简化Savitzky-Golay平滑滤波器的Matlab实现

Savitzky-Golay 滤波的 Python 实现，蛮适合你拿来做平滑的。 带噪音的信号时，Savitzky-Golay 滤波就挺好用的，尤其是你不想丢失太多原始波形特征的时候。这个 Python 版本写得还不错，逻辑清晰，参数也比较好调。用在传感器数据或者光谱信号上都挺合适的。 比如你有一组波动大的实时采样数据，用sgolayfilt()这种函数直接平滑一下，效果挺稳的，曲线看起来顺眼多了。代码实现参考了 Matlab 的风格，但用 Python 重写后灵活性更高，兼容性也不错。 想了解更多原理或对比实现的话，也可以看看下面这些资料，像Matlab 实现、Python 和 Matlab

这个zip文件包含两个m文件，用于生成Savitzky-Golay平滑和微分滤波器的2D光谱图。这些文件用于教育和示例目的。使用方法：[w, A] = ztrans1d(h); [u, v, A] = ztrans2d(h); u, v, w分别是1D和2D频率折叠频谱。A代表振幅密度，h是1D和2D滤波器系数。

信号里的移动平均滤波器，用起来挺顺手的。它的核心思路就一个字：平。通过在一段滑动窗口内取平均值，把那些突兀的高频噪声给压下去。signal_smoothing.m脚本就是干这事的，结构清晰，逻辑也不绕，适合直接上手调试。 移动平均滤波器的窗口长度设置蛮关键的，比如窗口太小，平滑效果有限；太大，信号响应就慢了。脚本里用for循环一段段滑窗，每次都更新一个平滑后的点。整个过程可视化也做得不错，能看到前后对比图。 要注意，像金融趋势、心电图那种带噪的连续信号，用这个方法挺合适。你要是那种跳变信号，效果就不太理想了，建议看看卡尔曼滤波或者最小二乘法那一类。 脚本文件里还有个license.txt，用之

移动平均滤波器的代码挺实用的，适合图像、音频这些数据，尤其是需要平滑或去噪的时候。你只要用imread()读个图，或者弄个向量，把窗口边距M1、M2设好，函数就能帮你把数据平均一下。嗯，代码写得比较简洁，逻辑清楚，改起来也方便。如果你对信号平滑感兴趣，还可以看看相关的低通、高斯这些滤波器的实现哦。

利用Matlab编写Kalman滤波器，仅需运行主文件（main.m）即可实现。

Gabor 滤波器是信号和图像中的一个常用工具，尤其适合提取图像的频域和空间信息。用在纹理、人脸识别等多个领域都挺实用的。这个压缩包了 Matlab 实现的示例，能够你理解 Gabor 滤波器的原理以及如何在 Matlab 中运用它。你可以通过调整滤波器参数，如波长、方向等，来定制自己的滤波器，进而提高图像的精度。如果你做图像，或者想要深入研究 Gabor 滤波器，试试看这份代码，它的实现方法蛮清晰的，值得参考。

DoG 滤波器（高斯差分滤波器）在图像领域中蛮常见的，尤其是用来做边缘检测和特征提取。其实它就是通过两个不同尺度的高斯模糊操作的差值，来强化图像的边缘部分。简单来说，DoG 滤波器可以帮你找到图像的‘转折点’，这些转折点就是图像边缘或关键特征。适合用在机器学习、计算机视觉这类需要快速提取信息的场景。使用 MATLAB 实现它也挺容易的，只需要先做两个不同尺度的高斯模糊，再相减就行了。你可以通过imgaussfilt函数做高斯模糊，代码也不复杂。实现起来，加载图像后设置不同的高斯标准差，分别滤波后求差，就能得到想要的 DoG 结果。DoG 滤波器在多图像任务里都挺有用的，比如边缘检测、角点检测等

这份文件包含了自编的中值滤波器、高斯滤波器和均值滤波器的MATLAB代码实现。

Matlab开发：频域滤波器。这是一个简单的灰度图像频域滤波的Matlab实现。