边像素和右边像素又是不连续的，存在突变的边缘。

所以，容易频谱图上总是容易出现穿过中心的横线和竖线。

在上面这个图中，左边我摆了个9宫格，内容是复制右边的那个小方块内的图像再做直方图均衡化来增强显示。这个图片9宫格里的内容看起来左右连续，不存在竖边界的时候，频谱图也没有出现中心亮横线。

而在上面这个图中，图片9宫格里的内容看起来左右和上下都不连续，存在竖边和横边的时候，频谱图就会出现中心亮十字。

当然，以上只是一个原因。另一个原因，当然就是“被重力束缚”了。