国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

matalb 圖像處理 低通濾波和高通濾波 (理想,巴特沃斯,高斯 含代碼)

這篇具有很好參考價值的文章主要介紹了matalb 圖像處理 低通濾波和高通濾波 (理想,巴特沃斯,高斯 含代碼)。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方,請大家不吝賜教,您也可以點擊"舉報違法"按鈕提交疑問。

主要類型和公式

1.低通濾波
主要分為理想低通濾波,巴特沃斯低通濾波,高斯低通濾波
理想低通濾波:
matlab高通濾波函數(shù),圖像處理,人工智能,算法
其中:對于大小為M*N的圖像,頻率點(u,v)與頻域中心的距離為D(u,v),其表達式為:
matlab高通濾波函數(shù),圖像處理,人工智能,算法
下列的D(u,v)都相同

巴特沃斯低通濾波:
matlab高通濾波函數(shù),圖像處理,人工智能,算法

高斯低通濾波:
matlab高通濾波函數(shù),圖像處理,人工智能,算法

2.高通濾波
理想高通濾波:
matlab高通濾波函數(shù),圖像處理,人工智能,算法

巴特沃斯高通濾波:
matlab高通濾波函數(shù),圖像處理,人工智能,算法

高斯高通濾波:
matlab高通濾波函數(shù),圖像處理,人工智能,算法

主要效果圖

帶傅里葉譜:
matlab高通濾波函數(shù),圖像處理,人工智能,算法
不帶傅里葉譜:
matlab高通濾波函數(shù),圖像處理,人工智能,算法

各類型的函數(shù)代碼

理想低通濾波:

function out = imidealflpf(I, freq)
% imidealflpf函數(shù)	構(gòu)造理想的頻域低通濾波器
% 參數(shù):I			輸入的灰度圖像
% 參數(shù):freq			低通濾波器的截止頻率
% 返回值:out        指定的理想低通濾波器

[M,N] = size(I);
out = ones(M,N);
for i=1:M
    for j=1:N
        if (sqrt(((i-M/2)^2+(j-N/2)^2))>freq)
            out(i,j)=0;
        end
    end
end

理想高通濾波:

function out = imidealflpf1(I, freq)
% imidealflpf函數(shù)	構(gòu)造理想的頻域低通濾波器
% 參數(shù):I			輸入的灰度圖像
% 參數(shù):freq			低通濾波器的截止頻率
% 返回值:out        指定的理想低通濾波器

[M,N] = size(I);
out = ones(M,N);
for i=1:M
    for j=1:N
        if (sqrt(((i-M/2)^2+(j-N/2)^2))<freq)
            out(i,j)=0;
        end
    end
end

巴特沃爾低通濾波:

function out = imgaussflpf4(I,sigma,x)
% imgaussflpf函數(shù)   	構(gòu)造頻域高斯低通濾波器
% 參數(shù):I				輸入的灰度圖像
% 參數(shù):sigma			限制圖像D0參數(shù)
% 參數(shù):x				巴特沃爾的階數(shù)

[M,N] = size(I);
out = ones(M,N);
for i=1:M
    for j=1:N
        distance=sqrt((i-M/2)^2+(j-N/2)^2);
        out(i,j) = 1/(1+(distance/sigma).^(2.*x));
    end
end

巴特沃爾高通濾波:

function out = imgaussflpf5(I, sigma,n)
% imgaussflpf函數(shù)   	構(gòu)造頻域高斯低通濾波器
% 參數(shù):I				輸入的灰度圖像
% 參數(shù):sigma			高斯函數(shù)的Sigma參數(shù)

[M,N] = size(I);
out = ones(M,N);
for i=1:M
    for j=1:N
        out(i,j) = 1/(1+((sigma/((i-M/2).^2+(j-N/2).^2))).^(2.*n));
    end
end

高斯低通濾波:

function out = imgaussflpf2(I, sigma)
% imgaussflpf函數(shù)   	構(gòu)造頻域高斯低通濾波器
% 參數(shù):I				輸入的灰度圖像
% 參數(shù):sigma			高斯函數(shù)的Sigma參數(shù)

[M,N] = size(I);
out = ones(M,N);
for i=1:M
    for j=1:N
        out(i,j) = exp(-((i-M/2)^2+(j-N/2)^2)/2/sigma^2);
    end
end

高斯高通濾波:

function out = imgaussflpf3(I, sigma)
% imgaussflpf函數(shù)   	構(gòu)造頻域高斯低通濾波器
% 參數(shù):I				輸入的灰度圖像
% 參數(shù):sigma			高斯函數(shù)的Sigma參數(shù)

[M,N] = size(I);
out = ones(M,N);
for i=1:M
    for j=1:N
        out(i,j) = 1-exp(-((i-M/2)^2+(j-N/2)^2)/2/sigma^2);
    end
end

對圖像進行對應并輸出的函數(shù):文章來源地址http://www.zghlxwxcb.cn/news/detail-714231.html

function out = imfreqfilt(I, ff)
% imfreqfilt函數(shù)		對灰度圖像進行頻域濾波
% 參數(shù):I				輸入的空域圖像
% 參數(shù):ff				應用的與原圖像等大的頻域濾波
% 返回值:out           反變換回空域后的圖像

if (ndims(I)==3) && (size(I,3)==3)   % RGB圖像
    I = rgb2gray(I);
    I = double(I);
end

if (size(I) ~= size(ff))
    msg1 = sprintf('%s: 濾鏡與原圖像不等大,檢查輸入', mfilename);
    msg2 = sprintf('%s: 濾波操作已經(jīng)取消', mfilename);
    eid = sprintf('Images:%s:ImageSizeNotEqual',mfilename);
    error(eid,'%s %s',msg1,msg2);
end

% 快速傅立葉變換
f = fft2(double(I));

% 移動原點
s = fftshift(f);

% 應用濾鏡及反變換
out = s .* ff; %對應元素相乘實現(xiàn)頻域濾波
out = ifftshift(out);
out = ifft2(out);

% 求模值
out = abs(out);

% 歸一化以便顯示
out = out/max(out(:));

最終比較代碼

%低通|高通頻率域濾波
f=imread('8.jpeg');%原圖
f=im2double(f);
f1=rgb2gray(f);
%低通理想濾波
dt_L=imidealflpf(f1,40);%低通 理想40濾波器
dtL=imfreqfilt(f1,dt_L);%帶入濾波器輸出
dtL1=fft2(dtL);%傅里葉變換
sdtL=fftshift(log(1+abs(dtL1)));% 繪制傅里葉變換對數(shù)譜并將零點移到中心
%高通理想濾波
gt_L=imidealflpf1(f1,60);%高通 理想60濾波器
gtL=imfreqfilt(f1,gt_L);%帶入濾波器輸出
gtL1=fft2(gtL);%傅里葉變換
sgtL=fftshift(log(1+abs(gtL1)));% 繪制傅里葉變換對數(shù)譜并將零點移到中心
%低通巴特沃斯
dt_B=imgaussflpf4(f1,40,2);%巴特沃斯
dtB=imfreqfilt(f1,dt_B);%帶入濾波器輸出
dtB1=fft2(dtB);%傅里葉變換
sdtB=fftshift(log(1+abs(dtB1)));% 繪制傅里葉變換對數(shù)譜并將零點移到中心
%高通巴特沃斯
gt_B=imgaussflpf5(f1,60,2);%巴特沃斯
gtB=imfreqfilt(f1,gt_B);%帶入濾波器輸出
gtB1=fft2(gtB);%傅里葉變換
sgtB=fftshift(log(1+abs(gtB1)));% 繪制傅里葉變換對數(shù)譜并將零點移到中心
%低通高斯濾波
dt_G=imgaussflpf2(f1,40);
dtG=imfreqfilt(f1,dt_G);%帶入濾波器輸出
dtG1=fft2(dtG);%傅里葉變換
sdtG=fftshift(log(1+abs(dtG1)));% 繪制傅里葉變換對數(shù)譜并將零點移到中心
%高通高斯濾波
gt_G=imgaussflpf3(f1,60);
gtG=imfreqfilt(f1,gt_G);%帶入濾波器輸出
gtG1=fft2(gtG);%傅里葉變換
sgtG=fftshift(log(1+abs(gtG1)));% 繪制傅里葉變換對數(shù)譜并將零點移到中心
%輸出不帶傅里葉譜
% subplot(3,3,1);imshow(f1);title('原圖');
% subplot(3,3,4);imshow(dtL);title('低通理想濾波處理后 D0=40');
% subplot(3,3,5);imshow(dtB);title('低通巴特沃斯濾波處理后 D0=40 二階');
% subplot(3,3,6);imshow(dtG);title('低通高斯濾波處理后 D0=40 ');
% subplot(3,3,7);imshow(gtL);title('高通理想濾波處理后 D0=60');
% subplot(3,3,8);imshow(gtB);title('高通巴特沃斯濾波處理后 D0=60 二階');
% subplot(3,3,9);imshow(gtG);title('高通高斯濾波處理后 D0=60');
%輸出帶傅里葉譜
subplot(5,3,1);imshow(f1);title('原圖');
subplot(5,3,4);imshow(dtL);title('低通理想濾波處理后 D0=40');
subplot(5,3,5);imshow(dtB);title('低通巴特沃斯濾波處理后 D0=40 二階');
subplot(5,3,6);imshow(dtG);title('低通高斯濾波處理后 D0=40 ');
subplot(5,3,7);imshow(sdtL,[]);title('低通理想濾波處理后 D0=40 傅里葉譜');
subplot(5,3,8);imshow(sdtB,[]);title('低通巴特沃斯濾波處理后 D0=40 二階 傅里葉譜');
subplot(5,3,9);imshow(sdtG,[]);title('低通高斯濾波處理后 D0=40 傅里葉譜');
subplot(5,3,10);imshow(gtL);title('高通理想濾波處理后 D0=60');
subplot(5,3,11);imshow(gtB);title('高通巴特沃斯濾波處理后 D0=60 二階');
subplot(5,3,12);imshow(gtG);title('高通高斯濾波處理后 D0=60');
subplot(5,3,13);imshow(sgtL,[]);title('高通理想濾波處理后 D0=60 傅里葉譜');
subplot(5,3,14);imshow(sgtB,[]);title('高通巴特沃斯濾波處理后 D0=60 二階 傅里葉譜');
subplot(5,3,15);imshow(sgtG,[]);title('高通高斯濾波處理后 D0=60 傅里葉譜');

到了這里,關(guān)于matalb 圖像處理 低通濾波和高通濾波 (理想,巴特沃斯,高斯 含代碼)的文章就介紹完了。如果您還想了解更多內(nèi)容,請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權(quán),不承擔相關(guān)法律責任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實不符,請點擊違法舉報進行投訴反饋,一經(jīng)查實,立即刪除!

領(lǐng)支付寶紅包贊助服務器費用

相關(guān)文章

  • OpenCV(圖像處理)-基于Oython-濾波器(低通、高通濾波器的使用方法)

    OpenCV(圖像處理)-基于Oython-濾波器(低通、高通濾波器的使用方法)

    低通濾波 :低通濾波可以去除圖像的噪音或平滑圖像。 高通濾波 :可以幫助查找圖像的邊緣。 噪音 :即對一幅圖像的產(chǎn)生負面效果,過暗或過亮的部分,一幅圖像中,低于或高于某個像素點的值,都可以認為是噪音。 卷積核 :即用來濾波的矩陣,卷積核一般為奇數(shù),如

    2024年02月09日
    瀏覽(21)
  • OpenCV(圖像處理)-基于python-濾波器(低通、高通濾波器的使用方法)

    OpenCV(圖像處理)-基于python-濾波器(低通、高通濾波器的使用方法)

    低通濾波 :低通濾波可以去除圖像的噪音或平滑圖像。 高通濾波 :可以幫助查找圖像的邊緣。 噪音 :即對一幅圖像的產(chǎn)生負面效果,過暗或過亮的部分,一幅圖像中,低于或高于某個像素點的值,都可以認為是噪音。 卷積核 :即用來濾波的矩陣,卷積核一般為奇數(shù),如

    2024年02月09日
    瀏覽(27)
  • Matlab圖像處理頻域濾波實現(xiàn)——巴特沃斯低通、高通、帶通帶阻濾波器

    Matlab圖像處理頻域濾波實現(xiàn)——巴特沃斯低通、高通、帶通帶阻濾波器

    巴特沃斯濾波器是一種常用于圖像處理的濾波器,它在頻域中的傳遞函數(shù)具有更加平滑的過渡,相對于理想濾波器來說,巴特沃斯濾波器可以更好地控制截止頻率和濾波器的階數(shù)。下面是巴特沃斯濾波器的不同類型的原理簡介: 1.原理 (1)巴特沃斯低通濾波(Butterworth Lowp

    2024年04月09日
    瀏覽(30)
  • 跟我學Python圖像處理丨傅里葉變換之高通濾波和低通濾波

    跟我學Python圖像處理丨傅里葉變換之高通濾波和低通濾波

    摘要: 本文講解基于傅里葉變換的高通濾波和低通濾波。 本文分享自華為云社區(qū)《[Python圖像處理] 二十三.傅里葉變換之高通濾波和低通濾波》,作者:eastmount 。 傅里葉變換的目的并不是為了觀察圖像的頻率分布(至少不是最終目的),更多情況下是為了對頻率進行過濾,

    2024年02月04日
    瀏覽(16)
  • 一文講懂圖像處理中的低通、高通、帶阻和帶通濾波器

    一文講懂圖像處理中的低通、高通、帶阻和帶通濾波器

    點擊上方“ 小白學視覺 ”,選擇加\\\" 星標 \\\"或“ 置頂 ” 重磅干貨,第一時間送達 空間域和頻域濾波器通常分為四種類型的濾波器——低通、高通、帶阻和帶通濾波器。在本文中,我們?yōu)槊恳环N濾波器提供了注釋、代碼示例和圖像輸出。 濾波器類型 低通濾波器:只允許通過

    2024年02月13日
    瀏覽(19)
  • Matlab圖像處理- 高斯低通濾波器

    Matlab圖像處理- 高斯低通濾波器

    ? 高斯低通濾波器 高斯低通濾波器是一種 更平滑的一種濾波器 ,高斯低通濾波器完全沒有振鈴現(xiàn)象,且邊緣平滑。 示例代碼 利用輸入圖像,構(gòu)建一個截止頻率為30的高斯低通濾波器的透視圖如下圖所示。 效果圖片

    2024年02月09日
    瀏覽(24)
  • 【圖像處理:頻率域平滑與銳化】理想濾波器,巴特沃思濾波器,高斯濾波器

    【圖像處理:頻率域平滑與銳化】理想濾波器,巴特沃思濾波器,高斯濾波器

    本文主要介紹頻率域濾波器,此處的頻率域是基于傅立葉變換得出。 在一幅圖像中, 低頻對應圖像變化緩慢的部分 ,即圖像大致外觀和輪廓。 高頻部分對應圖像變化劇烈的部分即圖像細節(jié) 。低通濾波器的功能是讓低頻率通過而濾掉或衰減高頻,其作用是過濾掉包含在高頻

    2024年02月04日
    瀏覽(25)
  • 【C++】【圖像處理】均值濾波和高斯濾波(低通濾波)算法解析(以.raw格式的圖像為基礎(chǔ)進行圖像處理、gray levels:256)

    ?中值濾波: 中值濾波中的MidValueFind函數(shù)的實現(xiàn)就是冒泡排序,最后去中間值返回: ?Soble算子邊緣提?。?? ? 總結(jié): 1、均值、高斯濾波和Sobel算子邊緣提取的核心,創(chuàng)建卷積核并確定各個點上的權(quán)重,然后將邊緣灰度級歸零(是否邊緣歸零按業(yè)務需求決定),提取非邊緣像

    2024年02月05日
    瀏覽(29)
  • 數(shù)字圖像處理---低高通濾波實驗(MATLAB實現(xiàn))

    數(shù)字圖像處理---低高通濾波實驗(MATLAB實現(xiàn))

    1. 了解圖像傅里葉變換的意義和手段; 2. 熟悉理想低通濾波器、巴特沃斯低通濾波器、高斯低通濾波器的基本原理和性質(zhì); 3. 熟悉理想高通濾波器、巴特沃斯高通濾波器、高斯高通濾波器的基本原理和性質(zhì); 4. 掌握MATLAB編程實現(xiàn)數(shù)字圖像的低高通濾波器的變換,并分析各參

    2024年02月05日
    瀏覽(28)
  • 【C++】【圖像處理】均值濾波 and 高斯濾波 and 中值濾波(低通濾波)算法解析(以.raw格式的圖像為基礎(chǔ)進行圖像處理、gray levels:256)

    ?中值濾波: 中值濾波中的MidValueFind函數(shù)的實現(xiàn)就是冒泡排序,最后去中間值返回: ?Soble算子邊緣提?。?? ? 總結(jié): 1、均值、高斯濾波和Sobel算子邊緣提取的核心,創(chuàng)建卷積核并確定各個點上的權(quán)重,然后將邊緣灰度級歸零(是否邊緣歸零按業(yè)務需求決定),提取非邊緣像

    2024年02月05日
    瀏覽(26)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包