Matlab图像处理频域滤波实现——巴特沃斯低通、高通、带通带阻滤波器_巴特沃斯图像高通滤波器

巴特沃斯滤波器是一种常用于图像处理的滤波器，它在频域中的传递函数具有更加平滑的过渡，相对于理想滤波器来说，巴特沃斯滤波器可以更好地控制截止频率和滤波器的阶数。下面是巴特沃斯滤波器的不同类型的原理简介：

1.原理

（1）巴特沃斯低通滤波（Butterworth Lowpass Filtering）

巴特沃斯低通滤波器通过在频域中滤除高频成分来实现图像的平滑。其传递函数为：

 其中D(u,v) 是频域中点 (u,v) 到中心的距离，D0​ 是截止频率，n 是滤波器的阶数。

（2）巴特沃斯高通滤波（Butterworth Highpass Filtering）

巴特沃斯高通滤波器通过滤除低频成分来增强图像中的细节和边缘。其传递函数为：

 其中D(u,v) 是频域中点 (u,v) 到中心的距离，D0​ 是截止频率，n 是滤波器的阶数。

（3）巴特沃斯带通滤波（Butterworth Bandpass Filtering）

巴特沃斯带通滤波器保留图像中一定频率范围内的成分，同时滤除低频和高频成分。其传递函数为：

 其中D(u,v) 是频域中点(u,v) 到中心的距离，D0​ 和 D1​ 是两个截止频率，n 是滤波器的阶数。

（4）巴特沃斯带阻滤波（Butterworth Bandstop Filtering）

巴特沃斯带阻滤波器与带通滤波器相反，它滤除一定频率范围内的成分，同时保留低频和高频成分。其传递函数为：

 其中D(u,v) 和 D0​、D1​ 同上，n 是滤波器的阶数。

2.实现代码

（1）巴特沃斯低通滤波（Butterworth Lowpass Filtering）

clear
clc
I = imread('1.jpg');  % 读入图像
I = rgb2gray(I);
I=im2double(I);  		
M=2*size(I,1);                %滤波器的行数
N=2*size(I,2);                %滤波器的列数
u=-M/2:(M/2-1);
v=-N/2:(N/2-1);
[U,V]=meshgrid(u, v);
D=sqrt(U.^2+V.^2);
D0=50;                       %截止频率
n=6;                         %滤波器的阶数
H=1./(1+(D./D0).^(2*n));     %设计巴特沃斯滤波器
J=fftshift(fft2(I, size(H, 1), size(H, 2))); %空域转换到频域
K=J.*H;                                      %滤波处理
L=ifft2(ifftshift(K));                       %傅里叶反变换
L=L(1:size(I,1), 1:size(I, 2));              %改变图像大小
 
% 显示原始图像和滤波后的图像
figure;
% 显示原始图像
subplot(221);
imshow(I);
title('原始图像');
% 显示滤波后的图像
subplot(222);
imshow(L);
title('滤波后的图像');
% 显示原始图像的频域
subplot(223);
imagesc(log(1 + abs(J)));
title('原始图像的频域');
% 显示滤波后图像的频域
subplot(224);
imagesc(log(1 + abs(K)));
title('滤波后图像的频域');

（2）巴特沃斯高通滤波（Butterworth Highpass Filtering）

clear
clc
I = imread('1.jpg');  % 读入图像
I = rgb2gray(I);
I=im2double(I);  		
M=2*size(I,1);                %滤波器的行数
N=2*size(I,2);                %滤波器的列数
u=-M/2:(M/2-1);
v=-N/2:(N/2-1);
[U,V]=meshgrid(u, v);
D=sqrt(U.^2+V.^2);
D0=50;                       %截止频率
n=6;                         %滤波器的阶数
H=1./(1+(D0./D).^(2*n));     %设计巴特沃斯滤波器
J=fftshift(fft2(I, size(H, 1), size(H, 2))); %空域转换到频域
K=J.*H;                                      %滤波处理
L=ifft2(ifftshift(K));                       %傅里叶反变换
L=L(1:size(I,1), 1:size(I, 2));              %改变图像大小
 
% 显示原始图像和滤波后的图像
figure;
% 显示原始图像
subplot(221);
imshow(I);
title('原始图像');
% 显示滤波后的图像
subplot(222);
imshow(L);
title('滤波后的图像');
% 显示原始图像的频域
subplot(223);
imagesc(log(1 + abs(J)));
title('原始图像的频域');
% 显示滤波后图像的频域
subplot(224);
imagesc(log(1 + abs(K)));
title('滤波后图像的频域');

（3）巴特沃斯带通滤波（Butterworth Bandpass Filtering）

clear
clc
I = imread('1.jpg');  % 读入图像
I = rgb2gray(I);
I=im2double(I);  		
M=2*size(I,1);                %滤波器的行数
N=2*size(I,2);                %滤波器的列数
u=-M/2:(M/2-1);
v=-N/2:(N/2-1);
[U,V]=meshgrid(u, v);
D=sqrt(U.^2+V.^2);
D0=50;                       %截止频率
D1=60;
n=6;                         %滤波器的阶数
H=1./(1+(D.*(D1-D0)./(D.^2-D0*D1)).^(2*n)); %设计巴特沃斯滤波器
J=fftshift(fft2(I, size(H, 1), size(H, 2))); %空域转换到频域
K=J.*H;                                      %滤波处理
L=ifft2(ifftshift(K));                       %傅里叶反变换
L=L(1:size(I,1), 1:size(I, 2));              %改变图像大小
 
% 显示原始图像和滤波后的图像
figure;
% 显示原始图像
subplot(221);
imshow(I);
title('原始图像');
% 显示滤波后的图像
subplot(222);
imshow(L);
title('滤波后的图像');
% 显示原始图像的频域
subplot(223);
imagesc(log(1 + abs(J)));
title('原始图像的频域');
% 显示滤波后图像的频域
subplot(224);
imagesc(log(1 + abs(K)));
title('滤波后图像的频域');

（4）巴特沃斯带阻滤波（Butterworth Bandstop Filtering）

clear
clc
I = imread('1.jpg');  % 读入图像
I = rgb2gray(I);
I=im2double(I);  		
M=2*size(I,1);                %滤波器的行数
N=2*size(I,2);                %滤波器的列数
u=-M/2:(M/2-1);
v=-N/2:(N/2-1);
[U,V]=meshgrid(u, v);
D=sqrt(U.^2+V.^2);
D0=50;                       %截止频率
D1=60;
n=6;                         %滤波器的阶数
H=1./(1+(D0*D1./(D.^2-D0*D1)).^(2*n)); %设计巴特沃斯滤波器
J=fftshift(fft2(I, size(H, 1), size(H, 2))); %空域转换到频域
K=J.*H;                                      %滤波处理
L=ifft2(ifftshift(K));                       %傅里叶反变换
L=L(1:size(I,1), 1:size(I, 2));              %改变图像大小
 
% 显示原始图像和滤波后的图像
figure;
% 显示原始图像
subplot(221);
imshow(I);
title('原始图像');
% 显示滤波后的图像
subplot(222);
imshow(L);
title('滤波后的图像');
% 显示原始图像的频域
subplot(223);
imagesc(log(1 + abs(J)));
title('原始图像的频域');
% 显示滤波后图像的频域
subplot(224);
imagesc(log(1 + abs(K)));
title('滤波后图像的频域');

在这些公式中，阶数 n 的选择会影响滤波器的频率响应曲线的陡峭程度。较大的 n 会导致更陡峭的过渡，但也可能引入一些振铃效应。

最后：

如果你想要进一步了解更多的相关知识，可以关注下面公众号联系~会不定期发布相关设计内容包括但不限于如下内容:信号处理、通信仿真、算法设计、matlab appdesigner，gui设计、simulink仿真......希望能帮到你！