本节书摘来自异步社区《精通matlab数字图像处理与识别》一书中的第6章，第6.6节，作者 张铮 , 倪红霞 , 苑春苗 , 杨立红，更多章节内容可以访问云栖社区“异步社区”公众号查看
精通matlab数字图像处理与识别
图像锐化可以通过衰减图像频谱中的低频成份来实现，这就建立了空间域图像锐化与频域高通滤波之间对应关系。
1．理论基础
从6.5.2小节高斯低通滤波器中的h(u)图像，可以发现滤波器中心频率处的值即为其最大值1，如果需要做相反的滤波操作，滤除低频成份而留下高频成份，则可以考虑简单地使用如下表达式来获得一个高斯高通滤波器。
因此，高斯高通滤波器的频域特性曲线如图6.23所示（仍旧以一维情况为例）。
2．matlab实现
下面的例6.5给出了针对matlab示例图像coins.png，sigma取不同值时高斯高通滤波的matlab程序。
[例6.5]高斯高通滤波实现。
上述程序运行后得到的滤波效果如图6.24所示。
高斯高通滤波器可以较好地提取图像中的边缘信息，sigma参数取值越小，边缘提取越不精确，会包含越多的非边缘信息；sigma参数取值越大，边缘提取越精确，但可能包含不完整的边缘信息。
频域拉普拉斯算子的推导可以从一维开始，由傅立叶变换的性质可知
上述程序运行后得到的滤波效果如图6.26所示。