matlabfilter源代码（matlabfir滤波器代码）

今天给各位分享matlabfilter源代码的知识，其中也会对matlabfir滤波器代码进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

• 1、求MATLAB中filter2函数的源代码。
• 2、matlab源代码
• 3、求MATLAB代码
• 4、跪求快速中值滤波算法matlab源代码
• 5、如何在matlab中建立和调用filter函数

求MATLAB中filter2函数的源代码。

若需要函数体，我可以传文件给你。下面是其代码function y = filter2(b,x,shape)

%FILTER2 Two-dimensional digital filter.

% Y = FILTER2(B,X) filters the data in X with the 2-D FIR

% filter in the matrix B. The result, Y, is computed

% using 2-D correlation and is the same size as X.

%

% Y = FILTER2(B,X,'shape') returns Y computed via 2-D

% correlation with size specified by 'shape':

% 'same' - (default) returns the central part of the

% correlation that is the same size as X.

% 'valid' - returns only those parts of the correlation

% that are computed without the zero-padded

% edges, size(Y) size(X).

% 'full' - returns the full 2-D correlation,

% size(Y) size(X).

%

% FILTER2 uses CONV2 to do most of the work. 2-D correlation

% is related to 2-D convolution by a 180 degree rotation of the

% filter matrix.

%

% Class support for inputs B,X:

% float: double, single

%

% See also FILTER, CONV2.% Copyright 1984-2004 The MathWorks, Inc.

% $Revision: 5.13.4.2 $ $Date: 2004/03/09 16:16:19 $error(nargchk(2,3,nargin));

if nargin3, shape = 'same'; endif (~isa(b,'float')), b = double(b); end

if (~isa(x,'float')), x = double(x); endcode = [shape,' ']; code = code(1);

if isempty(find(code=='svf'))

error('MATLAB:filter2:InvalidParam', 'Unknown shape parameter.');

end[mx,nx] = size(x);

stencil = rot90(b,2);

[ms,ns] = size(stencil);% 1-D stencil?

if (ms == 1)

y = conv2(1,stencil,x,shape);

elseif (ns == 1)

y = conv2(stencil,1,x,shape);

else

if (ms*ns mx*nx)

% The filter is bigger than the input. This is a nontypical

% case, and it may be counterproductive to check the

% separability of the stencil.

y = conv2(x,stencil,shape);

else

separable = false;

if all(isfinite(stencil(:)))

% Check rank (separability) of stencil

[u,s,v] = svd(stencil);

s = diag(s);

tol = length(stencil) * eps(max(s));

rank = sum(s tol);

separable = (rank ==1);

end

if separable

% Separable stencil

hcol = u(:,1) * sqrt(s(1));

hrow = conj(v(:,1)) * sqrt(s(1));

if (all(all((round(stencil) == stencil))) all(all((round(x) == x))))

% Output should be integer

y = round(conv2(hcol, hrow, x, shape));

else

y = conv2(hcol, hrow, x, shape);

end

else

% Nonseparable stencil

y = conv2(x,stencil,shape);

end

end

end

matlab源代码

hrollfcoef这个函数不是matlab自带的

function [xh] = hrollfcoef(irfn,ipoint,sr,alfs,ncc)

%****************** variables *************************

% irfn : Number of symbols to use filtering

% ipoint : Number of samples in one symbol

% sr : symbol rate

% alfs : rolloff coeficiense

% ncc : 1 -- transmitting filter 0 -- receiving filter

% *****************************************************

xi=zeros(1,irfn*ipoint+1);

xq=zeros(1,irfn*ipoint+1);

point = ipoint;

tr = sr ;

tstp = 1.0 ./ tr ./ ipoint;

n = ipoint .* irfn;

mid = ( n ./ 2 ) + 1;

sub1 = 4.0 .* alfs .* tr; % 4*alpha*R_s

for i = 1 : n

icon = i - mid;

ym = icon;

if icon == 0.0

xt = (1.0-alfs+4.0.*alfs./pi).* tr; % h(0)

else

sub2 =16.0.*alfs.*alfs.*ym.*ym./ipoint./ipoint;

if sub2 ~= 1.0

x1=sin(pi*(1.0-alfs)/ipoint*ym)./pi./(1.0-sub2)./ym./tstp;

x2=cos(pi*(1.0+alfs)/ipoint*ym)./pi.*sub1./(1.0-sub2);

xt = x1 + x2; % h(t) plot((1:length(xh)),xh)

else % (4alphaRst)^2 = 1plot((1:length(xh)),xh)

xt = alfs.*tr.*((1.0-2.0/pi).*cos(pi/4.0/alfs)+(1.0+2.0./pi).*sin(pi/4.0/alfs))./sqrt(2.0);

end % if sub2 ~= 1.0

end % if icon == 0.0

if ncc == 0 % in the case of receiver

xh( i ) = xt ./ ipoint ./ tr; % normalization

elseif ncc == 1 % in the case of transmitter

xh( i ) = xt ./ tr; % normalization

else

error('ncc error');

end % if ncc == 0

end % for i = 1 : n

%******************** end of file ***************************

网上找的，你看看能不能拼到你那个程序里去

求MATLAB代码

MATLAB实用源代码

1图像的读取及旋转

A=imread('');%读取图像

subplot(2,2,1),imshow(A),title('原始图像');%输出图像

I=rgb2gray（A）;

subplot(2,2,2),imshow(A),title('灰度图像');

subplot(2,2,3),imhist(I),title('灰度图像直方图');%输出原图直方图

theta = 30;J = imrotate(I,theta);% Try varying the angle, theta.

subplot(2,2,4)， imshow(J),title(‘旋转图像’)

2边缘检测

I=imread('C:\Users\HP\Desktop\平时总结\路飞.jpg');

subplot(2,2,1),imshow(I),title('原始图像');

I1=edge(I,'sobel');

subplot(2,2,2),imshow(I1),title('sobel边缘检测');

I2=edge(I,'prewitt');

subplot(2,2,3),imshow(I2),title（'prewitt边缘检测'）;

I3=edge(I,'log');

subplot(2,2,4),imshow(I3),title（'log边缘检测'）;

3图像反转

MATLAB 程序实现如下：

I=imread('xian.bmp');

J=double(I);

J=-J+(256-1);%图像反转线性变换

H=uint8(J);

subplot(1,2,1),imshow(I);

subplot(1,2,2),imshow(H);

4.灰度线性变换

MATLAB 程序实现如下：

I=imread('xian.bmp');

subplot(2,2,1),imshow(I);

title('原始图像');

axis([50,250,50,200]);

axis on;%显示坐标系

I1=rgb2gray(I);

subplot(2,2,2),imshow(I1);

title('灰度图像');

axis([50,250,50,200]);

axis on; %显示坐标系

J=imadjust(I1,[0.1 0.5],[]); %局部拉伸，把[0.1 0.5]内的灰度拉伸为[0 1]

subplot(2,2,3),imshow(J);

title('线性变换图像[0.1 0.5]');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

K=imadjust(I1,[0.3 0.7],[]); %局部拉伸，把[0.3 0.7]内的灰度拉伸为[0 1]

subplot(2,2,4),imshow(K);

title('线性变换图像[0.3 0.7]');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

5.非线性变换

MATLAB 程序实现如下：

I=imread('xian.bmp');

I1=rgb2gray(I);

subplot(1,2,1),imshow(I1);

title(' 灰度图像');

axis([50,250,50,200]);

grid on;%显示网格线

axis on;%显示坐标系

J=double(I1);

J=40*(log(J+1));

H=uint8(J);

subplot(1,2,2),imshow(H);

title(' 对数变换图像');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

4.直方图均衡化

MATLAB 程序实现如下：

I=imread('xian.bmp');

I=rgb2gray(I);

figure;

subplot(2,2,1);

imshow(I);

subplot(2,2,2);

imhist(I);

I1=histeq(I);

figure;

subplot(2,2,1);

imshow(I1);

subplot(2,2,2);

imhist(I1);

5. 线性平滑滤波器

用MATLAB实现领域平均法抑制噪声程序：

I=imread('xian.bmp');

subplot(231)

imshow(I)

title('原始图像')

I=rgb2gray(I);

I1=imnoise(I,'salt pepper',0.02);

subplot(232)

imshow(I1)

title(' 添加椒盐噪声的图像')

k1=filter2(fspecial('average',3),I1)/255; %进行3*3模板平滑滤波

k2=filter2(fspecial('average',5),I1)/255; %进行5*5模板平滑滤波k3=filter2(fspecial('average',7),I1)/255; %进行7*7模板平滑滤波

k4=filter2(fspecial('average',9),I1)/255; %进行9*9模板平滑滤波

subplot(233),imshow(k1);title('3*3 模板平滑滤波');

subplot(234),imshow(k2);title('5*5 模板平滑滤波');

subplot(235),imshow(k3);title('7*7 模板平滑滤波');

subplot(236),imshow(k4);title('9*9 模板平滑滤波');

6.中值滤波器

用MATLAB实现中值滤波程序如下：

I=imread('xian.bmp');

I=rgb2gray(I);

J=imnoise(I,'saltpepper',0.02);

subplot(231),imshow(I);title('原图像');

subplot(232),imshow(J);title('添加椒盐噪声图像');

k1=medfilt2(J); %进行3*3模板中值滤波

k2=medfilt2(J,[5,5]); %进行5*5模板中值滤波

k3=medfilt2(J,[7,7]); %进行7*7模板中值滤波

k4=medfilt2(J,[9,9]); %进行9*9模板中值滤波

subplot(233),imshow(k1);title('3*3模板中值滤波');

subplot(234),imshow(k2);title('5*5模板中值滤波 ');

subplot(235),imshow(k3);title('7*7模板中值滤波');

subplot(236),imshow(k4);title('9*9 模板中值滤波');

7.用Sobel算子和拉普拉斯对图像锐化：

I=imread('xian.bmp');

subplot(2,2,1),imshow(I);

title('原始图像');

axis([50,250,50,200]);

grid on; %显示网格线

axis on;%显示坐标系

I1=im2bw(I);

subplot(2,2,2),imshow(I1);

title('二值图像');

axis([50,250,50,200]);

grid on;%显示网格线

axis on;%显示坐标系

H=fspecial('sobel');%选择sobel算子

J=filter2(H,I1); %卷积运算

subplot(2,2,3),imshow(J);

title('sobel算子锐化图像');

axis([50,250,50,200]);

grid on; %显示网格线

axis on;%显示坐标系

h=[0 1 0,1 -4 1,0 1 0]; %拉普拉斯算子

J1=conv2(I1,h,'same');%卷积运算

subplot(2,2,4),imshow(J1);

title('拉普拉斯算子锐化图像');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

8.梯度算子检测边缘

用 MATLAB实现如下：

I=imread('xian.bmp');

subplot(2,3,1);

imshow(I);

title('原始图像');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

I1=im2bw(I);

subplot(2,3,2);

imshow(I1);

title('二值图像');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

I2=edge(I1,'roberts');

figure;

subplot(2,3,3);

imshow(I2);

title('roberts算子分割结果');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

I3=edge(I1,'sobel');

subplot(2,3,4);

imshow(I3);

title('sobel算子分割结果');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

I4=edge(I1,'Prewitt');

subplot(2,3,5);

imshow(I4);

title('Prewitt算子分割结果 ');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

9.LOG算子检测边缘

用 MATLAB程序实现如下：

I=imread('xian.bmp');

subplot(2,2,1);

imshow(I);

title('原始图像');

I1=rgb2gray(I);

subplot(2,2,2);

imshow(I1);

title('灰度图像');

I2=edge(I1,'log');

subplot(2,2,3);

imshow(I2);

title('log算子分割结果');

10.Canny算子检测边 缘

用MATLAB程序实现如下：

I=imread('xian.bmp');

subplot(2,2,1);

imshow(I);

title('原始图像')

I1=rgb2gray(I);

subplot(2,2,2);

imshow(I1);

title('灰度图像');

I2=edge(I1,'canny');

subplot(2,2,3);

imshow(I2);

title('canny算子分割结果');

11.边界跟踪 （bwtraceboundary函数）

clc

clear all

I=imread('xian.bmp');

figure

imshow(I);

title('原始图像');

I1=rgb2gray(I); %将彩色图像转化灰度图像

threshold=graythresh(I1); %计算将灰度图像转化为二值图像所需的门限

BW=im2bw(I1, threshold); %将灰度图像转化为二值图像

figure

imshow(BW);

title('二值图像');

dim=size(BW);

col=round(dim(2)/2)-90; %计算起始点列坐标

row=find(BW(:,col),1); %计算起始点行坐标

connectivity=8;

num_points=180;

contour=bwtraceboundary(BW,[row,col],'N',connectivity,num_points);

%提取边界

figure

imshow(I1);

hold on;

plot(contour(:,2),contour(:,1), 'g','LineWidth' ,2);

title('边界跟踪图像');

12.Hough变换

I= imread('xian.bmp');

rotI=rgb2gray(I);

subplot(2,2,1);

imshow(rotI);

title('灰度图像');

axis([50,250,50,200]);

grid on;

axis on;

BW=edge(rotI,'prewitt');

subplot(2,2,2);

imshow(BW);

title('prewitt算子边缘检测 后图像');

axis([50,250,50,200]);

grid on;

axis on;

[H,T,R]=hough(BW);

subplot(2,2,3);

imshow(H,[],'XData',T,'YData',R,'InitialMagnification','fit');

title('霍夫变换图');

xlabel('\theta'),ylabel('\rho');

axis on , axis normal, hold on;

P=houghpeaks(H,5,'threshold',ceil(0.3*max(H(:))));

x=T(P(:,2));y=R(P(:,1));

plot(x,y,'s','color','white');

lines=houghlines(BW,T,R,P,'FillGap',5,'MinLength',7);

subplot(2,2,4);,imshow(rotI);

title('霍夫变换图像检测');

axis([50,250,50,200]);

grid on;

axis on;

hold on;

max_len=0;

for k=1:length(lines)

xy=[lines(k).point1;lines(k).point2];

plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','green');

plot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow');

plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','red');

len=norm(lines(k).point1-lines(k).point2);

if(lenmax_len)

max_len=len;

xy_long=xy;

end

end

plot(xy_long(:,1),xy_long(:,2),'LineWidth',2,'Color','cyan');

13.直方图阈值法

用 MATLAB实现直方图阈值法：

I=imread('xian.bmp');

I1=rgb2gray(I);

figure;

subplot(2,2,1);

imshow(I1);

title(' 灰度图像')

axis([50,250,50,200]);

grid on;%显示网格线

axis on; %显示坐标系

[m,n]=size(I1);%测量图像尺寸参数

GP=zeros(1,256); %预创建存放灰度出现概率的向量

for k=0:255

GP(k+1)=length(find(I1==k))/(m*n);%计算每级灰度出现的概率，将其存入GP中相应位置

end

subplot(2,2,2),bar(0:255,GP,'g')%绘制直方图

title('灰度直方图')

xlabel('灰度值')

ylabel(' 出现概率')

I2=im2bw(I,150/255);

subplot(2,2,3),imshow(I2);

title('阈值150的分割图像')

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

I3=im2bw(I,200/255); %

subplot(2,2,4),imshow(I3);

title('阈值200的分割图像')

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

14. 自动阈值法：Otsu法

用MATLAB实现Otsu算法：

clc

clear all

I=imread('xian.bmp');

subplot(1,2,1),imshow(I);

title('原始图像')

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

level=graythresh(I); %确定灰度阈值

BW=im2bw(I,level);

subplot(1,2,2),imshow(BW);

title('Otsu 法阈值分割图像')

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

15.膨胀操作

I=imread('xian.bmp'); %载入图像

I1=rgb2gray(I);

subplot(1,2,1);

imshow(I1);

title('灰度图像')

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

se=strel('disk',1); %生成圆形结构元素

I2=imdilate(I1,se); %用生成的结构元素对图像进行膨胀

subplot(1,2,2);

imshow(I2);

title(' 膨胀后图像');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

16.腐蚀操作

MATLAB 实现腐蚀操作

I=imread('xian.bmp'); %载入图像

I1=rgb2gray(I);

subplot(1,2,1);

imshow(I1);

title('灰度图像')

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

se=strel('disk',1); %生成圆形结构元素

I2=imerode(I1,se); %用生成的结构元素对图像进行腐蚀

subplot(1,2,2);

imshow(I2);

title('腐蚀后图像');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

17.开启和闭合操作

用 MATLAB实现开启和闭合操作

I=imread('xian.bmp'); %载入图像

subplot(2,2,1),imshow(I);

title('原始图像');

axis([50,250,50,200]);

axis on; %显示坐标系

I1=rgb2gray(I);

subplot(2,2,2),imshow(I1);

title('灰度图像');

axis([50,250,50,200]);

axis on; %显示坐标系

se=strel('disk',1); %采用半径为1的圆作为结构元素

I2=imopen(I1,se); %开启操作

I3=imclose(I1,se); %闭合操作

subplot(2,2,3),imshow(I2);

title('开启运算后图像');

axis([50,250,50,200]);

axis on; %显示坐标系

subplot(2,2,4),imshow(I3);

title('闭合运算后图像');

axis([50,250,50,200]);

axis on; %显示坐标系

18.开启和闭合组合操作

I=imread('xian.bmp');%载入图像

subplot(3,2,1),imshow(I);

title('原始图像');

axis([50,250,50,200]);

axis on;%显示坐标系

I1=rgb2gray(I);

subplot(3,2,2),imshow(I1);

title('灰度图像');

axis([50,250,50,200]);

axis on;%显示坐标系

se=strel('disk',1);

I2=imopen(I1,se);%开启操作

I3=imclose(I1,se);%闭合操作

subplot(3,2,3),imshow(I2);

title('开启运算后图像');

axis([50,250,50,200]);

axis on;%显示坐标系

subplot(3,2,4),imshow(I3);

title('闭合运算后图像');

axis([50,250,50,200]);

axis on;%显示坐标系

se=strel('disk',1);

I4=imopen(I1,se);

I5=imclose(I4,se);

subplot(3,2,5),imshow(I5);%开—闭运算图像

title('开—闭运算图像');

axis([50,250,50,200]);

axis on;%显示坐标系

I6=imclose(I1,se);

I7=imopen(I6,se);

subplot(3,2,6),imshow(I7);%闭—开运算图像

title('闭—开运算图像');

axis([50,250,50,200]);

axis on;%显示坐标系

19.形态学边界提取

利用 MATLAB实现如下：

I=imread('xian.bmp');%载入图像

subplot(1,3,1),imshow(I);

title('原始图像');

axis([50,250,50,200]);

grid on;%显示网格线

axis on;%显示坐标系

I1=im2bw(I);

subplot(1,3,2),imshow(I1);

title('二值化图像');

axis([50,250,50,200]);

grid on;%显示网格线

axis on;%显示坐标系

I2=bwperim(I1); %获取区域的周长

subplot(1,3,3),imshow(I2);

title('边界周长的二值图像');

axis([50,250,50,200]);

grid on;

axis on;

20.形态学骨架提取

利用MATLAB实现如下：

I=imread('xian.bmp');

subplot(2,2,1),imshow(I);

title('原始图像');

axis([50,250,50,200]);

axis on;

I1=im2bw(I);

subplot(2,2,2),imshow(I1);

title('二值图像');

axis([50,250,50,200]);

axis on;

I2=bwmorph(I1,'skel',1);

subplot(2,2,3),imshow(I2);

title('1次骨架提取');

axis([50,250,50,200]);

axis on;

I3=bwmorph(I1,'skel',2);

subplot(2,2,4),imshow(I3);

title('2次骨架提取');

axis([50,250,50,200]);

axis on;

21.直接提取四个顶点坐标

I = imread('xian.bmp');

I = I(:,:,1);

BW=im2bw(I);

figure

imshow(~BW)

[x,y]=getpts

平滑滤波

h=fspecial('average',9);

I_gray=imfilter(I_gray,h,'replicate');%平滑滤波

跪求快速中值滤波算法matlab源代码

你注意了，imread(路径，'name.jpg'),我是以我电脑的图片给你做的，你运行时候，MATLAB路径要改到你需要处理图片的路径。

代码如下：

I=imread('11.jpg');    %读取图像，

subplot(2,2,1),imshow(I);title('原图');  %显示原图像

J=rgb2gray(I);    %把彩色图像转化为灰度图像

subplot(2,2,2),imshow(J);title('灰度图');  %显示灰度图像

J= imnoise(J,'salt  pepper',0.005); %加上椒盐噪声

subplot(2,2,3),imshow(J);title('椒盐噪声图'); %显示加上椒盐的图像

H=medfilt2(J);   %中值滤波

subplot(2,2,4),imshow(H);title('处理后图'); %显示中值滤波后的图像

中值滤波器适合于椒盐滤波，均值滤波器适合于高斯噪声

希望能帮到你！

如何在matlab中建立和调用filter函数

数字滤波是Matlab信号处理中的常用功能。具体步骤为：

step1：设计好滤波器系数，b和a。其中b,a存储了滤波器响应传递函数的分子和分母系数。

step2：产生输入信号x

step3：实现滤波y=filter(b,a,x)，画出输出波形y。

下面来看Matlab例程。我们采用以下滤波器的分子和分母系数：

b =[0.0563   -0.0009   -0.0009    0.0563]; 其中b1 = 0.0563

a =[1.0000   -2.1291    1.7834   -0.5435]; 其中a1 = 1

(b,a)组成了一个简单的带阻滤波器。

以下为代码：

% ===================================

b =[0.0563   -0.0009   -0.0009    0.0563];

a =[1.0000   -2.1291    1.7834   -0.5435];

x = randn(100,1); % 产生随机输入信号

y = filter(b,a,x); % 产生滤波输出

plot(x);hold on;

plot(y,'r')

grid on;

% =====================================

比较可以看出，y是x低通滤波的结果。y比x更平滑了。

matlabfilter源代码的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于matlabfir滤波器代码、matlabfilter源代码的信息别忘了在本站进行查找喔。