Matlab图像处理频域滤波实现——巴特沃斯低通、高通、带通带阻滤波器

已于 2024-01-30 17:14:02 修改
阅读量7.8k 收藏 109
点赞数 38
分类专栏： 图像处理 文章标签： matlab 图像处理 开发语言 算法
于 2024-01-30 17:01:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41301570/article/details/135936537
版权

巴特沃斯滤波器是一种常用于图像处理的滤波器，它在频域中的传递函数具有更加平滑的过渡，相对于理想滤波器来说，巴特沃斯滤波器可以更好地控制截止频率和滤波器的阶数。下面是巴特沃斯滤波器的不同类型的原理简介：

1.原理

（1）巴特沃斯低通滤波（Butterworth Lowpass Filtering）

巴特沃斯低通滤波器通过在频域中滤除高频成分来实现图像的平滑。其传递函数为：

 其中D(u,v) 是频域中点 (u,v) 到中心的距离，D0​ 是截止频率，n 是滤波器的阶数。

（2）巴特沃斯高通滤波（Butterworth Highpass Filtering）

巴特沃斯高通滤波器通过滤除低频成分来增强图像中的细节和边缘。其传递函数为：

 其中D(u,v) 是频域中点 (u,v) 到中心的距离，D0​ 是截止频率，n 是滤波器的阶数。

（3）巴特沃斯带通滤波（Butterworth Bandpass Filtering）

巴特沃斯带通滤波器保留图像中一定频率范围内的成分，同时滤除低频和高频成分。其传递函数为：

 其中D(u,v) 是频域中点(u,v) 到中心的距离，D0​ 和 D1​ 是两个截止频率，n 是滤波器的阶数。

（4）巴特沃斯带阻滤波（Butterworth Bandstop Filtering）

巴特沃斯带阻滤波器与带通滤波器相反，它滤除一定频率范围内的成分，同时保留低频和高频成分。其传递函数为：

 其中D(u,v) 和 D0​、D1​ 同上，n 是滤波器的阶数。

2.实现代码

（1）巴特沃斯低通滤波（Butterworth Lowpass Filtering）
clear
clc
I = imread('1.jpg');  % 读入图像
I = rgb2gray(I);
I=im2double(I);  		
M=2*size(I,1);                %滤波器的行数
N=2*size(I,2);                %滤波器的列数
u=-M/2:(M/2-1);
v=-N/2:(N/2-1);
[U,V]=meshgrid(u, v);
D=sqrt(U.^2+V.^2);
D0=50;                       %截止频率
n=6;                         %滤波器的阶数
H=1./(1+(D./D0).^(2*n));     %设计巴特沃斯滤波器
J=fftshift(fft2(I, size(H, 1), size(H, 2))); %空域转换到频域
K=J.*H;                                      %滤波处理
L=ifft2(ifftshift(K));                       %傅里叶反变换
L=L(1:size(I,1), 1:size(I, 2));              %改变图像大小

% 显示原始图像和滤波后的图像
figure;
% 显示原始图像
subplot(221);
imshow(I);
title('原始图像');
% 显示滤波后的图像
subplot(222);
imshow(L);
title('滤波后的图像');
% 显示原始图像的频域
subplot(223);
imagesc(log(1 + abs(J)));
title('原始图像的频域');
% 显示滤波后图像的频域
subplot(224);
imagesc(log(1 + abs(K)));
title('滤波后图像的频域');

（2）巴特沃斯高通滤波（Butterworth Highpass Filtering）
clear
clc
I = imread('1.jpg');  % 读入图像
I = rgb2gray(I);
I=im2double(I);  		
M=2*size(I,1);                %滤波器的行数
N=2*size(I,2);                %滤波器的列数
u=-M/2:(M/2-1);
v=-N/2:(N/2-1);
[U,V]=meshgrid(u, v);
D=sqrt(U.^2+V.^2);
D0=50;                       %截止频率
n=6;                         %滤波器的阶数
H=1./(1+(D0./D).^(2*n));     %设计巴特沃斯滤波器
J=fftshift(fft2(I, size(H, 1), size(H, 2))); %空域转换到频域
K=J.*H;                                      %滤波处理
L=ifft2(ifftshift(K));                       %傅里叶反变换
L=L(1:size(I,1), 1:size(I, 2));              %改变图像大小

% 显示原始图像和滤波后的图像
figure;
% 显示原始图像
subplot(221);
imshow(I);
title('原始图像');
% 显示滤波后的图像
subplot(222);
imshow(L);
title('滤波后的图像');
% 显示原始图像的频域
subplot(223);
imagesc(log(1 + abs(J)));
title('原始图像的频域');
% 显示滤波后图像的频域
subplot(224);
imagesc(log(1 + abs(K)));
title('滤波后图像的频域');

（3）巴特沃斯带通滤波（Butterworth Bandpass Filtering）
clear
clc
I = imread('1.jpg');  % 读入图像
I = rgb2gray(I);
I=im2double(I);  		
M=2*size(I,1);                %滤波器的行数
N=2*size(I,2);                %滤波器的列数
u=-M/2:(M/2-1);
v=-N/2:(N/2-1);
[U,V]=meshgrid(u, v);
D=sqrt(U.^2+V.^2);
D0=50;                       %截止频率
D1=60;
n=6;                         %滤波器的阶数
H=1./(1+(D.*(D1-D0)./(D.^2-D0*D1)).^(2*n)); %设计巴特沃斯滤波器
J=fftshift(fft2(I, size(H, 1), size(H, 2))); %空域转换到频域
K=J.*H;                                      %滤波处理
L=ifft2(ifftshift(K));                       %傅里叶反变换
L=L(1:size(I,1), 1:size(I, 2));              %改变图像大小

% 显示原始图像和滤波后的图像
figure;
% 显示原始图像
subplot(221);
imshow(I);
title('原始图像');
% 显示滤波后的图像
subplot(222);
imshow(L);
title('滤波后的图像');
% 显示原始图像的频域
subplot(223);
imagesc(log(1 + abs(J)));
title('原始图像的频域');
% 显示滤波后图像的频域
subplot(224);
imagesc(log(1 + abs(K)));
title('滤波后图像的频域');

（4）巴特沃斯带阻滤波（Butterworth Bandstop Filtering）
clear
clc
I = imread('1.jpg');  % 读入图像
I = rgb2gray(I);
I=im2double(I);  		
M=2*size(I,1);                %滤波器的行数
N=2*size(I,2);                %滤波器的列数
u=-M/2:(M/2-1);
v=-N/2:(N/2-1);
[U,V]=meshgrid(u, v);
D=sqrt(U.^2+V.^2);
D0=50;                       %截止频率
D1=60;
n=6;                         %滤波器的阶数
H=1./(1+(D0*D1./(D.^2-D0*D1)).^(2*n)); %设计巴特沃斯滤波器
J=fftshift(fft2(I, size(H, 1), size(H, 2))); %空域转换到频域
K=J.*H;                                      %滤波处理
L=ifft2(ifftshift(K));                       %傅里叶反变换
L=L(1:size(I,1), 1:size(I, 2));              %改变图像大小

% 显示原始图像和滤波后的图像
figure;
% 显示原始图像
subplot(221);
imshow(I);
title('原始图像');
% 显示滤波后的图像
subplot(222);
imshow(L);
title('滤波后的图像');
% 显示原始图像的频域
subplot(223);
imagesc(log(1 + abs(J)));
title('原始图像的频域');
% 显示滤波后图像的频域
subplot(224);
imagesc(log(1 + abs(K)));
title('滤波后图像的频域');

在这些公式中，阶数 n 的选择会影响滤波器的频率响应曲线的陡峭程度。较大的 n 会导致更陡峭的过渡，但也可能引入一些振铃效应。

最后：

如果你想要进一步了解更多的相关知识，可以关注下面公众号联系~会不定期发布相关设计内容包括但不限于如下内容:信号处理、通信仿真、算法设计、matlab appdesigner，gui设计、simulink仿真......希望能帮到你！

5a8015ddde1e41418a38e958eb12ecbd.png

MatpyMaster
关注
专栏目录
【图像去噪】基于matlab高通+低通+带通+方向滤波器图像滤波【含Matlab源码 1209期】
订阅付费专栏Matlab（奶茶价版），可赠送奶茶价版付费专栏指定代码1份；
08-11 6057
高通+低通+带通+方向滤波器图像滤波 完整代码，直接运行，适合小白！可提供运行操作视频！
OpenCV 笔记(37)：频域高通滤波——高斯高通滤波器、巴特沃斯高通滤波器
Java与Android技术栈
09-20 1066
1. 高斯高通滤波器与高斯低通滤波器（用于平滑图像、模糊图像）相反，高斯高通滤波器（GHPF）通过抑制低频成分来实现图像锐化。高斯高通滤波器的作用是增强图像中的高频成分，从而突出图像的边缘和细节。高斯高通滤波器的传递函数可以由一个低通滤波器的传递函数转换得到。通常，我们可以用以下公式来表示高斯高通滤波器的传递函数：其中，是截止频率，控制着滤波器的截止范围。值越大，滤波器对低频的抑制变得较弱，更多...
巴特沃斯滤波器（内含完整的MATLAB代码）
04-11
巴特沃斯滤波器（内含完整的MATLAB代码）
巴特沃斯滤波（matlab/C++）
weixin_50624597的博客
07-13 1万+
文章目录一、滤波器简介二、用matlab做巴特沃斯低通滤波器2.1基本数据2.2做出原信号的频谱函数2.3做出巴特沃斯低通滤波器2.4用滤波器过滤信号 并得出频谱图2.5对高频的信号的低通滤波三、MATLAB中filter的理解与使用3.1filter概念与基本语法3.2以最简单的 y = filter(b,a,X) 为例3.3可实现差分方程四、巴特沃斯模拟滤波器（低通，高通，带通，带阻）设计-MATLAB实现4.1基础知识介绍4.2函数介绍4.2.1buttord - 求解滤波器的阶数N和3dB截止频率w
matlab巴特沃斯滤波器设计
qingfengxd1的博客
04-13 6759
%% 滤波 Wp = input('通带截止频率(Hz)'); Ws = input('阻带截止频率(Hz)'); rp = input('通带波动 (dB)'); rs = input('阻带波动 (dB)'); num = input('数据段长度'); Wp = Wp*2*pi; Ws = Ws*2*pi; [n,Wn] = buttord(Wp/fs,Ws/fs,rp,rs); [z,p,k] = butter(n,Wn); [b,a] = zp2tf(z,p,k); %将零点、极...
MATLAB 巴特沃斯低通滤波对图像进行低通滤波处理
05-05
设计巴特沃斯低通滤波对图像进行低通滤波处理，显示结果
巴特沃斯滤波器matlab程序
01-30
巴特沃斯滤波器 巴特沃斯滤波器 巴特沃斯滤波器 巴特沃斯滤波器 巴特沃斯滤波器 巴特沃斯滤波器
matlab图像滤波巴特沃斯滤波器
06-09
matlab 图像滤波 巴特沃斯滤波器 butter
jingdianpinyulvboqi.zip_matlab频域滤波_理想低通滤波_理想高通滤波_频域_高通滤波器
07-14
经典频域理想低通滤波器 ，经典频域巴特沃斯低通滤波器 ，经典频域指数低通滤波器， 经典频域理想高通滤波器 ， 经典频域巴特沃斯高通滤波器， 经典频域指数高通滤波器,经典频域带通滤波器 ,经典频域带阻滤波器
matalb 图像处理 低通滤波和高通滤波 （理想，巴特沃斯，高斯 含代码）
热门推荐
joreng的博客
11-24 1万+
主要分为理想低通滤波，巴特沃斯低通滤波，高斯低通滤波。
Matlab图像的巴特沃斯低通滤波
05-05
matlab低通滤波滤波，用于图像处理与分析，源代码，希望有帮助
巴特沃斯滤波器的MATLAB实现
03-27
巴特沃斯滤波器的MATLAB实现，自写函数，可以直接用 % 输入参数： % indata--输入信号 % Fs--采样频率 % pass1--通带上限 % pass2--通带下限 % stop1--阻带下限% stop2--阻带上限 % N--滤波器阶数 % 输出参数： % outdata---滤波后的时域信号
巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理
05-10
频域增强（巴特沃斯) 低通滤波器对受噪声干扰的图像进行平滑处理
基于Matlab的巴特沃斯滤波器设计.pdf
06-29
基于Matlab的巴特沃斯滤波器设计.pdf
matlab巴特沃斯滤波器m代码
09-10
用matlab m文件实现巴特沃斯滤波器，内附有详细的代码说明，和参数修改位置，根据个人需要可以随意设置参数
Matlab2018a及以上版本的详细butterworth滤波器设计教程，支持低通、高通、带通和带阻滤波器，包含幅值、相位响应、时域和频域图像展示
VsWYMuuj的博客
05-04 860
Butterworth滤波器的设计是基于将模拟滤波器转换为数字滤波器的方法，通过对模拟滤波器进行频率归一化和阻带截止频率的选取，可以实现滤波器的设计。通过对比滤波前后的图像，我们可以清晰地看到滤波器对信号的影响。Matlab2018a及以上可运行，基于butterworth滤波器设计的低通，高通，带通，带阻滤波器，可同时显示滤波器的幅值和相位响应，显示滤波前后数据的时域图像及频域图像，可作为学习使用。函数，我们可以设计滤波器并进行滤波，同时显示滤波器的幅值和相位响应，以及滤波前后数据的时域图像和频域图像。
巴特沃斯滤波原理及代码实现（matlab详细过程版）
点云侠的博客
04-26 3764
巴特沃斯滤波图像处理原理及matlab代码实现
VTK系列45_图像进行理想低通滤波器处理（频域处理）
qq_32809093的博客
09-24 453
实例45：理想低通滤波器（频域处理） #include "vtkAutoInit.h" VTK_MODULE_INIT(vtkRenderingOpenGL2); VTK_MODULE_INIT(vtkInteractionStyle); #include <vtkSmartPointer.h> #include <vtkImageData.h> #include <vtkImageIdealLowPass.h> #include <vtkImageActo
读取图像man.tiff，实现巴特沃斯高低通滤波及高频提升滤波，并显示原图及处理结果图像。 python代码
最新发布
10-06
在Python中，我们可以使用`skimage`库来进行图像操作，包括读取、滤波等。这里是一个简单的例子，展示如何读取`man.tiff`图像文件，然后应用巴特沃斯滤波（低通或高通）以及高频提升滤波，并显示原始图像和处理后的结果。 ```python from skimage import io, filters # 1. 读取图像 img = io.imread('man.tiff', as_gray=True) # 假设图片是灰度图像 print("Original Image Shape:", img.shape) # 2. 巴特沃斯滤波 def apply_butterworth(img, lowcut=0.1, highcut=0.3, order=5): nyquist_freq = 0.5 * img.shape[1] / img.shape[0] low = lowcut * nyquist_freq high = highcut * nyquist_freq bandpass_filter = filters.butter(order, [low, high], btype='band') filtered_img = np.real(filters.convolve2d(img, bandpass_filter)) return filtered_img # 3. 高频提升滤波（可以理解为反低通） def enhance_high_frequency(filtered_img, cutoff=0.2): highpass_filter = filters.highpass(cutoff) enhanced_img = np.abs(np.fft.ifft2(np.fft.fft2(filtered_img) * highpass_filter)) return enhanced_img # 应用滤波并显示 filtered_img = apply_butterworth(img) enhanced_img = enhance_high_frequency(filtered_img) # 显示原图和处理后的图像 fig, axs = plt.subplots(1, 2, figsize=(8, 4)) axs[0].imshow(img, cmap='gray') axs[0].set_title('Original Image') axs[1].imshow(enhanced_img, cmap='gray') axs[1].set_title('Enhanced Image with High Frequency Boost') for ax in axs: ax.axis('off') plt.show()
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

MatpyMaster

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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