请解释如何在MATLAB中应用空域滤波器和频域滤波器进行图像增强，并提供相应的代码示例。

图像增强是图像处理中的一个重要方面，它能够改善图像的视觉效果或者使图像更适合特定的应用。在MATLAB中，可以通过空域滤波器和频域滤波器来实现图像增强。

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)

首先，空域滤波器直接在图像的像素上操作，改变它们的值以达到增强的效果。例如，使用平滑滤波器可以减少图像中的噪声。在MATLAB中，可以通过`fspecial`函数创建一个平均滤波器，然后使用`imfilter`函数应用到图像上。以下是一个示例代码：

% 创建一个3x3平均滤波器
h = fspecial('average', [3 3]);
% 应用滤波器到图像
smoothed_image = imfilter(original_image, h, 'replicate');

对于锐化滤波器，我们通常使用高通滤波器，它能够增强图像的边缘和细节。一个简单的锐化滤波器可以使用`fspecial`函数创建，然后应用到图像上。示例代码如下：

% 创建一个锐化滤波器
h_sharp = fspecial('unsharp');
% 应用锐化滤波器
sharpened_image = imfilter(original_image, h_sharp, 'replicate');

接着，频域增强通过改变图像的频率成分来实现。使用低通滤波器可以去除图像中的噪声，而高通滤波器则可以增强图像的细节。在MATLAB中，可以使用`fft2`和`ifft2`函数来进行图像的傅立叶变换和反变换。以下是一个低通滤波器的示例代码：

% 对图像进行傅立叶变换
F = fft2(double(original_image));
% 设计低通滤波器
H = fspecial('gaussian', size(original_image), 10);
% 应用低通滤波器
G = H .* F;
% 进行傅立叶反变换
filtered_image = real(ifft2(G));

高通滤波器可以通过创建一个高通滤波器模板，然后应用到图像的频域表示上。示例代码如下：

% 对图像进行傅立叶变换
F = fft2(double(original_image));
% 设计高通滤波器
H = 1 - fspecial('gaussian', size(original_image), 10);
% 应用高通滤波器
G = H .* F;
% 进行傅立叶反变换
high_passed_image = real(ifft2(G));

以上代码展示了如何在MATLAB中实现图像的空域和频域增强。建议深入学习《MATLAB图像处理：空域与邻域滤波详解》一书，该书提供了更为详细的理论知识和实践技巧，以帮助你更好地理解和应用这些技术。

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)