别再只会用高斯模糊了！手把手教你用Matlab玩转FIR与IIR数字滤波器（附代码）

在图像处理领域，滤波技术如同画家的调色板，不同的滤波器能创造出截然不同的视觉效果。许多初学者往往止步于高斯模糊的应用，却不知数字滤波器的世界远不止于此。本文将带您深入Matlab环境，通过实战代码对比FIR与IIR滤波器的特性差异，解锁更专业的图像处理技能。

1. 数字滤波器基础：从理论到Matlab实现

数字滤波器本质上是一种数学运算，通过对像素邻域进行特定计算来改变图像特性。在Matlab中，我们可以将这一过程具象化为矩阵操作和函数调用。

FIR（有限脉冲响应）滤波器 的特点是输出仅与有限数量的输入有关。这种特性使其具有线性相位响应，特别适合需要保持图像几何结构的场景。一个典型的3x3均值滤波器核可以表示为：

h = fspecial('average', [3 3]);

而 IIR（无限脉冲响应）滤波器 的输出则依赖于当前输入和过去输出，这使得它能够用较少的计算资源实现更陡峭的频响曲线。在Matlab中，我们可以使用 designfilt 函数设计IIR滤波器：

d = designfilt('lowpassiir', 'FilterOrder', 2, 'HalfPowerFrequency', 0.1);

提示：FIR滤波器稳定性更好，但计算量较大；IIR滤波器效率更高，但需注意稳定性问题。

2. 线性滤波实战：四种经典滤波器对比

2.1 均值滤波：最简单的FIR实现

均值滤波是最直观的FIR应用，它将每个像素替换为邻域像素的平均值。在Matlab中实现：

img = imread('coins.png');
noisy_img = imnoise(img, 'salt & pepper', 0.05);
avg_filter = fspecial('average', [5 5]);
filtered_img = imfilter(noisy_img, avg_filter);

这种滤波器能有效去除椒盐噪声，但会导致图像细节模糊。下表展示了不同核尺寸的效果对比：

核尺寸	去噪效果	细节保留	计算时间
3×3	中等	较好	0.02s
5×5	较好	中等	0.05s
7×7	优秀	较差	0.12s

2.2 高斯滤波：加权的艺术

高斯滤波通过赋予中心像素更高权重来改善均值滤波的缺陷。Matlab提供了便捷的实现：

sigma = 1.5;
gauss_filter = fspecial('gaussian', [5 5], sigma);
gauss_img = imfilter(noisy_img, gauss_filter);

关键参数σ决定了权重分布：

• σ较小时：中心权重高，边缘保留好
• σ较大时：平滑效果强，但边缘模糊

2.3 一阶IIR滤波：实时处理的利器

一阶IIR滤波器非常适合实时处理场景，其递归特性使得计算量大幅降低。实现一个简单的一阶低通IIR：

alpha = 0.2; % 平滑系数
iir_img = zeros(size(noisy_img));
for i = 2:size(noisy_img,1)
    for j = 2:size(noisy_img,2)
        iir_img(i,j) = alpha*noisy_img(i,j) + (1-alpha)*iir_img(i-1,j-1);
    end
end

2.4 二阶IIR滤波：更精细的频率控制

二阶IIR提供了更灵活的频响调节能力。使用Matlab的滤波器设计工具：

[b,a] = butter(2, 0.1); % 二阶巴特沃斯低通
iir2_img = filter(b, a, double(noisy_img));

3. 性能对比：何时选择FIR或IIR？

通过Lena测试图像，我们对比了四种滤波器的表现：

1. 去噪能力 ：

   • IIR滤波器能以更小的核尺寸达到与FIR相当的平滑效果
   • 对于高斯噪声，IIR表现更优；对于脉冲噪声，FIR更可靠

2. 细节保留 ：

   • FIR滤波器能更好地保持边缘锐度
   • 高阶IIR可能引入振铃效应

3. 计算效率 ：

   • IIR的计算复杂度通常为O(n)，而FIR为O(n²)
   • 对于实时视频处理，IIR更具优势

% 计算滤波器耗时比较
tic; imfilter(img, avg_filter); toc
tic; filter(b, a, double(img)); toc

4. 进阶技巧：滤波器设计与优化

4.1 自定义FIR滤波器

通过 fir1 函数可以设计特定频响的FIR滤波器：

n = 30; % 阶数
wn = 0.2; % 截止频率
b = fir1(n, wn);
freqz(b,1) % 查看频响

4.2 IIR滤波器的稳定性优化

使用 impinvar 或 bilinear 变换方法将模拟滤波器转换为数字IIR滤波器，可以提高稳定性：

[z,p,k] = butter(4, 0.3);
[sos,g] = zp2sos(z,p,k); % 转换为二阶节形式
fvtool(sos) % 可视化分析

4.3 频域滤波技术

对于特别大的图像，频域滤波可能更高效：

F = fft2(noisy_img);
H = fspecial('gaussian', size(noisy_img), 10);
filtered_freq = ifft2(F .* fftshift(H));

在实际项目中，混合使用FIR和IIR往往能取得最佳效果。例如，先用IIR快速去噪，再用小核FIR增强边缘。