因为图像的左（上）边缘不太可能是其右（下）边缘的反射，所以当图像被视为 N 周期时，沿图像的所有边缘都存在不连续性。这些不连续性在频域中由高频系数表示。从图像压缩的角度来看，使用 2-D DFT 作为变换将需要存储这些高频系数（或图像分解中的非零项作为基本分量的总和），它们不描述任何内容在图像本身中有意义，但是是不适当的变换选择的讨厌的副作用。

有限大小 DFT 的低频基向量在 2 个边缘点具有几乎相等的值，因此在将第一个和最后一个元素可能完全不同的“平滑”数据（例如任意图像块边缘）编码为一个小的基向量的数量。（例如，需要大量在边界点处几乎相同的向量来表示这两个点之间的任何大差异，并正确转换编码其余数据。）。

其他变换（DCT 等）至少包括一些平滑的基向量，它们可以很容易地表示窗口中第一个点和最后一个点之间的巨大差异，因此可能需要较少数量的基向量来近似于一个可逆变换合理平滑的数据。