二維傅立葉變換在數字影象處理中的應用，用得最多的就是用FFT將卷積運算轉換為乘積運算，然後再用IFFT轉換得到結果，以此來提高卷積運算速度；在某些具體的演算法中，傅立葉變換有比較神奇的功能，比如針對對比度比較淺的汙漬，在利用相機拍攝抓取影象後，利用傅立葉變換的相點陣圖，可將該影象中對比度比較差的汙漬部分的對比度增強，有利於後期的處理；再就是利用傅立葉變換濾除影象上週期性的條紋，週期性的網格之類的背景；在數字影象處理中，傅立葉變換在濾除噪聲方面，其功能並不是特別強大，特別是設定濾波門檻值方法的不合理，振鈴效應反而會降低影象質量，因此，才有後面的小波變換作為傅立葉變換的升級版，可以很好的進行噪聲濾除，以及應用在數字影象壓縮上。二維傅立葉變換還有一個應用，利用卷積響應的方法，識別影象中的目標物體，不過由於傅立葉變換的特殊性，頻率域準確定位的目標，無法再空間域定位，因此該方法只能判斷影象中是否有，而無法知道確切的位置，因此該方法反而不如模板匹配法受歡飲。一維傅立葉變換在數字影象處理識別中，有一個很好的應用，能克服目標的旋轉、縮放等帶來的影響，其具體方法是，對目標物體進行分割提取，得到物體的邊緣輪廓，該邊緣輪廓是首尾相連的，將該輪廓曲線以它的中心建立的極座標展開，實際上就是一個一維訊號，對該訊號進行傅立葉變換，提取傅立葉變換的特徵，就可以進行識別了。總體來說或，傅立葉變換在數字影象處理中應用還是比較多，特別是對於某些封裝好的演算法庫，雖然對有沒有采用FFT進行最佳化對使用人員是隱形的，但是在運算速度最佳化中，或多或少都有FFT的影子。