n维傅里叶变换公式如下：

一维连续傅里叶变换

$$

F（\omega） = \int_{-\infty}^{\infty} f（t） e^{-i\omega t} dt

$$

其中，$F（\omega）$ 是频域信号，$f（t）$ 是时域信号，$e^{-i\omega t}$ 是复指数函数，$\omega$ 是频率。

一维离散傅里叶变换（DFT）

$$

X（k） = \sum_{n=0}^{N-1} x（n） e^{-j\frac{2\pi}{N}kn}

$$

其中，$X（k）$ 是频域中的复数值，$k$ 是频域的离散频率，$x（n）$ 是时域中的复数值，$n$ 是时域的离散时间，$N$ 是时域采样点数。

二维连续傅里叶变换

$$

F（u,v） = \int_{-\infty}^{\infty} \int_{-\infty}^{\infty} f（x,y） e^{-i（ux + vy）} dx dy

$$

其中，$F（u,v）$ 是频域中的复数值，$（u,v）$ 是频率变量，$f（x,y）$ 是时域中的复数值。

二维离散傅里叶变换（DFT）

$$

F（u,v） = \sum_{x=0}^{M-1} \sum_{y=0}^{N-1} f（x,y） e^{-i（ux + vy）}

$$

其中，$F（u,v）$ 是频域中的复数值，$（u,v）$ 是频率变量，$f（x,y）$ 是时域中的复数值，$x$ 和 $y$ 是空间坐标，$M$ 和 $N$ 分别是图像的行数和列数。

二维离散傅里叶逆变换（IDFT）

$$

f（x,y） = \frac{1}{MN} \sum_{u=0}^{M-1} \sum_{v=0}^{N-1} F（u,v） e^{i（ux + vy）}

$$

其中，$f（x,y）$ 是时域中的复数值，$F（u,v）$ 是频域中的复数值，$（u,v）$ 是频率变量，$x$ 和 $y$ 是空间坐标，$M$ 和 $N$ 分别是图像的行数和列数。

这些公式是傅里叶变换在信号处理、图像处理、通信等领域中的基础工具，用于将信号从时域转换到频域，从而可以分析信号的频率成分和进行各种频域操作。