【正文】 在 axes7中 imshow(J1)。average39。%顯示加入 乘性 噪聲后的圖像 end 運(yùn)行結(jié)果如圖 413所示，這里直接設(shè)置默認(rèn)的值為 0和 ，點(diǎn)擊“ OK”，運(yùn)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(duì)椒鹽噪聲進(jìn)行濾波處理操作，軟件設(shè)計(jì)如下： 1） 均值濾波 主程序設(shè)計(jì)： 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(rèn)參數(shù)值均值 為 p=inputdlg(prompt,39。}。)。%對(duì)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(rèn)參數(shù)值均值為 0，方差值為 p=inputdlg(prompt,39。039。,39。)。 %對(duì)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(rèn)值為 p=inputdlg(prompt,39。}。Value39。 噪聲處理 模塊 的設(shè)計(jì) 1）椒鹽噪聲 程序設(shè)計(jì)： 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(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。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(jìn)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(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。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(yùn)動(dòng)模糊 圖像 運(yùn)行結(jié)果如下圖 45所示： 圖 45 結(jié)果分析： 從圖 45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。 %將結(jié)果顯示在 axes1中 imshow(blurred)。circular39。, LEN, THETA)。 處理 程序設(shè)計(jì)： 19 case 4 %顯示運(yùn)動(dòng)模糊處理結(jié)果 LEN = 21。)。 %將 ig3進(jìn)行邊緣處理 axes ()。 程序設(shè)計(jì)： case 3 %顯示邊緣信息處理圖像 ig3=rgb2gray(T)。)。 %將 圖像 ig2取反 ，達(dá)到黑白色變換，實(shí)現(xiàn)底片效果 axes ()。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)；輸入負(fù)數(shù)時(shí)，圖像按順時(shí)針方向旋轉(zhuǎn)。title(39。crop39。 %顯示對(duì)話框 p1=str2num(p{1})。}。旋轉(zhuǎn)角度 :39。Value39。 設(shè)計(jì)與調(diào)試 分析 模塊 的設(shè)計(jì) 主要程序設(shè)計(jì)： function xiaoguo_Callback(hObject, eventdata, handles) global T %定義全局變量 T va=get( ,39。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 式 (322) 式 (323) 式 (324) 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。 8).用 fj和 gi的映射關(guān)系修改原始圖像的灰度級(jí) ,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(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。 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。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(qiáng)，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(gè)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(fù)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。 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)。對(duì)于有緩變的較長(zhǎng)輪廓線物體的圖像，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。用數(shù)學(xué)公式表示為 : ? ?viivii fffM edY ??? , ?? ， 2 1, ??? mvZi 式 (313) 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。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。 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)。 （ 1）均值濾波。 11 （ 3） 乘性噪聲。因此，實(shí)時(shí)采集的圖像需進(jìn)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(diǎn)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(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。 可以采用稍微改變計(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)。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。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1,1,0, ?? Jjd jk ? 和 jkc 的非零項(xiàng)的個(gè)數(shù)之和一般要大于 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。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”。設(shè) f(x)為一 維輸入信號(hào)，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(gè)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(duì)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(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。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。 運(yùn)用 implement 函數(shù)來實(shí)現(xiàn)圖像取反，形成底片效果。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)。 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。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。 ，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(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。 MATLAB是由美國(guó) MathWorks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)大的圖形用戶界面 (Graphic User Interface， GUI)生成能力。其中，中值濾波對(duì)椒鹽噪聲的濾波效果好一點(diǎn)。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。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。 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。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。 針對(duì)課程任務(wù)內(nèi)容一，設(shè)計(jì)了圖像壓縮模塊。 針對(duì)課程任務(wù)內(nèi)容三，設(shè)計(jì)了灰度變換模塊。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。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。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。請(qǐng)?jiān)跍y(cè)試圖像中驗(yàn)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(jì) 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(jì)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(gè)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(jiǎn)介 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 。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測(cè)局部算子法。 7 4. 模糊處理原理簡(jiǎn)介 運(yùn)動(dòng)模糊圖像中，在運(yùn)動(dòng)方向上大多數(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。 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。 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)。 先對(duì)一維小波 變換作一簡(jiǎn)單介紹。由上式 （ 36）、（ 37） 可見，每級(jí)一維 DWT 與一維卷積 9 計(jì)算很相似。對(duì)有限長(zhǎng)度的輸入數(shù)據(jù)序列： Mnxc nn ,2,1,0 ??? (其余點(diǎn)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(shí)際中要求分解的步數(shù)，最多不超過 log2M，其 逆變換為 knZk jk