Matlab实现频域滤波——二维傅里叶变换、低通、高通

目录

1、二维傅里叶变换

1.1二维傅里叶变换定义

1.2性质

2、低通滤波器

2.1理想低通滤波器

3、高通


1、二维傅里叶变换

1.1二维傅里叶变换定义

       首先通过傅里叶变换将图像从空间域转换为频率域,然后在频率域内对图像进行处理,最后通过傅里叶反变换到空间域。

1.2性质

  • 平移特性
  • 旋转特性
  • 尺度特性
  • 卷积特性
  • 相关特性
  • 分离特性

频域滤波原理:输出图像傅氏变换==系统频域相应×输入图像傅氏变换

2、低通滤波器

低频成分通过,去除(衰弱)高频成分

图像中尖锐的细节被平滑。

2.1理想低通滤波器

H(u,v)=1  D(u,v)<=D0

H(u,v)=0  D(u,v)>D0

可以理解为在半径为D0的范围内,所有的频率都可以没有衰减地通过滤波器,该半径之外的所有频率都完全被衰减。理想低通滤波器具有平滑图像的作用,但是又很严重的振铃的现象。

利用理想低通滤波器对图像进行滤波具体代码:

close all;clear all;clc;
I=imread('ice.bmp');
I_gray=im2gray(I);
I2=im2double(I_gray);
M=2*size(I2,1);%滤波器行数
N=2*size(I2,2);%滤波器列数
u=-M/2:(M/2-1);
v=-N/2:(N/2-1);
[U,V]=meshgrid(u,v);%此 MATLAB 函数 基于向量 x 和 y 中包含的坐标返回二维网格坐标。
D=sqrt(U.^2+V.^2);
D0=15;%截止频率
H=double(D<=D0);%理想低通滤波器
J=fftshift(fft2(I2,size(H,1),size(H,2)));%时域图像转换到频域
K=J.*H;%滤波处理
L=ifft2(ifftshift(K));
L=L(1:size(I2,1),1:size(I2,2));
figure;
subplot(121);imshow(I2);
subplot(122);imshow(L);

巴特沃斯低通滤波器:

%巴特沃斯滤波器
clear all;close all;clc;
I=imread('ice.bmp');
I_gray=im2gray(I);
I2=im2double(I_gray);
%计算滤波器的行数
M=2*size(I,1);
N=2*size(I,2);
u=-M/2:(M/2-1);
v=-N/2:(N/2-1);
[U,V]=meshgrid(u,v);
D=sqrt(U.^2+V.^2);
D0=15;
n=6;
H=1./(1+(D./D0).^(2*n));
J=fftshift(fft2(I2,size(H,1),size(H,2)));
K=J.*H;
L=ifft2(ifftshift(K));
L=L(1:size(I2,1),1:size(I,2));
figure;
plot(I2);
figure;
imshow(I);
figure;
imshow(L);

3、高通

    衰减或抑制低频分量,让高频分量通过称为高通滤波,其作用是使图像得到锐化处理,突出图像的边界。

下面是高斯高通滤波器实现代码:


clear all;close all;clc;
I=imread('ice.bmp');
I_gray=im2gray(I);
I2=im2double(I_gray);
%计算滤波器的行数
M=2*size(I,1);
N=2*size(I,2);
u=-M/2:(M/2-1);
v=-N/2:(N/2-1);
[U,V]=meshgrid(u,v);
D=sqrt(U.^2+V.^2);
D0=15;
H2=1-exp(-(D.^2)./(2*(D0^2)));%设计高斯高通滤波器
J2=fftshift(fft2(I2,size(H2,1),size(H2,2)));
K2=J2.*H2;
L2=ifft2(ifftshift(K2));
L2=L2(1:size(I2,1),1:size(I2,2));
figure;
imshow(I);
figure;
imshow(L2);

巴特沃斯高通滤波器代码如下:

clear all; close all;
I=imread('ice.bmp');  
I=im2double(I);  		
M=2*size(I,1);
N=2*size(I,2);
u=-M/2:(M/2-1);
v=-N/2:(N/2-1);
[U,V]=meshgrid(u, v);
D=sqrt(U.^2+V.^2);
D0=15;
n=6;
H=1./(1+(D0./D).^(2*n));
J=fftshift(fft2(I, size(H, 1), size(H, 2))); 
K=J.*H;
L=ifft2(ifftshift(K));
L=L(1:size(I,1), 1:size(I, 2));
figure;
imshow(I);
figure;
imshow(L);

  • 8
    点赞
  • 134
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
### 回答1: 1. MATLAB均值滤波代码: function output = meanFilter(image, windowSize) [m, n] = size(image); output = zeros(m, n); for i = 1:m for j = 1:n sum = 0; count = 0; for k = i-floor(windowSize/2):i+floor(windowSize/2) for l = j-floor(windowSize/2):j+floor(windowSize/2) if (k > 0 && k <= m && l > 0 && l <= n) sum = sum + image(k, l); count = count + 1; end end end output(i, j) = sum / count; end end end 2. MATLAB中值滤波代码: function output = medianFilter(image, windowSize) [m, n] = size(image); output = zeros(m, n); for i = 1:m for j = 1:n values = []; for k = i-floor(windowSize/2):i+floor(windowSize/2) for l = j-floor(windowSize/2):j+floor(windowSize/2) if (k > 0 && k <= m && l > 0 && l <= n) values = [values, image(k, l)]; end end end output(i, j) = median(values); end end end 3. 理想低通滤波代码: function output = idealLowpassFilter(image, D0) [m, n] = size(image); output = zeros(m, n); u = 0:(m-1); v = 0:(n-1); idx = find(u > m/2); u(idx) = u(idx) - m; idy = find(v > n/2); v(idy) = v(idy) - n; [V, U] = meshgrid(v, u); D = sqrt(U.^2 + V.^2); H = double(D <= D0); F = fftshift(fft2(image)); output = real(ifft2(ifftshift(F .* H))); end 4. 巴特沃斯低通滤波代码: function output = butterworthLowpassFilter(image, D0, n) [m, n] = size(image); output = zeros(m, n); u = 0:(m-1); v = 0:(n-1); idx = find(u > m/2); u(idx) = u(idx) - m; idy = find(v > n/2); v(idy) = v(idy) - n; [V, U] = meshgrid(v, u); D = sqrt(U.^2 + V.^2); H = 1 ./ (1 + ((D ./ D0).^(2*n))); F = fftshift(fft2(image)); output = real(ifft2(ifftshift(F .* H))); end 5. 高斯高通滤波代码: function output = gaussianHighpassFilter(image, D0) [m, n] = size(image); output = zeros(m, n); u = 0:(m-1); v = 0:(n-1); idx = find(u > m/2); u(idx) = u(idx) - m; idy = find(v > n/2); v(idy) = v(idy) - n; [V, U] = meshgrid(v, u); D = sqrt(U.^2 + V.^2); H = 1 - exp(-1 * (D.^2) / (2 * D0^2)); F = fftshift(fft2(image)); output = real(ifft2(ifftshift(F .* H))); end 以上是MATLAB实现均值滤波、中值滤波、理想低通滤波、巴特沃斯低通滤波和高斯高通滤波的代码。参数说明:image为输入图像,windowSize为滤波窗口的大小,D0为截止频率,n为巴特沃斯滤波器的阶数。输出结果为滤波后的图像。 ### 回答2: 1. 均值滤波(Mean Filter): function output = meanFilter(input, windowSize) % 获取输入图像的大小 [height, width] = size(input); % 创建输出图像 output = zeros(height, width); % 定义窗口大小的一半 halfWindowSize = floor(windowSize / 2); for i = halfWindowSize + 1 : height - halfWindowSize for j = halfWindowSize + 1 : width - halfWindowSize % 获取当前像素的邻 neighborhood = input(i - halfWindowSize : i + halfWindowSize, j - halfWindowSize : j + halfWindowSize); % 计算邻内像素的平均值,并赋值给输出图像对应位置的像素 output(i, j) = mean(neighborhood(:)); end end end 2. 中值滤波(Median Filter): function output = medianFilter(input, windowSize) % 获取输入图像的大小 [height, width] = size(input); % 创建输出图像 output = zeros(height, width); % 定义窗口大小的一半 halfWindowSize = floor(windowSize / 2); for i = halfWindowSize + 1 : height - halfWindowSize for j = halfWindowSize + 1 : width - halfWindowSize % 获取当前像素的邻 neighborhood = input(i - halfWindowSize : i + halfWindowSize, j - halfWindowSize : j + halfWindowSize); % 计算邻内像素的中值,并赋值给输出图像对应位置的像素 output(i, j) = median(neighborhood(:)); end end end 3. 理想低通滤波(Ideal Lowpass Filter): function output = idealLowpassFilter(input, cutoffFreq) % 获取输入图像的大小和中心位置 [height, width] = size(input); centerX = floor(width / 2) + 1; centerY = floor(height / 2) + 1; % 创建输出图像 output = zeros(height, width); % 计算频域的网格 [X, Y] = meshgrid(1 : width, 1 : height); % 计算频率坐标 freqX = X - centerX; freqY = Y - centerY; % 计算距离中心频率的距离 distance = sqrt(freqX.^2 + freqY.^2); % 应用理想低通滤波器 output(distance <= cutoffFreq) = input(distance <= cutoffFreq); end 4. 巴特沃斯低通滤波(Butterworth Lowpass Filter): function output = butterworthLowpassFilter(input, cutoffFreq, order) % 获取输入图像的大小和中心位置 [height, width] = size(input); centerX = floor(width / 2) + 1; centerY = floor(height / 2) + 1; % 创建输出图像 output = zeros(height, width); % 计算频域的网格 [X, Y] = meshgrid(1 : width, 1 : height); % 计算频率坐标 freqX = X - centerX; freqY = Y - centerY; % 计算距离中心频率的距离 distance = sqrt(freqX.^2 + freqY.^2); % 应用巴特沃斯低通滤波器 output = input .* (1 ./ (1 + (distance ./ cutoffFreq).^(2 * order))); end 5. 高斯高通滤波(Gaussian Highpass Filter): function output = gaussianHighpassFilter(input, sigma) % 获取输入图像的大小和中心位置 [height, width] = size(input); centerX = floor(width / 2) + 1; centerY = floor(height / 2) + 1; % 创建输出图像 output = zeros(height, width); % 计算频域的网格 [X, Y] = meshgrid(1 : width, 1 : height); % 计算频率坐标 freqX = X - centerX; freqY = Y - centerY; % 计算距离中心频率的距离 distance = sqrt(freqX.^2 + freqY.^2); % 应用高斯高通滤波器 output = input .* (1 - exp(-(distance.^2) / (2 * sigma^2))); end ### 回答3: matlab中均值滤波、中值滤波、理想低通滤波、巴特沃斯低通滤波和高斯高通滤波的代码如下: 1. 均值滤波代码: ```matlab % 均值滤波 function output = meanFilter(input, windowSize) [m, n] = size(input); output = zeros(m, n); halfSize = floor(windowSize / 2); for i = 1 + halfSize : m - halfSize for j = 1 + halfSize : n - halfSize % 取窗口内矩阵的均值 output(i, j) = mean2(input(i-halfSize:i+halfSize, j-halfSize:j+halfSize)); end end end ``` 2. 中值滤波代码: ```matlab % 中值滤波 function output = medianFilter(input, windowSize) [m, n] = size(input); output = zeros(m, n); halfSize = floor(windowSize / 2); for i = 1 + halfSize : m - halfSize for j = 1 + halfSize : n - halfSize % 取窗口内矩阵的中值 output(i, j) = median(input(i-halfSize:i+halfSize, j-halfSize:j+halfSize), 'all'); end end end ``` 3. 理想低通滤波代码: ```matlab % 理想低通滤波 function output = idealLowpassFilter(input, cutoffFrequency) [m, n] = size(input); output = ifftshift(input); output = fft2(output); % 构造理想低通滤波器 H = zeros(m, n); for u = 1 : m for v = 1 : n D = sqrt((u - m/2)^2 + (v - n/2)^2); if D <= cutoffFrequency H(u, v) = 1; end end end % 与输入图像的傅里叶变换做点乘 output = output .* H; output = abs(ifft2(output)); end ``` 4. 巴特沃斯低通滤波代码: ```matlab % 巴特沃斯低通滤波 function output = butterworthLowpassFilter(input, cutoffFrequency, n) [m, n] = size(input); output = ifftshift(input); output = fft2(output); % 构造巴特沃斯低通滤波器 H = zeros(m, n); for u = 1 : m for v = 1 : n D = sqrt((u - m/2)^2 + (v - n/2)^2); H(u, v) = 1 / (1 + (D / cutoffFrequency)^(2*n)); end end % 与输入图像的傅里叶变换做点乘 output = output .* H; output = abs(ifft2(output)); end ``` 5. 高斯高通滤波代码: ```matlab % 高斯高通滤波 function output = gaussianHighpassFilter(input, cutoffFrequency) [m, n] = size(input); output = ifftshift(input); output = fft2(output); % 构造高斯高通滤波器 H = zeros(m, n); for u = 1 : m for v = 1 : n D = sqrt((u - m/2)^2 + (v - n/2)^2); H(u, v) = 1 - exp(-(D^2 / (2 * cutoffFrequency^2))); end end % 与输入图像的傅里叶变换做点乘 output = output .* H; output = abs(ifft2(output)); end ``` 以上是一些简单的滤波方法的代码实现,只适用于二维的图像数据。具体的使用细节和参数调整可以根据实际情况进行修改。
评论 2
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