用matlab给一张图片添加椒盐噪声，然后用巴特沃斯低通滤波器去除噪声

以下是MATLAB代码实现：

% 读入图片
img = imread('lena.png');

% 添加椒盐噪声
im_noise = imnoise(img, 'salt & pepper', 0.05);

% 显示原图与添加噪声后的图片
figure;imshow(img);
title('Original Image');
figure;imshow(im_noise);
title('Noisy Image');

% 巴特沃斯低通滤波器去除噪声
n = 2; % 阶数
Wn = 0.1; % 截止频率
[b,a] = butter(n, Wn); % 计算巴特沃斯低通滤波器系数
im_filtered = filter(b, a, im_noise); % 进行滤波

% 显示去噪后的图片
figure; imshow(im_filtered);
title('Filtered Image');

其中，`imnoise`函数用于添加椒盐噪声，第二个参数为`'salt & pepper'`表示添加椒盐噪声，第三个参数为噪声的密度（即噪声点占总像素数的比例）。`butter`函数用于计算巴特沃斯低通滤波器的系数，第一个参数为滤波器的阶数，第二个参数为截止频率。`filter`函数用于进行滤波，第一个参数为滤波器系数，第二个参数为待滤波的信号。最后，用`imshow`函数显示图片。

相关问题

matlab实现数字信号低通滤波器

数字信号低通滤波器是一种常用的信号处理方法，可以通过matlab编程实现。常见的数字信号低通滤波器有理想低通滤波器、高斯低通滤波器和巴特沃斯低通滤波器。其中，理想低通滤波器是一种理论上的滤波器，可以完全去除高于截止频率的信号分量，但会产生较大的振铃现象；高斯低通滤波器可以在保留低频信号的同时，逐渐减小高频信号的权重，但无法完全去除高频信号；巴特沃斯低通滤波器可以通过调整截止频率和阶数来平衡滤波器的陡峭程度和振铃现象。

以下是matlab实现数字信号低通滤波器的步骤：
1. 读取需要处理的数字信号，并将其转换为频域信号。
2. 设计需要使用的低通滤波器，包括理想低通滤波器、高斯低通滤波器和巴特沃斯低通滤波器。
3. 将低通滤波器应用于频域信号中，得到滤波后的频域信号。
4. 将滤波后的频域信号转换为时域信号，并输出处理后的数字信号。

以下是matlab代码实现数字信号低通滤波器的例子：

% 读取数字信号
signal = imread('signal.jpg');

% 添加高斯噪声和椒盐噪声
noisy_signal1 = imnoise(signal, 'gaussian', 0, 0.01);
noisy_signal2 = imnoise(signal, 'salt & pepper', 0.01);

% 转换为频域信号
freq_signal1 = fft2(noisy_signal1);
freq_signal2 = fft2(noisy_signal2);

% 设计理想低通滤波器
[M, N] = size(noisy_signal1);
D0 = 50;
H = zeros(M, N);
for i = 1:M
    for j = 1:N
        D = sqrt((i-M/2)^2 + (j-N/2)^2);        if D <= D0
            H(i, j) = 1;
        end
    end
end

% 应用理想低通滤波器
freq_filtered1 = freq_signal1 .* H;
freq_filtered2 = freq_signal2 .* H;

% 转换为时域信号
filtered_signal1 = ifft2(freq_filtered1);
filtered_signal2 = ifft2(freq_filtered2);

% 显示结果
subplot(2, 2, 1), imshow(noisy_signal1), title('Noisy signal 1');
subplot(2, 2, 2), imshow(filtered_signal1, []), title('Filtered signal 1');
subplot(2, 2, 3), imshow(noisy_signal2), title('Noisy signal 2');
subplot(2, 2, 4), imshow(filtered_signal2, []), title('Filtered signal 2');