Matlab高频强调滤波增强，高斯高通滤波器，巴特沃斯高通滤波器图像处理

一、目标：

1. 对lena图像采用高频强调滤波增强方法，并分析方法的效果。（理想、巴特沃斯、高斯）。其结果好不好？能否有改善的方法？

 

二、函数分析：

1、高斯高通滤波器

传递函数：

 

高斯低通滤波器

传递函数：

D0指截止频率。

 

2、巴特沃斯高通滤波器

    传递函数：

 

巴特沃斯低通滤波器

传递函数：

描述：在公式中，D(u,v)代表频域当中，点(u,v)到中心点的距离。而D0就是截止距离了，就相当于在频域当中画一个圈，对圈内或者圈外保留就可以达到所谓的低通和高通了，这个D0就相当于一维当中的截止频率

 

3、高频强调滤波方法

    传递函数：

   Hhfe(u,v) = a + bHhp(u,v)

描述：加入一个偏移量同时乘以一个大于1的常数，使用原图像中的一部分低频分量进入高频区域,而在高频滤波后被保留下来,从而不仅保持一些光滑区域灰度,又使边缘得到增强,而且整幅图像的层次也较丰富,不那么昏暗了。

总的来说高频强调滤波方法是保留了高频分量的同时，加入了背景的低频分量。

 

三、代码展示：

% 1、对lena图像采用高频强调滤波增强方法，
%    并分析方法的效果。（理想、巴特沃斯、高斯）
%    其结果好不好？能否有改善的方法？
%
% @author: jackma
% @time:   2020-10-19 10:15
% @URL:    www.jackrma.com
% @Copyright:博客所有权归本人和CSDN所有，如有转载请在显著位置给出博文
%            链接和作者姓名，否则本人将付诸法律。
% @edit:   

% 1. Lena图像采用高频强调滤波增强方法
clc
clear
imgrgb = imread('x.jpg'); %读取彩色图像
f = rgb2gray(imgrgb); %将rgb图像转换成灰度图像
subplot(2, 2, 1);
imshow(f)
title('原始图像')

%高斯高通滤波
I = double(f);
g = fft2(I);%二维傅立叶变换
g = fftshift(g);%频移
[M, N] = size(g);
D0 = 5;%截止频率为5
m = fix(M / 2); n = fix(N / 2);

for i = 1:M

    for j = 1:N
        D = sqrt((i - m)^2 + (j - n)^2);
        H = exp(-(D.^2) ./ (2 * (D0^2)));
        result(i, j) = (1 - H) * g(i, j);
    end

end

result = ifftshift(result);
J1 = ifft2(result);
J2 = uint8(real(J1));
subplot(2, 2, 2);
imshow(J2)
title('高斯高通滤波后的图像')

%高频强调滤波
F = 0.5 + 0.75 * (1 - H);
G = F * g;
result2 = ifftshift(G);
J3 = ifft2(result2);
J4 = uint8(real(J3));
subplot(2, 2, 3)
imshow(J4)
title('高频强调滤波后的图像')

%对高频强调滤波后图像进行直方图均衡化
J5 = histeq(J4, 256);
J5 = uint8(J5);
subplot(2, 2, 4);
imshow(J5)
title('直方图均衡化后的图像')

%%%%%巴特沃斯高通滤波
figure('Name', '图像加入巴特沃斯高通滤波'); %标题
[M, N] = size(f);
a = fft2(f);
a = fftshift(a);
m1 = fix(M / 2); n1 = fix(N / 2);

for u = 1:M

    for v = 1:N
        D1 = sqrt((u - m1)^2 + (v - n1)^2);

        if D1 == 0
            H1(u, v) = 0;
        else
            %    H(u,v)=1/(1+0.414*(500/D1)^4);%截至频率为500
            H1(u, v) = 1 / (1 + (500 / D1)^4); %2阶巴特沃斯高通滤波器，截至频率为500
        end

    end

end

F1 = H1 .* a;
F1 = ifftshift(F1);
I2 = abs(ifft2(F1));
subplot(2, 2, 1);
imshow(f)
title('原始图像')
subplot(2, 2, 2);
imshow(I2)
title('巴特沃斯高通滤波后的图像')

%高频强调滤波
FF = 0.5 + 0.75 * (1 - H1);
G1 = FF .* a;
result3 = ifftshift(G1);
J8 = ifft2(result3);
J9 = uint8(real(J8));
subplot(2, 2, 3)
imshow(J9)
title('高频强调滤波后的图像')

%对高频强调滤波后图像进行直方图均衡化
J10 = histeq(J9, 256);
J10 = uint8(J10);
subplot(2, 2, 4);
imshow(J10)
title('直方图均衡化后的图像')

四、结果展示及分析：

图1 原始灰度图像和高斯高通滤波的图像，使用高频强调滤波增强图像

图2 原始灰度图像和巴特沃斯高通滤波的图像，使用高频强调滤波增强图像

显然通过图像对比可得，高频强调滤波增强和直方图均衡化效果远比高斯高通滤波和巴特沃斯高通滤波效果好，背景更加清晰。