| matlab用傅里叶变换实现图像的低通滤波 | 您所在的位置：网站首页 › 傅立叶变换低通滤波 › matlab用傅里叶变换实现图像的低通滤波 |
matlab用傅里叶变换实现图像的低通滤波
|
要求
可以使用 MATLAB 的傅里叶变换函数和反变换函数。 原理部分低通滤波器指去除图像中的高频成分，而低通滤波器指去除图像中的高频成分。考虑的有三种低通滤波器：理想滤波器、布特沃斯滤波器和高斯滤波器。理想低通滤波器：以原点为圆心，D为半径的圆内， 无衰减地通过所有频率，在圆外截断所有频率。由下面函数确定：  具体参见下图：
Matlab函数介绍
Fft2：二维快速傅里叶变换Fftshift：移动零频点到频谱中间Ifft2: 二维快速反傅里叶变换 算法思路 对图像进行傅里叶变换（FFT），得到频谱；用理想低通滤波器对频谱滤波；对滤波后的频谱进行反傅里叶变换（IFFT），得到滤波后图像。见下图： 具体编程流程
1） 原始正常的图像，加噪处理，得到img_noise； 2） img_noise图像进行傅里叶变换，得到频谱； 3） 对得到的频谱进行理想低通滤波； 4） 对滤波后的频谱进行反傅里叶变换，得到滤波后图像 源码%傅里叶变换的低通滤波 %低通滤波选用理想低通滤波方式 % d0 是阈值，可以修改，初步设定为50 % clear all; close all; clc; img_origin=imread('C:\Users\yytang\Desktop\lena.jpg'); img_origin=rgb2gray(img_origin); d0=50; %阈值 img_noise=imnoise(img_origin,'salt'); % 加椒盐噪声 %img_noise=imnoise(img_origin,'gaussian'); % 加高斯噪声 img_f=fftshift(fft2(double(img_noise))); %傅里叶变换得到频谱 [m n]=size(img_f); m_mid=fix(m/2); %是不是可以有其他取整方式？ n_mid=fix(n/2); img_lpf=zeros(m,n); for i=1:m for j=1:n d=sqrt((i-m_mid)^2+(j-n_mid)^2); %理想低通滤波，求距离 if d |
【本文地址】
公司简介
联系我们