matlab軟件課程設(shè)計(jì)-- 應(yīng)用圖像處理

1、<p>　　MATLAB軟件課程設(shè)計(jì)</p><p>　　設(shè)計(jì)題目： 應(yīng)用圖像處理 </p><p>　　班 級(jí)： </p><p>　　學(xué) 號(hào)： </p>

2、<p>　　姓 名： </p><p>　　指導(dǎo)老師： </p><p>　　設(shè)計(jì)時(shí)間： 2013年4月8日-4月14日 </p><p><b>　　目錄</b></p&g

3、t;<p>　　摘要………………………………………………………………………………………………………………………......... 3</p><p>　　1、概述……………………………………………………………………………………………………………………… 4</p><p>　　2、課程設(shè)計(jì)及要求………………………………………………………………………………………………….. 4

4、</p><p>　　2.1設(shè)計(jì)要求…………………………………………………………………………………………………………4</p><p>　　2.2設(shè)計(jì)任務(wù)……………………………………………………………………........................................................5</p><p>　　3、系統(tǒng)設(shè)計(jì)…………………

5、…………………………………………………………………………………………….5</p><p>　　3.1系統(tǒng)方案…………………………………………………………………………………………………………5</p><p>　　3.1.1結(jié)構(gòu)框圖………………………………………………………………………………………………..5</p><p>　　3.1.2系統(tǒng)工作原理…………………

6、……………………………………………………………………..6</p><p>　　3.2單元模塊設(shè)計(jì)…………………………………………………………………………………………………8</p><p>　　3.2.1單元模塊的設(shè)計(jì)………………………………………………………............................................8</p><p>

7、;　　3.2.2元模塊的連接………………………………………………………………………………………16</p><p>　　4、系統(tǒng)調(diào)試……………………………………………………………………………………………………………...19</p><p>　　4.1系統(tǒng)的連接…………………………………………………………………………………………………...19</p><p>　　

8、4.2系統(tǒng)的運(yùn)行…………………………………………………………………………………………………...19</p><p>　　4.3運(yùn)行的結(jié)果…………………………………………………………………………………………………...23</p><p>　　4.4故障分析…………………………………………………………………………………………………….....33</p><p>　

9、　5、收獲、心得………………………………………………………………………………………………………....34</p><p>　　6、參考文獻(xiàn)……………………………………………………………………………………………………………. 35</p><p><b>　　摘 要</b></p><p>　　應(yīng)用圖像處理系統(tǒng)是一種專門針對(duì)圖像需求處理的軟件設(shè)

10、計(jì)，圖像處理包括圖像數(shù)字化，圖像增強(qiáng)和復(fù)原，圖像數(shù)字編碼，圖像分割，圖像識(shí)別和圖像理解等。這種系統(tǒng)廣泛應(yīng)用于IT行業(yè)，尤其是對(duì)圖像的識(shí)別處理有重要的意義。</p><p>　　本文針對(duì)課程設(shè)計(jì)的要求，分別設(shè)計(jì)了常用處理模塊、圖像壓縮模塊、噪聲處理模塊、彩色增強(qiáng)模塊、灰度變換模塊等五大單元模塊?；緦?shí)現(xiàn)了圖像處理功能的需求。</p><p>　　常用處理模塊設(shè)計(jì)了圖像的旋轉(zhuǎn)、底片效果、邊緣信

11、息、運(yùn)動(dòng)模糊處理功能，運(yùn)用imrotate，imcomplement，edge，fspecial等函數(shù)來實(shí)現(xiàn)。</p><p>　　針對(duì)課程任務(wù)內(nèi)容一，設(shè)計(jì)了圖像壓縮模塊。采用了DCT變換、小波變換和雙線插值等方法，實(shí)現(xiàn)了圖片壓縮的效果。</p><p>　　針對(duì)課程任務(wù)內(nèi)容二，設(shè)計(jì)了圖像增強(qiáng)模塊。采用了RGB分量、亮度切割和偽彩色等方法，實(shí)現(xiàn)了對(duì)圖像彩色的增強(qiáng)效果。</p>

12、<p>　　針對(duì)課程任務(wù)內(nèi)容三，設(shè)計(jì)了灰度變換模塊。采用了直方圖均衡化和規(guī)定化等方法，實(shí)現(xiàn)了對(duì)圖像灰度變換的效果。</p><p>　　針對(duì)課程任務(wù)內(nèi)容四，設(shè)計(jì)了噪聲處理模塊。運(yùn)用imnoise函數(shù)，添加了高斯、椒鹽、乘性等三種噪聲。設(shè)計(jì)了均值濾波、中值濾波、維納濾波、線性濾波等濾波器，實(shí)現(xiàn)了對(duì)加入噪聲圖像濾波的功能。其中，中值濾波對(duì)椒鹽噪聲的濾波效果好一點(diǎn)。</p><p>

13、　　關(guān)鍵詞： 圖像處理、DCT變換、小波變換、RGB分量、亮度切割</p><p>　　均衡化、 規(guī)定化、 噪聲處理</p><p><b>　　1．概述</b></p><p>　　進(jìn)入二十一世紀(jì)，人類已步入信息社會(huì)，新信息技術(shù)革命使人類被日益增多的多媒體信息所包圍，這也正好迎合了人類對(duì)提高視覺信息的需求性。多媒體信息主要有三種形式

14、：文本、聲音和圖像。從信息傳輸?shù)陌l(fā)展史（電報(bào)、電話、傳真、收音機(jī)、電視機(jī)直至現(xiàn)在的網(wǎng)絡(luò)）可以看出，人們逐漸將信息傳輸?shù)闹攸c(diǎn)從聲音轉(zhuǎn)向圖像，然而圖像是三種信息形式中數(shù)據(jù)量最大的，這給圖像的傳輸和存儲(chǔ)帶來了極大的困難。</p><p>　　MATLAB是由美國Math-Works公司推出的用于數(shù)值計(jì)算和圖形處理的科學(xué)計(jì)算軟件, MATLAB不僅提供了豐富的圖形命令和圖形函數(shù)，而且其面向?qū)ο蟮膱D形系統(tǒng)具有強(qiáng)大的圖形用戶

15、界面(Graphic User Interface，GUI)生成能力。這樣，用戶就可以充分利用系統(tǒng)提供的GUI特性，編寫自己需要的圖形界面，從而可以高效地制作出理想的應(yīng)用軟件。在MATLAB中有個(gè)重要的圖像處理工具包，該工具包是由一系列支持圖像處理操作的函數(shù)組成的，按功能可以分為以下幾類：圖像顯示、圖像文件輸入與輸出、幾何操作、像素值統(tǒng)計(jì)、圖像增強(qiáng)、圖像識(shí)別、圖像濾波、圖像變換、鄰域和塊操作、二值圖像操作、顏色映射和顏色空間轉(zhuǎn)換、圖像格

16、式轉(zhuǎn)換等。和其他工具包一樣，用戶還可以根據(jù)需要書寫自己的函數(shù)，以滿足特定的需要；也可以將這個(gè)工具包和信號(hào)處理工具包或小波工具包等其他工具包聯(lián)合起來使用。本文利用MATLAB提供的交互式GUI開發(fā)環(huán)境，設(shè)計(jì)了圖像處理軟件的主界面和各個(gè)子功能界面，實(shí)現(xiàn)了圖像處理的需求功能。</p><p>　　2.課程設(shè)計(jì)任務(wù)及要求</p><p><b>　　2.1設(shè)計(jì)任務(wù)</b>&l

17、t;/p><p>　　1.在圖像的變換和壓縮中，常常用到離散余弦變換（DCT）。DCT變換用于圖像的壓縮實(shí)例。請(qǐng)?jiān)跍y(cè)試圖像中驗(yàn)證你的結(jié)論。</p><p>　　2.請(qǐng)編程實(shí)現(xiàn)圖像的真彩色增強(qiáng)。</p><p>　　3.通過直方圖均衡化的方法實(shí)現(xiàn)圖像的灰度變換，在測(cè)試圖像中驗(yàn)證你的結(jié)論，分析程序結(jié)果。</p><p>　　4.使用常用的濾波器對(duì)數(shù)字

18、圖像進(jìn)行處理。如均值濾波器、中值濾波器、維納濾波器等。</p><p>　　5.額外拓展功能，如圖像的旋轉(zhuǎn)、底片處理、模糊處理等一些功能。 </p><p><b>　　2.2設(shè)計(jì)要求 </b></p><p>　　1.程序代碼附有必要的注釋。 </p><p>　　2.報(bào)告中對(duì)實(shí)驗(yàn)的基本算法原理要進(jìn)行簡(jiǎn)要敘述。<

19、/p><p><b>　　3.系統(tǒng)設(shè)計(jì)</b></p><p><b>　　3.1系統(tǒng)方案</b></p><p><b>　　3.1.1結(jié)構(gòu)框圖</b></p><p>　　圖3-1圖像處理結(jié)構(gòu)框圖</p><p>　　首先鍵入guide命令，彈出GUI圖

20、形用戶設(shè)計(jì)面板。在該設(shè)計(jì)面板中，左上角設(shè)計(jì)了菜單欄選項(xiàng)：文件（打開、保存、退出）、編輯(還原、撤銷、截圖)、幫助等。主界面分別設(shè)計(jì)了5個(gè)單元模塊，包括常用處理模塊(旋轉(zhuǎn)、底片處理、邊緣信息、模糊處理)，圖像壓縮模塊（DCT變換、小波變換、線性插值），噪聲處理模塊（加入噪聲和濾波處理），彩色增強(qiáng)模塊（RGB分量法、亮度切割法、偽彩色處理），灰度變換模塊（均衡化、規(guī)定化、灰度加深）。各單元模塊中分別加入控件（Push Button和Pop-

21、up Menu）來實(shí)現(xiàn)對(duì)各功能的控制操作。系統(tǒng)整體結(jié)構(gòu)框圖如上圖3-1所示。</p><p>　　3.2單元模塊設(shè)計(jì) </p><p>　　主界面包括常用處理模塊、圖像壓縮模塊、噪聲處理模塊、彩色增強(qiáng)模塊、灰度變換模塊。具體設(shè)計(jì)如下面所述：</p><p>　　3.2.1常用處理模塊的設(shè)計(jì)</p><p>　　常用模塊中設(shè)計(jì)了圖片旋轉(zhuǎn)、底片處

22、理、邊緣信息、模糊處理等功能。</p><p><b>　　原理簡(jiǎn)介如下所述：</b></p><p>　　1.圖片旋轉(zhuǎn)原理簡(jiǎn)介</p><p>　　通過imrotate函數(shù)來旋轉(zhuǎn)圖像。imrotate函數(shù)主要包括兩個(gè)參數(shù)：需要旋轉(zhuǎn)的圖像和旋轉(zhuǎn)的角度。如果指定一個(gè)正的旋轉(zhuǎn)角度，那么imrotate函數(shù)將使用指定的插值方法和旋轉(zhuǎn)角度將圖像逆時(shí)針旋

23、轉(zhuǎn)；如果指定一個(gè)負(fù)值，那么將按順時(shí)針方向旋轉(zhuǎn)。如果命令中沒有指定插補(bǔ)方法，則函數(shù)采用默認(rèn)的最近鄰插補(bǔ)方法。對(duì)于最近鄰插補(bǔ)方法，為了確定插值像素點(diǎn)的數(shù)據(jù)值，用戶必須在輸入圖像中查找到與輸出像素相應(yīng)的點(diǎn)。</p><p>　　2. 底片處理原理簡(jiǎn)介</p><p>　　實(shí)現(xiàn)底片效果，即完成對(duì)二值圖像的求補(bǔ)運(yùn)算，將二值圖像進(jìn)行黑白兩色互換，就是把黑色部分變成白的，把白色部分變成黑的。運(yùn)用imco

24、mplement函數(shù)來實(shí)現(xiàn)圖像取反，形成底片效果。</p><p>　　3. 邊緣信息原理簡(jiǎn)介</p><p>　　圖像邊緣信息是指其周圍像素灰度有階躍變化或“屋頂”變化的那些像素的集合。邊緣廣泛存在于物體與背景之間、物體與物體之間、基元與基元之間。經(jīng)典的邊緣提取方法是考察圖像的每個(gè)像素在某個(gè)鄰域內(nèi)灰度的變化，利用邊緣鄰近一階或二階方向?qū)?shù)變化規(guī)律，用簡(jiǎn)單的方法檢測(cè)邊緣，這種方法稱為邊緣檢

25、測(cè)局部算子法。如果一個(gè)像素落在圖像中某一個(gè)物體的邊界上，那么它的鄰域?qū)⒊蔀橐粋€(gè)灰度級(jí)的變化帶，對(duì)這種變化最有用的2個(gè)特征(灰度的變化率和方向)，它們分別以梯度向量的幅度和方向來表示。邊緣檢測(cè)算子檢查每個(gè)像素的鄰域并對(duì)灰度變化率進(jìn)行量化，也包括方向的確定。設(shè)計(jì)中采用edge函數(shù)來實(shí)現(xiàn)邊緣信息的獲取。</p><p>　　4. 模糊處理原理簡(jiǎn)介</p><p>　　運(yùn)動(dòng)模糊圖像中，在運(yùn)動(dòng)方向上

26、大多數(shù)模糊圖像的背景像素點(diǎn)具有很強(qiáng)的相關(guān)性，即沿著運(yùn)動(dòng)模糊的軌跡，背景像素點(diǎn)的灰度值逐漸變化或者不變。通過文獻(xiàn)的學(xué)習(xí)，先對(duì)模糊圖像進(jìn)行一階微分，然后進(jìn)行自相關(guān)運(yùn)算，可得一條鑒別曲線，曲線上會(huì)出現(xiàn)對(duì)稱的相關(guān)峰，峰值為負(fù)，兩相關(guān)峰之間的距離等于運(yùn)動(dòng)模糊長(zhǎng)度。</p><p>　　3.2.2圖像壓縮模塊的設(shè)計(jì)</p><p>　　1.DCT變換原理簡(jiǎn)介</p><p>　

27、　離散余弦變換(DCT)是一種與離散傅立葉變換緊密相關(guān)的正交變換,8×8的二維離散余弦變換可以將圖像的空間表達(dá)式轉(zhuǎn)換到頻率域,只用少量的數(shù)據(jù)點(diǎn)來表達(dá)圖像,用f(x,y)表示8×8的圖像塊像素值,F(u,v)表示二維離散余弦變換后的值,具體表達(dá)式如下: </p><p><b>　　式 式（3-1）</b></p><p><b>　　其反

28、變換如下式:</b></p><p><b>　　式（3-2）</b></p><p>　　其中, </p><p><b>　　式（3-3）</b></p><p>　　二維離

29、散余弦變換具有可分離性,即可以先對(duì)每行進(jìn)行一維離散余弦變換,再對(duì)每列進(jìn)行一維離散余弦變換,因此,二維離散余弦變換可表示為:</p><p><b>　　式（3-4）</b></p><p><b>　　式（3-5）</b></p><p>　　如果直接按照公式計(jì)算,其計(jì)算量很大,所以,實(shí)際應(yīng)用中普遍采用快速傅立葉變換(FF

30、T)算法來實(shí)現(xiàn)離散余弦變換的快速算法。</p><p>　　任何連續(xù)的事物堆成函數(shù)的傅里葉變換中只含有余弦項(xiàng)，因此余弦變換與傅里葉變換一樣，有明確的物理意義。DCT實(shí)現(xiàn)將整體圖像分成N*N像素塊，然后對(duì)N*N像素塊逐一進(jìn)行DCT 變換。由于大多數(shù)的圖像的高頻分量較小，相應(yīng)于高頻成分的系數(shù)經(jīng)常為零，加上人眼對(duì)高頻成分的失真不太敏感，所以可以用更粗的量化。因此傳送變換系數(shù)所用的數(shù)碼率要大大小于傳送圖像像素所用的數(shù)碼率

31、。到達(dá)接收端后再通過反離散余弦變換回到樣值，雖然會(huì)有一定的失真，但是能基本接受。N代表像素?cái)?shù)，一般N=8，8*8的二位數(shù)據(jù)塊經(jīng)DCT后變成8*8個(gè)變換系數(shù)，這些系數(shù)都有著明確的物理意義：U代表水平像素號(hào)，V代表處置像素號(hào)。隨著U、V值增大，相應(yīng)的系數(shù)分別代表逐步壓縮的水平空間頻率分量和垂直空間頻率分量的大小。在JPEG圖像壓縮算法里，輸入圖像被分為8*8小塊，然后對(duì)每一小塊進(jìn)行二位DCT變換，變換后的系數(shù)量化、編碼并傳輸，JPEG格式文

32、件解碼量化了的DCT系數(shù)，對(duì)每一塊計(jì)算二位逆DCT變換，最后把結(jié)果塊拼接成一個(gè)完整的圖像。在DCT變換后舍棄那些不嚴(yán)重影響圖像重構(gòu)接近0的系數(shù)。</p><p>　　2.小波變換原理簡(jiǎn)介</p><p>　　先對(duì)一維小波變換作一簡(jiǎn)單介紹。設(shè)f(x)為一維輸入信號(hào)，記，，這里與分別稱為定標(biāo)函數(shù)與子波函數(shù)，與為二個(gè)正交基函數(shù)的集合。記P0f=f，在第級(jí)上的一維離散小波變換DWT(Discret

33、e Wavelet Transform)通過正交投影Pjf與Qjf將Pj-1f分解為：</p><p><b>　　式（3-6）</b></p><p><b>　　其中：</b></p><p><b>　　， ，式（3-7）</b></p><p>　　這里，{h(n)}與

34、{g(n)}分別為低通與高通權(quán)系數(shù)，它們由基函數(shù)與來確定，p為權(quán)系數(shù)的長(zhǎng)度。為信號(hào)的輸入數(shù)據(jù)，N為輸入信號(hào)的長(zhǎng)度，L為所需的級(jí)數(shù)。由上式（3-6）、（3-7）可見，每級(jí)一維DWT與一維卷積計(jì)算很相似。所不同的是：在DWT中，輸出數(shù)據(jù)下標(biāo)增加1時(shí)，權(quán)系數(shù)在輸入數(shù)據(jù)的對(duì)應(yīng)點(diǎn)下標(biāo)增加2，這稱為“間隔取樣”。</p><p>　　在實(shí)際應(yīng)用中，很多情況下采用緊支集小波（Compactly Supported Wavele

35、ts），這時(shí)相應(yīng)的尺度系數(shù)和小波系數(shù)都是有限長(zhǎng)度的，不失一般性設(shè)尺度系數(shù)只有有限個(gè)非零值：h1,…,hN，N為偶數(shù)，同樣取小波使其只有有限個(gè)非零值：g1,…,gN。為簡(jiǎn)單起見，設(shè)尺度系數(shù)與小波函數(shù)都是實(shí)數(shù)。對(duì)有限長(zhǎng)度的輸入數(shù)據(jù)序列：(其余點(diǎn)的值都看成0)，它的離散小波變換為:</p><p><b>　　式（3-8）</b></p><p>　　， 式（

36、3-9） </p><p>　　其中J為實(shí)際中要求分解的步數(shù)，最多不超過log2M，其逆變換為</p><p>　　， 式（3-10）</p><p>　　注意到尺度系數(shù)和輸入系列都是有限長(zhǎng)度的序列，上述和實(shí)際上都只有有限項(xiàng)。若完全按照上述公式計(jì)算，在經(jīng)過J步分解后，所得到的J+1個(gè)序列和的非零項(xiàng)的個(gè)數(shù)之和一

37、般要大于M，究竟這個(gè)項(xiàng)目增加到了多少？下面來分析一下上述計(jì)算過程。</p><p>　　j=0時(shí)計(jì)算過程為：</p><p><b>　　式（3-11）</b></p><p><b>　　式（3-12）</b></p><p>　　不難看出，的非零值范圍為：即有個(gè)非零值。的非零值范圍相同。繼續(xù)往下

38、分解時(shí)，非零項(xiàng)出現(xiàn)的規(guī)律相似。分解多步后非零項(xiàng)的個(gè)數(shù)可能比輸入序列的長(zhǎng)度增加較多。例如，若輸入序列長(zhǎng)度為100，N=4，則有51項(xiàng)非零，有27項(xiàng)非零，有15項(xiàng)非零，有9項(xiàng)非零，有6項(xiàng)非零，有4項(xiàng)非零，有4項(xiàng)非零。這樣分解到6步后得到的序列的非零項(xiàng)個(gè)數(shù)的總和為116，超過了輸入序列的長(zhǎng)度。在數(shù)據(jù)壓縮等應(yīng)用中，希望總的長(zhǎng)度基本不增加，這樣可以提高壓縮比、減少存儲(chǔ)量并減少實(shí)現(xiàn)的難度。</p><p>　　可以采用稍微改

39、變計(jì)算公式的方法，使輸出序列的非零項(xiàng)總和基本上和輸入序列的非零項(xiàng)數(shù)相等，并且可以完全重構(gòu)。這種方法也相當(dāng)于把輸入序列進(jìn)行延長(zhǎng)（增加非零項(xiàng)），因而稱為延拓法。</p><p>　　將小波分析映入圖像壓縮范疇也是一個(gè)重要手段，并有著它自己的特點(diǎn)。小波變換壓縮特點(diǎn)在于壓縮比高、壓縮速度快，壓縮后能保持信號(hào)與圖像的特征基本不變，且在傳輸過程中抗干擾等等。一個(gè)圖像做小波分解后，可得到一系列不同分辨率的子圖像，對(duì)應(yīng)的頻率是不

40、相同的。高分辨率子圖像上大部分點(diǎn)的數(shù)值都接近于0，分辨率越高越明顯。而對(duì)于一個(gè)圖像來說，表現(xiàn)圖像的最主要的部分是低頻部分，所以壓縮的方法是利用小波分解去掉圖像高頻部分二保留低頻部分。</p><p>　　3.2.3噪聲處理模塊的設(shè)計(jì)</p><p><b>　　1.添加噪聲</b></p><p>　?。?）高斯噪聲。所謂高斯噪聲是指它的概率密

41、度函數(shù)服從高斯分布（即正態(tài)分布）的一類噪聲。如果一個(gè)噪聲，它的幅度分布服從高斯分布，而它的功率譜密度又是均勻分布的，則稱它為高斯白噪聲。高斯白噪聲的二階矩不相關(guān)，一階矩為常數(shù)，是指先后信號(hào)在時(shí)間上的相關(guān)性。</p><p>　?。?）椒鹽噪聲。椒鹽噪聲是由圖像傳感器，傳輸信道，解碼處理等產(chǎn)生的黑白相間的亮暗點(diǎn)噪聲。椒鹽噪聲往往由圖像切割引起。大量的實(shí)驗(yàn)研究發(fā)現(xiàn)，由攝像機(jī)拍攝得到的圖像受椒鹽噪聲的影響較嚴(yán)重。噪聲給

42、圖像處理帶來很多困難，對(duì)圖像分割、特征提取、圖像識(shí)別等具有直接影響。因此，實(shí)時(shí)采集的圖像需進(jìn)行濾波處理。消除圖像中的噪聲成份叫做圖像的平滑化或?yàn)V波操作。濾波的目的有兩個(gè)：一是抽出對(duì)象的特征作為圖像識(shí)別的特征模式；二是為適應(yīng)計(jì)算機(jī)處理的要求，消除圖像數(shù)字化時(shí)所混入的噪聲。對(duì)濾波處理的要求有兩條：一是不能損壞圖像輪廓及邊緣等重要信息；二是使圖像清晰，視覺效果好。</p><p>　?。?）乘性噪聲。一般由信道不理想引

43、起，它們與信號(hào)的關(guān)系是相乘，信號(hào)在它在，信號(hào)不在它也就不在。一般通信中把乘性隨機(jī)性看成系統(tǒng)的時(shí)變性（如衰落或者多普勒）或者非線性所造成的。</p><p>　　通過imnoise函數(shù)來對(duì)原始圖像加入各種噪聲。</p><p><b>　　2.濾波處理</b></p><p><b>　　（1）均值濾波。</b></p

44、><p>　　它是一種典型的線性濾波算法，是指在圖像上對(duì)目標(biāo)像素給一個(gè)模板，該模板包括了其周圍的臨近像素（以目標(biāo)象素為中心的周圍8個(gè)像素，構(gòu)成一個(gè)濾波模板，即去掉目標(biāo)像素本身），再用模板中的全體像素的平均值來代替原來像素值。</p><p>　　均值濾波也稱為線性濾波，其采用的主要方法為鄰域平均法。線性濾波的基本原理是用均值代替原圖像中的各個(gè)像素值，即對(duì)待處理的當(dāng)前像素點(diǎn)（x，y），選擇一個(gè)模

45、板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當(dāng)前像素點(diǎn)（x，y），作為處理后圖像在該點(diǎn)上的灰度g（x，y），即g（x，y）=1/m ∑f（x，y）， m為該模板中包含當(dāng)前像素在內(nèi)的像素總個(gè)數(shù)。</p><p>　　均值濾波本身存在著固有的缺陷，即它不能很好地保護(hù)圖像細(xì)節(jié)，在圖像去噪的同時(shí)也破壞了圖像的細(xì)節(jié)部分，從而使圖像變得模糊，不能很好地去除噪聲點(diǎn)。</p><p

46、><b>　　(2)中值濾波。</b></p><p>　　它是一種非線性濾波，由于它在實(shí)際運(yùn)算過程中并不需要圖像的統(tǒng)計(jì)特性，所以比較方便。中值濾波首先是被應(yīng)用在一維信號(hào)處理技術(shù)中，后來被二維圖像信號(hào)處理技術(shù)所應(yīng)用。在一定的條件下，可以克服線性濾波器所帶來的圖像細(xì)節(jié)模糊，而且對(duì)濾除脈沖干擾及圖像掃描噪聲最為有效。但是對(duì)一些細(xì)節(jié)多，特別是點(diǎn)、線、尖頂細(xì)節(jié)多的圖像不宜采用中值濾波的方法。&

47、lt;/p><p>　　中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替。</p><p>　　設(shè)有一個(gè)一維序列，，…，，取窗口長(zhǎng)度為m(m為奇數(shù))，對(duì)此序列進(jìn)行中值濾波，就是從輸入序列中相繼抽出m個(gè)數(shù)，，…，，…，，…，，…，，其中為窗口的中心位置，，再將這m個(gè)點(diǎn)按其數(shù)值大小排列，取其序號(hào)為正中間的那作為輸出。用數(shù)學(xué)公式表示為: </p>&

48、lt;p>　　， 式(3-13)</p><p>　　例如：有一個(gè)序列為{0，3，4，0，7}，則中值濾波為重新排序后的序列{0，0，3，4，7}中間的值為3。此例若用平均濾波，窗口也是取5，那么平均濾波輸出為。因此平均濾波的一般輸出為: </p><p><b>　　式(3-14)</b></p><p>　　對(duì)于二維序

49、列進(jìn)行中值濾波時(shí)，濾波窗口也是二維的，但這種二維窗口可以有各種不同的形狀，如線狀、方形、圓形、十字形、圓環(huán)形等。二維數(shù)據(jù)的中值濾波可以表示為： </p><p><b>　　式(3-15)</b></p><p>　　在實(shí)際使用窗口時(shí)，窗口的尺寸一般先用再取逐漸增大，直到其濾波效果滿意為止。對(duì)于有緩變的較長(zhǎng)輪廓線物

50、體的圖像，采用方形或圓形窗口為宜，對(duì)于包含尖頂角物體的圖像，適宜用十字形窗口。使用二維中值濾波最值得注意的是保持圖像中有效的細(xì)線狀物體。與平均濾波器相比，中值濾波器從總體上來說，能夠較好地保留原圖像中的躍變部分。</p><p><b>　　(3)維納濾波。</b></p><p>　　20世紀(jì)40年代，維納奠定了關(guān)于最佳濾波器研究的基礎(chǔ)。即假定線性濾波器的輸入為有用

51、信號(hào)和噪聲之和，兩者均為廣義平穩(wěn)過程且知它們的二階統(tǒng)計(jì)特性，維納根據(jù)最小均方誤差準(zhǔn)則(濾波器的輸出信號(hào)與需要信號(hào)之差的均方值最小)，求得了最佳線性濾波器的參數(shù)，這種濾波器被稱為維納濾波器。在維納研究的基礎(chǔ)上，人們還根據(jù)最大輸出信噪比準(zhǔn)則、統(tǒng)計(jì)檢測(cè)準(zhǔn)則以及其他最佳準(zhǔn)則求得的最佳線性濾波器。實(shí)際上，在一定條件下，這些最佳濾波器與維納濾波器是等價(jià)的。因而，討論線性濾波器時(shí)，一般均以維納濾波器作為參考。維納濾波是40年代在線性濾波理論方面所取得

52、的最重要的成果。</p><p>　?。?）線性銳化濾波。</p><p>　　線性高通濾波器是最常用的線性銳化濾波器。這種濾波器的中心系數(shù)都是正的，而周圍的系數(shù)都是負(fù)的。對(duì)3*3的模板來說，典型的系數(shù)取值是：</p><p>　　[-1 –1 –1；-1 8 –1；-1 –1 -1] 式(3-16)</p><p

53、>　　事實(shí)上這是拉普拉斯算子，所有的系數(shù)之和為0。當(dāng)這樣的模板放在圖像中灰度值是常數(shù)或變化很小的區(qū)域時(shí)，其輸出為0或很小。這個(gè)濾波器將原來的圖像中的零頻域分量去除了，也就是將輸出的圖像的平均值變?yōu)?，這樣就會(huì)有一部分像素的灰度值小于0。在圖像處理中我們一般只考慮正的灰度值，所以還有將輸出圖像的灰度值范圍通過尺度變回到所要求的范圍。</p><p>　　3.2.4彩色增強(qiáng)模塊的設(shè)計(jì)</p>&l

54、t;p>　　(1)RGB分量法。</p><p>　　顏色分為無彩色和有彩色兩種。無彩色指白色、黑色和各種不同程度的灰，無彩色圖像也稱灰度圖像，使用[0,255]的值來表示其灰度值，0表示黑色，255表示白色，其間是各種深淺不同的灰色，整張圖像的像素用一維數(shù)組表示即可。彩色指除去上述黑白灰以外的各種顏色，而RGB模型只是彩色模型的其中一種。 RGB模型建立在笛卡爾坐標(biāo)系統(tǒng)里（三維），其三個(gè)軸分別為紅

55、R，綠G，藍(lán)B，模型空間是正方體，原點(diǎn)對(duì)應(yīng)黑色，離原點(diǎn)最遠(yuǎn)的頂點(diǎn)對(duì)應(yīng)白色。RGB的每個(gè)分量都使用[0,255]內(nèi)的值。對(duì)于彩色圖像，它的每個(gè)像素都有三個(gè)分量R、G、B，這三個(gè)值一同來表示一個(gè)像素，也就是說，彩色圖像的像素要用三維數(shù)組來表示。比如R軸上，從[1，0，0]、[2,0,0]直到[255,0,0]，是個(gè)漸變，都是紅色，就是深紅淺紅的問題。 在彩色圖像中，黑色為RGB=[0,0,0]，白色為RGB=[255,255,255

56、]。這樣就可以理解亮紅色為RGB=[255,0,0]，亮綠色為RGB=[0,255,0]等等。彩色圖像中是三種基色紅綠藍(lán)的疊加，不是所謂黑白的疊加。</p><p>　　即將圖像從RGB分量圖轉(zhuǎn)換為HIS分量圖，之后將I分量增強(qiáng)，最后再將其轉(zhuǎn)換回RGB。</p><p><b>　　(2)亮度切割法。</b></p><p>　　imadjus

57、t函數(shù)用于數(shù)字圖像的灰度或顏色調(diào)整，J = imadjust(I) 將灰度圖像 I 中的亮度值映射到 J 中的新值并使 1％ 的數(shù)據(jù)是在低高強(qiáng)度和飽和，這增加了輸出圖像 J 的對(duì)比度值。 </p><p>　　J = imadjust(I,[low_in; high_in],[low_out; high_out]) ，將圖像I中的亮度值映射到J中的新值，即將low_in至high_in之間的值映射到low_out

58、至high_out之間的值。low_in 以下與 high_in 以上的值被剪切掉了，也就是說，low_in 以下的值映射到 low_out，high_in 以上的值映射到high_out。它們都可以使用空的矩陣[ ]，默認(rèn)值是[0 1]。 </p><p><b>　　如：</b></p><p>　　i=imread('e:\w01.tif');&

59、lt;/p><p>　　j=imadjust(i,[0.3,0.7],[ ]);將圖像i轉(zhuǎn)換為j，使灰度值從0.3~0.7與缺省值0~1相匹配</p><p><b>　　(3)偽彩色處理。</b></p><p>　　偽彩色處理是指將黑白圖像轉(zhuǎn)化為彩色圖像，或者是將單色圖像變換成給定彩色分布圖像。由于人眼對(duì)彩色的分辨能力遠(yuǎn)遠(yuǎn)高于對(duì)灰度的分辨能力，

60、所以將灰度圖像轉(zhuǎn)化成彩色表示，就可以提高對(duì)圖像細(xì)節(jié)的辨別力。因此，偽色彩處理的主要目的是為了提高人眼對(duì)圖像細(xì)節(jié)的分辨能力，以達(dá)到圖像增強(qiáng)的目的。</p><p>　　偽彩色處理的基本原理是將黑白圖像或者單色圖像的各個(gè)灰度級(jí)匹配到彩色空間中的一點(diǎn)，從而使單色圖像映射成彩色圖像。對(duì)黑白圖像中不同的灰度賦予不同的彩色。值得注意的是，偽彩色雖然能將黑白灰度轉(zhuǎn)化為彩色，但這種彩色并不是真正表現(xiàn)圖像的原始顏色，而僅僅是一種便

61、于識(shí)別的偽彩色。</p><p>　　3.2.5灰度變換模塊的設(shè)計(jì)</p><p><b>　?。?）直方圖均衡化</b></p><p>　　直方圖均衡化又稱直方圖平坦化,是將一已知灰度概率密度分布的圖像經(jīng)過某種變換,變成一幅具有均勻灰度概率密度分布的新圖像。其結(jié)果是擴(kuò)展了像元取值的動(dòng)態(tài)范圍,從而達(dá)到增強(qiáng)圖像整體對(duì)比度的效果。</p&g

62、t;<p>　　直方圖均衡化的具體實(shí)現(xiàn)步驟如下:</p><p>　　1）.列出原始圖像的灰度級(jí) </p><p>　　式(3-17) </p><p>　　2)．統(tǒng)計(jì)各灰度級(jí)的像素?cái)?shù)目</p><p><b>　　式(3-18) </b></p><p>　　3).計(jì)

63、算原始圖像直方圖各灰度級(jí)的頻數(shù)</p><p><b>　　式(3-19) </b></p><p>　　4).計(jì)算累積分布函數(shù)</p><p><b>　　式(3-20) </b></p><p>　　5).應(yīng)用以下公式計(jì)算映射后的輸出圖像的灰度級(jí)，P為輸出圖像灰度級(jí)的個(gè)數(shù)，其中INT為取整符

64、號(hào)。</p><p><b>　　式(3-21) </b></p><p>　　6).統(tǒng)計(jì)映射后各灰度級(jí)的像素?cái)?shù)目 ni, i=0,1,…,k,…P-1。</p><p>　　7).計(jì)算輸出直方圖Pg(gi)=ni/n, i=0,1,…,P-1。</p><p>　　8).用fj和gi的映射關(guān)系修改原始圖像的灰度級(jí),

65、從而獲得直方圖近似為均勻分布的輸出圖像。</p><p>　　(2) 直方圖規(guī)定化</p><p>　　直方圖均衡化的優(yōu)點(diǎn)是能自動(dòng)增強(qiáng)整個(gè)圖像的對(duì)比度,但它的具體增強(qiáng)效果不易控制,處理的結(jié)果總是得到全局的均衡化的直方圖。實(shí)際工作中,有時(shí)需要變換直方圖使之成為某個(gè)特定的形狀,從而有選擇地增強(qiáng)某個(gè)灰度值范圍內(nèi)的對(duì)比度,這時(shí)可采用比較靈活的直方圖規(guī)定化方法。直方圖規(guī)定化增強(qiáng)處理的步驟如下:<

66、;/p><p>　　令Pr（r）和Pz（z）分別為原始圖像和期望圖像的灰度概率密度函數(shù)。如果對(duì)原始圖像和期望圖像均作直方圖均衡化處理，應(yīng)有</p><p><b>　　式(3-22)</b></p><p><b>　　式(3-23)</b></p><p><b>　　式(3-24)<

67、/b></p><p>　　由于都是進(jìn)行均衡化處理，處理后的原圖像概率密度函數(shù)Ps（S）及理想圖像概率密度函數(shù)PV（V）是相等的。于是，我們可以用變換后的原始圖像灰度級(jí)S代替式(3-23)中的V。即</p><p>　　Z = G - 1（S） 式(3-25)</p><p>　　這時(shí)的灰度級(jí)Z 便是所希望的圖像的

68、灰度級(jí)。</p><p>　　此外，利用式(3-22)與式(3-23)式還可得到組合變換函數(shù)</p><p>　　Z = G - 1［T（r）］ 式(3-26)</p><p>　　對(duì)連續(xù)圖像，重要的是給出逆變換解析式。</p><p>　　4.系統(tǒng)程序設(shè)計(jì)與調(diào)試分析</p><p>

69、;　　4.1常用處理模塊的設(shè)計(jì)</p><p><b>　　1.圖片旋轉(zhuǎn)功能</b></p><p><b>　　主要程序設(shè)計(jì)：</b></p><p>　　function xiaoguo_Callback(hObject, eventdata, handles)</p><p>　　global

70、 T %定義全局變量T</p><p>　　va=get( handles.lvbo,'Value');%得到句柄lvbo的Value，賦給va</p><p>　　val=get(hObject,'Value');</p><p>　　switch val %用switch語句設(shè)置選

71、項(xiàng)</p><p>　　case 1 </p><p>　　img=rgb2gray(T); %將T轉(zhuǎn)化為二維的灰色圖像，賦給img</p><p>　　prompt={'旋轉(zhuǎn)角度:'}; %設(shè)置提示字符串</p><p>　　defans={

72、'0'}; %設(shè)置默認(rèn)值</p><p>　　p=inputdlg(prompt,'input',1,defans); %顯示對(duì)話框</p><p>　　p1=str2num(p{1}); %將對(duì)話框轉(zhuǎn)換為數(shù)值</p><p>　　f=imrotate(img,p1,

73、9;bilinear','crop'); %將圖像進(jìn)行旋轉(zhuǎn)處理</p><p>　　axes(handles.axes1); %將結(jié)果顯示在axes1中</p><p>　　imshow(f);title('旋轉(zhuǎn)后圖像'); %顯示旋轉(zhuǎn)后的圖像 </p><p>　　運(yùn)行結(jié)果如下圖4-1所示，彈出

74、對(duì)話框，現(xiàn)在設(shè)置旋轉(zhuǎn)角度為30，按“OK”運(yùn)行結(jié)果如下圖4-2所示：</p><p>　　圖4-1 圖4-2</p><p><b>　　分析結(jié)果：</b></p><p>　　圖4-2是按逆時(shí)針旋轉(zhuǎn)30°的結(jié)果，一般輸入?yún)?shù)為正數(shù)時(shí)，圖像按逆時(shí)針方向旋轉(zhuǎn)；輸

75、入負(fù)數(shù)時(shí)，圖像按順時(shí)針方向旋轉(zhuǎn)。運(yùn)行結(jié)果正常。</p><p><b>　　2.底片效果</b></p><p><b>　　主要程序設(shè)計(jì)：</b></p><p>　　case 2 %底片效果顯示</p><p>　　ig2=rgb2gray(T);

76、 %將T轉(zhuǎn)化為二維的灰色圖像，賦給ig2</p><p>　　f2=imcomplement(ig2); %將圖像ig2取反，達(dá)到黑白色變換，實(shí)現(xiàn)底片效果</p><p>　　axes (handles.axes1); %將結(jié)果顯示在axes1中</p><p>　　imshow(f2);title('底片效果');

77、%顯示低片效果圖像 </p><p>　　運(yùn)行結(jié)果如下圖4-3所示：</p><p><b>　　圖4-3</b></p><p><b>　　分析結(jié)果：</b></p><p>　　圖4-3完成了對(duì)二值圖像的求補(bǔ)運(yùn)算，將二值圖像進(jìn)行黑白兩色互換，就是把黑色部分變成白的，把白色部分變成黑的。運(yùn)用im

78、complement函數(shù)來實(shí)現(xiàn)圖像取反，形成底片效果。程序運(yùn)行正常。</p><p><b>　　3.邊緣信息</b></p><p><b>　　程序設(shè)計(jì)：</b></p><p>　　case 3 %顯示邊緣信息處理圖像</p><p>　　ig3=rg

79、b2gray(T); %將T轉(zhuǎn)化為二維的灰色圖像，賦給ig3</p><p>　　f3=edge(ig3,'canny'); %將ig3進(jìn)行邊緣處理</p><p>　　axes (handles.axes1); %將結(jié)果顯示在axes1中</p><p>　　imshow(f3);title('邊緣信息&#

80、39;); %顯示邊緣信息圖像 </p><p>　　運(yùn)行結(jié)果如下圖4-4所示：</p><p><b>　　圖4-4</b></p><p><b>　　結(jié)果分析：</b></p><p>　　圖4-4顯示了邊緣信息處理之后的圖像，利用邊緣鄰近一階或二階方向?qū)?shù)變化規(guī)律，用簡(jiǎn)單的方法檢測(cè)邊緣。如果

81、一個(gè)像素落在圖像中某一個(gè)物體的邊界上，那么它的鄰域?qū)⒊蔀橐粋€(gè)灰度級(jí)的變化帶，運(yùn)用edge函數(shù)進(jìn)行運(yùn)算，達(dá)到了效果。程序運(yùn)行正常。</p><p><b>　　4.模糊處理</b></p><p><b>　　程序設(shè)計(jì)：</b></p><p>　　case 4

82、 %顯示運(yùn)動(dòng)模糊處理結(jié)果</p><p>　　LEN = 21; THETA = 0;% 表示攝像物體逆時(shí)針方向以0角度運(yùn)動(dòng)了21個(gè)像素</p><p>　　PSF = fspecial('motion', LEN, THETA); %點(diǎn)擴(kuò)展函數(shù)的卷積運(yùn)算</p><p>　　blurred = imfilter(T, PSF, 'co

83、nv', 'circular'); %對(duì)圖像f進(jìn)行濾波</p><p>　　%W2 = deconvwnr(blurred,PSF); %對(duì)濾波后的圖像進(jìn)行恢復(fù)</p><p>　　axes(handles.axes1); %將結(jié)果顯示在axes1中</p><p>　　imshow(blurred);title

84、('運(yùn)動(dòng)模糊'); %顯示運(yùn)動(dòng)模糊圖像 </p><p>　　運(yùn)行結(jié)果如下圖4-5所示：</p><p><b>　　圖4-5</b></p><p><b>　　結(jié)果分析：</b></p><p>　　從圖4-5所示，運(yùn)行之后的圖像明顯比原圖像模糊，程序運(yùn)行正常。</

85、p><p>　　4.2 圖像壓縮模塊的設(shè)計(jì)</p><p><b>　　DCT變換</b></p><p><b>　　程序設(shè)計(jì)：</b></p><p>　　function yasuo_Callback(hObject, eventdata, handles)</p><p>

86、;　　global T 定義全局變量T</p><p>　　va=get(handles.yasuo,'Value');%得到句柄yasuo的Value，賦給va</p><p>　　val=get(hObject,'Value');</p><p>　　switch val

87、 %用switch語句設(shè)置選項(xiàng)</p><p>　　case 1 %顯示DCT變換圖像</p><p>　　i=rgb2gray(T);%將真彩色RGB圖像轉(zhuǎn)換成灰度圖像（RGB并不發(fā)生變化）</p><p>　　I=im2double(i);%把灰度圖像的數(shù)據(jù)類型轉(zhuǎn)換成雙精度

88、浮點(diǎn)類型</p><p>　　T=dctmtx(8);%生成一個(gè)8*8 DCT變換矩陣</p><p>　　B=blkproc(I,[8 8],'P1*x*P2',T,T');%P1*x*P2相當(dāng)于像素塊的處理函數(shù)，P1=T P2=T',進(jìn)行離散余弦變換</p><p>　　mask=[1 1 1 1 0 0 0 0;1 1 1 0

89、0 0 0 0;1 1 0 0 0 0 0 0;1 0 0 0 0 0 0 0;0 0 0 0 0 0 0 0;0 0 0 0 0 0 0 0;0 0 0 0 0 0 0 0;0 0 0 0 0 0 0 0];</p><p>　　%8*8的二維數(shù)據(jù)塊經(jīng)DCT后變成8*8個(gè)變換系數(shù)，代表低頻成份的量分布于左上角，而越高頻率成份越向右下角分布</p><p>　　C=blkproc(B,[8

90、 8],'P1.*x',mask);%數(shù)據(jù)壓縮，丟棄右下角高頻數(shù)據(jù)</p><p>　　D=blkproc(C,[8 8],'P1*x*P2',T',T);%進(jìn)行DCT反變換，得到壓縮后的圖像</p><p>　　axes(handles.axes2); %將結(jié)果顯示在axes2中</p><p>　　imshow(

91、D);title('DCT變換'); %顯示DCT變換之后的圖像</p><p>　　運(yùn)行結(jié)果如下圖4-6所示：</p><p><b>　　圖4-6</b></p><p><b>　　結(jié)果分析：</b></p><p>　　圖4-6是一個(gè)8*8的二維離散余弦變換將圖像的空間表達(dá)式

92、轉(zhuǎn)換到頻率域,只用少量的數(shù)據(jù)點(diǎn)來表達(dá)圖像。8*8的二維數(shù)據(jù)塊經(jīng)DCT后變成8*8個(gè)變換系數(shù)，代表低頻成份的量分布于左上角，而越高頻率成份越向右下角分布，經(jīng)過運(yùn)算，丟棄右下角高頻數(shù)據(jù)，從而達(dá)到圖像的壓縮效果。</p><p><b>　　2.小波變換</b></p><p><b>　　程序設(shè)計(jì)：</b></p><p>&

93、lt;b>　　case 2</b></p><p>　　X=rgb2gray(T);</p><p>　　X=double(X)/255; %歸一化處理</p><p>　　colormap(pink); %顏色映射</p><p>　　[C,S]=wavedec2(X,1,'b

94、ior3.7'); %對(duì)圖像用‘bior3.7'小波進(jìn)行1層小波分解</p><p>　　thr=20; %設(shè)置小波系數(shù)閾值</p><p>　　cal=appcoef2(C,S,'bior3.7',1); %提取小波分解結(jié)構(gòu)中第1 層的低頻系數(shù)和高</p><p><b>　　頻系數(shù)</b></p>

95、<p>　　ch1=detcoef2('h',C,S,1);</p><p>　　cv1=detcoef2('v',C,S,1);</p><p>　　cd1=detcoef2('d',C,S,1);</p><p>　　a1=wrcoef2('a',C,S,'bior3.7

96、9;,1); %分別對(duì)各頻率成分進(jìn)行重構(gòu)</p><p>　　h1=wrcoef2('h',C,S,'bior3.7',1);</p><p>　　v1=wrcoef2('v',C,S,'bior3.7',1);</p><p>　　d1=wrcoef2('d',C,S,'

97、;bior3.7',1);</p><p>　　c1=[a1,h1;v1,d1];</p><p>　　%進(jìn)行圖像壓縮處理，保留小波分解第1層低頻信息，進(jìn)行圖像的壓縮</p><p>　　%第1層的低頻信息為ca2,顯示第1層的低頻信息</p><p>　　ca1=appcoef2(C,S,'bior3.7',1);&

98、lt;/p><p>　　%首先對(duì)第1層信息進(jìn)行量化編碼</p><p>　　ca1=wcodemat(ca1,440,'mat',0);</p><p>　　ca1=0.5*ca1; %改變圖像的高度</p><p>　　axes(handles.axes2); %將結(jié)果顯示在axes2中</p><

99、p>　　imshow(cal);title('小波變換'); %顯示小波變換之后的圖像</p><p>　　運(yùn)行結(jié)果如下圖4-8所示，4-7是選取的原始圖片。</p><p>　　圖4-7 圖4-8 </p><p><b>　　結(jié)果分析：<

100、/b></p><p>　　一個(gè)圖像做小波分解后，可得到一系列不同分辨率的子圖像，對(duì)應(yīng)的頻率是不相同的。高分辨率子圖像上大部分點(diǎn)的數(shù)值都接近于0，分辨率越高越明顯。而對(duì)于一個(gè)圖像來說，表現(xiàn)圖像的最主要的部分是低頻部分，所以壓縮的方法是利用小波分解去掉圖像高頻部分二保留低頻部分。經(jīng)過小波變換之后的圖像比原來圖像的字節(jié)數(shù)有所降低，達(dá)到了壓縮圖片的效果。</p><p>　　4.3 噪聲處

101、理模塊的設(shè)計(jì)</p><p><b>　　1.加入噪聲</b></p><p><b>　　1）椒鹽噪聲</b></p><p><b>　　程序設(shè)計(jì)：</b></p><p>　　function zaosheng_Callback(hObject, eventdata, h

102、andles)</p><p>　　global T %設(shè)置全局變量T</p><p>　　va=get( handles.zaosheng,'Value');%得到句柄zaosheng的Value，賦給va</p><p>　　val=get(hObject,'Value');</p><p>　　s

103、witch val %用switch語句設(shè)置選項(xiàng)</p><p>　　case 1 %椒鹽噪聲 </p><p>　　prompt={'輸入椒鹽噪聲參數(shù)1:'}; %設(shè)置提示字符串</p><p>　　defans={'0.01&#

104、39;}; %設(shè)置默認(rèn)值為0.01</p><p>　　p=inputdlg(prompt,'input',1,defans); %顯示對(duì)話框</p><p>　　p1=str2num(p{1}); %將字符串轉(zhuǎn)化為數(shù)值</p><p>　　f=imnoise(T,'salt & pepp

105、er',p1); %對(duì)圖像T加入椒鹽噪聲</p><p>　　axes(handles.axes6); %結(jié)果顯示在axes6中</p><p>　　imshow(f);title('椒鹽噪聲圖像'); %顯示加入椒鹽噪聲后的圖像</p><p>　　程序運(yùn)行結(jié)果如圖4-9所示，這里直接設(shè)置默認(rèn)的0.0

106、1值，點(diǎn)擊“OK”，運(yùn)行結(jié)果如下圖4-10所示：</p><p>　　圖4-9 圖4-10</p><p><b>　　2）高斯噪聲</b></p><p><b>　　case 2</b></p><p>　　T=getimage;</

107、p><p>　　prompt={'輸入高斯噪聲1:','輸入高斯噪聲2'}; %設(shè)置提示字符串，1為均值，2為方差值</p><p>　　defans={'0','0.01'}; %設(shè)置默認(rèn)參數(shù)值均值為0，方差值為0.01</p><p>　　p=inputdlg(prompt,'in

108、put',1,defans); %顯示對(duì)話框</p><p>　　p1=str2num(p{1}); %將字符串轉(zhuǎn)化為數(shù)值</p><p>　　p2=str2num(p{2}); %將字符串轉(zhuǎn)化為數(shù)值</p><p>　　f=imnoise(T,'gaussian',p1,p2);%對(duì)圖像T加入高斯噪聲&l

109、t;/p><p>　　axes(handles.axes6); %結(jié)果顯示在axes6中</p><p>　　imshow(f);title('高斯噪聲圖像');%顯示加入高斯噪聲后的圖像</p><p>　　運(yùn)行結(jié)果如圖4-11所示，這里直接設(shè)置默認(rèn)的值為0和0.01，點(diǎn)擊“OK”，運(yùn)行結(jié)果如下圖4-12所示：</p>

110、<p>　　圖4-11 圖4-12</p><p><b>　　3）乘性噪聲</b></p><p><b>　　case 3</b></p><p>　　T=getimage;</p><p>　　prompt={'輸入乘性噪聲1

111、:'}; %設(shè)置提示字符串</p><p>　　defans={'0.01'}; %設(shè)置默認(rèn)參數(shù)值均值為0.01</p><p>　　p=inputdlg(prompt,'input',1,defans);%顯示對(duì)話框</p><p>　　p1=str2num(p{1});

112、 %將字符串轉(zhuǎn)化為數(shù)值</p><p>　　f=imnoise(T,'speckle',p1); %對(duì)圖像T加入乘性噪聲</p><p>　　axes(handles.axes6); %結(jié)果顯示在axes6中</p><p>　　imshow(f);</p><p>　　title(&#

113、39;乘性噪聲圖像');%顯示加入乘性噪聲后的圖像</p><p><b>　　end</b></p><p>　　運(yùn)行結(jié)果如圖4-13所示，這里直接設(shè)置默認(rèn)的值為0和0.01，點(diǎn)擊“OK”，運(yùn)行結(jié)果如下圖4-14所示：</p><p>　　圖4-13 圖4-14</p>

114、<p><b>　　2.濾波處理</b></p><p>　　選擇其中一種噪聲，這里選取椒鹽噪聲，然后對(duì)椒鹽噪聲進(jìn)行濾波處理操作，軟件設(shè)計(jì)如下：</p><p><b>　　均值濾波</b></p><p><b>　　主程序設(shè)計(jì)：</b></p><p>　　T=

115、handles.img;</p><p>　　f=fliplr(handles.img);</p><p>　　handles.img=f;</p><p>　　h=fspecial('average'); %均值濾波函數(shù)，算子為“average”</p><p>　　J1=imfilter(f,h);

116、%對(duì)加入噪聲的f進(jìn)行均值濾波</p><p>　　axes(handles.axes7); %結(jié)果顯示在axes7中</p><p>　　imshow(J1);title('均值濾波后圖像');%顯示均值濾波后的圖像</p><p>　　運(yùn)行結(jié)果，這里設(shè)椒鹽噪聲的參數(shù)值為0.01，對(duì)椒鹽噪聲進(jìn)行均值濾波后的結(jié)果如圖4-16所示，4-1

117、5為設(shè)置的椒鹽噪聲的圖像：</p><p>　　圖4-15 圖4-16</p><p><b>　　均值濾波</b></p><p><b>　　主程序設(shè)計(jì)：</b></p><p>　　case 2

118、 </p><p>　　T=handles.img;</p><p>　　f=fliplr(handles.img);</p><p>　　handles.img=f;</p><p>　　img=rgb2gray(f); %對(duì)圖像f進(jìn)行灰度轉(zhuǎn)換</p><p>　　f7=medfilt