数字图像处理——高斯低通、高通滤波算法

本文详细介绍了如何通过编程对图像进行高斯滤波的过程,包括灰度转换、图像填充、频谱中心化、二维傅里叶变换,以及低通和高通滤波器的应用,并展示了实际操作步骤和结果对比。

通过代码来分析如何对图像进行高斯滤波

先放镇楼图:

lena.bmp

1. 读取图像,转灰度图像
I = imread('lena.bmp');	%读取原图像
I = rgb2gray(I);		%原图像转灰度图像
i_size = 512;			%原图像大小
fillsize = 1024;		%填充后图像大小
I = imresize(I,[i_size,i_size]);
figure(1);subplot(241);imshow(I);title('原始图像');
2.图像填充,避免循环卷积中的缠绕错误
fillimage = uint8(zeros(fillsize,fillsize));
fillimage(1:i_size,1:i_size)=I;
subplot(242)
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值