在MATLAB中如何使用FFT2和FFTSHIFT函数来处理图像，并通过动态范围压缩实现图象增强？请结合实际代码示例进行说明。

傅里叶变换是图像处理领域中分析图像频域特性的关键技术。在MATLAB中，`fft2`函数用于执行二维傅里叶变换，而`fftshift`函数则用于调整频谱的中心位置。动态范围压缩通常指的是增强图像中的低强度频率成分，使其更容易被观察。具体步骤如下：

参考资源链接：[MATLAB实现傅里叶变换图像处理教程](https://wenku.csdn.net/doc/12j9fx75b7?spm=1055.2569.3001.10343)

1. 创建或加载一幅图像，并确保其为灰度图像格式。
2. 使用`fft2`函数对图像矩阵进行二维傅里叶变换，得到频域表示。
3. 应用`fftshift`函数，将零频率分量移到频谱的中心位置。
4. 进行对数变换以增强动态范围，通常是对幅度谱应用对数函数，如`Y=log(1+abs(fftshift(fft2(I))))`，其中`I`是原始图像矩阵，`Y`是变换后的图像。
5. 如果需要，可以对图像进行旋转，再进行傅里叶变换来观察旋转对频谱的影响。
6. 利用逆傅里叶变换`ifft2`来获取处理后的空间域图像。
示例代码如下：

                % 假设I为输入的灰度图像矩阵
                F = fft2(double(I));
                Fshift = fftshift(F); % 频谱中心化
                magnitude = log(1+abs(Fshift)); % 动态范围压缩
                I_enhanced = ifft2(ifftshift(magnitude)); % 逆傅里叶变换得到增强后的图像
                I_enhanced = real(I_enhanced); % 取实部得到最终结果

通过以上步骤，可以在MATLAB中利用傅里叶变换技术进行图像增强。动态范围压缩可以帮助我们看到更多的图像细节。为了进一步深入学习傅里叶变换及其在图像处理中的应用，可以查阅《MATLAB实现傅里叶变换图像处理教程》。该教程提供了详细的实验步骤和MATLAB代码，不仅包括上述内容，还扩展到其他图像处理技术，如图像旋转等，是学习傅里叶变换在图像处理中应用的优秀资源。

参考资源链接：[MATLAB实现傅里叶变换图像处理教程](https://wenku.csdn.net/doc/12j9fx75b7?spm=1055.2569.3001.10343)