如何在MATLAB中应用频域滤波处理实现图像的高斯滤波和Sobel滤波？请详细说明两个处理流程，并提供示例代码。

频域滤波是一种在图像处理中广泛应用的技术，通过修改图像的频率分量来达到滤波的目的。在MATLAB中，我们可以利用快速傅里叶变换（FFT）对图像进行频域分析，然后将设计好的滤波器核应用到图像的频域表示上。以下是如何在MATLAB中实现高斯滤波和Sobel滤波的具体步骤和示例代码。

参考资源链接：[MATLAB实现频域滤波处理及图像恢复](https://wenku.csdn.net/doc/7hehn44bmf?spm=1055.2569.3001.10343)

高斯滤波步骤：
1. 对图像进行二维FFT变换以转换到频域。
2. 构造高斯滤波器核并进行FFT变换，使其适用于频域操作。
3. 将高斯滤波器核的幅值谱与图像的幅值谱相乘，实现滤波效果。
4. 进行逆FFT变换返回到空间域，得到高斯滤波后的图像。

Sobel滤波步骤：
1. 对图像进行二维FFT变换以转换到频域。
2. 构造Sobel滤波器核并进行FFT变换。
3. 将Sobel滤波器核的幅值谱与图像的幅值谱相乘，实现滤波效果。
4. 进行逆FFT变换返回到空间域，得到Sobel滤波后的图像。

示例代码：
function [gaussian_filtered_img, sobel_filtered_img] = frequency_domain_filtering(image)
% 高斯滤波
gaussian_kernel = fspecial('gaussian', [5 5], 0.5); % 创建高斯滤波器核
gaussian_img = fft2(double(image));
gaussian_kernel_fft = fft2(double(gaussian_kernel), size(gaussian_img, 1), size(gaussian_img, 2));
gaussian_filtered_fft = gaussian_img .* gaussian_kernel_fft;
gaussian_filtered_img = real(ifft2(gaussian_filtered_fft));

% Sobel滤波
sobel_kernel_x = [-1 0 1; -2 0 2; -1 0 1]; % Sobel滤波器核在x方向
sobel_kernel_y = [1 2 1; 0 0 0; -1 -2 -1]; % Sobel滤波器核在y方向
sobel_img_x = fft2(double(image));
sobel_img_y = fft2(double(image));
sobel_kernel_fft_x = fft2(sobel_kernel_x, size(sobel_img_x, 1), size(sobel_img_x, 2));
sobel_kernel_fft_y = fft2(sobel_kernel_y, size(sobel_img_y, 1), size(sobel_img_y, 2));
sobel_filtered_fft_x = sobel_img_x .* sobel_kernel_fft_x;
sobel_filtered_fft_y = sobel_img_y .* sobel_kernel_fft_y;
sobel_magnitude = sqrt(real(sobel_filtered_fft_x).^2 + real(sobel_filtered_fft_y).^2);
sobel_filtered_img = real(ifft2(sobel_magnitude));

% 显示结果
figure, imshow(image), title('Original Image');
figure, imshow(gaussian_filtered_img), title('Gaussian Filtered Image');
figure, imshow(sobel_filtered_img), title('Sobel Filtered Image');
end

在上述代码中，我们首先定义了两个滤波函数：高斯滤波和Sobel滤波。对于高斯滤波，我们使用了MATLAB内置的fspecial函数来创建高斯滤波器核，并对其进行了FFT变换。然后，我们通过乘以图像的FFT结果来实现滤波，并通过逆FFT变换返回到空间域。对于Sobel滤波，我们手动创建了Sobel滤波器核，并分别在x和y方向进行了处理，最后计算了梯度幅值。这段代码的输出结果包括原始图像、高斯滤波后的图像和Sobel滤波后的图像。

对于希望深入理解频域滤波处理的用户，除了上述代码，还可以参考资源《MATLAB实现频域滤波处理及图像恢复》来获取更多的实践案例和详细说明。该资源对频域滤波的原理和应用进行了系统性讲解，覆盖了从基础到高级的内容，将帮助你在实际项目中更好地应用频域滤波技术。

参考资源链接：[MATLAB实现频域滤波处理及图像恢复](https://wenku.csdn.net/doc/7hehn44bmf?spm=1055.2569.3001.10343)