【正文】 圖413 圖414 選擇其中一種噪聲，這里選取椒鹽噪聲，然后對椒鹽噪聲進(jìn)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。 % 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(rèn)參數(shù)值均值為0， 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。 % 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)global T %設(shè)置全局變量Tva=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(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vaval=get(hObject,39。 %顯示運(yùn)動模糊圖像 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)。程序設(shè)計： case 4 %顯示運(yùn)動模糊處理結(jié)果 LEN = 21。)。 %將ig3進(jìn)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(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，圖像按逆時針方向旋轉(zhuǎn)；輸入負(fù)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。 主要程序設(shè)計：function xiaoguo_Callback(hObject, eventdata, handles)global T %定義全局變量Tva=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(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,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)展了像元取值的動態(tài)范圍,從而達(dá)到增強(qiáng)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(diǎn)，從而使單色圖像映射成彩色圖像。將圖像i轉(zhuǎn)換為j，~~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，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: ， 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(xì)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(hù)圖像細(xì)節(jié)，在圖像去噪的同時也破壞了圖像的細(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。（3）乘性噪聲。因此，實(shí)時采集的圖像需進(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?？梢圆捎蒙晕⒏淖冇嬎愎降姆椒ǎ馆敵鲂蛄械姆橇沩椏偤突旧虾洼斎胄蛄械姆橇沩棓?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個序列和的非零項的個數(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(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，記，這里與分別稱為定標(biāo)函數(shù)與子波函數(shù)，與為二個正交基函數(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(xiàn)的學(xué)習(xí)，先對模糊圖像進(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，曲線上會出現(xiàn)對稱的相關(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(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(fù)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(qiáng)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(shí)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(qiáng)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(diǎn)。采用了直方圖均衡化和規(guī)定化等方法，實(shí)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(shí)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(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(shí)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(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。系 統(tǒng)主界面常用處理模塊圖像壓縮模塊噪聲處理模塊加入噪聲彩色增強(qiáng)模塊濾波處理灰度變換模塊圖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(shí)現(xiàn)底片效果，即完成對二值圖像的求補(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。4. 模糊處理原理簡介運(yùn)動模糊圖像中，在運(yùn)動方向上大多數(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N*N像素塊逐一進(jìn)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與一維卷積計算很相似。對有限長度的輸入數(shù)據(jù)序列：(其余點(diǎn)的值都看成0)，它的離散小波變換為: 式（38） ， 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， 式（310）注意到尺度系數(shù)和輸入系列都是有限長度的序列，上述和實(shí)際上都只有有限項。繼續(xù)往下分解時，非零項出現(xiàn)的規(guī)律相