【正文】 6 MATLAB GUI設(shè)計 MATLAB簡介MATLAB是美國的math works公司推出的一個科技應(yīng)用軟件，它是由Matrix(矩陣)和Laboratory(實驗室)的前三個字母組成。 指數(shù)低通濾波器的傳遞函數(shù)徑向剖面圖與巴特沃斯低通濾波器處理的圖像相比，經(jīng)指數(shù)低通濾波處理的圖像要模糊一些；由于在其傳遞函數(shù)中也有較平緩的過渡帶，所以圖像中沒有振鈴現(xiàn)象出現(xiàn)。在空域中存在著卷積關(guān)系，這種卷積關(guān)系使得這種振鈴現(xiàn)象產(chǎn)生，因為具有理想的矩陣特性，那么就注定其反變換h(x,y)必然產(chǎn)生無限振鈴特性。利用卷積定理，可以得到如下的式子： ()式中，是含噪聲圖像的傅立葉變換，是平滑后圖像的傅立葉變換，是低通濾波器傳遞函數(shù)。設(shè)和分別為二維離散函數(shù)和的離散傅立葉變換，則 ()其中是常數(shù)。 （a）含有椒鹽噪聲的圖片 （b）處理后的圖像 多幅圖像平均法去噪的效果 小結(jié)本章介紹了圖像空間域常用的去噪方法，主要包括平均值濾波、中值濾波、空間域低通濾波和多幅圖像平均法。MATLAB實現(xiàn)空間域低通濾波的示例程序見附錄[12]。對于一些內(nèi)容復(fù)雜點的圖像，可以使用復(fù)合型中值濾波，如中值線性濾波組合，高階中值濾波組合，加權(quán)中值濾波以及迭代中值濾波等。在有很強的胡椒粉式(或脈沖)干擾的情況下，因為這些灰度值的干擾值與其鄰近像素的灰度值有很大差異，因此經(jīng)排序后取中值的結(jié)果是強迫將此干擾點變成與其鄰近的某些像素的灰度值一樣，從而達(dá)到去除干擾的效果。MATLAB中可通過medfilt2函數(shù)來實現(xiàn)中值濾波[4]。例如有一組序列{80,90,200,100,110},采用一維中值濾波后序列變?yōu)閧80，90，100，110，200}。其基本原理是把以某像素為中心的小窗口內(nèi)所有像素的灰度按從小到大排序，取排序結(jié)果的中間值作為該元素的灰度值。當(dāng)某些點的灰度值與各鄰點灰度的均值的差值超過規(guī)定的閾值T時，它很可能是噪聲，則取其鄰域平均值作為該點的灰度值。從平滑效果來看，高斯模板比同尺寸的Box模板清晰一些。因此，模板卷積時模板不宜太大，一般用33或55的模板就可以了，另外，可以設(shè)法將二維模板分解為多個一維模板，這對減少運算量也是很有效的。假設(shè)模板h有m個加權(quán)系數(shù)，模板系數(shù)對應(yīng)的圖像像素為，則模板卷積可表示為 () ，模板原點在模板中間。對于33box模板，是將原圖像中一個像素的灰度值和它周圍鄰近八個像素的灰度值相加，然后求得的平均值(除以9)作為該新圖中該像素的灰度值，用如下方法表示該操作：在模板操作中，需要注意兩個問題：(1) 圖像邊界問題。圖像去噪可以在頻率域進(jìn)行，也可以在空間域進(jìn)行。根據(jù)類型再確定其他參數(shù)。例如，攝像機的信號和噪聲有關(guān)，黑暗部分噪聲大，明亮部分噪聲小。2) 非平穩(wěn)噪聲，即是統(tǒng)計特性隨時間變化的噪聲。如各種接頭因抖動引起電流變化所產(chǎn)生的噪聲；磁頭、磁帶等抖動引起的噪聲。因此，噪聲可以借用隨機過程及其概率密度函數(shù)來描述，通常用其數(shù)字特征，如均值、方差等。第5章介紹了頻率域低通濾波，包括二維離散傅里葉變換的性質(zhì)和實現(xiàn)過程，以及幾種常用的低通濾波器，最后用MATLAB程序進(jìn)行仿真?，F(xiàn)在國內(nèi)外很多大學(xué)和科研機構(gòu)都設(shè)有專門的機器視覺實驗室對這方面的技術(shù)進(jìn)行更加深入的研究，相信隨著這方面研究的不斷深入，更新更好的方法將會不斷被提出和應(yīng)用。非線性濾波大多考慮到了人們的視覺標(biāo)準(zhǔn)和最佳濾波原則，提高了圖像分辨率和邊緣保護(hù)能力。由于JPEG的高壓縮比和良好的圖像質(zhì)量，使得它廣泛應(yīng)用于多媒體和網(wǎng)絡(luò)程序中。(2) TIF圖像文件格式標(biāo)記圖像文件格式TIF(Tag Image File Format),是現(xiàn)存圖像文件格式中最復(fù)雜的一種，它提供存儲各種信息的完備手段，可以存儲專門的信息而不違反格式宗旨，是目前流行的圖像文件交流標(biāo)準(zhǔn)之一。習(xí)慣上把數(shù)字圖像左上角的像素定義為第(1，1)個像素，右下角的像素定義為第(M,N)個像素。一幅圖像可以定義為一個二維函數(shù)，這里 x和y 表示2D空間中一個坐標(biāo)點的位置，而幅值f則代表圖像在坐標(biāo)(x,y)上的某種性質(zhì)的數(shù)值。保密的論文（設(shè)計）在解密后適用本規(guī)定。 MATLAB仿真結(jié)果表明：各種去噪算法各有其優(yōu)缺點。為了去除噪聲并改善圖像質(zhì)量，需要對圖像進(jìn)行去噪處理，從而有必要研究圖像去噪算法。首先介紹了噪聲的概念、產(chǎn)生的原因、分類及其特點。據(jù)我所知，除文中已經(jīng)注明引用的內(nèi)容外，本論文（設(shè)計）不包含其他個人已經(jīng)發(fā)表或撰寫過的研究成果。：任務(wù)書、開題報告、外文譯文、譯文原文（復(fù)印件）。為了能用計算機對圖像進(jìn)行加工,需要把連續(xù)圖像在坐標(biāo)空間xy和幅值f都離散化。隨著計算機軟硬件技術(shù)的突飛猛進(jìn)，以及數(shù)字處理技術(shù)的不斷發(fā)展，數(shù)字圖像處理在科學(xué)研究、工業(yè)生產(chǎn)、國防以及現(xiàn)代管理決策等各行各業(yè)都得到越來越多的應(yīng)用。GIF主要是為數(shù)據(jù)流而設(shè)計的一種傳輸格式，不作為文件的存儲格式。嚴(yán)重時會影響有用信息，所以對圖像噪聲的處理顯得相當(dāng)重要。1946年Gabor在傅里葉變換的基礎(chǔ)上提出了一種加窗傅里葉變換，通過特定的平移窗函數(shù)來分解信號的頻譜，提取出它的局部信息，提高時間分辨能力。第2章概述了圖像噪聲的性質(zhì)，主要包括圖像噪聲的含義、分類和特點。同時，還對整個研究工作中的不足和對未來的工作做了分析和展望。(2) 內(nèi)部噪聲，即是由系統(tǒng)電氣設(shè)備內(nèi)部引起的噪聲。隨著材料科學(xué)的發(fā)展，這些噪聲有望不斷減少，但在目前來講，還是不可避免的。加性噪聲與信號強度不相關(guān)，而乘性噪聲則與信號強度有關(guān)。在串聯(lián)圖像傳輸系統(tǒng)中，個人串聯(lián)部件引起的噪聲疊加起來，造成信噪比下降[1]。J=imnoise(I,‘salt amp。 小結(jié)本章主要介紹了圖像噪聲的性質(zhì)，包括其定義、特點、分類和MATLAB中如何給圖像添加噪聲。(2) 計算結(jié)果可能超出灰度范圍。陰影部分為擴充圖像邊界。 小結(jié) 本章主要介紹了模板操作和卷積運算，包括模板操作存在的問題和解決方法，以及卷積運算的步驟。模塊尺寸越大，則圖像模糊程度越大。它們討論的重點都在如何選擇鄰域的大小，形狀和方向，如何選擇參加平均的點數(shù)以及鄰域各點的權(quán)重系數(shù)等。統(tǒng)計排序濾波器先對被模板覆蓋的像素按灰度排序，然后取排序結(jié)果某個值作為輸出結(jié)果。窗口尺寸的選擇可以先試用小尺寸窗口，再逐漸增大窗口尺寸，直到濾波效果滿意為止。(2) 中值濾波的輸出與輸入噪聲的密度相關(guān)。 MATLAB如何實現(xiàn)中值濾波(a)和(b)分別是含有高斯噪聲和椒鹽噪聲的圖像，(c)和(d)分別是對(a)和(b)采用33十字形窗口進(jìn)行中值濾波后圖像，(e)和(f)分別是對(a)和(b)采用55十字形窗口進(jìn)行中值濾波后的圖像，(g)和(h)分別是對(a)和(b)采用77十字形窗口進(jìn)行中值濾波后的圖像。因此，可以通過低通濾波法即減弱或消除高頻分量而不影響低頻分量來實現(xiàn)圖像平滑。 多幅圖像平均法 多幅圖像平均法的基本原理多幅圖像平均法就是對同一景物的多幅圖像取平均來消除噪聲。在數(shù)字圖像中，圖像的邊緣、噪聲對應(yīng)與傅立葉變換頻譜中的高頻部分，因此通過使用低通濾波器在頻域?qū)@些高頻成分進(jìn)行抑制，從而達(dá)到去除圖像噪聲的目的。(6)分配性和比例性傅立葉的分配性表明傅立葉變換和反變換對于加法可以分配，而對于乘法則不行，即 () ()傅立葉變換的比例性表明對于二個標(biāo)量和，有 () () (7)平均值 二維離散函數(shù)的平均值定義如下： () 將代入二維離散傅立葉定義式，可得： ()比較以上兩式，可看出 () 因此，若要求二維離散信號的平均值，只需算出相應(yīng)的傅立葉變換在原點的值。為了實現(xiàn)理想濾波器，在計算機對數(shù)字圖像的處理中利用了一個階躍函數(shù) () 式中是一個規(guī)定的非負(fù)的量，叫做理想低通濾波器的截止頻率。通常把下降到原來值的1/時的定為截頻點。由此圖可以看出梯形濾波器的處理效果是介于理想低通濾波器和具有平滑過渡帶濾波器之間，它的處理結(jié)果存在著一定的振鈴現(xiàn)象。工具箱實際上是對MATLAB進(jìn)行擴展應(yīng)用的一系列MATLAB函數(shù)(稱為M文件)，它可用來求解各類學(xué)科的問題，包括信號處理、圖象處理、控制系統(tǒng)辨識、神經(jīng)網(wǎng)絡(luò)等。MATLAB最重要的特點就是易于擴展，允許用戶自行構(gòu)建指定功能的M文件，進(jìn)而構(gòu)成適合用戶要求的工具箱，這大大擴展了MATLAB的適用范圍。它提供用戶一個常見的界面，還提供一些控件，例如，按鈕，列表框，滑塊，菜單等。2． 圖像窗口(Figure)。這些相應(yīng)的語句被稱為回調(diào)。這個界面非常實用，只要直接通過鼠標(biāo)將對象拖到目的地，就可以快速的建立出整個GUI框架，布局然后在隨界面自動生成的M文件里面添加函數(shù)或程序代碼。(6) Tab順序編輯器(Tab Order Editor):通過該工具,設(shè)置當(dāng)用戶按下鍵盤上的Tab鍵時,對象被選中的先后順序。除Children、Parent、Tag、Type、UserData、Visible等公共屬性外，還有一些常用的特殊屬性。圖形用戶界面如下： 讀取lenna圖像然后通過“添加噪聲”這個botton group控件我們可以對圖像進(jìn)行添加噪聲，該設(shè)計就設(shè)計了添加兩種噪聲：高斯噪聲和椒鹽噪聲。平均值濾波用像素及其指定鄰域內(nèi)像素的平均值或加權(quán)平均值作為該像素的新值，來去除突變的像素點，從而濾除噪聲，該方法操作起來簡單，速度快，但是會使圖像變模糊(尤其是在圖像的邊緣和細(xì)節(jié)處)，該方法在去除高斯噪聲方面有比較好的效果，但對椒鹽噪聲的處理效果并不理想。雖然用低通濾波器進(jìn)行平滑處理可以使噪聲偽輪廓的寄生效應(yīng)減低到不顯眼的程度，但是由于低通濾波器對噪聲等寄生成分濾除的同時，對有用的高頻成分也濾除了，因此，這種去噪方法是以犧牲清晰度為代價的[15]。在他的悉心幫助和認(rèn)真指導(dǎo)下我順利的完成了畢業(yè)設(shè)計。 參考文獻(xiàn)[1] [M].北京：電子工業(yè)出版社，2001：199203.[2] 何東健，耿楠，[M].西安：西安電子科技大學(xué)出版社,2008：6166.[3] 劉麗梅，孫玉榮，[J].,24(1)：2327.[4] [J].南京信息工程大學(xué)學(xué)報,2006,26(2)：23.[5] [J].湘南學(xué)院學(xué)報,2004,24(2)：7982.[6] 陳桂明，張明照，[M].北京：科學(xué)出版社,2000：225251.[7] Rafael ,Richard Image Processing(Second Edition).Bei Jing:Publishing House Of Electronics Industry,2002:172256.[8] 施曉紅，[M].北京：北京大學(xué)出版社,2003：141192.[9] 關(guān)新平，趙立興，[J],中國圖像圖形學(xué)報,2005,10(3)：333339.[10] 朱秀昌，劉峰，[M].北京：北京郵電大學(xué)出版社，2002：6770.[11] [J].韶關(guān)學(xué)院報，2004,8(06):24.[12] [M].北京：人民郵電出版社，2001：130133.[13] 李俊生，一種圖像平滑處理方法的空域算法與頻域分析[J].常州工學(xué)院報，2004,4(2)..[14] [D].江西:江西師范大學(xué)，2005，79.[15] Pattern Recognion[J], Joint Computer Conference,March 1955,94100[16] William Image Processing[M].Bei Jing:Pubishing House Of Electronics Industry,2005附 錄平均值濾波示例程序：clear allclose all[I M]=imread(‘’)。subplot(2,2,1),imshow(J1,M),title(‘含有椒鹽噪聲的圖像’)； K1=medfilt2(J1,[3,3])。 pepper39。J2=filter2(myfilter1,J1)。subplot(2,2,3),imshow(J3,M),title(‘模板2濾波后的圖像39。)；頻率域低通濾波程序：close allclear all[I,map]=imreand(‘’)。D1=IDEALfiltered=ifft2(IDEALG)。subplot(2,3,5),imshow(EXPOTfiltered,map),title(‘指數(shù)低通濾波’)。*.tif39。[im A]=imread(str)。 J1=imnoise(im,39。 J2=imnoise(im,39。global imglobal J1global J2global flagif flag==1switch get(hObject,