数字图像处理频域滤波实现低通与高通滤波（包含matlab代码）

最新推荐文章于 2024-05-26 23:53:31 发布
最新推荐文章于 2024-05-26 23:53:31 发布
阅读量3.2w 收藏 463
点赞数 69
分类专栏： 学习笔记 文章标签： matlab 计算机视觉 数字图像处理
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_45767476/article/details/115561686
版权

低通滤波器

理想低通滤波

  • 作用：保留频谱图中圆内低频分量，截断频谱图中圆外高频分量
  • 函数表示：

img

  • 假设频谱中心在 (M/2,N/2)处，则任意频谱成分(u,v) 到中心（原点）的距离D(u,v) 定义为：

image-20210406100637135

  • D0为低通滤波器截止频率

  • 图像表示：

  • 从左到右分别是一个理想低通滤波器变换函数的透视图、以图像形式显示的滤波器和滤波器径向横截面。

    image-20210406101159292

  • 说明：在半径为D0的圆内，所有频率没有衰减地通过滤波器，而在此半径的圆之外的所有频率完全被衰减掉

  • matlab代码：

%理想低通
I = imread('aaa.tif');
figure(1);
subplot(221),imshow(I);
title('原图像');
I=im2double(I);
s=fftshift(fft2(I));%傅里叶变换，直流分量搬移到频谱中心
subplot(222), imshow(log(abs(s)+1),[]); 
title('图像傅里叶变换取对数所得频谱');
[a,b]=size(s);
h=zeros(a,b);%滤波器函数
res=zeros(a,b);%保存结果
a0=round(a/2);
b0=round(b/2);
d=40;
for i=1:a 
    for j=1:b 
        distance=sqrt((i-a0)^2+(j-b0)^2);
        if distance<=d
            h(i,j)=1;
        else
            h(i,j)=0;
        end
    end
end
res=s.*h;
res=real(ifft2(ifftshift(res)));
subplot(223),imshow(res);
title('理想低通滤波所得图像'); 
subplot(224),imshow(h);
title("理想低通滤波器图象");

  • 运行结果：

    image-20210406104625281

高斯低通滤波

  • 二维高斯低通滤波器定义如下：

    image-20210406102139999

  • image-20210406102243245 是关于频谱中心的扩展度的度量

  • 令 image-20210406102243245 =D0，则二维高斯低通滤波器表示为：

image-20210406102417607

  • D0为截止频率距原点的距离，D(u,v)是点(u,v)距原点的距离

  • 图像表示：

    从左到右分别是一个理想低通滤波器变换函数的透视图、以图像形式显示的滤波器和滤波器径向横截面。

    image-20210406102700251

  • matlab代码：

%高斯低通
I=imread('aaa.tif');
subplot(221),imshow(I);
title('原图像');
Y=fft2(im2double(I));%傅里叶变换
Y=fftshift(Y);%频谱搬移,直流分量搬移到频谱中心
subplot(222), imshow(log(abs(Y)+1),[]); 
title('图像傅里叶变换取对数所得频谱');
[M,N]=size(Y);%获得图像的高度和宽度
h=zeros(M,N);%滤波器函数
%图像中心点
M0=M/2;
N0=N/2;
%截至频率距离圆点的距离，delta表示高斯曲线的扩散程度
D0=40;
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(x,y)=exp(-d2/(2*delta^2));
    end
end
%滤波后结果
res=h.*Y;
res=real(ifft2(ifftshift(res)));
subplot(223),imshow(res);
title('高斯低通滤波所得图像'); 
subplot(224),imshow(h);
title("高斯低通滤波器图象");

  • 运行结果：

    image-20210406104721771

巴特沃斯低通滤波

  • n阶巴特沃思低通滤波器定义如下：

    image-20210406101708332

  • D0为截止频率与原点的距离，D(u,v)是点(u,v)与原点的距离

  • 图像表示：

image-20210406101810054

  • 不同于ILPF，BLPF在通带与被滤除的频率之间没有明显的截断

  • 当D(u,v)=D0时，H(u,v)=0.5；当D(u,v)=0时，滤波器取最大值1

  • 巴特沃斯滤波器阶数越高，越趋近于理想低通滤波器

  • matlab代码：

%巴特沃斯低通
figure(3);
I=imread('aaa.tif');
subplot(221),imshow(I);
title('原始图像');
Y=fft2(im2double(I));%傅里叶变换
Y=fftshift(Y);%频谱搬移,直流分量搬移到频谱中心
subplot(222), imshow(log(abs(Y)+1),[]); 
title('图像傅里叶变换取对数所得频谱');
[M,N]=size(Y);%获得图像的高度和宽度
h=zeros(M,N);%滤波器函数
%图像中心点
M0=M/2;
N0=N/2;
d0=40;
%巴特沃斯滤波器的阶数
n_0=2;
for x=1:M
    for y=1:N
        distance=sqrt((x-M0)^2+(y-N0)^2);
        h(x,y)=1/(1+(distance/d0)^(2*n_0));
    end
end
%滤波后结果
res=h.*Y;
res=real(ifft2(ifftshift(res)));
subplot(223),imshow(res);
title('巴特沃斯低通滤波所得图像'); 
subplot(224),imshow(h);
title("巴特沃斯低通滤波器图象");

  • 运行结果：

    image-20210406104813832

低通滤波器用途

  • 低通滤波器的应用实例：模糊、平滑等

    • 字符识别：通过模糊图像，桥接断裂字符的裂缝

      image-20210406103059459

    • 印刷和出版业：从一幅尖锐的原始图像产生平滑、柔和的外观，如人脸，减少皮肤细纹的锐化程度和小斑点

      image-20210406103131084

    • 处理卫星和航空图像：尽可能模糊细节，从而保留大的可识别特征（低通滤波通过消除不重要的特征来简化感兴趣特征的分析）

      image-20210406103201361

高通滤波

理想高通滤波

  • 作用：保留频谱图中圆外高频分量，截断频谱图中圆内低频分量

  • 截止频率距原点的距离为 D0 的 IHPF 定义为：

    image-20210406103438592

  • D0为截止频率距原点的距离，D(u,v)是点(u,v)距原点的距离

  • 图像表示：

    image-20210406103515216

  • matlab代码：

%理想高通
I = imread('aaa.tif');
figure(1);
subplot(221),imshow(I);
title('原图像');
I=im2double(I);
s=fftshift(fft2(I));%傅里叶变换，直流分量搬移到频谱中心
subplot(222), imshow(log(abs(s)+1),[]); 
title('图像傅里叶变换取对数所得频谱');
[a,b]=size(s);
h=zeros(a,b);%滤波器函数
res=zeros(a,b);%保存结果
a0=round(a/2);
b0=round(b/2);
d=40;
for i=1:a 
    for j=1:b 
        distance=sqrt((i-a0)^2+(j-b0)^2);
        if distance<d
            h(i,j)=0;
        else
            h(i,j)=1;
        end
    end
end
res=s.*h;
res=real(ifft2(ifftshift(res)));
subplot(223),imshow(res);
title('理想高通滤波所得图像'); 
subplot(224),imshow(h);
title('理想高通滤波器图像');
  • image-20210406104909349

高斯高通滤波

  • 截止频率距原点的距离原点为D0的 GHPF 定义为：

    image-20210406103911395

  • D0为截止频率距原点的距离，D(u,v)是点(u,v)距原点的距离

  • 图象表示：

    image-20210406104009076

  • matlab代码：

%高斯高通
I=imread('aaa.tif');
subplot(221),imshow(I);
title('原图像');
Y=fft2(im2double(I));%傅里叶变换
Y=fftshift(Y);%频谱搬移,直流分量搬移到频谱中心
subplot(222), imshow(log(abs(Y)+1),[]); 
title('图像傅里叶变换取对数所得频谱');
[M,N]=size(Y);%获得图像的高度和宽度
h=zeros(M,N);%滤波器函数
%图像中心点
M0=M/2;
N0=N/2;
%截至频率距离圆点的距离，delta表示高斯曲线的扩散程度
D0=40;
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(x,y)=1-exp(-d2/(2*delta^2));
    end
end
%滤波后结果
res=h.*Y;
res=real(ifft2(ifftshift(res)));
subplot(223),imshow(res);
title('高斯高通滤波所得图像'); 
subplot(224),imshow(h);
title("高斯高通滤波器图象");
  • 运行结果

image-20210408120848226

巴特沃斯高通滤波

  • n阶且截止频率距原点的距离为 D0 的 BHPF 定义为：

    image-20210406103635569

  • D0为截止频率距原点的距离，D(u,v)是点(u,v)距原点的距离

  • 函数图像表示：

image-20210406103719125

  • matlab代码：
%巴特沃斯高通
figure(3);
I=imread('aaa.tif');
subplot(221),imshow(I);
title('原始图像');
Y=fft2(im2double(I));%傅里叶变换
Y=fftshift(Y);%频谱搬移,直流分量搬移到频谱中心
subplot(222), imshow(log(abs(Y)+1),[]); 
title('图像傅里叶变换取对数所得频谱');
[M,N]=size(Y);%获得图像的高度和宽度
h=zeros(M,N);%滤波器函数
%图像中心点
M0=M/2;
N0=N/2;
d0=40;
%巴特沃斯滤波器的阶数
n_0=2;
for x=1:M
    for y=1:N
        distance=sqrt((x-M0)^2+(y-N0)^2);
        h(x,y)=1/(1+(d0/distance)^(2*n_0));
    end
end
%滤波后结果
res=h.*Y;
res=real(ifft2(ifftshift(res)));
subplot(223),imshow(res);
title('巴特沃斯高通滤波所得图像'); 
subplot(224),imshow(h);
title("巴特沃斯高通滤波器图象");
  • 运行结果：

image-20210408123152357

高通滤波器与低通滤波器之间的关系

  • 高通滤波器与低通滤波器的关系

    image-20210406104223673

  • HLP(u,v) ：低通滤波器函数

  • HHP(u,v)：高通滤波器函数

  • image-20210406104317714

  • 结论：被低通滤波器衰减的频率成分能通过高通滤波器，反之亦然

高通滤波器与低通滤波器总结比较

低通滤波器

低通滤波器性能比较
理想低通滤波器理想低通滤波器产生模糊和振铃现象，且模糊和振铃现象反比于截断频率（即半径D0）
巴特沃斯低通滤波器随着滤波器半径（截止频率）的增大，模糊越来越减弱；低阶滤波器没有明显振铃现象（滤波器在低频和高频之间平滑过渡）
高斯低通滤波器随着截止频率的增大，模糊越来越减弱；平滑效果稍差于相同截止频率的二阶BLPF；没有出现振铃现象，优于BLPF

理想低通滤波器

image-20210408122445402

巴特沃斯低通

image-20210408123244153

高斯低通

image-20210408123356675

高通滤波器

高通滤波器性能比较
理想高通滤波器振铃现象明显
巴特沃斯高通滤波器BHPF 的结果比 IHPF 的结果尖锐得多，边缘失真也小得多
高斯高通滤波器GHPF 的结果比 BHBF 和 IHPF 的结果更尖锐，即使是对微小物体 ; 和细线条的滤波也是较清晰的

理想高通滤波器

image-20210408124146424

巴特沃斯高通滤波器

image-20210408124209838

高斯高通滤波器

image-20210408124310756

润松3344
关注
  • 69
    点赞
  • 踩
  • 463
    收藏
    觉得还不错? 一键收藏
  • 23
    评论
专栏目录
数字图像处理（matlab版）-冈萨雷斯-频域滤波书中代码
11-26
数字图像处理（matlab版）-冈萨雷斯-频域滤波书中代码，有如低通，高通滤波，傅立叶变换和反变换等等。
matlab频域低通滤波代码-SpectralFiltering:数字图像的频域滤波
05-22
代码，分别利用理想低通滤波器（ILPF）和理想高通滤波器（IHPF）对其进行频域滤波处理。具体可参考如下步骤： (1) 消除折叠现象的填充：P=2M，Q=2N，其中 M、N 为原图像的尺寸； (2) 原图f(y, x)的傅立叶变换，产生F...
Matlab图像处理频域滤波实现——理想低通、高通、带通带阻滤波器
小嘤熊的博客
01-29 4025
如果你想要进一步了解更多的相关知识，
【信号去噪】基于低通滤波器语音去噪，时域图 频域图附Matlab代码
最新发布
m0_57702748的博客
05-26 395
语音信号在传输过程中常常受到噪声的干扰，影响语音的清晰度和可懂度。因此，语音去噪成为语音处理中至关重要的一个环节。低通滤波器作为一种常用的信号处理工具，可以有效地去除高频噪声，改善语音信号质量。本文将深入探讨基于低通滤波器的语音去噪方法，并通过时域图和频域图来直观地展示其工作原理。1. 语音信号与噪声语音信号通常包含丰富的频率成分，而噪声则往往集中在高频段。例如，环境噪声、机器噪声等都含有较多高频成分。因此，利用低通滤波器去除高频成分可以有效地抑制噪声，保留语音信号中的主要信息。
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）
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。
【图像滤波】理想滤波器、巴特沃斯滤波器、高斯滤波器实现（包含低通与高通，代码实现与分析）
wyr1849089774的博客
02-26 4534
本篇博客聚焦理想滤波器、巴特沃斯滤波器、高斯滤波器进行原理剖析、代码实现和结果总结，代码含有详细注释，希望帮助大家理解。以下将从理想低通滤波器理想高通滤波器巴特沃斯低通滤波器巴特沃斯高通滤波器高斯低通滤波器高斯高通滤波器六个块题进行阐述，每一块题将分为实验原理实验代码展示实验结果分析三部分进行讲解。
Matlab对灰度图像的频域进行高通滤波和低通滤波
一只博客
12-07 1万+
1. 要求 对灰度图像进行离散傅里叶变换（Discrete Fourier Transfom, DFT）变换，在频域上分别使用理想的高通和低通滤波器进行滤波，显示滤波后的频域图像，以及逆离散傅里叶变换（Inverse Discrete Fourier Transfom, IDFT）变换后的空域图像，观察振铃现象。 2. 读取灰度图像 这里读取matlab自带的“摄影师”灰度图像 %% 读取图像 x = imread('cameraman.tif'); figure, imshow(x), titl
matlab实现图像频域处理（低通滤波、高通滤波、同态滤波）
anxinbuxinan的博客
06-14 9827
频域滤波是一种图像处理技术，可以通过在频域中增加或减弱某些频率分量，从而实现图像去噪、锐化、平滑等功能。常见的频域滤波包括频域低通滤波、频域高通滤波和频域同态滤波。在使用这些滤波器进行频域处理时，通常需要选择合适的参数、预处理和后处理方法，以达到理想的处理效果。同时，不同的图像场景和需求也需要选择适合的滤波器和处理方法。
数字图像处理—频域增强（低通滤波）（高通滤波）（带通和带阻滤波）（同态滤波）
见证自己的成长之路~
02-23 2万+
1、主要步骤：空域（傅里叶变换、卷积）>>>频域（与转移函数相乘、处理、傅里叶反变换）>>>空域 2、常用频域增强方法。 巴特沃斯滤波器：阶为n，截断频率为D0的转移函数为： （1）低通滤波： 低通巴特沃斯滤波器在高低频率间的过渡比较光滑，所以得到的输出图其“振铃”现象不明显。 频域低通滤波器能消除虚假轮廓。 （2）高通滤波 高通巴特沃斯滤波器. G( x, y ) = g (
频域滤波器_理想滤波器_高通滤波_高通滤波器_MATLAB下频域滤波器实现_高斯低通滤波_
10-04
频域滤波器器的一些相关实验和滤波器的实现（包括理想低通，Butterworth低通，高斯低通，理想高通，Butterworth高通，高斯高通滤波器）
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
包括各种频域滤波器：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 ,...
理想高通滤波 MATLAB
02-16
用于图像的理想滤波器高通滤波
MATLAB频域处理练习（含源代码）
12-02
matlab频域处理（理想低通、理想高通、Gaussian低通、Gaussian高通、Butterworh低通、Butterworth高通）
数字图像处理之低通滤波器实现原理及方法（Matlab)
热门推荐
小黄鸭的博客
11-12 6万+
转自http://blog.csdn.net/zhoufan900428/article/details/17194289  1.傅里叶变换与频域         在之前的文中，我们已经进行过一些基本的图像处理。比如，使用低通滤波可以将图像模糊，也有些许降噪的作用。这些都是在空间域内进行的滤波处理，这个处理主要是依靠卷积来进行计算的。首先，从连续的一维卷积入手，如下所示。
matlab图像处理实现低通滤波
DF.W的那点浅薄的知识
10-14 1万+
clc; clear all; img=imread('lena.jpg'); img_noise = imnoise(img, 'gaussian', 0, 0.01); subplot(2,2,1),imshow(img_noise); title('原图像'); % 将低频移动到图像的中心，这个也很重要 s=fftshift(fft2(img_noise)); subplot(2,2,3),imshow(log(abs(s)),[]); title('图像傅里叶变换取对数所得频谱'); % 求解变换
数字图像处理第四章——频率域滤波
fjyalzl的博客
07-09 3580
目录4.1 基本概念4.1.1 复数4.1.2 傅立叶级数4.1.3 冲激及其取样特性 4.1.4 连续变量函数的傅里叶变换 4.1.5 卷积4.2 取样和取样函数的傅里叶变换4.2.1 取样4.2.2 取样函数的傅里叶变换4.3 单变量的离散傅里叶变换（DFT）4.3.1 由取样后的函数的连续变换得到DFT4.4 两个变量的函数的拓展4.4.1 二维冲激及其取样 4.4.2 二维连续傅里叶变化对4.4.3 二维取样和二维取样定理4.4.4 二维离散傅里叶变换及其反变换4.5 二维离散傅里叶变换的一些性质
系统学习数字图像处理之频域滤波
工作笔记
01-02 9460
1
《数字图像处理》DFT（离散傅里叶变换）及HF（同态滤波）的实现
yyy的技术日常
06-27 1万+
DFT及HF的实现 1 DFT（离散傅里叶变换）的实现 1.1 DFT（离散傅里叶变换）的定义及原理 对于基于图像的傅里叶变换(二维离散傅里叶变换)的过程如下：首先对于每一行都做一维的傅里叶变换，然后对于每一列做一维的傅里叶变换。具体来说，先对于第1行的N个点做傅里叶变换（实部有值，虚部为0），将变换输出的实部放回原来第1行的实部，将输出的虚部放回第1行的虚部，这样计算完成全部的行之后，图像的实部和虚部包含的是中间数据，然后用相同的办法进行列方向上的相同的傅里叶变换，这样大小为MN的图像经过DFT就得到了一
Matlab图像处理--低通滤波器的Matlab实现及透视图
Look Forward To
10-30 9298
低通滤波器 一、理想低通滤波器（ILPF） 1.1 理想低通滤波器介绍 1.2 理想低通滤波器的Matlab实现 1.3 理想低通滤波器的实现结果 二、布特沃斯低通滤波器（BLPF） 2.1 布特沃斯低通滤波器介绍 2.2 布特沃斯低通滤波器的Matlab实现 2.3 布特沃斯低通滤波器的实现结果 三、高斯低通滤波器（GLPF） 3.1 高斯低通滤波器介绍 3.2 高斯低通滤波器的Matlab实现 3.3 高斯低通滤波器的实现结果 总结 一.
matlab图像处理空间滤波和频域滤波
03-30
Matlab中的图像处理空间滤波和频域滤波是两种不同的图像处理技术，分别用于处理图像中的噪声和模糊问题。 空间滤波是指在图像的原始空间中进行的滤波操作，其基本原理是根据图像像素的空间位置进行滤波，以去除图像中的噪声和模糊。常见的空间滤波算法包括均值滤波、中值滤波、高斯滤波等。 频域滤波是指在图像的频域中进行的滤波操作，其基本原理是将图像变换到频域，然后对频域图像进行滤波，最后再将滤波后的频域图像变换回原始空间。常见的频域滤波算法包括傅里叶变换、高通滤波、低通滤波等。 两种滤波技术各有优缺点，应根据实际情况选择适合的滤波方法。在Matlab中，可以使用内置函数进行空间滤波和频域滤波，也可以自行编写算法实现。

“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 23
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
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