最后确认的低通滤波器.doc

椭圆低通滤波器线性平滑滤波器1.3 指数型低通滤波器(ELPF) I1=imread(eight.tif); %读取图像I2=im2double(I1);I3=imnoise(I2,gaussian,0.01);I4=imnoise(I3,salt & pepper,0.01);figure,subplot(1,3,1);imshow(I2) %显示灰度图像title(原始图像); %为图像添加标题subplot(1,3,2); imshow(I4) %加入混合躁声后显示图像 title(加噪后的图像);s=fftshift(fft2(I4);%将灰度图像的二维不连续Fourier 变换的零频率成分移到频谱的中心M,N=size(s); %分别返回s的行数到M中，列数到N中n1=floor(M/2); %对M/2进行取整n2=floor(N/2); %对N/2进行取整d0=40; for i=1:M for j=1:N d=sqrt(i-n1)2+(j-n2)2); %点（i,j）到傅立叶变换中心的距离 h=exp(log(1/sqrt(2)*(d/d0)2); s(i,j)=h*s(i,j); %ILPF滤波后的频域表示 end end s=ifftshift(s); %对s进行反FFT移动 s=im2uint8(real(ifft2(s); %对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数subplot(1,3,3); %创建图形图像对象imshow(s); %显示ILPF滤波后的图像title(ELPF滤波后的图像（d=40）); 运行结果： 1.4 梯形低通滤波器(TLPF)I1=imread(eight.tif); %读取图像I2=im2double(I1);I3=imnoise(I2,gaussian,0.01);I4=imnoise(I3,salt & pepper,0.01);figure,subplot(1,3,1);imshow(I2) %显示灰度图像title(原始图像); %为图像添加标题subplot(1,3,2); imshow(I4) %加入混合躁声后显示图像 title(加噪后的图像);s=fftshift(fft2(I4);%将灰度图像的二维不连续Fourier 变换的零频率成分移到频谱的中心M,N=size(s); %分别返回s的行数到M中，列数到N中n1=floor(M/2); %对M/2进行取整n2=floor(N/2); %对N/2进行取整d0=10;d1=160; for i=1:M for j=1:N d=sqrt(i-n1)2+(j-n2)2); %点（i,j）到傅立叶变换中心的距离 if (d=d0) h=1; else if (d0=d1) h=(d-d1)/(d0-d1); else h=0; end end s(i,j)=h*s(i,j); %ILPF滤波后的频域表示 end end s=ifftshift(s); %对s进行反FFT移动 s=im2uint8(real(ifft2(s); %对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数subplot(1,3,3); %创建图形图像对象imshow(s); %显示ILPF滤波后的图像title(TLPF滤波后的图像); %为图像添加标题运行结果：1.5 高斯低通滤波器(GLPF)I1=imread(eight.tif); %读取图像I2=im2double(I1);I3=imnoise(I2,gaussian,0.01);I4=imnoise(I3,salt & pepper,0.01);figure,subplot(1,3,1);imshow(I2) %显示灰度图像title(原始图像); %为图像添加标题subplot(1,3,2); imshow(I4) %加入混合躁声后显示图像 title(加噪后的图像);s=fftshift(fft2(I4);%将灰度图像的二维不连续Fourier 变换的零频率成分移到频谱的中心M,N=size(s); %分别返回s的行数到M中，列数到N中n1=floor(M/2); %对M/2进行取整n2=floor(N/2); %对N/2进行取整d0=40; for i=1:M for j=1:N d=sqrt(i-n1)2+(j-n2)2); %点（i,j）到傅立叶变换中心的距离 h=1*exp(-1/2*(d2/d02); %GLPF滤波函数 s(i,j)=h*s(i,j); %ILPF滤波后的频域表示 end ends=ifftshift(s); %对s进行反FFT移动s=im2uint8(real(ifft2(s); %对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数subplot(1,3,3); %创建图形图像对象imshow(s); %显示ILPF滤波后的图像title(GLPF滤波后的图像（d=40）); 运行结果： 1.6 维纳滤波器B,Cmap=imread(eight.tif); %读取MATLAB中的名为eight的图像 I1=im2double(B);I2=imnoise(I1,gaussian,0.01);I3=imnoise(I2,salt & pepper,0.01);figure,subplot(1,3,1);imshow(I1) %显示灰度图像title(原始图像); %为图像添加标题subplot(1,3,2); imshow(I3) %加入混合躁声后显示图像 title(加噪后的图像);I4=wiener2(I3);subplot(1,3,3); imshow(I4); %显示wiener滤波后的图像title(wiener滤波后的图像); 运行结果：结 论：理想低通滤波器，虽然有陡峭的截止频率，却不能产生良好的效果，图像由于高频分量的滤除而变得模糊，同时还产生振铃效应。 巴特沃斯滤波器通频带内的频率响应曲线最大限度平坦，没有起伏，而在阻频带则逐渐下降为零。在振幅的对数对角频率的波得图上，从某一边界角频率开始，振幅随着角频率的增加而逐步减少，趋向负无穷大。由于转移特性曲线的尾部保留较多的高频，所以对噪声的平滑效果不如ILPE。 指数型低通滤波器具有较平滑的过滤带，经此平滑后的图像没有“振铃”现象，而与巴沃特斯滤波相比，它具有更快的衰减特性，处理图像稍微模糊一些。梯形低通滤波器的性能介于巴沃特斯