ButterWorth滤波器学习（参照博主链接——https://blog.csdn.net/cjsh

ButterWorth滤波器学习（参照博主链接——https://blog.csdn.net/cjsh_123456/article/details/79342300，非常感谢！），仅作个人学习记录

因为实验需要，需要了解该滤波器相关内容，参照该博主实验了他的以下代码——
函数代码：

function [image_out] = Bfilter(image_in, D0, N)
% Butterworth滤波器，在频率域进行滤波
% 输入为需要进行滤波的灰度图像，Butterworth滤波器的截止频率D0，阶数N
% 输出为滤波之后的灰度图像[m, n] = size(image_in);
P = 2 * m;
Q = 2 * n;fp = zeros(P, Q);
%对图像填充0,并且乘以(-1)^(x+y) 以移到变换中心
for i = 1 : mfor j = 1 : nfp(i, j) = double(image_in(i, j)) * (-1)^(i+j);end
end
% 对填充后的图像进行傅里叶变换
F1 = fft2(fp);% 生成Butterworth滤波函数，中心在(m+1,n+1)
Bw = zeros(P, Q);
a = D0^(2 * N);
for u = 1 : Pfor v = 1 : Qtemp = (u-(m+1.0))^2 + (v-(n+1.0))^2;Bw(u, v) = 1 / (1 + (temp^N) / a);end
end%进行滤波
G = F1 .* Bw;% 反傅里叶变换
gp = ifft2(G);% 处理得到的图像
image_out = zeros(m, n, 'uint8');
gp = real(gp);
g = zeros(m, n);
for i = 1 : mfor j = 1 : ng(i, j) = gp(i, j) * (-1)^(i+j);end
end
mmax = max(g(:));
mmin = min(g(:));
range = mmax-mmin;
for i = 1 : mfor j = 1 : nimage_out(i,j) = uint8(255 * (g(i, j)-mmin) / range);end
endend

脚本代码：

clear all;
close all;
clc;
image1 = imread('C:\1.bmp');
image1 = rgb2gray(image1)
image2 = Bfilter(image1, 10, 2);
image3 = Bfilter(image1, 30, 2);
image4 = Bfilter(image1, 60, 2);
image5 = Bfilter(image1, 160, 2);
image6 = Bfilter(image1, 460, 2);% 显示图像
subplot(2,3,1), imshow(image1), title('原图像');
subplot(2,3,2), imshow(image2), title('D0 = 10, n = 2');
subplot(2,3,3), imshow(image3), title('D0 = 30, n = 2');
subplot(2,3,4), imshow(image4), title('D0 = 60, n = 2');
subplot(2,3,5), imshow(image5), title('D0 = 160, n = 2');
subplot(2,3,6), imshow(image6), title('D0 = 460, n = 2');

使用的图像为1.bmp

对比该博主文章中的脚本代码，我多了一行代码(即image1 = rgb2gray(image1) %将彩图转为灰度图)，这是应为我使用的是三维彩色图片，否则运行结果如下——

转为灰度图后后再调用以上函数输出图像如下——

注意：使用的图像尺寸不能太大，否则image1的矩阵过大也会导致matlab脚本终止

注：jpg转bmp图像问题，利用win10系统的3D画图工具打开合适大小目标jpg或png图像，另存问bmp图像即可

最后感谢该播主的解惑！！

ButterWorth滤波器学习（参照博主链接——https://blog.csdn.net/cjsh_123456/article/details/79342300）相关推荐

Jmeter压力测试简单教程（包括服务器状态监控）-----转载自lsoqvle 的博客（https://blog.csdn.net/cbzcbzcbzcbz/article/details/780）
步骤一安装Jmeter 我用的版本是3.1版本,为什么是3.1,因为3.2有问题,我也是跑了一段时间后才知道3.2版本太新了还是什么的,有些功能就是不行,在此建议大家,不要轻易使用最新版本,次新版 ...
葵花宝典（转自：https://blog.csdn.net/binbin594738977/article/details/79429301 ）
android开发工具 http://www.androiddevtools.cn/index.html API开发文档(不需要fq) https://developer.android.google ...
开源项目综合案例https://blog.csdn.net/m0_37700275/article/details/78783049
开源项目综合案例置顶 2017年12月12日 16:16:17 杨充阅读数:473 版权声明:本文为博主原创文章,转载请注明出处 https://blog.csdn.net/m0_37700275 ...
https://blog.csdn.net/blmoistawinde/article/details/84329103
背景很多场景需要考虑数据分布的相似度/距离:比如确定一个正态分布是否能够很好的描述一个群体的身高(正态分布生成的样本分布应当与实际的抽样分布接近),或者一个分类算法是否能够很好地区分样本的特 ...
GitHu的诞生记转 https://blog.csdn.net/fanpeihua123/article/details/58151161
前言:这篇文章应读者要求所写,主要聊聊版本管理系统(Version Control System,简称 VCS), 这篇文章不能让你学会一门技术, 但是希望能帮你理解版本管理的原理. "人肉 ...
https://blog.csdn.net/wutianxu123/article/details/82597337
web安全/渗透测试--1--web安全原则版权声明:本文为博主原创文章,转载本站文章请注明作者和出处,请勿用于任何商业用途. https://blog.csdn.net/wutianxu123/a ...
自动车牌识别（ALPR）---https://blog.csdn.net/ELEVEN_ZOU/article/details/80893579
1.基本功能:从一张或者一系列的图片中提取车牌信息,比如车牌号码.车牌颜色等信息. 2.功能扩展:车型.车品牌.车牌类型等. 3.应用方向:电子交易系统(停车自动收费.收费站自动支付等).交通执法.交 ...
https://blog.csdn.net/watermelon_learn/article/details/88902117
这里写自定义目录标题第一次转载大神的文章,也是第一次发表csdn,有错大家请原谅. 华为2019年3月27日实习生笔试题及解答第一次转载大神的文章,也是第一次发表csdn,有错大家请原谅. 我们对 ...
https://blog.csdn.net/codezjx/article/details/8872090
FBI Warning:欢迎转载,但请标明出处:http://blog.csdn.net/codezjx/article/details/8872090,未经本人同意请勿用于商业用途,感谢支持! 前言 ...
Ubuntu安装软件是始终出现dpkg错误（转载，原文链接：https://blog.csdn.net/cyf15238622067/article/details/53534629）
Ubuntu安装软件是始终出现dpkg错误一.设置镜像二. 出现错误死循环时,使用下述命令 sudo dpkg -i --force-overwrite sudo dpkg -i --force- ...

ButterWorth滤波器学习（参照博主链接——https://blog.csdn.net/cjsh_123456/article/details/79342300）

ButterWorth滤波器学习（参照博主链接——https://blog.csdn.net/cjsh_123456/article/details/79342300，非常感谢！），仅作个人学习记录

转为灰度图后后再调用以上函数输出图像如下——

注意：使用的图像尺寸不能太大，否则image1的矩阵过大也会导致matlab脚本终止

注：jpg转bmp图像问题，利用win10系统的3D画图工具打开合适大小目标jpg或png图像，另存问bmp图像即可

最后感谢该播主的解惑！！

ButterWorth滤波器学习（参照博主链接——https://blog.csdn.net/cjsh_123456/article/details/79342300）相关推荐

最新文章

热门文章