【正文】 在 axes7中 imshow(J1)。average39。%顯示加入 乘性 噪聲后的圖像 end 運行結(jié)果如圖 413所示，這里直接設(shè)置默認的值為 0和 ，點擊“ OK”，運行結(jié)果如下圖 414所示： 圖 413 圖 414 24 選擇其中一種噪聲，這里選取椒鹽噪聲，然后對椒鹽噪聲進行濾波處理操作，軟件設(shè)計如下： 1） 均值濾波 主程序設(shè)計： T=。 %結(jié)果顯示在 axes6中 imshow(f)。 %將字符串轉(zhuǎn)化為數(shù)值 f=imnoise(T,39。 %設(shè)置默認參數(shù)值均值 為 p=inputdlg(prompt,39。}。)。%對圖像 T加入高斯噪聲 axes()。 %將字符串轉(zhuǎn)化為數(shù)值 p2=str2num(p{2})。 %設(shè)置默認參數(shù)值均值為 0，方差值為 p=inputdlg(prompt,39。039。,39。)。 %對圖像 T加入椒鹽噪聲 axes()。 %將字符串轉(zhuǎn)化為數(shù)值 f=imnoise(T,39。 %設(shè)置默認值為 p=inputdlg(prompt,39。}。Value39。 噪聲處理 模塊 的設(shè)計 1）椒鹽噪聲 程序設(shè)計： function zaosheng_Callback(hObject, eventdata, handles) 22 global T %設(shè)置全局變量 T va=get( ,39。 圖 47 圖 48 結(jié)果分析： 一個圖像做小波分解后，可得到一系列不同分辨率的子圖像，對應(yīng)的頻率是不相同的。title(39。,0)。39。,1)。 d1=wrcoef2(39。v39。,C,S,39。39。,C,S,1)。v39。 %提取小波分解結(jié)構(gòu)中第 1 層的低頻系數(shù)和高 頻系數(shù) ch1=detcoef2(39。小波進行 1層小波分解 thr=20。 %顏色映射 [C,S]=wavedec2(X,1,39。 8*8的二維數(shù)據(jù)塊經(jīng) DCT后變成 8*8個變換系數(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)過運算， 丟棄右下角高頻數(shù)據(jù) ，從而達到圖像的壓縮效果。title(39。,T39。P1.*x39。0 0 0 0 0 0 0 0。1 1 1 0 0 0 0 0。,T,T39。%將真彩色 RGB圖像轉(zhuǎn)換成灰度圖像（ RGB并不發(fā)生變化） I=im2double(i)。%得到句柄 yasuo的 Value，賦給 va val=get(hObject,39。 %顯示 運動模糊 圖像 運行結(jié)果如下圖 45所示： 圖 45 結(jié)果分析： 從圖 45所示，運行之后的圖像明顯比原圖像模糊，程序運行正常。 %將結(jié)果顯示在 axes1中 imshow(blurred)。circular39。, LEN, THETA)。 處理 程序設(shè)計： 19 case 4 %顯示運動模糊處理結(jié)果 LEN = 21。)。 %將 ig3進行邊緣處理 axes ()。 程序設(shè)計： case 3 %顯示邊緣信息處理圖像 ig3=rgb2gray(T)。)。 %將 圖像 ig2取反 ，達到黑白色變換，實現(xiàn)底片效果 axes ()。的結(jié)果， 一般輸入?yún)?shù)為正數(shù)時，圖像按逆時針方向旋轉(zhuǎn)；輸入負數(shù)時，圖像按順時針方向旋轉(zhuǎn)。title(39。crop39。 %顯示對話框 p1=str2num(p{1})。}。旋轉(zhuǎn)角度 :39。Value39。 設(shè)計與調(diào)試 分析 模塊 的設(shè)計 主要程序設(shè)計： function xiaoguo_Callback(hObject, eventdata, handles) global T %定義全局變量 T va=get( ,39。如果對原始圖像和期望圖像均作直方圖均衡化處理，應(yīng)有 式 (322) 式 (323) 式 (324) 由于都是進行均衡化處理，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。 8).用 fj和 gi的映射關(guān)系修改原始圖像的灰度級 ,從而獲得直方圖近似為均勻分布的輸出圖像。其結(jié)果是擴展了像元取值的動態(tài)范圍 ,從而達到增強圖像整體對比度的效果。 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灰度級匹配到彩色空間中的一點，從而使單色圖像映射成彩色圖像。將圖像 i轉(zhuǎn)換為 j，使灰度值從 ~與缺省值 0~1相匹配 (3)偽彩色處理。 如： i=imread(39。 high_in],[low_out。 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，最后再將其轉(zhuǎn)換回 RGB。比如 R 軸上，從 [1， 0， 0]、 [2,0,0]直到 [255,0,0]，是個漸變，都是紅色，就是深紅淺紅的問題。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。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。這種濾波器的中心系數(shù)都是正的，而周圍的系數(shù)都是負的。因而，討論線性濾波器時，一般均以維納濾波器作為參考。 20 世紀 40 年代，維納奠定了關(guān)于最佳濾波器研究的基礎(chǔ)。對于有緩變的較長輪廓線物體的圖像，采用方形或圓形窗口為宜，對于包含尖頂角物體的圖像，適宜用十字形窗口。用數(shù)學(xué)公式表示為 : ? ?viivii fffM edY ??? , ?? ， 2 1, ??? mvZi 式 (313) 例如：有一個序列為 {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。在一定的條件下，可以克服線性濾波器所帶來的圖像細節(jié)模糊，而且對濾除脈沖干擾及圖像掃描噪聲最為有效。 均值濾波本身存在著固有的缺陷，即它不能很好地保護圖像細節(jié)，在圖像去噪的同時也破壞了圖像的細節(jié)部分，從而使圖像變得模糊，不能很好地去除噪聲點。 （ 1）均值濾波。 11 （ 3） 乘性噪聲。因此，實時采集的圖像需進行濾波處理。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噪聲。所謂高斯噪聲是指它的概率密度函數(shù)服從高斯分布（即正態(tài)分布）的一類噪聲。一個圖像做小波分解后，可得到一系列不同分辨率的子圖像，對應(yīng)的頻率是不相同的。 可以采用稍微改變計算公式的方法，使輸出序列的非零項總和基本上和輸入序列的非零項數(shù)相等，并且可以完全重構(gòu)。分解多步后非零項的個數(shù)可能比輸入序列的長度增加較多。若完全按照上述公式計算，在經(jīng)過 J 步分解后，所得到的 J+1 個序列1,1,0, ?? Jjd jk ? 和 jkc 的非零項的個數(shù)之和一般要大于 M，究竟這個項目增加到了多少？下面來分析一下上述計算過程。所不同的是：在 DWT 中，輸出數(shù)據(jù)下標(biāo)增加 1 時，權(quán)系數(shù)在輸入數(shù)據(jù)的對應(yīng)點下標(biāo)增加 2，這稱為“間隔取樣”。設(shè) f(x)為一 維輸入信號，記)2(2)( 2/ kxx jjjk ?? ?? ?? ， )2(2)( 2/ kxx jjjk ?? ?? ?? ，這里 )(x? 與 )(x? 分別稱為定標(biāo)函數(shù)與子波函數(shù)， )}({ xjk? 與 )}({ xjk? 為二個正交基函數(shù)的集合。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。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，加上人眼對高頻成分的失真不太敏感，所以可以用更粗的量化。通過文獻的學(xué)習(xí)，先對模糊圖像進行一階微分，然后進行自相關(guān)運算，可得一條鑒別曲線 ，曲線上會出現(xiàn)對稱的相關(guān)峰，峰值為負，兩相關(guān)峰之間的距離等于運動模糊長度。如果一 個像素落在圖像中某一個物體的邊界上，那么它的鄰域?qū)⒊蔀橐粋€灰度級的變化帶，對這種變化最有用的 2 個特征 (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。 運用 implement 函數(shù)來實現(xiàn)圖像取反，形成底片效果。如果指定一個正的旋轉(zhuǎn)角度，那么 imrotate 函數(shù)將使用指定的插值方法和旋轉(zhuǎn)角度將圖像逆時針旋轉(zhuǎn)；如果指定一個負值，那么將按順時針方向旋轉(zhuǎn)。 主界面包括常用處理模塊、圖像壓縮模塊、噪聲處理模塊、彩色增強模塊、灰度變換模塊。在該設(shè)計面板中，左上角設(shè)計了菜單欄選項：文件（打開、保存、退出）、編輯 (還原、撤銷、截圖 )、幫助等。 ，如圖像的旋轉(zhuǎn)、底片處理、 模糊處理等一些功能。 。本文利用 MATLAB提供的交互式 GUI開發(fā)環(huán)境，設(shè)計了圖像處理軟件的主界面和各個子功能界面，實現(xiàn)了圖像處理的需求功能。 MATLAB是由美國 MathWorks公司推出的用于數(shù)值計算和圖形處理的科學(xué)計算軟件 , 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)具有強大的圖形用戶界面 (Graphic User Interface， GUI)生成能力。其中，中值濾波對椒鹽噪聲的濾波效果好一點。采用了直方圖均衡化 和規(guī)定化等方法，實現(xiàn)了對圖像灰度變換的效果。采用了 DCT 變換 、 小波變換和雙線插值等方法，實現(xiàn)了圖片壓縮的效果。 本文針對課程設(shè)計的要求，分別設(shè)計了 常用處理模塊、圖像壓縮模塊、噪聲處理模塊、彩色增強模塊、灰度變換模塊 等五大單元模塊。這種系統(tǒng)廣泛應(yīng)用 于 IT 行業(yè)，尤其是對圖像的識別處理有重要的意義。 針對課程任務(wù)內(nèi)容一，設(shè)計了圖像壓縮模塊。 針對課程任務(wù)內(nèi)容三，設(shè)計了灰度變換模塊。設(shè)計了均值濾波 、 中值濾波 、 維納濾波 、 線性濾波等濾波器 ，實現(xiàn)了對加入噪聲圖像濾波的功能。從信息傳輸?shù)陌l(fā)展史（電報、電話、傳真、收音機、電視機直至現(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帶來了極大的困難。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；也可以將這個工具包和信號處理工具包或小波工具包等其他工具包聯(lián)合起來使用。請在測試圖像中驗證你的結(jié)論。如均值濾波器、中值濾波器、維納濾波器等。 設(shè)計 方案 結(jié)構(gòu)框圖 圖 31圖像處理 結(jié)構(gòu)框圖 首先鍵入 guide命令，彈出 GUI圖形用戶設(shè)計面板。系統(tǒng)整體結(jié)構(gòu)框圖如上圖 31所示。 imrotate 函數(shù)主要包括兩個參數(shù)：需要旋轉(zhuǎn)的圖像和旋轉(zhuǎn)的角度。 2. 底片 處理原理簡介 實現(xiàn)底片效果，即完成對 二值圖像 的求補運算，將二值圖像進行 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 。經(jīng)典的邊緣提取方法是考察圖像的每個像素在某個鄰域內(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，用簡單的方法檢測邊緣，這種方法稱為邊緣檢測局部算子法。 7 4. 模糊處理原理簡介 運動模糊圖像中，在運動方向上大多數(shù)模糊圖像的背景像素點具有很強的相關(guān)性，即沿著運動模糊的軌跡，背景像素點的灰度值逐漸變化或者不變。 DCT實現(xiàn)將整體圖像分成 N*N像素塊，然后對N*N像素塊逐一進行 DCT 變換。 N代表像素數(shù)，一般 N=8， 8*8的二位數(shù)據(jù)塊經(jīng) DCT后變成 8*8個變換系數(shù)，這些系數(shù)都有著明確的物理意義： U代表水平像素號， V代表處置像素號。 先對一維小波 變換作一簡單介紹。由上式 （ 36）、（ 37） 可見，每級一維 DWT 與一維卷積 9 計算很相似。對有限長度的輸入數(shù)據(jù)序列： Mnxc nn ,2,1,0 ??? (其余點的值都看成 0)，它的離散小波變換為 : knZn jnjk hcc 21 ??? ?? 式 （ 38） knZn jnjk gcd 21 ??? ?? ， 1,1,0 ?? Jj ? 式 （ 39） 其中 J為實際中要求分解的步數(shù)，最多不超過 log2M，其 逆變換為 knZk jk