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。

clear

close all

I = imread('eight.tif')

J = imnoise(I,'salt &pepper',0.02)

K = medfilt2(J)

imshow(J)title('噪声干扰图像')

figure, imshow(K)title('medfilt2滤波图像')

X=Ja=2b=2

k=floor(a*b/2)+1

[M,N]=size(X)

uint8 Y=zeros(M,N)

funBox=zeros(a,b)

temp=zeros(a*b)

for i=1:M-a

for j=1:N-b

funBox=X(i:i+a,j:j+b)

temp=funBox(:)

tempSort=sort(temp)

Y(i,j)=tempSort(k)

end

end

figure, imshow(Y)title('自编程序滤波图像')

clear

close all

c=imread('123.png')%把彩色图片转化成灰度图片，256级

figure,imshow(c),title('原始图象')%显示原始图象

g=imnoise(c,'gaussian',0.1,0.002) %加入高斯噪声

figure,imshow(g),title('加入高斯噪声之后的图象') %显示加入高斯噪声之后的图象

%实验步骤二：用系统预定义滤波器进行均值滤波

n=1

A=fspecial('average',n)%生成系统预定义的3X3滤波器

Y=filter2(A,g)/255 %用生成的滤波器进行滤波,并归一化

figure,imshow(Y),title('系统函数滤波图像')%显示滤波后的图象

a(1:n,1:n)=1 %a即n×n模板,元素全是1

p=size(g) %输入图像是p×q的,且p>n,q>n

x1=double(g)

x2=x1

%A(a:b,c:d)表示A矩阵的第a到b行,第c到d列的所有元素

for i=1:p(1)-n+1

for j=1:p(2)-n+1

c=x1(i:i+(n-1),j:j+(n-1)).*a %取出x1中从(i,j)开始的n行n列元素与模板相乘

s=sum(sum(c))%求c矩阵(即模板)中各元素之和

x2(i+(n-1)/2,j+(n-1)/2)=s/(n*n)%将模板各元素的均值赋给模板中心位置的元素

end

end

%未被赋值的元素取原值

d=uint8(x2)

%实验步骤三:用自己的编写的函数进行均值滤波

%调用自编函数进行均值滤波，n为模板大小

figure,imshow(d),title('自编程序滤波图像')%显示滤波后的图象

---