自编两种滤波器结果比较函数----基于MATLAB

本文探讨了使用MATLAB实现的两种滤波器——butter滤波器和fir1滤波器的比较。通过实验,详细阐述了它们在信号处理中的应用,分析了各自的特点和在FFT变换下的表现。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

    该函数主要作用是,对同一段信号,用两种不同的滤波器进行滤波处理,然后比较两者在频域的结果。通过比较,可以选择合适的滤波器。这个函数中是对butter和fir两种进行了比较,读者要是想对比其他滤波器,或者同时比较三种及以上滤波器,只需要对代码稍加修改,就可以满足需求,这里不加赘述。
   还有一点,读者要是想输出不同滤波器的结果,只需将下述函数的第一行修改为:
   function  [filter1,filter2] = myfilter(Signal, Fs)   
   即可
function  myfilter(Signal, Fs)

%Signal----原始信号
%filter1---使用butter滤波器的滤波结果
%filter2---使用fir1滤波器的滤波结果
 
[b,a] = butter(5,[0.5*2/Fs 40*2/Fs],'bandpass');  %建立butter带通滤波器
filter1 = filtfilt(b,a,Signal);  %利用已建立滤波器进行滤波
NFFT1 = length(filter1);  %进行FFT的信号长度  
frequency1 = Fs*(0:NFFT1-1)/NFFT1;    %频率
filter1_FFT = abs(fft(filter1,NFFT1));   %FFT结果

[b1,a1] = fir1(20,[0.5*2/Fs 45*2/Fs],'bandpass');  %建立butter带通滤波器
filter2 = filtfilt(b1,a1,Signal);    %利用已建立滤波器进行滤波
NFFT2 = length(filter2);  %进行FFT的信号长度
frequency2 = Fs*(0:NFFT2-1)/NFFT2;   %频率
filter2_FFT = abs(fft
双边滤波器均值滤波器都是常见的图像滤波器,下面分别介绍如何在 MATLAB自编两种滤波器1. 双边滤波器 双边滤波器是一种非线性滤波器,它可以保留图像的边缘信息,同时去除噪声。在 MATLAB 中,我们可以使用 `bfilter2` 函数来实现双边滤波器。该函数需要输入原始图像、滤波器的半径两个标准差参数。以下是一个简单的双边滤波器的代码示例: ``` % 读取原始图像 img = imread('lena.png'); % 定义滤波器半径标准差参数 w = 5; sigma_r = 20; sigma_d = 20; % 实现双边滤波器 img_filtered = bfilter2(img, w, sigma_r, sigma_d); % 显示原始图像滤波后的图像 figure(); subplot(1, 2, 1); imshow(img); title('Original Image'); subplot(1, 2, 2); imshow(img_filtered); title('Filtered Image'); ``` 在上面的代码中,我们使用了 `imread` 函数读取了一张名为 `lena.png` 的图像。然后定义了滤波器的半径 `w` 两个标准差参数 `sigma_r` `sigma_d`。最后使用 `bfilter2` 函数实现了双边滤波器,并将滤波后的图像 `img_filtered` 显示出来。 2. 均值滤波器 均值滤波器是一种线性滤波器,它可以用于去除图像中的高斯噪声。在 MATLAB 中,我们可以使用 `fspecial` 函数创建一个均值滤波器的核,然后使用 `imfilter` 函数实现滤波操作。以下是一个简单的均值滤波器的代码示例: ``` % 读取原始图像 img = imread('lena.png'); % 创建均值滤波器的核 w = 5; kernel = fspecial('average', [w w]); % 实现均值滤波器 img_filtered = imfilter(img, kernel); % 显示原始图像滤波后的图像 figure(); subplot(1, 2, 1); imshow(img); title('Original Image'); subplot(1, 2, 2); imshow(img_filtered); title('Filtered Image'); ``` 在上面的代码中,我们同样使用了 `imread` 函数读取了一张名为 `lena.png` 的图像。然后使用 `fspecial` 函数创建了一个大小为 `w x w` 的均值滤波器的核。最后使用 `imfilter` 函数实现了均值滤波器,并将滤波后的图像 `img_filtered` 显示出来。
评论
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