用matlab频域低通滤波，频域高通滤波处理彩色图像的程序

程序如下：

clearall

clc

I=imread('up4-Amp.png')

OutImg=I

R=I(:,:,1)

G=I(:,:,2)

B=I(:,:,3)

R=medfilt2(R,[3,3])

G=medfilt2(G,[3,3])

B=medfilt2(B,[3,3])

I1=cat(3,R,G,B) %对彩色图像R,G，B三个通道分别进行3×3模板的中值滤波cat函数用于连接两个矩阵或数组

R=filter2(fspecial('average',3),R)/255

G=filter2(fspecial('average',3),G)/255

B=filter2(fspecial('average',3),B)/255

I2=cat(3,R,G,B) %对彩色图像R,G，B三个通道分别进行3×3模板的均值滤波

figure,imshow(I)

title('原图')

figure,

imshow(I1)

title('中值滤波')

figure,imshow(I2)

title('均值滤波')

扩展资料：

注意事项

1、在频域滤波，由于是点乘，所以滤波模板矩阵和图像矩阵必须尺寸一样。

2、因为尺寸一样，它们的原点必须要对齐。

3、因在进行离散傅里叶变换后，在频域点乘，相当于在时域卷积，但是这个时候实际上是对时域周期矩阵进行卷积。直接在时域卷积，matlab默认是在边界补0。

4、Matlabfreqz2（）这个函数可以自动得到一个指定尺寸的，对应于时域的频域模板。

5、图像经过傅里叶变换后，它的原点在左上角。而模板经过freqz2后，原点在中心，所以只要平移其中的一个就好了。

6、在对原图像进行傅里叶变换之前，按照一定规则补0就好了。

I=imread('lena.bmp')

inf=imfinfo('lena.bmp')

figure,imshow(I)

X=grayslice(I,64)

imshow(X,pink(64))

load trees

figure,image(10,10,X)

imwrite(X,map,'trees.bmp')

imfinfo('trees.bmp')

figure,imshow(X,map)

BW=im2bw(X,map,0.6)

figure,imshow(BW)

I=imread('lena.bmp')

inf=imfinfo('lena.bmp')

figure,imshow(I)

X=grayslice(I,64)

figure,imshow(X,pink(64))

A=imread('lena.bmp')

imshow(A)

B=fftshift(fft2(A))

figure

imshow(log(abs(B)),[8,10])

clc

clear all

I=imread('lena.tif')

% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% %用中值滤波，多维滤波，使用中心为-4,-8的拉普

% %拉斯滤波器，高斯低通滤波，拉普拉斯滤波器进行滤波处理

% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

figure%figure1

subplot(2,2,1)

imshow(I)

title('原始图像')

J=imnoise(I,'salt &pepper',0.04)%加椒盐噪声

title('加椒盐噪声')

subplot(2,2,2)

imshow(J)

K=medfilt2(J,[4,4])%进行中值滤波

subplot(2,2,3)

imshow(K)

title('进行中值滤波')

h=ones(3,3)/9%多维滤波

w=h

g=imfilter(I,w,'conv','replicate')

subplot(2,2,4)

imshow(g)

title('多维滤波')

%使用中心为-4,-8的拉普拉斯滤波器,

w4=[1 1 1

1 -4 1

1 1 1]

w8=[1 1 1

1 -8 1

1 1 1]

f=im2double(I)

g4=f-imfilter(f,w4,'replicate')

g8=f-imfilter(f,w8,'replicate')

imshow(f)

figure%figure2

subplot(1,2,1)

imshow(g4)

title('中心为-4的拉普拉斯滤波')

subplot(1,2,2)

imshow(g8)

title('中心为-8的拉普拉斯滤波')

h3=fspecial('gaussian',[3,3],0.5)%高斯低通滤波

figure%figure3

B4=filter2(h3,I)

subplot(1,2,1)

imshow(B4,[ ])

title('高斯低通滤波')

h4=fspecial('laplacian',0)%使用拉普拉斯滤波器

B5=filter2(h4,I)

subplot(1,2,2)

imshow(B5,[ ])

title('拉普拉斯滤波器')

% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% %从空域的角度进行亮度变换

% %把灰度等级是10-100的变化到10-255

% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

figure%figure4

subplot(2,2,1)

imshow(I)

title('原始图像')

J2=imadjust(I,[],[],0.5)% 增强低灰度级

subplot(2,2,2)

imshow(J2)

title('增强低灰度级')

J3=imadjust(I,[ ],[ ],2)%增强高灰度级

subplot(2,2,3)

imshow(J3)

title('增强高灰度级')

a1=100/255%把灰度等级是10-100的变化到10-255

a2=255/255

a3=10/255

J2=imadjust(I,[a3,a1],[a3,a2],[])

subplot(2,2,4)

imshow(J2)

title('把灰度等级是10-100的变化到10-255')

% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% %从频域的角度进行亮度变换

% %fft2

% %由于能量主要集中在低频部分

% %所以对低频进行处理可以得到理想的效果

% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

I=imread('lena.tif')

up=0.5%设置处理频率上限

down=0.09%%设置处理频率下限

figure%figure5

subplot(421)

imshow(I)

title('原始图像')

f=double(I)

subplot(4,2,3)

imshow(log(abs(f)),[])

title('unit8转化为double')

g=fft2(f)

g=fftshift(g)

subplot(4,2,5)

imshow(log(abs(g)),[])

title('FFT2变化后的图像')

[M,N]=size(g)% 转换数据矩阵

y1=max(max(abs(g)))%求出最大频率

y2=min(min(abs(g)))%%求出最小频率

y3=(y1-y2)*up+y2%设置滤波上限

y4=(y1-y2)*down+y2%%设置滤波下限

for i=1:M

for j=1:N

if (abs(g(i,j))<y4)

g(i,j)=g(i,j)^1.1%对低频部分进行灰度增强

end

end

end

result=ifftshift(g)

J2=ifft2(result)

J3=uint8(abs(J2))

subplot(427)

imshow(J3,[ ])

title('频域处理后的图像')

subplot(422)

imhist(I,64)

subplot(424)

imhist(f,64)

subplot(426)

imhist(g,64)

subplot(428)

imhist(J3,64)

---