opencv中用plt实现巴特沃斯高通滤波器

在OpenCV (Open Source Computer Vision Library) 中，通常我们不会直接使用matplotlib库（plt）来进行巴特沃斯高通滤波器的操作，因为这两个库的功能域并不完全重叠。OpenCV更专注于图像处理和计算机视觉，而matplotlib则主要用于数据可视化。

然而，如果你想在Python中实现巴特沃斯高通滤波器，并且展示滤波效果，一般的做法是先通过OpenCV创建一个高通滤波器，然后应用到图像上，最后用matplotlib显示结果。以下是简单的步骤：

1. 导入所需的库：

import cv2
import numpy as np
import matplotlib.pyplot as plt

2. 设定滤波器的参数，例如截止频率、阶数等：

cutoff_frequency = 0.5
filter_order = 5

3. 使用OpenCV的`cv2.getGaussianKernel()`函数生成滤波器系数（对于高通滤波，可以反相这个系数），并计算对应的滤波器矩阵：

kernel_size = filter_order * 2 + 1
gaussian_kernel = cv2.getGaussianKernel(kernel_size, cutoff_frequency)
# 对滤波器矩阵做些操作使其变为高通滤波，如这里用负值表示高通部分
high_pass_filter = -gaussian_kernel

4. 应用滤波器到图像上，假设你有一个名为`image`的numpy数组：

filtered_image = cv2.filter2D(image, -1, high_pass_filter)

5. 最后，用matplotlib显示原始图像和滤波后的图像对比：

fig, axs = plt.subplots(1, 2, figsize=(8, 4))
axs[0].imshow(image, cmap='gray')
axs[0].set_title('Original Image')
axs[1].imshow(filtered_image, cmap='gray')
axs[1].set_title('Filtered Image (High Pass)')
plt.show()