编写matlab程序，在频域使用高斯低通滤波器对Oqena图像进行滤波处理，并显示结果图像。（不允许直接使用库函数或第三方的空域滤波函数）

在MATLAB中，我们可以手动实现高斯低通滤波器的频域滤波过程，对于Oqena图像来说，这通常涉及到傅立叶变换、滤波系数计算以及逆傅立叶变换。以下是一个简化的步骤：

1. **加载图像**:

   img = imread('Oqena.png'); % 请替换为实际的Oqena图像文件名

2. **预处理**:
确保图像为灰度图像并进行归一化，以便于后续处理。

   if size(img, 3) == 3
       img = rgb2gray(img);
   end
   img = im2double(img); % 转换为0到1之间的浮点数

3. **离散傅立叶变换(DFT)**:

   [rows, cols] = size(img);
   f = fft2(img); % 对图像进行二维傅立叶变换

4. **设计高斯滤波核**:
定义高斯核的标准偏差σ，然后生成滤波矩阵。

   sigma = 2; % 高斯核标准差
   filter_size = round(6 * sigma) + 1; % 一般选择大于3σ的大小，保证足够平滑
   X = -filter_size/2 : filter_size/2;
   [X,Y] = meshgrid(X,X);
   G = exp(-(X.^2 + Y.^2)/(2*sigma^2)); % 高斯核
   G = G / sum(G(:)); % 归一化

5. **卷积运算**:
使用频域滤波原理，将高斯滤波核应用到DFT后的图像上。

   filtered_f = ifft2(f .* fft2(G)); % 频域滤波

6. **结果反变换**:
获取滤波后的图像。

   filtered_img = real(filtered_f);

7. **显示原图和处理后的图像**:

   subplot(1,2,1), imshow(img, 'InitialMagnification', 'fit');
   title('Original Image');
   subplot(1,2,2), imshow(filtered_img, 'InitialMagnification', 'fit');
   title('Filtered Image (Gaussian Lowpass)');

注意：由于实际操作中需要考虑边界处理，上述代码简化了边界条件，你可能需要添加合适的边缘填充或使用`ifftshift`和`circshift`等函数来正确地处理滤波操作。