数字图像处理学习笔记（十二）快速傅里叶变换和高斯滤波器实现图像模糊（低通滤波）

实验截图：

• 低通滤波实现图像模糊
  

实验代码：

img = imread('erciyuan.jpg');
img = rgb2gray(img);
d0 = 80;%我们设定的阈值
img_noise = imnoise(img,'gaussian');%加入高斯噪声
img_fft = fftshift(fft2(double(img_noise))); %傅里叶变换得到频谱
[m,n] = size(img_fft);
m_mid = floor(m/2);%原图像高的一半 用于得到中心点坐标
n_mid = floor(n/2);%原图像宽的一半 用于得到中心点坐标
distance = zeros(m,n);
h = zeros(m,n);
img1 = zeros(m,n);
for i = 1 : m
    for j = 1 : n
%对得到的频谱进行理想低通滤波
        distance(i,j) = sqrt((i - m_mid) ^ 2+(j - n_mid) ^ 2);
        h(i,j) = exp(-(distance(i,j) ^ 2) / (2 * d0 ^ 2));
        img1(i,j) = img_fft(i,j) * h(i,j);
    end
end
 
img1 = ifftshift(img1);%反傅里叶变换
img1 = uint8(real(ifft2(img1)));
 
subplot(1,2,1);imshow(img_noise);title('加上高斯噪声后的原图');
subplot(1,2,2);imshow(img1);title('通过高斯低通滤波处理后的原图');

结果分析：

• 频域滤波是在频率域对图像做处理的一种方法。步骤如下：
  

• 实现高斯低通滤波，首先我们要求出原图像的频谱，这一步我们根据之前的实验可以通过快速傅里叶变换求得，然后我们就要对得到的频谱进行理想低通滤波，这一步首先需要我们计算符合条件的点与中心的距离，公式为：

• distance(i,j) = sqrt((i - m_mid) ^ 2+(j - n_mid) ^ 2)

• 然后还需要我们根据滤波器变换公式求出h参数，公式为：

• h(i,j) = exp(-(distance(i,j) ^ 2) / (2 * d0 ^ 2))

• 最后我们，将h与噪声图像的傅里叶变换相乘后进行反傅里叶变换，就能实现高斯低通滤波。