数字图像处理试验报告

1、数字图像处理试验报告实验二：数字图像的空间滤波和频域滤波姓名：XX学号：2XXXXXXX实验日期：2017年4月26日1 .实验目的1 .掌握图像滤波的基本定义及目的。2 .理解空间域滤波的基本原理及方法。3 .掌握进行图像的空域滤波的方法。4 .掌握傅立叶变换及逆变换的基本原理方法。5 .理解频域滤波的基本原理及方法。6 .掌握进行图像的频域滤波的方法。2 .实验内容与要求1 .平滑空间滤波：1）读出一幅图像，给这幅图像分别加入椒盐噪声和高斯噪声后并与前一张图显示在同一图像窗口中。2）对加入噪声图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果，要求在同一窗口中显示。3）使用函数

2、imfilter时，分别采用不同的填充方法（或边界选项，如零填充、'replicate'、'symmetric'、'circular'）进行低通滤波，显示处理后的图像。4）运用for循环，将加有椒盐噪声的图像进行10次，20次均值滤波，查看其特点，显示均值处理后的图像（提示：利用fspecial函数的average'类型生成均值滤波器）。5） 对加入椒盐噪声的图像分别采用均值滤波法，和中值滤波法对有噪声的图像做处理，要求在同一窗口中显示结果。6）自己设计平滑空间滤波器，并将其对噪声图像进行处理，显示处理后的图像。1)81;1,1,12 .

3、锐化空间滤波读出一幅图像，采用3X3的拉普拉斯算子w=1,1,1;12),自动产生任一奇数尺寸n的拉普拉斯算子，如5对其进行滤波。w=111111111111-24111111111111分别采用5X5,9X9,15X15和25X253)大小的拉普拉斯算子对编写函数w=genlaplacian（n）X5的拉普拉斯算子进行锐化滤波，并利用式g（x,y）f（x,y）2f（x,y）完成图像的锐化增强，观察其有何不同，要求在同一窗口中显示。4）采用不同的梯度算子对该幅图像进行锐化滤波，并比较其效果。5）自己设计锐化空间滤波器，并将其对噪声图像进行处理，显示处理后的图像；3 .傅立叶变换1）读出一幅图像

4、，对其进行快速傅立叶变换，分别显示其幅度图像和相位图像。仅对相位部分进行傅立叶反变换后查看结果图像。2）仅对幅度部分进行傅立叶反变换后查看结果图像。3）将图像的傅立叶变换F置为其共轲后进行反变换，比较新生成图像与原始图像的差异。4 .平滑频域滤波1）设计理想低通滤波器、巴特沃斯低通滤波器和高斯低通滤波器，截至频率自选，分别给出各种滤波器的透视图。2）读出一幅图像，分别采用理想低通滤波器、巴特沃斯低通滤波器和高斯低通滤波器对其进行滤波（截至频率自选），再做反变换，观察不同的截止频率下采用不同低通滤波器得到的图像与原图像的区别，特别注意振铃效应。（提示：1）在频率域滤波同样要注意到填充问题；2）注

5、意到（-1）x+y;）5 .锐化频域滤波1）设计理想高通滤波器、巴特沃斯高通滤波器和高斯高通滤波器，截至频率自选，分别给出各种滤波器的透视图。2）读出一幅图像，分别采用理想高通滤波器、巴特沃斯高通滤波器和高斯高通滤波器对其进行滤波（截至频率自选），再做反变换，观察不同的截止频率下采用不同高通滤波器得到的图像与原图像的区别。3 .实验具体实现1 .平滑空间滤波：（1） .读出一幅图像，给这幅图像分别加入椒盐噪声和高斯噪声后并与前一张图显示在同一图像窗口中。img=imread('')figure,subplot(1,3,1);imshow(img);title('原始图像

6、');img2=imnoise(img,'salt&pepper',;subplot(1,3,2);imshow(img2);title('椒盐噪声图像');img3=imnoise(img,'gaussian',;subplot(1,3,3),imshow(img3);title('高斯噪声图像');实验结果如下:（2）.对加入噪声图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果,要求在同一窗口中显示。糊，二是消除噪声。将空线性平滑滤波器包括均值值滤波器。平滑滤波是低频增强的空间域滤波技术。它的目的

7、有两个，一是模间域低通滤波按线性和非线性特点有：线性、非线性平滑滤波器，滤波器，非线性的平滑滤波器有最大值滤波器，中值滤波器，最小代码如下：img=imread('')img=rgb2gray(img)；figure,subplot(1,3,1)；imshow(img)；title('原始图像');img2=imnoise(img,'salt&pepper',;subplot(1,3,2);imshow(img2);title('img3=imnoise(img,'gaussian',;subplot(1,3,3)

8、,imshow(img3);title('')；%寸椒盐噪声图像进行滤波处理h=fspecial('average',3);I1=filter2(h,img2)/255;I2=medfilt2(img2,33);figure,subplot(2,2,1),imshow(img),title('subplot(2,2,2),imshow(img2),title('subplot(2,2,3),imshow(I1),title('3*3subplot(2,2,4),imshow(I2),title('3*3%寸高斯噪声图像进行滤波处理

9、G1=filter2(h,img3)/255;G2=medfilt2(img3,33);figure,subplot(2,2,1),imshow(img),title('subplot(2,2,2),imshow(img3),title('subplot(2,2,3),imshow(G1),title('3*3subplot(2,2,4),imshow(G2),title('3*3椒盐噪声图像,）；高斯噪声图像原图像,）；椒盐噪声图,）；均值滤波图,）；中值滤波图,）；原图像,）；高斯噪声图,）；均值滤波图,）；中值滤波图,）；实验结果如下:.使用函数imfil

10、ter时，分别采用不同的填充方法(或边界选项，如零填充、'replicate'、'symmetric'、'circular')进行低通滤波，显示处理后的图像。g=imfilter(f,w,filtering_mode,boundary_options,size_options),其中，f为输入图像，w为滤波掩模，g为滤波后图像。h=fspecial('motion',50,45);%创建一个运动模糊滤波器filteredimg=imfilter(img,h);boundaryReplicate=imfilter(img,h,

11、9;replicate');boundary0=imfilter(img,h,0);boundarysymmetric=imfilter(img,h,'symmetric');boundarycircular=imfilter(img,h,'circular');figure,subplot(3,2,1),imshow(img),title('OriginalImage');subplot(3,2,2),imshow(filteredimg),title('MotionBlurredImage');subplot(3,2,

12、3),imshow(boundaryReplicate),title('Replicate');subplot(3,2,4),imshow(boundary0),title('0-Padding');subplot(3,2,5),imshow(boundarysymmetric),title('symmetric');subplot(3,2,6),imshow(boundarycircular),title('circular');实验结果如下：(4) .运用for循环，将加有椒盐噪声的图像进行10次，20次均值滤波，查看其特点，

13、显示均值处理后的图像(提示：利用fspecial函数的average'类型生成均值滤波器)。代码如下:h=fspecial('average');fori=1:10J1=imfilter(img2,h);endforj=1:20J2=imfilter(img2,h);endfigure,subplot(1,3,1),imshow(img2),title('salt&pepperNoise');subplot(1,3,2),imshow(J1),title('10AverageFiltering');subplot(1,3,3),i

14、mshow(J2),title('20AverageFiltering');实验结果：(5) .对加入椒盐噪声的图像分别采用均值滤波法，和中值滤波法对有噪声的图像做处理，要求在同一窗口中显示结果。代码如下:h1=fspecial('average');J=imfilter(img2,h1);J2=medfilt2(img2);figure,subplot(1,3,1),imshow(img2),title('salt&pepperNoise');subplot(1,3,2),imshow(J),title('AveragingFi

15、ltering');subplot(1,3,3),imshow(J2),title('MedianFiltering');实验结果为:(6) .自己设计平滑空间滤波器，并将其对噪声图像进行处理，显示处理后的图像。代码如下:mn=size(img2);figure,subplot(1,2,1),imshow(img2);s=zeros(1,9);fori=2:1:m-1forj=2:1:n-1h=1;forp=i-1:1:i+1forq=j-1:1：j+1s(h)=img2(p,q);h=h+1;endends=sort(s);I(i,j)=s(5);endendsubp

16、lot(1,2,2),imshow(I);实验结果:2 .锐化空间滤波(1)读出一幅图像，采用3X3的拉普拉斯算子w=1,1,1;1-81;1,1,1对其进行滤波。代码如下：img=imread(");img=rgb2gray(img);img=im2double(img);w=1,1,1;1,-8,1;1,1,1k=conv2(img,w,'same');imshow(k);实验结果为:(2)编写函数w=genlaplacian(n),自动产生任一奇数尺寸n的拉普拉斯算子，如5X5的拉普拉斯算子w=111111111111-24111111111111代码如下：nu

17、m=input('pleaseenteranynum:');n=num;W=ones(n,n);fori=1:nforj=1:nif(i=fix(n/2)+1&&j=fix(n/2)+1)W(i,j)=n*n-1;endendenddisplay(W);代码运行结果为：(3)分别采用5X5,9X9,15X15和25X25大小的拉普拉斯算子对进行锐化滤波，并利用式完成图像的锐化增强，观察其有何不同，要求在同一窗口中显示。代码如下:基于上一题要求形成一函数：functionW=lapulasi(num)n=num,W=ones(n),x=fix(n/2)+1;W(x

18、,x)=-(n*n-1);其他代码：f=imread('');f=im2double(f);figure,subplot(2,3,1),imshow(f),title('OriginalImage');w0=lapulasi(3),w1=lapulasi(5),w2=lapulasi(9);w3=lapulasi(15),w4=lapulasi(25);f0=f-imfilter(f,w0,'replicate');subplot(2,3,2),imshow(f0),title('3*3lapulasi');f1=f-imfilt

19、er(f,w1,'replicate');subplot(2,3,3),imshow(f1),title('5*5lapulasi');f2=f-imfilter(f,w2,'replicate');subplot(2,3,4),imshow(f2),title('9*9lapulasi');f3=f-imfilter(f,w3,'replicate');subplot(2,3,5),imshow(f3),title('15*15lapulasi');f4=f-imfilter(f,w4,'

20、replicate');subplot(2,3,6),imshow(f4),title('25*25lapulasi');实验结果为:(4)采用不同的梯度算子对该幅图像进行锐化滤波，并比较其效果。代码如下:I,map=imread('');I=double(I);figure,subplot(2,3,1),imshow(I,map),title('OriginalImage');Gx,Gy=gradient(I);G=sqrt(Gx.*Gx+Gy.*Gy),J1=G;subplot(2,3,2),imshow(J1,map),title(

21、'Operator1Image');J2=I;K=find(G>=7);J2(K)=G(K);subplot(2,3,3),imshow(J2,map);title('Operator2Image');J3=I;K=find(G>=7);J3(K)=255;subplot(2,3,4),imshow(J3,map),title('Operator3Image');J4=I;K=find(G<=7);J4(K)=255;subplot(2,3,5),imshow(J4,map),title('Operator4Image&

22、#39;);J5=I;K=find(G<=7);J5(K)=0;Q=find(G>=7);J5(Q)=255;subplot(2,3,6),imshow(J5,map),title('Operator5Image');实验效果如下:(5)自己设计锐化空间滤波器，并将其对噪声图像进行处理，显示处理后的图像；代码如下:I=imread('');I=rgb2gray(I);h=fspecial('sobel');h1=h'*;h2=h'h3=h'*;z1=imfilter(I,h1);z2=imfilter(I,h2

23、);z3=imfilter(I,h3);figure,subplot(2,2,1),imshow(I),title('OriginalImage');subplot(2,2,2),imshow(z1);title('Verticalfiltering1');subplot(2,2,3),imshow(z2);title('Verticalfiltering?');subplot(2,2,4),imshow(z3);title('Verticalfiltering3')运行结果如下：3 .傅立叶变换(1) .读出一幅图像，对其进行快

24、速傅立叶变换，分别显示其幅度图像和相位图像。仅对相位部分进行傅立叶反变换后查看结果图像。代码为：img=imread(");img=rgb2gray(img);f1=fft2(img);%快速傅里叶变换f2=log(1+abs(f1);%振幅谱f3=fftshift(f1);f4=angle(f1);%相位谱figure,subplot(1,3,1),imshow(img),title('OriginalImage');subplot(1,3,2),imshow(log(1+abs(f3),),title('amplitudespectrum');su

25、bplot(1,3,3),imshow(f4),title('phasespectrum');实验结果为:(2) .仅对幅度部分进行傅立叶反变换后查看结果图像。代码为:f=ifft2(abs(f1);figure,subplot(1,3,1),imshow(img),title('OriginalImage');subplot(1,3,2),imshow(log(1+abs(f3),),title('amplitudespectrum');subplot(1,3,3),imshow(log(1+abs(f),),title('absamp

26、litudespectrum');实验结果为：(3) .将图像的傅立叶变换F置为其共轲后进行反变换，比较新生成图像与原始图像的差f1=fft2(img);f2=log(1+abs(f1);f3=fftshift(f1);f4=angle(f1);f5=-f4;f6=double(f3*exp(f4);%傅立叶变换的复共轲f7=ifft2(f6);%反傅立叶变换figure,subplot(1,2,1),imshow(img),title('OriginalImage');subplot(1,2,2),imshow(real(f7),),title('invers

27、efouriertransform');实验效果:4.平滑频域滤波(1) .设计理想低通滤波器、巴特沃斯低通滤波器和高斯低通滤波器，截至频率自选，分别给出各种滤波器的透视图。%的透视图%a=100;b=100;U=0:a;V=0:b;M=length(U);N=length(V);D0=10;%D0是频带的中心半径；x1=50;y1=50;x0=-50;y0=-50;m=fix(M/2);n=fix(N/2);H=zeros(M,N);n=2;foru=1:Mforv=1:Na=sqrt(U(u)-50).*(U(u)-50)+(V(v)-50).*(V(v)-50);%D(u,v)的

28、值if(a<=D0)%理想滤波器H(u,v)=1;elseH(u,v)=0;endendendfigure;subplot(1,3,1),surf(U,V,H),title('理想低通滤波透视图,);%特沃斯低通滤波透视图%55a=100;b=100;U=0:a;V=0:b;M=length(U);N=length(V);D0=10;%W=200;%D0是频带的中心半径；W是频带的宽度x1=50;y1=50;x0=-50;y0=-50;m=fix(M/2);n=fix(N/2);H=zeros(M,N);n=2;foru=1:Mforv=1:Na=sqrt(U(u)-50).*(

29、U(u)-50)+(V(v)-50).*(V(v)-50);%D(u,v)的值b=1+(a/D0)A2*n;H(u,v)=1/b;endendsubplot(1,3,2),surf(U,V,H);title('n=2Butterworthlowessfilter')%a=100;b=100;U=0:a;V=0:b;M=length(U);N=length(V);D0=10;%D0是频带的中心半径x1=50;y1=50;xO=-50;y0=-50;m=fix(M/2);n=fix(N/2);H=zeros(M,N);foru=1:Mforv=1:ND1=(u-m-x0)A2+(v

30、-n-y0).A2)A;D2=(u-m+x0)A2+(v-n+y0).A2)A;D11=(u-m-x1)A2+(v-n-y1).A2)A;D21=(u-m+x1)A2+(v-n+y1).A2)A;H(u,v)=(U(u)-50).*(U(u)-50)+(V(v)-50).*(V(v)-50);endend%在绘制高斯曲面的时候，加上下述代码，显示得美观S=50;H=-H/(2*S);H=exp(H)/(sqrt(2*pi)*sqrt(S);subplot(1,3,3),surf(U,V,H),title('Gaussianlowessfilter');实验结果:由上图可知，当频

31、带中心宽度相同时，理想低通滤波器为圆柱形图像，二阶巴特沃斯低通滤波器的面线比较紧凑，高斯滤波图像最为平滑。(2)读出一幅图像，分别采用理想低通滤波器、巴特沃斯低通滤波器和高斯低通滤波器对其进行滤波(截至频率自选)，再做反变换，观察不同的截止频率下采用不同低通滤波器得到的图像与原图像的区别，特别注意振铃效应。(提示:1)在频率域滤波同样要注意到填充问题;2)注意到(-1)x+y;)%理想低通滤波img=imread('');img=rgb2gray(img);f=double(img);g=fft2(f);%傅立叶变换g=fftshift(g);M,N=size(g);d0=15

32、;m=fix(M/2);n=fix(N/2);fori=1:Mforj=1:Nd=sqrt(i-m)A2+(j-n)A2);if(d<=d0)h=1;elseh=0;endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1);figure,subplot(2,2,1),imshow(img),title('OriginalImage');subplot(2,2,2),imshow(J2),title('d0=15lowpssfilter'

33、);%d0=3S想低通滤波%d0=30;m=fix(M/2);n=fix(N/2);fori=1:Mforj=1:Nd=sqrt(i-m)A2+(j-n)A2);if(d<=d0)h=1;elseh=0;endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1);subplot(2,2,3),imshow(J2),title('d0=30lowpssfilter');%d0=t0S想低通滤波%d0=100;m=fix(M/2);n=fix(N/2);fo

34、ri=1:Mforj=1:Nd=sqrt(i-m)A2+(j-n)A2);if(d<=d0)h=1;elseh=0;endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1);subplot(2,2,4),imshow(J2),title('d0=100lowpssfilter');实验结果:当截止频率d0=15时，滤波后的图像比较模糊，振铃现象也很明显；当d0=30时，图像模糊程度减弱，振铃现象仍存在。当d0=100时，滤波后的图像比较清晰，但高频分量

35、损失后，图像边沿仍然存在一点振铃现象。2阶巴特沃斯低通滤波nn=2;d0=15;m=fix(M/2),n=fix(N/2);fori=1:Mforj=1:Nd=sqrt(i-m)A2+(j-n)A2);h=1/(1+*(d/d0(2*nn);result(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1);figure,subplot(2,2,1),imshow(img),title('OriginalImage');subplot(2,2,2),imshow(J2),t

36、itle('d0=15Butterworthlowpssfilter');%d0=30t沃斯低通滤波%d0=30;m=fix(M/2),n=fix(N/2);fori=1:Mforj=1:Nd=sqrt(i-m)A2+(j-n)A2);h=1/(1+*(d/d0F(2*nn);result(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result),J2=uint8(real(J1);subplot(2,2,3),imshow(J2),title('d0=30Butterworthlowpssfilter&

37、#39;);%d0=10O特沃斯低通滤波%d0=100;m=fix(M/2),n=fix(N/2);fori=1:Mforj=1:Nd=sqrt(i-m)A2+(j-n)A2);h=1/(1+*(d/d0)A(2*nn);result(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result),J2=uint8(real(J1);subplot(2,2,4),imshow(J2),title('d0=100Butterworthlowpssfilter');实验效果为:采用截止频率分别为15,30,100进行实验，

38、滤波后的图像逐渐清晰，整体的振铃现象没有理想低通滤波器的严重。%高斯低通滤波d0=15;m=fix(M/2),n=fix(N/2);fori=1:Mforj=1:Nd=sqrt(i-m)A2+(j-n)A2);h=exp(-(d.A2)./(2*(d0A2);result(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result),J2=uint8(real(J1);figure,subplot(2,2,1),imshow(img),title('OriginalImage');subplot(2,2,2),ims

39、how(J2),title('d0=15Gaussianfilter');%dO=30斯低通滤波%d0=30;m=fix(M/2),n=fix(N/2);fori=1:Mforj=1:Nd=sqrt(i-m)A2+(j-n)A2);h=exp(-(d.A2)./(2*(d0A2);result(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result),J2=uint8(real(J1);subplot(2,2,3),imshow(J2),title('d0=30Gaussianfilter');%

40、d0=100斯低通滤波%d0=100;m=fix(M/2),n=fix(N/2);fori=1:Mforj=1:Nd=sqrt(i-m)A2+(j-n)A2);h=exp(-(d.A2)./(2*(d0A2);result(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result),J2=uint8(real(J1);subplot(2,2,4),imshow(J2),title('d0=100Gaussianfilter');实验结果为:从实验对比可知，高斯滤波器的平滑效果不如二阶巴特沃斯滤波器，但用高斯滤波后的

41、图像无振铃现象产生。5.锐化频域滤波(1)设计理想高通滤波器、巴特沃斯高通滤波器和高斯高通滤波器，截至频率自选，分别给出各种滤波器的透视图。%蝌%波器%a=100;b=100;U=0:a;V=0:b;M=length(U);N=length(V);D0=15;%D0是频带的中心半径；H=zeros(M,N);n=2;foru=1:Mforv=1:Na=sqrt(U(u)-50).*(U(u)-50)+(V(v)-50).*(V(v)-50);%D(u,v)的值if(a>=D0)H(u,v)=1;elseH(u,v)=0;endendend理想高通滤波透视图,);figure;surf(U

42、,V,H),title('高通滤波器%通滤波器%a=100;b=100;U=0:a;V=0:b;M=length(U);N=length(V);D0=15;%D0是频带的中心半径；x1=50;y1=50;x0=-50;y0=-50;m=fix(M/2);n=fix(N/2);H=zeros(M,N);n=2;foru=1:Mforv=1:Na=sqrt(U(u)-50).*(U(u)-50)+(V(v)-50).*(V(v)-50);%D(u,v)的值b=1+(a/D0)A2*n;H(u,v)=-1/b;endendfigure,surf(U,V,H),title('n=2Bu

43、tterworthhighfilter')巴特沃斯高通滤波器%波a=100;b=100;U=0:a;V=0:b;M=length(U);N=length(V);D0=15;%D0是频带的中心半径；x1=50;y1=50;x0=-50;y0=-50;m=fix(M/2);n=fix(N/2);H=zeros(M,N);foru=1:Mforv=1:ND1=(u-m-x0)A2+(v-n-y0).A2)A;D2=(u-m+x0)A2+(v-n+y0).A2)A;D11=(u-m-x1)A2+(v-n-y1).A2)A;D21=(u-m+x1)A2+(v-n+y1).A2)A;%高斯低通曲面

44、H(u,v)=(U(u)-50).*(U(u)-50)+(V(v)-50).*(V(v)-50);endend%添加方差后是显示的图像更加美观S=50;H=-H/(2*S);H=-exp(H)/(sqrt(2*pi)*sqrt(S);figure,surf(U,V,H),title('Gaussianhighfilter');高斯高通滤波器(2)读出一幅图像，分别采用理想高通滤波器、巴特沃斯高通滤波器和高斯高通滤波器对其进行滤波(截至频率自选)，再做反变换，观察不同的截止频率下采用不同高通滤波器得到的图像与原图像的区别。%理想高通滤波img=imread('')

45、;img=rgb2gray(img);f=double(img);g=fft2(f);%傅立叶变换g=fftshift(g);M,N=size(g);d0=15;m=fix(M/2);n=fix(N/2);fori=1:Mforj=1:Nd=sqrt(i-m)A2+(j-n)A2);if(d>=d0)h=1;elseh=0;endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1);figure,subplot(2,2,1),imshow(img),title('

46、;OriginalImage');subplot(2,2,2),imshow(J2),title('d0=15highfilter');d0=30;m=fix(M/2);n=fix(N/2);fori=1:Mforj=1:Nd=sqrt(i-m)A2+(j-n)A2);if(d>=d0)h=1;elseh=0;endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1);subplot(2,2,3),imshow(J2),title('d0

47、=30highfilter');d0=80;m=fix(M/2);n=fix(N/2);fori=1:Mforj=1:Nd=sqrt(i-m)A2+(j-n)A2);if(d>=d0)h=1;elseh=0;endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1);subplot(2,2,4),imshow(J2),title('d0=80highfilter');理想高通滤波器得到的图片效果为：当d0=15时，滤波后的图像灰度变化部分基本保留

48、;当d0=30时，图像的轮廓还比较清楚；当d0=80时，只能看到细微的图像轮廓；%巴特沃斯高通滤波img=imread('');img=rgb2gray(img);f=double(img);g=fft2(f);%傅立叶变换g=fftshift(g);M,N=size(g);nn=2;d0=15;m=fix(M/2),n=fix(N/2);fori=1:Mforj=1:Nd=sqrt(i-m)A2+(j-n)A2);if(d=0)h=0;elseh=1/(1+*(d0/d)A(2*nn);endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1);figure,subplot(2,2,1),imshow(img),title('