为什么已经进行频域分析 还需要对时域滤波
信号分析只是一个感知过程，并不是处理过程，频域清零只是把分析的数据扔掉一些，并不影响原来的信号内容，相当于掩耳盗铃之举，听不到不等于没有铃声。
基于频域的滤波方法有哪些
频域滤波一般都将信号变换到频域，再同所设计的窗函数项乘，然后反变换到时域。
窗函数是根据所需滤除的频率分量所决定的。
数字域上常用的滤波是FIR，IRR。
还有一种同态滤波是分离两个卷积分量的。
这些都是经典的频域滤波方法，还有一些现代的滤波方式，一般都是针对具体研究方向才适用，你可以参考一下这里： 频域滤波的意义1.在时域进行滤波，需要作卷积运算，而转化到时域做的事乘法运算，计算量小，而且有FFT和IFFT的快速算法，所以工程实现上频域滤波容易一些。
2.在频域设计滤波器，滤波器参数的物理意义很明确，分析起来很直观。
一直都分不清楚时域滤波和频域滤波那个比较好
你说的有一定道理
但是，频域滤波与理想滤波器还是有一定的差距，就是FFT不可避免的会存在频谱泄露
事实上，理想滤波器电路没有办法实现，用计算机同样没有办法实现。
图像处理matlab的课程设计 题目是空域和频域滤波
%1.对图像lena.bmp叠加高斯噪声，椒盐噪声，乘性噪声，噪声方差为0.02，然后分别利用邻域平均法和中值滤波法对该图像进行滤波，显示滤波后的图像。
%要求窗口尺寸(先用3×3，再用5×5逐渐增大)可变，窗口类型（线性，十字形，方形）可选）%领域平均法和中值滤波法是空间域的滤波的方法clear all;I=imread('lena.bmp');J1=imnoise(I,'gaussian',0,0.02); %高斯噪声 均值0 方差为0.02J2=imnoise(I,'salt & pepper',0.02); %椒盐噪声 均值0 方差为0.02J3=imnoise(I,'speckle',0.02); %乘性噪声 均值0 方差为0.02subplot(2,2,1),imshow(I),title('原始图像');subplot(2,2,2),imshow(J1),title('高斯噪声');subplot(2,2,3),imshow(J2),title('椒盐噪声');subplot(2,2,4),imshow(J3),title('乘性噪声');%中值滤波法figure(2)K1=medfilt2(J1,[3,3]); %3*3的滤波窗subplot(3,2,1),imshow(K1,[]),title('对3*3加高斯噪声图像中值滤波');K2=medfilt2(J1,[5,5]); %5*5的滤波窗口subplot(3,2,2),imshow(K2,[]),title('对5*5加高斯噪声图像中值滤波');K2=medfilt2(J2,[3,3]); %3*3的滤波窗subplot(3,2,3),imshow(K2,[]),title('对3*3加椒盐噪声图像中值滤波');K2=medfilt2(J2,[5,5]); %5*5的滤波窗口subplot(3,2,4),imshow(K2,[]),title('对5*5加椒盐噪声图像中值滤波');K3=medfilt2(J3,[3,3]); %3*3的滤波窗subplot(3,2,5),imshow(K3,[]),title('对3*3加乘性噪声图像中值滤波');K2=medfilt2(J3,[5,5]); %5*5的滤波窗口subplot(3,2,6),imshow(K3,[]),title('对5*5加乘性噪声图像中值滤波');%领域平均法figure(3)L1=filter2(fspecial('average',3),J1);% 3*3模板平滑均值滤波L2=filter2(fspecial('average',5),J1);%5×5模板平滑均值滤波subplot(3,2,1),imshow(L1,[]),title('对3*3加高斯噪声图像平滑滤波');subplot(3,2,2),imshow(L2,[]),title('对5*5加高斯噪声图像平滑滤波');L3=filter2(fspecial('average',3),J2);% 3*3模板平滑均值滤波L4=filter2(fspecial('average',5),J2);%5×5模板平滑均值滤波subplot(3,2,3),imshow(L3,[]),title('对3*3加椒盐噪声图像平滑滤波');subplot(3,2,4),imshow(L4,[]),title('对5*5加椒盐噪声图像平滑滤波');L5=filter2(fspecial('average',3),J3);% 3*3模板平滑均值滤波L6=filter2(fspecial('average',5),J3);%5×5模板平滑均值滤波subplot(3,2,5),imshow(L5,[]),title('对3*3加乘性噪声图像平滑滤波');subplot(3,2,6),imshow(L6,[]),title('对5*5加乘性噪声图像平滑滤波');%领域平均法是指用某点领域的灰度值平均值来代替该点的灰度值，算法简单，处理速度快，但是在衰减噪声的同时也会使图像产生模糊。
%中值滤波法对椒盐噪声的抑制很好，但是不太适合点，线，尖顶等细节较多的图像
匹配滤波器的频域表达式是怎样的
匹配滤波过程的频域处理方式是怎样的
枯禅(站内联系TA)理论上来说，时域等域的分析都含有同等信息量，但频域分析可是某些关心的量更直观。
一般的工程信号都是有多种频率信号叠加而成的复杂信号，而可能我们关心的只是其中某个频率段的信号成分，因而可以从频域分析来截取或滤除某些频率成分的信号而保留感兴趣的成分-------是为滤波；另一方面，根据信号频域特征以及频域内的一些数学计算（微分、积分、卷积、乘积、缩放等等）可以提取很多信号里面隐含但不直观的信息，很多很多，不胜枚举。
nobodyxu(站内联系TA)楼: Originally posted by 枯禅 at 2012-03-05 15:07:22:\\r理论上来说，时域等域的分析都含有同等信息量，但频域分析可是某些关心的量更直观。
一般的工程信号都是有多种频率信号叠加而成的复杂信号，而可能我们关心的只是其中某个频率段的信号成分，因而可以从频域分析来截 ... 能否举个例子让我计算计算，谢谢conease(站内联系TA)具体到图像处理里面可能更好理解，图像上的噪声就是与周围相比变化快的区域，是高频区，你用某种低通滤波就是把这些高频信号去掉了，噪声也就去掉了。
频域滤波的主要步骤
1.用(-1)x+y乘以输入图像进行中心变换f (x, y)(-1)x+y ÛF(u-M\\\/2,v-N\\\/2)2.计算1中的DFT F(u,v)3. 用滤波器函数H(u,v)乘以F(u,v)4. 计算3中结果的反DFT5. 得到4中结果的实部6.用(-1)x+y乘以5中的结果，取消输入图像的乘数
求一个matlab频域滤波增强实例
改例所需图像在 网站 下载原图显示了胸部的一幅X光图像f.由于X光图像不能像光学透镜那样聚焦，所以结果图像略显模糊。
本例的目的是锐化改图。
以下为MATLAB代码：f=imread('图片路径');PQ=paddedsize(size(f));D0=0.05*PQ(1);HBW=hpfilter('btw',PQ(1),PQ(2),D0,2); H=0.5+2*HBW;gbw=dftfilt(double(f),HBW);gbw=gscale(gbw);ghf=dftfilt(double(f),H);ghf=gscale(ghf);ghe=histeq(ghf,256);通过figure;imshow(ghe)可看到锐化后图像
