MATLAB es una herramienta de programación que se puede utilizar para la señal integral y análisis de imágenes y el procesamiento . Una operación común en el tratamiento de las señales individuales o multidimensional es la eliminación de ruido de alta frecuencia . Un filtro de paso bajo , por definición, está diseñado para eliminar la señal por encima de un umbral de frecuencia determinada . Uso de la función filter2 () de MATLAB es una forma de implementar un filtro de paso bajo. Instrucciones
1

importar sus datos en MATLAB. A menudo , las señales básicas para la necesidad de la filtración se graban en formato binario , lo que requiere una función de I /O para importar , como fread () de archivos de bajo nivel. Sin embargo , MATLAB contiene una función de importadores de imagen para la mayoría de los formatos de archivo comunes

my_data = fread ( file_handle , n_samples , data_type ) . Mi_imagen = imread ( ' my_image_file.tif ', ' TIFF ');
Página 2

Convertir los datos a una matriz de dos dimensiones antes de procesar con la función filter2 (). Usted puede hacer esto mediante la conversión de datos binarios de una dimensión a una matriz utilizando la nueva forma () función, o mediante la selección de una imagen a partir de una serie de imágenes . Utilice la función de compresión () para eliminar las dimensiones simples cuando se selecciona una parte de una matriz con más de dos dimensiones

Mi_imagen = remodelar ( my_data , ancho, alto ) ; my_other_image = squeeze ( my_image_series (: . , : , image_number ));
3

Diseña tu filtro y guardar el resultado como el de dos dimensiones matriz H. Una ventana gaussiana se utiliza comúnmente para aplicaciones de filtro de paso bajo y se puede crear con el fspecial () función. Los filtros también se pueden diseñar en señal de herramienta de procesamiento sptool función de MATLAB ( ) . Puede ver la respuesta en frecuencia de la ventana del filtro utilizando la función wvtool (). En el código de ejemplo , H es una matriz de 24 - por - 24 que contiene una ventana Gaussiana de desviación estándar 10

H = fspecial ( ' gaussiano ' , [ 24 24 ] , 10 ) ; . Wvtool ( H ) ;
4

cabo el filtrado mediante el algoritmo de convolución bidimensional aplicado por filter2 (). Por defecto, el resultado de filter2 () es de las mismas dimensiones que los datos de entrada

my_filtered_data = filter2 ( my_data , H) ; .