请编写程序，用高斯带阻滤波器式实现对一幅图像的滤波处理。

高斯带阻滤波器是一种常用的图像滤波方法，可以用于去除图像中的噪声或者实现图像的平滑处理。下面是一个简单的示例程序，用于实现对一幅图像的高斯带阻滤波处理：

import cv2
import numpy as np

def gaussian_bandpass_filter(image, sigma, low_freq, high_freq):
    # 计算图像的傅里叶变换
    f = np.fft.fft2(image)
    fshift = np.fft.fftshift(f)

    # 构建高斯带阻滤波器
    rows, cols = image.shape
    center_row, center_col = rows // 2, cols // 2
    mask = np.zeros((rows, cols), np.uint8)
    for i in range(rows):
        for j in range(cols):
            distance = np.sqrt((i - center_row) ** 2 + (j - center_col) ** 2)
            mask[i, j] = 1 if low_freq <= distance <= high_freq else 0

    # 将滤波器应用于频域图像
    fshift_filtered = fshift * mask

    # 反变换得到滤波后的图像
    f_ishift = np.fft.ifftshift(fshift_filtered)
    image_filtered = np.fft.ifft2(f_ishift)
    image_filtered = np.abs(image_filtered)

    return image_filtered

# 读取图像
image = cv2.imread('image.jpg', 0)

# 设置滤波器参数
sigma = 2.0
low_freq = 10
high_freq = 50

# 对图像进行滤波处理
image_filtered = gaussian_bandpass_filter(image, sigma, low_freq, high_freq)

# 显示原始图像和滤波后的图像
cv2.imshow('Original Image', image)
cv2.imshow('Filtered Image', image_filtered)
cv2.waitKey(0)
cv2.destroyAllWindows()

请注意，上述示例程序使用了OpenCV库来读取和显示图像，并使用了NumPy库来进行矩阵运算和傅里叶变换。在运行程序之前，请确保已经安装了这两个库。