灰度图像的频率域滤波——高斯(Gaussian)高通滤波器(Matlab)

clc;
clear all;
close all;

%读入图像,并转换为double型
I=imread('D:\Gray Files\4-41.tif');
I_D=im2double(I);
%获得图像的高度和宽度
[M,N]=size(I_D);
%图像中心点
M0=M/2;
N0=N/2;
J=fft2(I_D);
J_shift=fftshift(J);

%%%%===================高斯(Gaussian)高通滤波器==========================

%截至频率距离圆点的距离,delta表示高斯曲线的扩散程度
D0=80;
delta=D0;
for x=1:M
    for y=1:N
        %计算点(x,y)到中心点的距离
        d2=(x-M0)^2+(y-N0)^2;
        %计算高斯滤波器
        h=1-exp(-d2/(2*delta^2));
        %用滤波器乘以主函数
        J_shift(x,y)=J_shift(x,y)*h;
    end
end

J=ifftshift(J_shift);
I_D_rep=ifft2(J);
imshow(I_D_rep,[]);

 

  • 3
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
1. 主要工作: 基于MATLAB图像处理的中值滤波、均值滤波以及高斯滤波的实现与对比: a) 中值滤波法是一种非线性平滑技术,它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值. b) 均值滤波是典型的线性滤波算法,它是指在图像上对目标像素给一个模板,该模板包括了其周围的临近像素(以目标像素为中心的周围8个像素,构成一个滤波模板,即去掉目标像素本身),再用模板中的全体像素的平均值来代替原来像素值。 c) 高斯滤波是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图像处理的减噪过程。通俗的讲,高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是:用一个模板(或称卷积、掩模)扫描图像中的每一个像素,用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。 2. 代码功能: 实现中值滤波、均值滤波以及高斯滤波,并对图像进行输出 3. 结果分析 a) 图像经过中值滤波后,高斯噪声没有被完全去除,椒盐噪声几乎被完全去除效果较好。经过均值滤波后不管是高斯噪声还是椒盐噪声大部分都没有被去除,只是稍微模糊化。经过高斯滤波后,高斯噪声和椒盐噪声几乎被很大程度的模糊化,原图好像被加上了一层蒙版。 【注】若添加图片分辨率过高会发出警报,如果可以正常输出则可以忽视。
以下是利用不同滤波器进行图像锐化处理的 Matlab 代码: 1. 巴特沃斯滤波器锐化图像 ```matlab % 读入图像 img = imread('lena.png'); % 将图像转为灰度图 grayImg = rgb2gray(img); % 设计巴特沃斯滤波器 n = 4; % 阶数 Wn = 0.5; % 截止频率 [b, a] = butter(n, Wn, 'high'); % 设计滤波器 % 对图像进行滤波处理 filteredImg = filter(b, a, double(grayImg)); % 对滤波后的图像进行锐化处理 sharpenedImg = grayImg - uint8(filteredImg); % 显示原图和锐化后的图像 subplot(1, 2, 1); imshow(grayImg); title('Original Image'); subplot(1, 2, 2); imshow(sharpenedImg); title('Sharpened Image (Butterworth)'); ``` 2. 高斯高通滤波器锐化图像 ```matlab % 读入图像 img = imread('lena.png'); % 将图像转为灰度图 grayImg = rgb2gray(img); % 设计高斯高通滤波器 sigma = 2; % 高斯核标准差 hsize = 11; % 高斯核大小 G = fspecial('gaussian', hsize, sigma); G = G / sum(G(:)); % 归一化 h = -G; h((hsize+1)/2, (hsize+1)/2) = h((hsize+1)/2, (hsize+1)/2) + 2; % 对图像进行滤波处理 filteredImg = imfilter(double(grayImg), h, 'replicate'); % 对滤波后的图像进行锐化处理 sharpenedImg = grayImg - uint8(filteredImg); % 显示原图和锐化后的图像 subplot(1, 2, 1); imshow(grayImg); title('Original Image'); subplot(1, 2, 2); imshow(sharpenedImg); title('Sharpened Image (Gaussian)'); ``` 3. 指数高通滤波器锐化图像 ```matlab % 读入图像 img = imread('lena.png'); % 将图像转为灰度图 grayImg = rgb2gray(img); % 设计指数高通滤波器 alpha = 0.5; % 滤波器参数 filteredImg = grayImg - imfilter(grayImg, fspecial('average', 3), 'replicate'); filteredImg = grayImg + alpha * filteredImg; % 对滤波后的图像进行锐化处理 sharpenedImg = grayImg - uint8(filteredImg); % 显示原图和锐化后的图像 subplot(1, 2, 1); imshow(grayImg); title('Original Image'); subplot(1, 2, 2); imshow(sharpenedImg); title('Sharpened Image (Exponential)'); ``` 4. 梯形高通滤波器锐化图像 ```matlab % 读入图像 img = imread('lena.png'); % 将图像转为灰度图 grayImg = rgb2gray(img); % 设计梯形高通滤波器 hsize = 3; % 滤波器大小 h = [-1, -1, -1; -1, 9, -1; -1, -1, -1]; % 对图像进行滤波处理 filteredImg = imfilter(double(grayImg), h, 'replicate'); % 对滤波后的图像进行锐化处理 sharpenedImg = grayImg - uint8(filteredImg); % 显示原图和锐化后的图像 subplot(1, 2, 1); imshow(grayImg); title('Original Image'); subplot(1, 2, 2); imshow(sharpenedImg); title('Sharpened Image (Trapezoid)'); ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值