用理想低通滤波器在频率域实现低通滤波、用理想高通滤波器在频率域实现高频增强
频率域图像增强
截止 频率 分别 为
10,30 ,60,1 60和 460
比较
2阶布特沃斯低通滤波
高斯低通滤波
梯形低通滤波器
梯形低通滤波器是理想低通滤波器和完全平滑滤波器的折 中。它的传递函数为：
低通滤波器
理想低通滤波器
截止频率 为分别设 置为
10,30,60,1 60和460
由于高频成分包含有大量的边缘信息，因此采用该滤波器在去 噪声的同时将会导致边缘信息损失而使图像边模糊。
布特沃斯低通滤波器
n阶布特沃斯滤波器的传递函数为：
D0是截止频率。对于这个点的定义，我们可以这样理解，使 H（u，v）下降为Baidu Nhomakorabea大值的某个百分比的点。
应用： 字符识别的应用 印刷和出版业 卫星图像和航空图像的处理
左图为字符断裂
右图为卫星和航空图像
高通滤波
频率域的锐化
图像的边缘、细节主要位于高频部分，而图像的模糊 是由于高频成分比较弱产生的。频率域锐化就是为了消除 模糊，突出边缘。因此采用高通滤波器让高频成分通过， 使低频成分削弱，再经逆傅立叶变换得到边缘锐化的图像。
理想低通滤波器
第一幅图为理想低通滤波器变换函数的透视图 第二幅图为图像形式显示的滤波器 第三幅图为滤波器径向横截面
信号处理 频率域滤波器 -回复
信号处理频率域滤波器-回复
信号处理中的频率域滤波器
引言：
在信号处理领域，频率域滤波器是一种常用的数字滤波器，用于分析和处理信号在频率域中的特征。频率域滤波器通过将信号从时域转换为频率域，对信号中不同频率分量进行选择性的增强或抑制，从而达到对信号进行滤波的目的。本文将详细介绍频率域滤波器的原理、分类及应用。
一、频率域滤波器的原理
频率域滤波器的原理基于信号在频率域中的性质。频率域表示信号的频谱分布，显示了信号中不同频率分量的强度和相位信息。频率域滤波器利用这些信息进行信号滤波。其基本原理可概括为以下几步：
1. 时域信号的离散傅里叶变换（DFT）：将时域信号转换为频域信号。傅里叶变换是一种将信号从时域转换为频域的数学工具，它能将信号分解成不同频率分量的叠加。
2. 频谱分析：通过对频域信号进行频谱分析，获取信号在频率域中的特征。频谱图显示了信号中各个频率分量的强度，可以直观地观察到信号的频率
分布情况。
3. 滤波操作：根据需要对频谱图进行滤波操作。滤波器可以改变信号在不同频率上的强度，达到对信号进行滤波的效果。常见的滤波器包括低通滤波器、高通滤波器、带通滤波器和带阻滤波器。
4. 频率域反变换：将滤波后的频域信号转换回时域。频率域反变换（IDFT）是傅里叶变换的逆运算，将频域信号重新恢复为时域信号。
二、频率域滤波器的分类
频率域滤波器根据滤波操作的特点和应用需求，可以分为以下几类：
1. 低通滤波器（Low Pass Filter）：通过滤除高频分量，只保留低频分量的信号。低通滤波器可以使得信号的低频部分更加突出，抑制高频噪声干扰，常用于平滑和降噪处理。
频率域图像增强
上面的式子不能直接用来对照度和反射的频率部分分别进行 操作，原因是两个函数乘积的傅里叶变换是不可分的，也就 是说：
同态滤波器
所以我们假定
这样我们就可以进行傅里叶变换
所以也可以得出 之后就可以加入滤波器进行一系列图像增强
最终图像
同态滤波器
图像中照射分量i（x，y）通常由慢的空间变化来表征，而 反射分量旺旺引发突变。 所以也就说明了图像取对数后的傅里叶变换的低频部分与照 射相联系，高频部分与反射相联系。
H（u，v） =-4π2[（u-P/2)2=(v-Q/2)2] =-4π2D2(u,v)
所以我们就可以得到拉普拉斯图像由下式 ▽
▽2f(x,y)=ζ -1[H(u,v)F(u,v)]
相比较其他滤波器不同的是，一般我们经过逆傅里叶变化就可以得到图像了而我 们需要如下实现
g（x，y）=f（x，y）+c ▽2f(x,y)
附录
如下就把二维的分成一维的变换
F（x，y）的二维DFT可通过计算f（x，y）的每一行的一维 变换，然后沿着计算结果的每一列计算一维变换得到。
感谢观映
2
滤波公式
频率域滤波基础
g（x，y）=ζ -1[H(u,v)F(u,v)]
ζ -1 是IDFT，F（u，v）是输入图像f（x，y）的DFT， H（u，v）是滤波函数，g（x，y）是滤波后的输出图像。
6-频率域图像增强
半径是80的BLPF滤波
半径是230的BLPF滤波
ILPF
巴特沃思低通滤波器
所有的滤波器都有半径为5的截至频率D0
阶数n=1 无振铃和负值 阶数n=2
阶数n=5
阶数n=20 与ILPF相似
轻微振铃和负值 明显振铃和负值
注：二阶BLPF处于有效低通滤波和可接受的振铃特征之间
频率域图像增强
z
高斯低通滤波器
MN
m =0 n=0
=
1 1 h ( x − 0, y − 0 ) = h (x, y ) MN MN
z
结论
δ ( x , y ) ∗ h ( x , y ) ⇔ ℑ[δ ( x , y )]H (u , v )
h ( x , y ) ⇔ H (u , v )
f ( x , y ) ∗ h ( x , y ) ⇔ F (u , v )H (u , v )
陷波滤波器 低通（平滑）滤波器 高通（锐化）滤波器
频率域滤波
z
陷波滤波器
⎧0 H (u, v ) = ⎨ ⎩1
(u,v)=(M/2,N/2) 其它
9
设置F(0,0)=0(结果图像的平均值为零)，而 保留其它傅里叶变换的频率成分不变 除了原点处有凹陷外，其它均是常量函数 由于图像平均值为0而产生整体平均灰度级 的降低 用于识别由特定的、局部化频域成分引起的 空间图像效果
滤波器 实验报告
滤波器实验报告
滤波器实验报告
引言
滤波器是电子工程中常用的一种信号处理器件，它可以根据需要选择性地通过
或者阻断特定频率范围内的信号。在本次实验中，我们将探索滤波器的原理、
不同类型的滤波器及其应用，并通过实验验证滤波器的性能。
一、滤波器的原理
滤波器的原理基于信号的频域特性。通过选择性地通过或阻断不同频率的信号，滤波器可以对信号进行处理，以满足不同的需求。滤波器可以分为两类：低通
滤波器和高通滤波器。
1. 低通滤波器
低通滤波器可以通过滤除高频信号而只保留低频信号。它在音频处理、图像处
理等领域中有着广泛的应用。在实验中，我们使用了一个RC低通滤波器电路，通过改变电容和电阻的数值可以调整滤波器的截止频率。实验结果显示，当截
止频率较低时，滤波器可以有效地滤除高频噪声，保留低频信号。
2. 高通滤波器
高通滤波器可以通过滤除低频信号而只保留高频信号。它在语音识别、图像增
强等领域中具有重要的应用。在实验中，我们使用了一个RLC高通滤波器电路，通过改变电感和电阻的数值可以调整滤波器的截止频率。实验结果显示，当截
止频率较高时，滤波器可以有效地滤除低频噪声，保留高频信号。
二、滤波器的应用
滤波器在电子工程中有着广泛的应用。以下是一些常见的应用场景：
1. 语音处理
在通信领域，滤波器用于语音信号的处理和增强。通过去除噪声和杂音，滤波
器可以提高语音信号的质量和清晰度，使其更易于识别和理解。
2. 图像处理
在图像处理中，滤波器用于去除图像中的噪声和伪像。通过选择性地滤除不同
频率的信号，滤波器可以提高图像的清晰度和细节，使其更加真实和可辨认。3. 音频放大器
《chapt频域增强》PPT课件
g<x,y>= F-1[G<u,v>] =F-1[F<u,v〕H<u,v>]
因此,在频域中进行增强是相当直观的.
转移函数
•具体步骤：
•<1> 计算需增强的图像的傅立叶变换F<u,v>；
•<2> 将其与一个〔根据需要设计的〕转移函数H<u,v>相
乘；
•<3> 再将结果G<u,v>傅立叶反变换得到增强的图像.
其低频分量
一、理想低通滤波器<ILPF>
剖面图
H (u,v )
H (u,v )
1
D (u,v )
u
1
H
(u,v)
0
v
0
D
(u,v)D
0
D
(u,v)D
0
二维理想低通滤波器特点：
D0
D<u,v>是从点<u,v>到频率平面
原点的距离
,D<u,v>=<u2+v2>1/2
小于D0的频率可以完全不受影响地通过滤波器,而大于D0的频
高低频率间的过渡比较平滑, "振铃现象"存在？？
截断频率D0=5
以图像显示的h<x,y>
h<x,y> n=1
信号处理中的滤波技术与应用
信号处理中的滤波技术与应用在信号处理领域中，滤波技术的应用广泛而重要。滤波器可以对信
号进行增强、去噪和频谱塑形等操作，使得信号能够更好地适应特定
的应用要求。本文将介绍滤波技术的基本原理、常用的滤波器类型以
及其在不同领域的应用。
一、滤波技术的基本原理
滤波器是信号处理中一种重要的工具，其基本原理是根据信号频率
的特征，将特定频段的信号成分增强或者抑制。滤波器可以在时域或
者频域上进行操作，常见的滤波器有时域滤波器和频域滤波器。
时域滤波器是通过对信号进行加权求和来实现滤波的。常用的时域
滤波器有移动平均滤波器和中值滤波器。移动平均滤波器通过对信号
的若干个连续采样值进行平均，降低高频噪声的影响。中值滤波器则
通过取采样值的中值来对信号进行平滑，适用于对脉冲噪声进行抑制。
频域滤波器是通过对信号的频谱进行处理来实现滤波的。常用的频
域滤波器有低通滤波器、高通滤波器和带通滤波器。低通滤波器可以
通过去除高频成分来实现信号平滑和去噪；高通滤波器则可以去除低
频成分，突出信号中的高频细节；带通滤波器可以在一定频段内对信
号进行增强或抑制。
二、常用的滤波器类型
1. 移动平均滤波器
移动平均滤波器是一种非常简单但有效的时域滤波器。它通过对连
续采样值求平均来平滑信号，可以降低噪声的影响。移动平均滤波器
可以分为简单移动平均滤波器和加权移动平均滤波器两种类型。
2. 中值滤波器
中值滤波器是一种非线性时域滤波器，在去除噪声的同时保留了信
号的边缘信息。它通过求取采样值的中值来代替原始值，从而实现信
号平滑的效果。中值滤波器适用于对椒盐噪声等脉冲性噪声的去除。
Matlab傅里叶变换和各种滤波处理
Matlab傅里叶变换模和相位和各种滤波处理
傅里叶变换模和相位
img=imread('h:\img.png');
f=fft2(img); %傅里叶变换
f=fftshift(f); %使图像对称
r=real(f); %图像频域实部
i=imag(f); %图像频域虚部
margin=log(abs(f)); %图像幅度谱，加log便于显示
phase=log(angle(f)*180/pi); %图像相位谱
l=log(f);
subplot(2,2,1),imshow(img),title('源图像');
subplot(2,2,2),imshow(l,[]),title('图像频谱');
subplot(2,2,3),imshow(margin,[]),title('图像幅度谱');
subplot(2,2,4),imshow(phase,[]),title('图像相位谱');
添加高斯噪声、四阶巴特沃斯低通滤波
I=imread('h:\img.png');
x=rgb2gray(I);
y1=imnoise(x,'gaussian',0,0.02);
f=double(y1); % 数据类型转换，MATLAB不支持图像的无符号整型的计算g=fft2(f); % 傅立叶变换
g=fftshift(g); % 转换数据矩阵
[M,N]=size(g);
nn=4; % 四阶巴特沃斯(Butterworth)低通滤波器
d0=50; %截止频率为50
m=fix(M/2); n=fix(N/2);
for i=1:M
for j=1:N
频域滤波增强原理及其基本步骤
频域滤波增强原理及其基本步骤
1. 引言
频域滤波增强是一种常用的图像增强技术，通过将图像从空域转换到频域进行滤波操作，然后再将图像从频域转换回空域，从而改善图像的质量。本文将详细解释频域滤波增强的原理及其基本步骤。
2. 基本原理
频域滤波增强的基本原理是利用图像在频域中的特性来进行图像增强。在频域中，不同频率的成分对应着不同的图像细节信息。通过选择性地增强或抑制不同频率成分，可以改变图像的对比度、清晰度和细节。
频域滤波增强主要依赖于傅里叶变换和逆傅里叶变换。傅里叶变换将一个时域信号转换为其在频域中的表示，逆傅里叶变换则将一个频域信号转换回时域。
3. 常见步骤
频域滤波增强通常包括以下几个步骤：
步骤1：图像预处理
在进行频域滤波增强之前，通常需要对图像进行预处理。预处理包括去噪、平滑和锐化等操作。去噪可以使用一些常见的降噪算法，如中值滤波、高斯滤波等。平滑可以通过低通滤波器实现，用于抑制图像中的高频成分。锐化可以通过高通滤波器实现，用于增强图像中的细节。
步骤2：傅里叶变换
将经过预处理的图像进行傅里叶变换，将其转换为频域表示。傅里叶变换将图像分解为一系列的正弦和余弦函数，每个函数对应一个特定的频率成分。在频域中，低频成分对应着图像的整体亮度和颜色信息，而高频成分对应着图像的细节信息。
步骤3：频域滤波
在频域中对图像进行滤波操作，选择性地增强或抑制不同频率成分。常见的频域滤波器包括低通滤波器、高通滤波器、带通滤波器和带阻滤波器等。低通滤波器可以保留图像中的低频成分，抑制高频成分，用于平滑图像。高通滤波器可以抑制低频成分，增强高频细节，用于锐化图像。
Java理想低通滤波及高通滤波实现视频增强实验报告
Java理想低通滤波及高通滤波实现视频
增强实验报告
1. 简介
本实验旨在通过使用Java语言实现理想低通滤波和高通滤波算法来对视频进行增强处理。理想低通滤波可以使图像或视频中高频噪声降低，而高通滤波可以提升图像或视频中的边缘和细节信息。
2. 实验过程
首先，我们需要将视频转换为一系列图像帧，然后对每一帧进行滤波处理。具体的实验步骤如下：
2.1 视频转换为图像序列
使用J处理库，我们可以将视频文件读取为一系列图像帧。这些图像帧将作为滤波算法的输入。
2.2 理想低通滤波
理想低通滤波是一种常用的图像增强方法，可以帮助我们去除图像中的高频噪声。实现理想低通滤波的步骤如下：
1. 对每个图像帧进行傅里叶变换，将图像从时域转换到频域。
2. 设计一个滤波器函数，该函数在频域上将高频成分置零，保留低频成分。
3. 将滤波器函数应用于傅里叶变换后的图像，得到滤波后的频谱。
4. 对滤波后的频谱进行逆傅里叶变换，将图像从频域转换回时域。
5. 对转换后的图像进行反变换，得到经过理想低通滤波的图像帧。
2.3 高通滤波
高通滤波可以帮助我们增强图像和视频中的边缘和细节信息。实现高通滤波的步骤如下：
1. 对每个图像帧进行傅里叶变换，将图像从时域转换到频域。
2. 设计一个滤波器函数，该函数在频域上将低频成分置零，保留高频成分。
3. 将滤波器函数应用于傅里叶变换后的图像，得到滤波后的频谱。
4. 对滤波后的频谱进行逆傅里叶变换，将图像从频域转换回时域。
5. 对转换后的图像进行反变换，得到经过高通滤波的图像帧。
3. 实验结果
经过理想低通滤波和高通滤波的处理后，我们可以观察到视频增强的效果。通过降低高频噪声或提升边缘和细节信息，视频的观感将会得到改善。
电路基础原理应用滤波器实现音频信号的去噪与增强
电路基础原理应用滤波器实现音频信号的去
噪与增强
随着科技的不断发展，音频信号的处理在电子领域中扮演着重要的角色。在现实生活中，音频信号往往会受到噪音的干扰，导致信号质量下降。为了解决这个问题，滤波器这一电路元件被广泛应用于音频信号的去噪和增强中。
滤波器是一种能够选择特定频率范围内信号的电路元件。它可以通过阻止或放行特定频率范围内的信号来实现去噪或增强。基于滤波器的工作原理，我们可以将其分为两大类：低通滤波器和高通滤波器。
低通滤波器是一种允许低于某个截止频率的信号通过的滤波器。在音频信号处理中，我们常常将低频成分看作噪音。低通滤波器能够有效地去除低频噪音，使得音频信号更加清晰。以数字音频为例，我们可以利用巴特沃斯滤波器或者是无限脉冲响应滤波器等来实现低通滤波器。
与此相反，高通滤波器则是允许高于某个截止频率的信号通过的滤波器。在音频信号处理中，我们常常将高频成分看作噪音。高通滤波器能够有效地去除高频噪音，使得音频信号更加纯净。类似地，我们可以利用工具箱中的滤波器，如巴特沃斯滤波器或者是无限脉冲响应滤波器等来实现高通滤波器。
除了低通滤波器和高通滤波器，还有一种常用的滤波器是带通滤波器。带通滤波器能够通过一个特定的频率范围内的信号，同时去除其
他频率范围内的噪音。带通滤波器在音频信号处理中经常被使用于对
特定频率范围内信号的增强。我们可以利用滑动窗口技术，将音频信
号分为多段，并依次通过带通滤波器，最终将各段信号叠加得到增强
后的音频信号。
通过应用滤波器实现音频信号的去噪和增强，可以在很大程度上提
升音频信号的质量。但是滤波器的实现并不容易，需要兼顾滤波器的
滤波器在语音识别中的应用
滤波器在语音识别中的应用
在语音识别技术中，滤波器扮演着极其重要的角色，它可以对语音
信号进行预处理和特征提取，以提高语音识别系统的准确性和鲁棒性。本文将探讨滤波器在语音识别中的应用，并介绍常见的滤波器类型及
其工作原理。
一、滤波器概述
滤波器是一种能够对信号进行频率选择性处理的电路或算法。在语
音识别中，滤波器主要用于去除噪声、增强声纹特征和调整信号的频
谱分布。根据其作用和特性，常见的滤波器可以分为以下几类：
1. 低通滤波器（Low-pass Filter）：该类滤波器能够通过滤除高频部分，将语音信号的低频成分保留下来。这种滤波器常用于去除高频噪声，使得语音信号更加清晰和可辨识。
2. 高通滤波器（High-pass Filter）：与低通滤波器相反，高通滤波
器能够通过滤除低频部分，将语音信号的高频成分保留下来。该类滤
波器常用于去除低频噪声，提升语音信号的高频特征。
3. 带通滤波器（Band-pass Filter）：带通滤波器结合了低通和高通
滤波器的特性，能够选择性地通过一定频率范围内的信号。在语音识
别中，带通滤波器可用于增强语音信号的频率范围，提取不同音素特征。
4. 带阻滤波器（Band-stop Filter）：带阻滤波器能够选择性地阻止一定频率范围内的信号传输。在语音识别中，带阻滤波器可以用于去除频谱中的共振峰或频率间隔重叠的干扰。
二、滤波器在语音识别中的应用
1. 噪声去除：语音信号往往受到环境噪声的干扰，为了提高语音识别系统的性能，需要使用滤波器去除噪声。常见的噪声去除方法是通过低通滤波器来抑制高频噪声，或者使用自适应滤波器来对噪声进行建模和削弱。
数字图像处理智慧树知到期末考试章节课后题库2024年山东航空学院
数字图像处理智慧树知到期末考试答案章节题库2024年山东航空学院1.傅立叶变换后的矩阵处在频域上。（）
答案:对
2.边缘检测是将边缘像元标识出来的一种图像分割技术。（）
答案:对
3.与高斯低通滤波器相比,理想低通滤波器在图像处理过程中更容易出现振铃。
（）
答案:错
4.图像分割可以依据图像的灰度、颜色、纹理等特性来进行。（）
答案:对
5.在 MATLAB中,uint8是无符号8位整数。（）
答案:对
6.马赫带效应是指图像不同灰度级条带之间在灰度交界处存在的毛边现象。
（）
答案:对
7.高频加强滤波器可以有效増强图像边缘和灰度平滑区的对比度。（）
答案:对
8.图像取反操作适用于增强图像主体灰度偏亮的图像。（）
答案:错
9.数字图像处理泛指算机对数字图像进行处理,涉及图像增强、图像复原、图
像分割等內容。（）
答案:对
10.灰度直方图能反映一幅图像各灰度级像元占图像的面积比。（）
答案:对
11.空间变换是频域变换。（）
答案:错
12.像素深度是指存储每个像素所用的位数。（）
答案:对
13.像素灰度值的两个基本性质----不连续性和相似性可以被用于设计图像分割
算法。（）
答案:对
14.对于低通和高通巴特沃斯滤波器叙述不正确的是（）。
答案:均有相同的截止频率
15.下列算法中属于平滑运算的是（）。
答案:中值滤波
16.高通滤波后的图像通常较暗，为改善这种情况，将高通滤波器的转移函数加
上一常数量以便引入一些低频分量，这样的滤波器叫（）。
答案:高频提升滤波器
17.利用平滑滤波器可对图像进行低通滤波,消除噪声,但同时模糊了细节。以下
滤波器实现原理
滤波器实现原理
滤波器是一种常见的信号处理器件，其作用是通过对输入信号进行处理，滤除其中的某些频率成分，或者增强特定频率成分，从而实现对信号的调节和改善。滤波器的实现原理主要包括滤波器的类型、滤波器的结构和滤波器的工作原理等方面。
根据其频率特性不同，滤波器可以分为低通滤波器、高通滤波器、带通滤波器和带阻滤波器等类型。低通滤波器用于滤除高频信号，使得低频信号通过；高通滤波器则相反，用于滤除低频信号，使得高频信号通过；带通滤波器则可以选择一个频率范围内的信号通过，而滤除其他频率的信号；带阻滤波器则是选择一个频率范围内的信号被滤除，而其他频率的信号通过。不同类型的滤波器在实际应用中有着各自的特点和优势。
滤波器的结构可以分为数字滤波器和模拟滤波器两种。数字滤波器是利用数字信号进行处理的滤波器，通常是通过数字处理器或者程序实现的；而模拟滤波器则是利用模拟电路进行处理的滤波器，通常是通过电容、电感、电阻等元件来实现。不同的滤波器结构在实现原理和性能上也有着明显的区别。
滤波器的工作原理是通过对输入信号进行加工，实现对特定频率成分的滤波和调节。滤波器通常由滤波器的传递函数和频率响应函数来描述其工作原理。传递函数描述了输入信号和输出信号之间的关
系，而频率响应函数描述了滤波器对不同频率信号的响应情况。通过设计合适的传递函数和频率响应函数，可以实现对输入信号的精确控制和调节。
总的来说，滤波器的实现原理涉及到滤波器的类型、结构和工作原理等方面。通过深入理解滤波器的实现原理，可以更好地应用滤波器进行信号处理和调节，从而实现对信号质量的提升和改善。在实际应用中，需要根据具体的需求和要求选择合适的滤波器类型和结构，以达到最佳的效果和性能。希望本文对读者理解滤波器的实现原理有所帮助。
如何使用Matlab进行频域滤波
如何使用Matlab进行频域滤波
频域滤波是一种常用的信号处理技术，它通过将信号从时域转换到频域，对频
率响应进行调整，并将信号再转换回时域，以实现对信号的滤波处理。在Matlab 中，我们可以利用其内置的函数和工具箱来实现频域滤波，本文将介绍如何使用Matlab进行频域滤波的基本步骤和常用方法。
一、频域滤波的基本原理
频域滤波是基于傅里叶变换的信号处理技术，其基本原理是将信号从时域转换
到频域，通过对频率响应进行调整，再将信号从频域转换回时域。傅里叶变换是一种将信号从时域表示转换为频域表示的数学工具，它将一个信号表示为一系列正弦和余弦函数的线性叠加，可以将信号的频率特性和幅度特性直观地展示出来。
频域滤波通常包括两个步骤：频谱分析和滤波操作。首先，我们需要对信号进
行频谱分析，获取信号在频域的频率特性。然后，根据需要对频谱进行调整，例如去除噪声、增强特定频率成分等。最后，将调整后的频谱进行反变换，将信号从频域转换回时域，得到滤波后的信号。
二、利用Matlab进行频域滤波的基本步骤
使用Matlab进行频域滤波的基本步骤包括信号读取、傅里叶变换、调整频谱、反变换和结果显示等过程。下面将详细介绍每个步骤的操作方法。
1. 信号读取
首先，我们需要将待处理的信号读取到Matlab中。Matlab提供了多种函数用
于读取不同格式的信号，例如`audioread()`用于读取音频文件、`imread()`用于读取
图像文件等。我们可以根据需要选择合适的函数进行信号读取。
2. 傅里叶变换
在读取信号后，我们可以利用Matlab的内置函数`fft()`进行傅里叶变换。该函
MatLab理想低通滤波及高通滤波实现高频增强实验报告
实验作业5：
1、用理想低通滤波器在频率域实现低通滤波程序代码：
I=imread('d:/');
I=rgb2gray(I);
figure(1),imshow(I);
title('原图像');
s=fftshift(fft2(I));
figure(2);
imshow(abs(s),[]);
title('图像傅里叶变换所得频谱'); [a,b]=size(s);
a0=round(a/2);
b0=round(b/2);
d=10;
for i=1:a
for j=1:b distance=sqrt((i-a0)^2+(j-b0)^2) ;
if distance<=d h=1;
else h=0;
end;
s(i,j)=h*s(i,j);
end;
end;
s=uint8(real(ifft2(ifftshift(s)) ));
figure(3);
imshow(s);
title('低通滤波所得图像');
滤波d=10
2、用理想高通滤波器在频率域实现高频增强
I=imread('d:/');
I=rgb2gray(I);
figure(1),imshow(I); title('原图像');
s=fftshift(fft2(I)); figure(2);
imshow(abs(s),[]);title('图像傅里叶变换所得频谱'); figure(3);
imshow(log(abs(s)),[]);
title('图像傅里叶变换取对数所得频谱');
[a,b]=size(s);
a0=round(a/2);
b0=round(b/2);
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
作业5
1、用理想低通滤波器在频率域实现低通滤波
程序代码如下：
clear;
A=imread('picture4.jpg');
I=rgb2gray(A);
figure(1);
imshow(I);
title('原图像');
g = imnoise(I, 'gaussian' ,0 ,0.01);
J = I+g;
figure(2);
imshow(J);
title('加高斯噪声后图像');
s=fftshift(fft2(I));
figure(3);
imshow(abs(s),[]);
title('图像傅里叶变换所得频谱');
[a,b]=size(s);
a0=round(a/2);
b0=round(b/2);
d=150;
for i=1:a
for j=1:b
distance=sqrt((i-a0)^2+(j-b0)^2);
if distance<=d h=1;
else h=0;
end;
s(i,j)=h*s(i,j);
end;
end;
s=uint8(real(ifft2(ifftshift(s))));
figure(4);
imshow(s);
title('低通滤波后所得图像');
得到的图像如下：
2、用理想高通滤波器在频率域实现高频增强
程序源代码如下：
clrar;
A=imread('picture5.jpg');
I=rgb2gray(A);
figure(1);
imshow(I);
title('原图像');
s=fftshift(fft2(I));
figure(2);
imshow(abs(s),[]);
title('图像傅里叶变换所得频谱');
figure(3);
imshow(log(abs(s)),[]);
title('图像傅里叶变换取对数所得频谱');
[a,b]=size(s);
a0=round(a/2);
b0=round(b/2);
d=150;
p=0.2;q=0.5;
for i=1:a
for j=1:b
distance=sqrt((i-a0)^2+(j-b0)^2); if distance<=d h=0;
else h=1;
end;
s(i,j)=(p+q*h)*s(i,j);
end;
end;
s=uint8(real(ifft2(ifftshift(s)))); figure(4);
imshow(s);
title('高通滤波所得图像');
figure(5);
imshow(s+I);
title('高通滤波所得高频增强图像');
得到的图像如下：