本文主要通过线性过滤器原理对图像进行过滤，并根据自定义的过滤器截取不同图像的高低频率进行混合，达到不同距离产生不同解释的效果。使用工具是MATLAB。本文主要包括以下3部分内容：
- 图像过滤.
- 图像混合.
- 结论分析
一.图像过滤(MY_IMFILTER)
此算法有两个参数，分别是图像数据image 和 滤波器filter。实际上是两个矩阵。算法核心就是把滤波器看做一个盒子，通过滑动滤波器，使盒子中心位于image的像素上，并计算相邻像素和滤波器的加权和，依次得出全部的像素值。本算法特点：
1.支持彩色图像
2.支持任意维度的过滤器
3.边界补0
4.返回图像与输入图像分辨率相同
matlab脚本：
function output = my_imfilter(image, filter)
g = size(filter); %g(1)行数，g(2)列数
temp_matrix(1:g(1),1:g(2)) = 1; %定义计算块，维度和过滤器相同，用于临时存储平移时计算出的像素值
[height,width,num_colors] = size(image);
return_image(1:height,1:width,1:num_colors) = 1;%设置返回的image，初始元素值均为1
%支持任意形状的过滤器，只要各维的长度是奇数
if mod(g(1),2)==0 || mod(g(2),2)==0
'过滤器各维长度必须是奇数'
return;
end;
%原图像边界补0操作（根据过滤器的维数计算得出）
add_rows = (g(1)-1)/2;
add_cols = (g(2)-1)/2;
zero_rows = zeros(add_rows,width,num_colors);
zero_cols = zeros(g(1) - 1+ height,add_cols,num_colors);
full_image = cat(1,zero_rows,image,zero_rows);
full_image = cat(2,zero_cols,full_image,zero_cols);
%抽取3个分量的图像(RGB) 支持彩色图像
image_R = full_image(:,:,1);
image_G = full_image(:,:,2);
image_B = full_image(:,:,3);
result_R(1:height,1:width) = 1;
result_G(1:height,1:width) = 1;
result_B(1:height,1:width) = 1;
%分别对3个分量的图像进行过滤（加权平均求和）
for i = 1:height
for j = 1:width
temp_matrix = image_R(i:i+g(1)-1,j:j+g(2)-1).*filter; %将中心相邻的块像素值和过滤器对应值相乘，存放在temp_matrix
temp_sum = sum(sum(temp_matrix)); %各相邻块相乘后的结果求和
result_R(i,j) = temp_sum;
end;
end;
for i = 1:height
for j = 1:width
temp_matrix = image_G(i:i+g(1)-1,j:j+g(2)-1).*filter; %将中心相邻的块像素值和过滤器对应值相乘，存放在temp_matrix
temp_sum = sum(sum(temp_matrix)); %各相邻块相乘后的结果求和
result_G(i,j) = temp_sum;
end;
end;
for i = 1:height
for j = 1:width
temp_matrix = image_B(i:i+g(1)-1,j:j+g(2)-1).*filter; %将中心相邻的块像素值和过滤器对应值相乘，存放在temp_matrix
temp_sum = sum(sum(temp_matrix)); %各相邻块相乘后的结果求和
result_B(i,j) = temp_sum;
end;
end;
%将3个分量的图像重新拼凑起来
return_image = cat(3,result_R,result_G,result_B);
output =return_image;
图像过滤中间结果
二.图像混合(Proj1)
此算法设了两个截断频率：cutoff_frequency1和cutoff_frequency2。用来分别控制两幅图像的高频信号强度，以达到更好的混合效果。
matlab脚本如下：
%宾利夏利
image1 = im2single(imread('../html/Bentley.jpg'));
image2 = im2single(imread('../html/xiali.jpg'));
%% Filtering and Hybrid Image construction
cutoff_frequency1 = 5; %剔除的高频信号强度
cutoff_frequency2 = 5; %保留的高频信号强度
filter1 = fspecial('Gaussian', cutoff_frequency1*4+1, cutoff_frequency1);
filter2 = fspecial('Gaussian', cutoff_frequency2*4+1, cutoff_frequency2);
low_frequencies = my_imfilter(image1,filter1);
high_frequencies = image2 - my_imfilter(image2,filter2);
hybrid_image = low_frequencies + high_frequencies ;
图像混合中间结果
三.结论分析
1.网上找的图像，绝大部分是不对齐的，而且大小不同，无法进行直接混合。需先做对齐（比如人物类图像可以鼻子为中心），然后调整为相同大小，再做混合。
2.截断频率并不是一成不变的，根据不同的图像选择不同的截断频率，以达到最好的混合效果，proj1代码里每组例子后面注释有我使用的截断频率