【正文】 期間，在整合函數(shù)時，調(diào)試的比較久，代碼語法本身沒有錯誤，就是出不來結(jié)果。在學(xué)習(xí)的過程中，使我鞏固了matlab的基礎(chǔ)理論知識，還提高了我對matlab的實(shí)際操作運(yùn)用能力，使得理論與實(shí)踐相結(jié)合，為進(jìn)一步學(xué)習(xí)專業(yè)知識打下堅實(shí)的基礎(chǔ)。 隨著設(shè)計的進(jìn)行，對matlab的的熟悉度逐步加深。比如說，模塊功能的代碼怎樣把它整合到一塊，有些代碼放到一起就不能工作了，但是分開來就可以運(yùn)行，實(shí)現(xiàn)它的功能。原因是彩色圖像屬于RGB三維圖像，而進(jìn)行中值濾波前需要將三維圖像轉(zhuǎn)化為二維灰色圖像，建立一個二維向量矩陣，再進(jìn)行濾波處理，這是值得注意的地方。實(shí)際工作中,有時需要變換直方圖使之成為某個特定的形狀,從而有選擇地增強(qiáng)某個灰度值范圍內(nèi)的對比度,這時可采用比較靈活的直方圖規(guī)定化方法。規(guī)定化后直方圖39。規(guī)定化后圖像39。 end end end %計算直方圖規(guī)定化后的直方圖 for p = 1:row for q = 1:col NN = double( New(p,q))+1。 min = Q。 end end %建立映射 HisM=zeros(L:1)。 end end %計算原圖像與目標(biāo)圖像累計直方圖數(shù)值的差的絕對值 double ScMin=zeros(256,256)。 end %規(guī)定化直方圖 Ps2Temp=[,zeros(1,9),zeros(1,9),zeros(1,9),zeros(1, 9),zeros(1,9),zeros(1,9),zeros(1,39),zeros(1,19),zeros(1,19),zeros(1,19),ones(1,80).*,ones(1,16).*]。 %獲取像素灰度級 nk(num) = nk(num)+1。 Rk2=zeros(L,1)。 % 存儲原圖像直方圖概率數(shù)據(jù) nk=zeros(L,1)。 J=I。 end%將原圖像的每個像素灰度轉(zhuǎn)換為直方圖均衡化后的灰度 for x = 1:row for y = 1:col Num = double( I(x,y))+1。 minV=ScMin(1,P)。Rk2(X)39。均衡化后圖像39。 I2=t1(I+1)1。 %將結(jié)果顯示在axes4中 bar(H1)。 end end t1=round(t*(2561)+)。 end end s=zeros(1,256)。 %將T轉(zhuǎn)化為灰色圖像 I=double(a)。 val=get(hObject,39。 %顯示偽彩處理后的圖像guidata(hObject,handles)。 %將結(jié)果顯示在axes3中imshow(S2)。)。 %亮度調(diào)節(jié) axes()。input39。 %設(shè)置字符串 defans={39。 %顯示真彩色增強(qiáng)后的圖像運(yùn)行結(jié)果，如圖421所示：圖421 (2)亮度切割法程序設(shè)計：case 2 T=getimage。 %將結(jié)果顯示在axes3中imshow(f)。%R要變換的灰度范圍[ ],變換后的灰度范圍[0 ]G= imadjust(G,[ ],[0 ])。switch val %用switch語句設(shè)置選項case 1 %原真彩色圖像R=T(:, :, 1)。)。均值濾波是一種線性濾波。)。 %對濾波后的圖像進(jìn)行恢復(fù) axes()。, 39。motion39。)。 %對加入椒鹽噪聲的圖像img進(jìn)行中值運(yùn)算 axes()。 f=fliplr()。title(39。)。 f=fliplr()。 title(39。speckle39。input39。 %設(shè)置提示字符串 defans={39。%顯示加入高斯噪聲后的圖像 運(yùn)行結(jié)果如圖411所示，點(diǎn)擊“OK”，運(yùn)行結(jié)果如下圖412所示： 圖411 圖412 3）乘性噪聲 case 3 T=getimage。 %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。input39。,39。輸入高斯噪聲239。 %顯示加入椒鹽噪聲后的圖像 程序運(yùn)行結(jié)果如圖49所示，點(diǎn)擊“OK”，運(yùn)行結(jié)果如下圖410所示： 圖49 圖410 2）高斯噪聲 case 2 T=getimage。 %結(jié)果顯示在axes6中 imshow(f)。salt amp。input39。 %設(shè)置提示字符串 defans={39。)。Value39。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。小波變換39。ca1=*ca1。,1)。c1=[a1,h1。d39。,C,S,39。39。,1)。a1=wrcoef2(39。,C,S,1)。h39。 %設(shè)置小波系數(shù)閾值cal=appcoef2(C,S,39。39。 程序設(shè)計：case 2X=rgb2gray(T)。DCT變換39。,T)。,mask)。0 0 0 0 0 0 0 0。1 1 0 0 0 0 0 0。)。%把灰度圖像的數(shù)據(jù)類型轉(zhuǎn)換成雙精度浮點(diǎn)類型T=dctmtx(8)。Value39。 圖像壓縮模塊的設(shè)計1. DCT變換程序設(shè)計：function yasuo_Callback(hObject, eventdata, handles)global T 定義全局變量Tva=get(,39。title(39。)。 %點(diǎn)擴(kuò)展函數(shù)的卷積運(yùn)算 blurred = imfilter(T, PSF, 39。 THETA = 0。 %顯示邊緣信息圖像 運(yùn)行結(jié)果如下圖44所示： 圖44結(jié)果分析：圖44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，用簡單的方法檢測邊緣。 %將結(jié)果顯示在axes1中imshow(f3)。 %將T轉(zhuǎn)化為二維的灰色圖像，賦給ig3f3=edge(ig3,39。 %顯示低片效果圖像 運(yùn)行結(jié)果如下圖43所示：圖43分析結(jié)果：圖43完成了對二值圖像的求補(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。 %將結(jié)果顯示在axes1中imshow(f2)。運(yùn)行結(jié)果正常。旋轉(zhuǎn)后圖像39。)。 %將對話框轉(zhuǎn)換為數(shù)值f=imrotate(img,p1,39。 %設(shè)置默認(rèn)值p=inputdlg(prompt,39。}。)。Value39。于是，我們可以用變換后的原始圖像灰度級S代替式(323)中的V。(2) 直方圖規(guī)定化直方圖均衡化的優(yōu)點(diǎn)是能自動增強(qiáng)整個圖像的對比度,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。直方圖均衡化的具體實(shí)現(xiàn)步驟如下:1）.列出原始圖像的灰度級 式(317) 2)．統(tǒng)計各灰度級的像素數(shù)目 式(318) 3).計算原始圖像直方圖各灰度級的頻數(shù) 式(319) 4).計算累積分布函數(shù) 式(320) 5).應(yīng)用以下公式計算映射后的輸出圖像的灰度級，P為輸出圖像灰度級的個數(shù)，其中INT為取整符號。對黑白圖像中不同的灰度賦予不同的彩色。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。e:\39。 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至high_out之間的值。(2)亮度切割法。 在彩色圖像中，黑色為RGB=[0,0,0]，白色為RGB=[255,255,255]。 RGB模型建立在笛卡爾坐標(biāo)系統(tǒng)里（三維），其三個軸分別為紅R，綠G，藍(lán)B，模型空間是正方體，原點(diǎn)對應(yīng)黑色，離原點(diǎn)最遠(yuǎn)的頂點(diǎn)對應(yīng)白色。(1)RGB分量法。對3*3的模板來說，典型的系數(shù)取值是：[1 –1 –1；1 8 –1；1 –1 1] 式(316)事實(shí)上這是拉普拉斯算子，所有的系數(shù)之和為0。維納濾波是40年代在線性濾波理論方面所取得的最重要的成果。即假定線性濾波器的輸入為有用信號和噪聲之和，兩者均為廣義平穩(wěn)過程且知它們的二階統(tǒng)計特性，維納根據(jù)最小均方誤差準(zhǔn)則(濾波器的輸出信號與需要信號之差的均方值最小)，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。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。此例若用平均濾波，窗口也是取5，那么平均濾波輸出為。但是對一些細(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。(2)中值濾波。它是一種典型的線性濾波算法，是指在圖像上對目標(biāo)像素給一個模板，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個像素，構(gòu)成一個濾波模板，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。一般由信道不理想引起，它們與信號的關(guān)系是相乘，信號在它在，信號不在它也就不在。消除圖像中的噪聲成份叫做圖像的平滑化或?yàn)V波操作。椒鹽噪聲往往由圖像切割引起。如果一個噪聲，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。這種方法也相當(dāng)于把輸入序列進(jìn)行延長（增加非零項），因而稱為延拓法。例如，若輸入序列長度為100，N=4，則有51項非零，有27項非零，有15項非零，有9項非零，有6項非零，有4項非零，有4項非零。j=0時計算過程為： 式（311） 式（312）不難看出，的非零值范圍為：即有個非零值。在實(shí)際應(yīng)用中，很多情況下采用緊支集小波（Compactly Supported Wavelets），這時相應(yīng)的尺度系數(shù)和小波系數(shù)都是有限長度的，不失一般性設(shè)尺度系數(shù)