如何利用MATLAB实现图像的空域增强和频域增强？请分别提供使用平滑滤波器、锐化滤波器以及频域低通和高通滤波器的示例代码。

在进行图像增强时，MATLAB提供了强大的工具集，可以轻松实现空域和频域的图像处理。首先，通过空域增强，我们可以使用内置的滤波函数来改变图像的像素值。例如，使用平滑滤波器如均值滤波器来降低图像噪声，代码如下：

参考资源链接：[MATLAB图像处理：空域与邻域滤波详解](https://wenku.csdn.net/doc/6468b290543f844488bbb21a?spm=1055.2569.3001.10343)

h = fspecial('average', [3 3]);
smoothed_image = imfilter(original_image, h, 'replicate');

在这里，`fspecial`函数用于创建一个平均滤波器模板，然后`imfilter`函数将该模板应用于原始图像。`'replicate'`参数用于处理边界像素。

对于锐化滤波器，我们可以使用拉普拉斯滤波器来增强图像的边缘，示例代码如下：

hlaplace = fspecial('laplacian', 0.2);
sharpened_image = imfilter(original_image, hlaplace, 'replicate');

在这个例子中，`fspecial`函数创建了一个拉普拉斯滤波器，`0.2`是alpha参数，用于调整滤波器形状。接着，`imfilter`函数应用于原始图像。

接下来，频域增强是基于傅立叶变换，可以通过MATLAB的`fft2`和`ifft2`函数实现。例如，对于低通滤波器，可以使用以下代码：

F = fft2(double(original_image));
H = fspecial('gaussian', [11 11], 5);
G = H .* F;
filtered_image = ifft2(G);

这里，`fft2`函数首先将图像转换到频域，然后创建一个高斯低通滤波器模板`H`，并通过点乘操作滤波，最后通过`ifft2`函数将频域的图像转换回空间域得到滤波后的图像。

同样地，高通滤波器可以使用以下代码实现：

F = fft2(double(original_image));
H = fspecial('gaussian', [11 11], 5);
H = 1 - H; % Convert to high pass filter
G = H .* F;
filtered_image = ifft2(G);

在这个高通滤波器示例中，我们通过从1减去低通滤波器模板来创建高通滤波器。

以上提供的示例代码，将帮助你在MATLAB中实现基本的空域和频域图像增强。通过这些技术和方法，你可以根据需要调整参数和滤波器类型，以达到最佳的图像增强效果。为了深入理解这些概念，并学习更多高级技术，建议参考《MATLAB图像处理：空域与邻域滤波详解》一书。这本书全面介绍了空域和频域图像增强的基础知识和应用，可以帮助你在图像处理领域取得更加深入的理解和应用。

参考资源链接：[MATLAB图像处理：空域与邻域滤波详解](https://wenku.csdn.net/doc/6468b290543f844488bbb21a?spm=1055.2569.3001.10343)