基于MATLAB的圖像去噪算法研究與仿真設(shè)計

摘要圖像在采集和傳輸過程中會受到各種噪聲的干擾，使圖像質(zhì)量下降，導致圖像質(zhì)量下降。圖像退化會導致圖像模糊和特征泛濫，不利于圖像分析。為了去除噪聲，提高圖像質(zhì)量，需要對圖像進行去噪處理，因此有必要研究圖像去噪算法。圖像去噪算法有很多種，可以分別在空間域和頻域進行。本文對均值濾波、中值濾波、空域低通濾波、多圖像平均法和頻域低通濾波去噪算法進行了綜述。首先介紹了噪聲的概念、產(chǎn)生原因、分類和特點。然后介紹了均值濾波和中值濾波算法的基本原理及其適用范圍。最后介紹了空域低通濾波、頻域低通濾波和多圖像平均算法的基本原理。論文遵循理論與實踐相結(jié)合、理論與實踐并重的研究思路。不僅詳細討論了各種去噪算法的理論基礎(chǔ)和濾波原理，還利用MATLAB程序?qū)θピ胄ЧM行了仿真分析。最后，設(shè)計了一個圖形用戶界面來評估各種算法的去噪效果。MATLAB仿真結(jié)果表明，各種去噪算法各有優(yōu)缺點。因此，在對圖像進行去噪之前，首先要分析噪聲的類型及其產(chǎn)生的原因，然后選擇合適的去噪算法，才能獲得滿意的去噪效果。關(guān)鍵詞：圖像噪聲；圖像去噪算法；MATLAB；圖形用戶界面目錄1簡介11.1圖像和數(shù)字圖像處理11.2圖片的文本格式11.3研究圖像去噪的意義21.4圖像去噪技術(shù)背景及國外研究現(xiàn)狀21.5本文內(nèi)容安排32圖像噪點42.1圖像噪聲的概念42.2圖像噪聲的分類42.3圖像噪聲的特征42.4如何在MATLAB5中產(chǎn)生噪聲2.5去除圖像噪聲的主要方法52.6總結(jié)53模板操作和卷積操作63.1模板操作63.2模板卷積63.3總結(jié)74空間域過濾84.1均值濾波84.1.1均值濾波的基本原理84.1.2平均濾波法的問題及解決方法84.1.3MATLAB如何實現(xiàn)均值濾波94.2中值濾波94.2.1中值濾波的基本原理94.2.2中值濾波的性質(zhì)104.2.3中值濾波的過程114.2.4MATLAB如何實現(xiàn)中值濾波114.3空間域低通濾波124.3.1空間域低通濾波的基本原理124.3.2低通卷積模板124.3.3MATLAB如何實現(xiàn)空域低通濾波124.4多幅圖像平均134.4.1多幅圖像平均的基本原理134.5總結(jié)135頻域低通濾波145.1二維離散傅里葉變換145.1.1二維離散傅里葉變換的概念145.1.2二維離散傅里葉變換的性質(zhì)145.1.3二維離散傅里葉變換的實現(xiàn)175.2頻域低通濾波175.3幾種常用的低通濾波器[7]185.3.1理想低通濾波器185.3.2巴特沃斯低通濾波器185.3.3指數(shù)低通濾波器195.3.4梯形低通濾波器195.4MATLAB如何實現(xiàn)頻域低通濾波205.5總結(jié)216MATLABGUI設(shè)計226.1MATLAB22簡介6.2圖形用戶界面GUI226.3GUI設(shè)計原理及簡介226.4設(shè)計方法236.4.1圖形用戶界面設(shè)計工具236.4.2菜單設(shè)計246.4.3對話設(shè)計246.4.4處理圖形246.4.5圖形對象句柄命令256.4.6設(shè)計步驟256.5GUI設(shè)計功能介紹256.6總結(jié)277結(jié)論與展望287.1結(jié)論287.2展望28至29參考文獻30附錄311簡介據(jù)研究，人類接收到的所有信息中，約有75%到80%是通過視覺系統(tǒng)獲得的。與語言或文字信息相比，圖像包含的信息量更大、更直觀、更準確。它具有更高的效率和更廣泛的適應(yīng)性。當圖像以數(shù)字形式處理和傳輸時，這種存儲和傳輸格式以其質(zhì)量好、成本低、易于實現(xiàn)等優(yōu)點成為該領(lǐng)域當前和未來的主要趨勢。1.1圖像和數(shù)字圖像處理客觀世界在空間上是三維的（3-D），但從客觀場景中獲得的圖像通常是二維的（2-D）。一幅圖像可以定義為一個二維函數(shù)，其中x和y代表一個坐標點在二維空間中的位置，幅值f代表圖像在坐標(x,y）。例如，常用的圖像一般是灰度圖像，此時f代表灰度值，通常對應(yīng)于觀察到的客觀場景的亮度。

日常生活中看到的圖像大多是連續(xù)的，即y的值可以是任意實數(shù)。為了通過計算機處理圖像，需要在坐標空間xy和幅值f中對連續(xù)圖像進行離散化。該離散化圖像是數(shù)字圖像。數(shù)字圖像由有限的元素組成，每個元素都有特定的位置和大小，這些元素稱為圖像像素。數(shù)字圖像通常由矩陣描述。具有M×N個像素的數(shù)字圖像，像素灰度值可以用M行N列的矩陣[G]表示：存儲圖像時，可以將M行N列（M×N個像素）的數(shù)字圖像用M×N二維數(shù)組T來表示。圖像的每個像素的灰度值可以存儲在數(shù)組T中以一定的順序。通常將數(shù)字圖像左上角的像素定義為第(1,1)個像素，將右下角的像素定義為第(M,N)個像素。數(shù)字圖像處理是通過一些特定的數(shù)學模式對數(shù)字圖像進行處理，以得到有利于人類視覺或某種接收系統(tǒng)的圖像的過程。例如，從被噪聲污染的圖像中去除噪聲，對信息較弱的圖像進行增強，對失真圖像進行幾何校正。隨著計算機軟硬件技術(shù)的飛速發(fā)展和數(shù)字處理技術(shù)的不斷發(fā)展，數(shù)字圖像處理越來越多地應(yīng)用于科學研究、工業(yè)生產(chǎn)、國防和現(xiàn)代管理決策等各個領(lǐng)域。1.2圖片的文本格式數(shù)字圖像以多種格式存儲，每種格式都由不同的軟件支持。因此，要進行圖像處理，就必須了解圖像文件的格式，即圖像文件的數(shù)據(jù)結(jié)構(gòu)。下面介紹幾種常見的圖像文件格式。BMP圖像格式BMP（BitPicture）文件格式是Windows系統(tǒng)交換圖像和圖像數(shù)據(jù)的標準格式。它由四部分組成：文本圖像文件頭、位圖信息頭、調(diào)色板和位圖數(shù)據(jù)。TIF圖像文件格式TIF（標記圖像文件格式）是現(xiàn)有圖像文件格式中最復雜的一種。它提供了存儲各種信息的完整手段，可以在不違背格式目的的情況下存儲特殊信息。它是目前流行的圖像文件格式。文件交換的標準之一。GIF圖像文件格式CompuServe開發(fā)了圖形交換格式GIF（圖形交換格式），用于在不同系統(tǒng)平臺上進行圖像通信和傳輸。它是Web上常用的文件格式。GIF圖片文件采用LZW壓縮算法，存儲效率高，支持多圖排序或疊加，隔行多屏繪圖與文字疊加。GIF主要是為數(shù)據(jù)流設(shè)計的傳輸格式，而不是文件的存儲格式。PCX文件PCX文件格式是最早的圖像文件格式之一，由Zsoft公司設(shè)計。PCX支持256種顏色，具有結(jié)構(gòu)簡單、訪問速度快、壓縮比適中的特點，適合一般軟件使用。PCX圖像文件由三部分組成：文件頭、圖像數(shù)據(jù)和256色調(diào)色板。JPEGJPEG（JointPhotographer'sExpertsGroup，聯(lián)合攝影專家組）格式是ISO和CCITT為靜態(tài)圖像建立的第一個國際數(shù)學圖像壓縮標準，主要解決專業(yè)攝影師遇到的圖像信息過大的問題。由于JPEG的高壓縮比和良好的圖像質(zhì)量，它被廣泛用于多媒體和網(wǎng)絡(luò)程序中。JPEG一般是基于DCT變換的序列模式壓縮比圖像1.3研究圖像去噪處理的意義在圖像的形成、傳輸、接收和處理過程中，由于外部環(huán)境、系統(tǒng)性能和人為因素的影響，不可避免地存在噪聲干擾，使圖像變質(zhì)，影響圖像質(zhì)量。如果不及時處理噪聲，將會影響后續(xù)處理過程甚至輸出結(jié)果，甚至可能得出錯誤的結(jié)論。嚴重時會影響有用信息，因此處理圖像噪聲非常重要。圖像去噪處理從整個圖像分析過程的角度來看屬于圖像的預處理階段。由于圖像噪聲使圖像變形，圖像失去了存儲信息的本質(zhì)意義。顯然，圖像去噪是正確識別圖像信息所必需的。也是對圖像進一步處理的可靠保證。1.4圖像去噪技術(shù)背景及國外研究現(xiàn)狀圖像去噪的方法從不同處理域的角度可以分為空間域和頻域兩種處理方式；前者是在二維空間中對圖像本身進行處理，可分為線性處理方法和非線性處理方法；后者利用一組正交函數(shù)系統(tǒng)逼近原始信號函數(shù)，得到對應(yīng)的系數(shù)，并將原始信號的分析變換到系數(shù)空間域，即頻域?？臻g域的線性濾波算法在理論上比較成熟，數(shù)字分析簡單，對濾除與信號無關(guān)的隨機噪聲效果顯著，但對圖像邊緣細節(jié)的保護能力較差。非線性濾波大多考慮了人們的視覺標準和最優(yōu)濾波原理，提高了圖像分辨率和邊緣保護能力。1972年，Tukey提出中值濾波的思想，首先應(yīng)用于時間序列的分析，后來引入到圖像處理中，收到了很好的效果。機器視覺研究的不斷深入，使人們開始關(guān)注偏微分方程的數(shù)學理論。Perona和Malik提出了具有非線性濾波能力的偏微分方程，在圖像去噪和邊緣保護方面取得了很好的效果。他們的理論將該方程發(fā)展為各向異性擴散方程，進一步提高了去噪能力，起到了圖像邊緣保護的作用。后來，它被廣泛用于醫(yī)學和遙感圖像的濾波和去噪，并取得了滿意的效果。1946年，Gabor在傅里葉變換的基礎(chǔ)上提出加窗傅里葉變換，通過特定的平移窗函數(shù)對信號的頻譜進行分解，提取其局部信息，提高時間分辨能力。小波分析的概念是1984年由法國從事石油勘探信號處理的地球物理學家Morlet提出的。1986年，著名數(shù)學家邁耶和馬拉特共同建立了構(gòu)造小波函數(shù)的統(tǒng)一方法——多尺度分析。此后，小波分析在信號分析領(lǐng)域得到了廣泛的應(yīng)用并得到了蓬勃發(fā)展。近年來，小波分析已經(jīng)深入到非線性逼近和統(tǒng)計信號處理等領(lǐng)域，其特殊的時頻分辨能力基本取代了傳統(tǒng)的頻域分析方法。隨著各種理論的不斷成熟和完善，數(shù)字濾波技術(shù)取得了長足的進步，在醫(yī)學、遙感、紅外等諸多領(lǐng)域得到了廣泛的應(yīng)用。目前，國外很多大學和科研機構(gòu)都設(shè)立了專門的機器視覺實驗室，對這項技術(shù)進行更深入的研究。相信隨著這項研究的不斷深入，將會有更新更好的方法不斷被提出和應(yīng)用。1.5本文內(nèi)容安排本文主要研究了空間域和頻域的一些濾波方法。本文的章節(jié)組織如下：第一章是本文的緒論，主要介紹了數(shù)字圖像的定義和類型，以及研究圖像去噪技術(shù)的意義，介紹了圖像去噪技術(shù)的背景和國外研究現(xiàn)狀。第二章總結(jié)了圖像噪聲的性質(zhì)，包括圖像噪聲的含義、分類和特征。并介紹了如何在MATLAB中給圖像添加噪聲，最后介紹了一些常用的去除圖像噪聲的方法。第3章介紹模板操作和卷積操作，主要介紹一些常見的模板和卷積操作步驟。第4章介紹了幾種空域圖像去噪算法，包括平均濾波、中值濾波、空域低通濾波和多圖像平均。詳細介紹了它們的基本原理和適用范圍，并用MATLAB程序進行了仿真。第5章介紹了頻域中的低通濾波，包括二維離散傅里葉變換的性質(zhì)和實現(xiàn)過程，結(jié)合了幾種常用的低通濾波器，最后利用MATLAB程序進行了仿真。第6章介紹了MATLABGUI設(shè)計，包括GUI設(shè)計的一些基本原理以及如何制作簡單的用于圖像去噪的GUI設(shè)計界面。第7章是對本文整體工作的總結(jié)。同時對整個研究工作中存在的不足以及今后的工作進行了分析和展望。2圖像噪聲2.1圖像噪聲的概念在圖像的采集、存儲、處理和傳輸過程中，由于電氣系統(tǒng)和外部干擾，都會存在一定程度的噪聲。圖像噪聲使圖像模糊，甚至淹沒圖像特征，使分析變得困難。噪聲可以理解為“阻止人們的感覺器官理解接收到的源信息的一種因素”。噪聲也可以理解為只能通過概率和統(tǒng)計方法識別的不可預測的隨機誤差。因此，噪聲可以用一個隨機過程及其概率密度函數(shù)來描述，通常用它的數(shù)值特征來描述，如均值、方差等。2.2圖像噪聲的分類根據(jù)圖像噪聲產(chǎn)生的原因，噪聲可分為外部噪聲和局部噪聲。(1)外部噪聲，即外部干擾引起的噪聲，如外部電氣設(shè)備產(chǎn)生的電磁波干擾、天體放電產(chǎn)生的脈沖干擾等。(2)局部噪聲，即系統(tǒng)的電氣設(shè)備部分引起的噪聲。外界噪聲一般可分為4種：=1\*GB3①由光和電的基本特性引起的噪聲。例如，電流的產(chǎn)生是由電子或空穴粒子的聚集形成的。由這些粒子運動的隨機性引起的散粒噪聲；導體中自由電子運動引起的熱噪聲；根據(jù)光的粒子性質(zhì)，圖像是由光子傳輸?shù)?，光子的密度隨時間和空間的變化而變化。噪音等。=2\*GB3②電器機械運動產(chǎn)生的噪音。如各種關(guān)節(jié)抖動引起的電流變化產(chǎn)生的噪聲；由磁頭、磁帶等的抖動引起的噪聲。=3\*GB3③材料本身引起的噪音。噪聲，例如正負膜的表面顆粒度以及磁帶和磁盤上的表面缺陷。隨著材料科學的發(fā)展，這些噪音有望繼續(xù)減少，但目前仍是不可避免的。=4\*GB3④系統(tǒng)部設(shè)備電路引起的噪聲。比如電源引入的嗡嗡聲；偏轉(zhuǎn)系統(tǒng)和鉗位電路等引起的噪聲。根據(jù)統(tǒng)計特征，圖像噪聲可分為平穩(wěn)噪聲和非平穩(wěn)噪聲。1)平穩(wěn)噪聲是統(tǒng)計特性不隨時間變化的噪聲。2）非平穩(wěn)噪聲，即統(tǒng)計特征隨時間變化的噪聲。根據(jù)噪聲與信號的關(guān)系，圖像噪聲可分為加性噪聲和乘性噪聲。假設(shè)信號為，噪聲為，若混合疊加波形為，則稱為加性噪聲；如果疊加的波形是這樣的形式，則稱為乘性噪聲。加性噪聲與信號強度無關(guān)，而乘性噪聲與信號強度有關(guān)。為了分析和處理的方便，乘性噪聲往往被認為是加性噪聲，總是假設(shè)信號和噪聲是相互獨立的。也可以根據(jù)噪聲幅度分布的形狀來定義。如果幅度分布為高斯分布，則稱為高斯噪聲，如果按照瑞利分布，則稱為瑞利噪聲。2.3圖像噪聲的特點圖像噪聲一般具有以下特點：(1)圖像中噪聲的分布和大小是不規(guī)則的，即隨機的。(2)噪聲與圖像之間通常存在相關(guān)性。比如攝像頭的信號跟噪聲有關(guān)，暗部有噪聲，亮部小。又例如，數(shù)字圖像中的量化噪聲與圖像相位有關(guān)。當圖像體積接近平坦時，量化噪聲呈現(xiàn)偽輪廓，但圖像中的隨機噪聲會由于顫噪效應(yīng)使量化噪聲不那么明顯。(3)噪聲是相加的。在串行圖像傳輸系統(tǒng)中，由單個串行分量引起的噪聲疊加，導致信噪比下降[1]。2.4如何在MATLAB中產(chǎn)生噪聲在MATLAB中，您可以使用imnoise函數(shù)為圖像添加噪聲。語法：J=imnoise(I,type)或J=imnoise(I,type,parameters)將類型噪聲添加到灰度圖像I。類型是以下字符串之一：'gaussian'添加高斯白噪聲；'salt&pepper'增加了鹽和胡椒的噪音；“specle”添加了乘法噪聲。根據(jù)類型確定其他參數(shù)。J=imnoise(I,'gaussian',M,V)向圖像I添加均值為M方差為V的高斯白噪聲。默認為均值為0方差為0.01的噪聲。J=imnoise(I,'salt&pepper',D)將強度為D的椒鹽噪聲添加到圖像I，默認強度為0.05。J=imnoise(I,'specle',V)使用公式J=I+n*I將乘性噪聲添加到圖像I，其中n是均勻分布的隨機噪聲，均值為0，方差為V。V默認為0.04。2.5去除圖像噪聲的主要方法從信號頻譜來看，信號中緩慢變化的部分在頻域表現(xiàn)為低頻，而快速變化的部分表現(xiàn)為高頻。對于一幅圖像，其邊緣、跳躍、噪聲等灰度變化劇烈的部分代表圖像的高頻分量，而大面積的背景區(qū)域和灰度變化緩慢的區(qū)域則代表圖像的低頻分量。因此，圖像去噪可以通過低通濾波來實現(xiàn)，即在不影響低頻分量的情況下衰減或消除高頻分量。圖像去噪可以在頻域或空間域進行。去除圖像噪聲的主要方法包括均值濾波、中值濾波、自適應(yīng)濾波、維納濾波、小波軟閾值濾波、空間域低通濾波、頻域低通濾波和多種圖像平均算法。本設(shè)計主要介紹平均值濾波和中值濾波的基本原理和適用范圍，以及空域低通濾波、頻域低通濾波和多圖像平均算法的基本原理。2.6總結(jié)本章主要介紹圖像噪聲的性質(zhì)，包括它的定義、特征、分類以及如何在MATLAB中給圖像添加噪聲。3模板操作和卷積操作3.1模板操作模板可以是小圖像、過濾器或窗口，通常由矩陣表示。每個模板都有一個來源。對稱模板的原點一般為模板的中心點，非對稱模板的原點可根據(jù)使用目的進行選擇。模板運算是數(shù)字圖像處理中常用的一種運算方法。它用于圖像平滑、銳化、細化和邊緣檢測。比如有一個模板，將原圖中一個像素點的灰度值與原圖中相鄰8個像素點的灰度值相加，然后得到平均值（除以8）作為該像素點的灰度值在新圖像中。，表示操作如下：中間帶*的元素表示該元素是要處理的元素。對于3×3的框模板，將原圖中一個像素點的灰度值與周圍8個相鄰像素點的灰度值相加，然后取平均值（除以9）作為新圖的像素點.灰度值，表示操作如下：在模板操作中，需要注意兩個問題：(1)圖像邊界問題。當模板原點移動到圖像邊界時，一些模板系數(shù)可能在原始圖像中找不到它們對應(yīng)的像素。解決這個問題有兩種簡單的方法：一種是模板超出圖像邊界時不處理；另一種是擴展圖像，可以復制原始圖像邊界元素或用常數(shù)填充擴展后的圖像邊界，這樣也可以計算圖像邊界處的體積積。(2)計算結(jié)果可能超過灰度。作為一種解決方法，只需將其值設(shè)置為0或255。3.2模板卷積模板卷積是數(shù)字圖像處理中常見的鄰域運算方法，是指模板與圖像之間進行類似卷積或相關(guān)的運算。模板卷積中的模板也稱為卷積核，卷積核中的元素稱為卷積系數(shù)或模板系數(shù)或加權(quán)系數(shù)，它們的大小和排列順序決定了對圖像進行鄰域處理的類型。模板卷積的基本步驟如下：(1)模板在輸入圖像上移動，使模板原點依次與輸入圖像中的每個像素重合；(2)模板系數(shù)與輸入圖像與模板重合的對應(yīng)像素相乘，乘積相加；(3)將結(jié)果分配給像素位置與輸入圖像上模板原點位置一致的輸出圖像。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如圖所示(3.1)圖3.1是一個模板卷積的例子，其中模板原點在模板的中間。當模板原點移動到輸入圖像的圓上時，卷積核和它所覆蓋的區(qū)域（圖（a）中心的灰色矩陣框）做一個點積，即0×5+(-1)×5+0×8+(-1)×5+0×1+1×7+0×5+1×6+0×8=3，把這個結(jié)果賦給輸出圖像的對應(yīng)像素(如(c))中的圓圈所示。模板在輸入圖像中逐像素移動，并進行類似的操作，得到模板卷積結(jié)果（如圖（c）所示）。陰影區(qū)域是擴展的圖像邊界。5555588855558885555888555=1\*GB3①788555688833888883388888(a)輸入圖像模板0-10-101010(b)卷積核0033000-1200-4=3\*GB3③71-24103038200模板卷積結(jié)果(c)輸出圖像圖3.1模板卷積示例模板卷積是一個非常耗時的操作，尤其是在模板尺寸很大的情況下。以一個3×3的模板為例，每個模板操作需要9次乘法、8次加法和一次除法。在對n×n圖像進行模板卷積時，需要進行乘法、加法和除法運算，算法復雜度為O(·)。當模板尺寸增大，圖像變大時，計算量急劇增加。因此，模板卷積時模板不宜過大。一般來說，3×3或5×5的模板就足夠了。另外，我們可以嘗試將二維模板分解為多個一維模板，對于減少計算量也是非常有效的。的。例如，一個3×3的高斯模板可以分解為一個水平模板和一個垂直模板，即=×=××分解成兩個模板后，需要6次乘法、4次加法和1次除法才能完成一次模板運算。可以看出，當圖像較大時，模板分解將大大簡化操作[2]。3.3總結(jié)本章主要介紹模板操作和卷積操作，包括模板操作的問題和解決方法，以及卷積操作的步驟。4空間域過濾4.1平均過濾4.1.1平均濾波的基本原理平均值濾波器也稱為線性濾波器。其基本思想是利用像素及其指定鄰域像素的平均值或加權(quán)平均值作為像素的新值，從而去除突變像素，濾除噪聲。給定圖像中的每個像素，取其包含M個像素的鄰域，則平均濾波的數(shù)學表達式可以表示為：(4.1)圖4.1顯示了平均濾波方法的兩個常用模板。圖（a）是一個3×3的Box模板，圖（b）是一個3×3的高斯模板。Box模板中的加權(quán)系數(shù)相同，鄰域內(nèi)的每個像素對平滑結(jié)果的影響相同。高斯模板是通過對二維高斯函數(shù)進行采樣、量化和歸一化得到的。它考慮了鄰域中像素位置的影響。點離當前平滑的像素越近，權(quán)重系數(shù)越大。加權(quán)的目的是減少平滑造成的圖像模糊。從平滑效果來看，Gaussian模板比同樣大小的Box模板更清晰。平均濾波法通常是指使用Box模板對圖像進行平滑處理，而高斯平滑是指使用高斯模板對圖像進行平滑處理。(a)3×3Box模板(b)3×3Gaussian模板圖4.1兩種常用的鄰域平均模板平均濾波方法的主要優(yōu)點是算法簡單、快速，但可以在降低噪聲的同時對圖像進行模糊處理，尤其是在邊緣和細節(jié)處。模塊尺寸越大，圖像越模糊。4.1.2平均濾波法的問題及解決方法當使用平均濾波方法去除圖像噪聲時，雖然圖像噪聲被抑制，但圖像變得模糊，尤其是在邊緣和細節(jié)處，平滑效果與所使用的鄰域半徑有關(guān)。平均濾波方法對于平滑椒鹽噪聲（表現(xiàn)為圖像中黑白點的隨機分布，屬于脈沖干擾的一種）并不理想。為了盡可能減少模糊失真，可以采用閾值法來減少鄰域平均帶來的模糊效果，公式如下：(4.2)T是規(guī)定的閾值。上述公式也可以稱為算術(shù)平均濾波器。當某個點的灰度值與每個相鄰點的灰度值平均值之差超過指定閾值T時，很可能是噪聲，取其鄰域的平均值作為該點的灰度值觀點。當它們的差值不超過指定的閾值T時，這些點的像素灰度值仍然保留。為了克服簡單局部平均的缺點，已經(jīng)提出了許多保留邊緣細節(jié)的局部平滑算法。他們討論的重點是如何選擇鄰域的大小、形狀和方向，如何選擇參與平均的點數(shù)以及鄰域中每個點的權(quán)重系數(shù)。4.1.3MATLAB如何實現(xiàn)均值濾波圖4.2(a)和(c)分別是高斯噪聲和椒鹽噪聲的lenna圖像，分別是圖(b)和(d)中圖(a)和(c)的均值濾波結(jié)果.有關(guān)MATLAB實現(xiàn)均值濾波的示例程序，請參見附錄。(a)具有高斯噪聲的圖像(b)平均濾波處理的結(jié)果(c)帶有椒鹽噪聲的圖像(d)平均濾波的結(jié)果圖4.2平均濾波的濾波效果從圖4.2可以清楚地看到，雖然噪聲被平均濾波器抑制了，但圖像變得模糊。這種濾波方法對高斯噪聲的過濾效果很好，但對椒鹽噪聲的過濾效果卻不是很好。理想的。4.2中值濾波4.2.1中值濾波的基本原理中值濾波是Turky在1971年提出的一種非線性濾波，它可以在濾除噪聲的同時很好地保留圖像邊緣。其基本原理是以某個像素為中心的小窗口中所有像素的灰度按升序排序，取排序結(jié)果的中間值作為該元素的灰度值。為方便起見，中值濾波通常采用包含奇數(shù)像素的窗口。中值過濾器只是一種統(tǒng)計排序過濾器。統(tǒng)計排序濾波器首先對模板覆蓋的像素進行灰度排序，然后將排序結(jié)果中的某個值作為輸出結(jié)果。如果取最大值，則為最大濾波器，可用于檢測圖像中的最亮點。如果取最小值，則為最小值濾波器，用于檢測最暗點[3]。(1)一維中值濾波器如果是一組序列，先按大小排列為那么序列的中位數(shù)y是(4.3)上式中，如果將一個點的特征長度或形狀的鄰域作為窗口，在一維情況下，中值濾波器就是一個包含奇數(shù)個像素的窗口。窗口中間的像素值替換為窗口中每個像素的中值。設(shè)輸入序列為{,i}。I是自然數(shù)的集合或子集，窗口的長度為n，并且let，則濾波器的輸出為(4.4)上式是一維中值濾波的計算公式。例如，有一組序列{80,90,200,100,110}，經(jīng)過一維中值濾波后，序列變?yōu)閧80,90,100,110,200}。那么中值就是100。所以窗口中間200的灰度值被100代替。(2)二維中值濾波器令{表示數(shù)字圖像中每個點的灰度值。過濾窗口為A，窗口為A在該點的中值，則(4.5)中值濾波器的窗口形狀和大小對濾波效果影響很大，應(yīng)根據(jù)不同的圖像內(nèi)容和不同的要求進行選擇。二維中值濾波器的窗口可以是正方形的，也可以是近似圓形的或十字形的。對于窗口大小的選擇，可以先嘗試小尺寸的窗口，然后逐漸增大窗口大小，直到過濾效果滿意為止。作為一般經(jīng)驗法則，方形或圓形窗口適用于具有逐漸變化的長輪廓的對象的圖像。對于包含尖角對象的圖像，請使用十字形窗口。窗口的大小不應(yīng)超過圖像中最小有效對象的大小。如果圖像中有很多點、線和尖角，則不應(yīng)使用中值濾波。在MATLAB中，可以通過medfilt2函數(shù)[4]實現(xiàn)中值濾波。例如，下圖中使用3×3十字形窗口的二維中值濾波示例。圖4.3使用3×3十字形窗口的二維中值濾波4.2.2中值濾波的性質(zhì)中值濾波具有許多重要特性：(1)不影響階躍信號和斜波信號，小于窗長一半的連續(xù)脈沖被抑制，三角波信號的頂部變平。(2)中值濾波器的輸出與輸入噪聲的密度有關(guān)。對于高斯噪聲，中值濾波不如均值濾波有效。對于脈沖噪聲，特別是當脈沖寬度小于窗口寬度的一半時，中值濾波效果更好。(3)中值濾波器的光譜特性波動不大?？梢哉J為經(jīng)過中值濾波后信號頻譜基本不變。4.2.3中值濾波的過程圖像的中值濾波過程是先將模板覆蓋的像素按照灰度值升序排列，然后取序列中點的值作為中值，并以此值作為濾波器的輸出值.在強胡椒（或脈沖）干擾的情況下，由于這些灰度值的干擾值與其相鄰像素的灰度值相差很大，排序后取中值的結(jié)果就是強制這個干擾點變成與其相鄰的一些像素的灰度值相同，從而達到去除干擾的效果。中值濾波的過程是一個非線性運算過程，既可以保持圖像的輪廓，又可以消除強干擾脈沖噪聲[5]。中值濾波的使用經(jīng)過以下過程（1）輸入圖像，（2）添加模擬噪聲，以及（3）中值濾波。4.2.4如何在MATLAB中實現(xiàn)中值濾波器圖4.4(a)和(b)分別是包含高斯噪聲和椒鹽噪聲的圖像，(c)和(d)是使用3×3十字形進行中值濾波后的(a)和(b)圖像(e)和(f)分別是(a)和(b)的5×5十字形窗口中值濾波后的圖像，(g)和(h)是(a)的圖像)和(b)分別為具有7×7十字形窗口的中值濾波后的圖像。MATLAB實現(xiàn)中值濾波的示例程序見附錄[6]。(a)帶有高斯噪聲的圖像(b)帶有椒鹽噪聲的圖像(C)3×3窗口中值濾波器(d)3×3窗口中值濾波器(e)5×5窗口中值濾波器(f)5×5窗口中值濾波器(g)7×7窗口中值濾波器(h)7×7窗口中值濾波器圖4.4中值濾波器的濾波效果顯然，對于椒鹽噪聲，中值濾波可以在去除噪聲的同時更好地保持圖像邊緣，但對于高斯噪聲，中值濾波的效果并不理想。因此，中值濾波是濾除脈沖干擾和圖像掃描噪聲最有效的方法。但它不適合有很多細節(jié)的圖像。對于一些復雜的圖像，可以使用復合中值濾波，如中值線性濾波組合、高階中值濾波組合、加權(quán)中值濾波和迭代中值濾波等。4.3空間低通濾波4.3.1空間域中低通濾波的基本原理從信號頻譜來看，信號中緩慢變化的部分在頻域表現(xiàn)為低頻，而快速變化的部分表現(xiàn)為高頻。對于一幅圖像，其邊緣、跳躍、噪聲等灰度變化劇烈的部分代表圖像的高頻分量，而大面積的背景區(qū)域和灰度變化緩慢的區(qū)域則代表圖像的低頻分量。因此，圖像平滑可以通過低通濾波來實現(xiàn)，即在不影響低頻分量的情況下衰減或消除高頻分量。圖像平滑可以在頻域或空間域（通常通過模板卷積）進行。因此，可以通過空間域的卷積來實現(xiàn)。因此，只要對空間域系統(tǒng)的沖激響應(yīng)矩陣進行適當?shù)脑O(shè)計[10]，就可以達到濾波效果。假設(shè)是一張含有噪聲或虛假輪廓的圖像，或者是待處理的數(shù)字圖像，則為去噪后的圖像，圖像去噪后可以用以下公式表示：(4.6)其中h是L×L低通濾波器陣列。4.3.2低通卷積模板以下是幾種常用的去噪低通卷積模板[11]（單位脈沖響應(yīng)矩陣）：模板1模板2模板34.3.3MATLAB如何在空間域中實現(xiàn)低通濾波圖4.5使用上述三個單位脈沖響應(yīng)矩陣對包含高斯噪聲和椒鹽噪聲的lenna圖像進行低通濾波。MATLAB實現(xiàn)空域低通濾波的示例程序見附錄[12]。(a)包含高斯噪聲(b)包含椒鹽噪聲(c)模板1過濾掉高斯噪聲(d)模板1過濾掉椒鹽噪聲(e)模板2過濾掉高斯噪聲(f)模板2過濾掉椒鹽噪聲(g)模板3過濾掉高斯噪聲(h)模板3過濾掉椒鹽噪聲圖4.5空間域低通濾波的濾波效果空間低通濾波方法實際上是對平均濾波方法的改進。使用這種方法去除圖像噪聲的難點在于低通卷積模板的選擇。如何選擇合適的低通卷積模板，就會得到很好的去噪效果。4.4多幅圖像平均法4.4.1多幅圖像平均法的基本原理多幅圖像平均的方法是對同一場景的多幅圖像進行平均以去除噪聲。讓原始圖像為圖像噪聲是加性噪聲，則噪聲圖像可以表示為：(4.7)如果圖像噪聲是互不相關(guān)的加性噪聲并且均值為0，則(4.8)其中是期望值，在對M個噪聲圖像進行平均后，我們有：(4.9)和(4.10)其中sum是和n在點的方差。公式表明，M幅圖像的平均值可以將噪聲方差降低M倍，當M增加時，它會更接近。多圖像平均通常用于處理來自攝像機的視頻圖像，以減少由光電管或CCD設(shè)備引起的噪聲。此時，對同一場景的多張圖像進行連續(xù)采集和數(shù)字化，然后對多張圖像進行平均處理。通常，使用8張圖像進行平均。該方法的難點在于多幅圖像之間的匹配，操作難度大。圖4.6是使用多幅圖像平均法處理帶有椒鹽噪聲的lenna圖像的效果(a)帶有椒鹽噪聲的圖像(b)處理后的圖像圖4.6多幅圖像平均去噪的效果4.5總結(jié)本章介紹了圖像空間域常用的去噪方法，包括均值濾波、中值濾波、空間域低通濾波和多圖像平均法。并進行MATLAB仿真。5頻域低通濾波頻域濾波是一種非常重要的頻域圖像處理方法。在數(shù)字圖像中，圖像的邊緣和噪聲對應(yīng)于傅里葉變換頻譜的高頻部分，因此通過使用低通濾波器在頻域抑制這些高頻分量，從而實現(xiàn)去除圖像噪聲的目的。頻域低通濾波是一種基于傅里葉變換的去噪方法。對于數(shù)字圖像，使用二維離散傅里葉變換[13]。5.1二維離散傅里葉變換5.1.1二維離散傅里葉變換的概念二維離散函數(shù)的傅里葉變換為：(5.1)傅里葉逆變換為：(5.2)在：在數(shù)字圖像處理中，圖像采樣一般為方陣，即二維離散傅里葉變換公式為：(5.3)(5.4)5.1.2二維離散傅里葉變換的性質(zhì)下面描述二維離散傅里葉變換的性質(zhì)。(1)線性傅里葉變換是線性算子。令sum分別為二維離散函數(shù)sum的離散傅里葉變換，則(5.5)常數(shù)在哪里。(2)可分離性由于離散傅里葉變換的指數(shù)項可以分解為僅包含x和y的兩個指數(shù)項的乘積，因此二維離散傅里葉變換運算可以分解為兩個一維離散傅里葉變換：(5.6)(5.7)(3)翻譯傅里葉變換的平移屬性由下式給出：(5.8)(5.9)(4)周期性和共軛離散傅里葉變換和逆變換具有周期性和共軛對稱性。傅里葉變換的周期性表示為(5.10)(5.11)在哪里：共軛對稱可以表示為(5.12)(5.13)(5)旋轉(zhuǎn)不變性如果引入極坐標：(5.14)則和分別變?yōu)楹停跇O坐標系中，有如下變換對：(5.15)這個公式表明，如果角度在時域旋轉(zhuǎn)，相應(yīng)的傅里葉變換也在頻域旋轉(zhuǎn)相同的角度，反之，如果角度在頻域旋轉(zhuǎn)，其逆變換也將角度旋轉(zhuǎn)到空間域。(6)分配式和比例式傅里葉的可分布性是指傅里葉變換和逆變換對于加法是可分配的，但對于乘法是不可分配的，即(5.16)(5.17)傅里葉變換的比例性表明，對于兩個標量和，我們有(5.18)(5.19)(7)平均二維離散函數(shù)的平均值定義如下：(5.20)代入二維離散傅里葉定義，我們得到：(5.21)比較以上兩個方程，可以看出(5.22)因此，如果需要二維離散信號的平均值，只需在原點計算相應(yīng)的傅里葉變換的值即可。(8)微分性質(zhì)二維變量函數(shù)的拉普拉斯算子定義為(5.23)根據(jù)二維傅里葉變換的定義，我們可以得到(5.24)拉普拉斯算子通常用于檢測圖像的邊緣。(9)卷積定理兩個二維連續(xù)函數(shù)之和的卷積定義為(5.25)其二維卷積定理可以用以下關(guān)系表示：認為(5.26)(10)相關(guān)定理兩個二維連續(xù)函數(shù)之和的相關(guān)定義為(5.27)在離散情況下，與離散卷積一樣，總和需要通過向總和添加零來擴展。然后，離散和連續(xù)情況的相關(guān)定理可以表示為：(5.28)5.1.3二維離散傅里葉變換的實現(xiàn)由于二維離散傅里葉變換的可分離性，可以使用兩個一維離散傅里葉變換來實現(xiàn)二維變換[14]：F(或F((5.29)在具體實現(xiàn)中，x和y分別對應(yīng)行列坐標，即：(5.30)上式表示先對圖像矩陣的每一列進行一維離散傅里葉變換，再對變換結(jié)果的每一行進行一維離散傅里葉變換。5.2頻域低通濾波方法對于一幅圖像，其邊緣、細節(jié)和跳躍部分代表圖像的高頻分量，而大面積背景和緩慢變化的部分代表圖像的低頻分量。頻域中的低通濾波方法可用于去除高頻分量。去除噪點以平滑圖像。使用卷積定理，可以得到以下公式：(5.31)其中是噪聲圖像的傅里葉變換，是平滑圖像的傅里葉變換，是低通濾波器傳遞函數(shù)。利用它們對高頻分量進行衰減，然后通過逆變換得到想要的圖像。低通濾波器的系統(tǒng)框圖如下所示[13]：圖5.1頻域空間濾波框圖5.3幾種常用的低通濾波器[7]5.3.1理想低通濾波器在現(xiàn)實中，由于電子元件的物理限制，不可能有一個理想的濾波器。為了實現(xiàn)理想的濾波器，計算機對數(shù)字圖像的處理采用了階躍函數(shù)(5.32)其中是一個規(guī)定的非負量，稱為理想低通濾波器的截止頻率。是頻域中原點到點的距離，即：(5.33)因為u和v是一個三維圖像，其橫截面如圖5.2所示。整個濾波器的傳遞函數(shù)可以通過將其橫截面繞垂直軸旋轉(zhuǎn)360度來獲得。所謂理想低通濾波器，是指以截止頻率為半徑的圓的所有頻率都可以無損通過，并且截止頻率以外的所有頻率分量都被完全衰減。圖5.2理想低通濾波器傳遞函數(shù)的橫截面理想低通濾波平滑的概念很明確，但根據(jù)理論和經(jīng)驗可知，在處理過程中會出現(xiàn)嚴重的模糊振鈴，這也是由傅里葉本身的性質(zhì)決定的。空間域存在卷積關(guān)系，這種卷積關(guān)系使得這種振鈴現(xiàn)象發(fā)生。因為它具有理想的矩陣特性，就注定了它的逆變換h(x,y)必然產(chǎn)生無限振鈴特性。5.3.2巴特沃斯低通濾波器n階巴特沃斯低通濾波器的傳遞函數(shù)可以表示為：或(5.34)與理想的低通濾波器一樣，它是截止頻率，其值為：。巴特沃斯低通濾波器，也稱為最大平坦濾波器，與理想的低通濾波器有很大的不同：它的通帶和阻帶之間沒有明顯的跳躍，即兩者之間的另一種平滑過渡。通常，截止點設(shè)置為原始值的1/小時。圖5.3巴特沃斯低通濾波器傳遞函數(shù)的截面圖該過濾器的橫截面如圖5.3所示。與理想低通濾波器相比，巴特沃斯低通濾波器處理后的圖像模糊度大大降低。因為它不是一個陡峭的截止特性，所以它的尾部包含了大量的高頻信息；它的另一個特點是經(jīng)過它處理的圖像不會出現(xiàn)振鈴現(xiàn)象，因為濾波器的通帶和阻帶之間有一個平滑的過渡。5.3.3指數(shù)低通濾波器指數(shù)低通濾波器是一種衰減速度較快的濾波方法，其傳遞函數(shù)表示為：=或(5.35)公式中的截止頻率與前兩個濾波器相同；式中的n為決定衰減率的系數(shù)，if=then=1/e。指數(shù)低通濾波器傳遞函數(shù)的徑向分布如圖5.4所示。圖5.4指數(shù)低通濾波器傳遞函數(shù)的徑向截面指數(shù)低通濾波圖像比巴特沃斯低通濾波圖像模糊一些；圖像中沒有振鈴，因為它的傳遞函數(shù)中也有一個更平滑的過渡帶。5.3.4梯形低通濾波器梯形低通濾波器傳遞函數(shù)的形狀介于理想低通濾波器和具有平滑過渡帶的低通濾波器之間，其傳遞函數(shù)如下：=(5.36)其中=，當指定和時必須滿足條件<，傳遞函數(shù)的第一個斷點定義為它的截止頻率，可以是任何大于截止頻率的值。梯形低通濾波器傳遞函數(shù)的截面圖如圖5.5所示。從圖中可以看出，梯形濾波器的處理效果介于理想低通濾波器和過渡帶平滑的濾波器之間，其處理結(jié)果存在一定的振鈴現(xiàn)象。圖5.5梯形低通濾波器傳遞函數(shù)的截面圖以下是使用理想低通濾波器、指數(shù)低通濾波器、一階巴特沃斯低通濾波器和梯形低通濾波器對含有椒鹽噪聲的lenna圖像進行濾波的結(jié)果。圖5.6各種低通濾波器對椒鹽噪聲的濾波效果5.4MATLAB如何實現(xiàn)頻域低通濾波使用理想低通濾波器、一階巴特沃斯低通濾波器和指數(shù)低通濾波器進行頻域低通濾波的Matlab程序，因為低通濾波方法在濾除噪聲的同時濾除有用的那些。高頻信息，因此這種過濾方法是以犧牲圖像清晰度為代價的。有關(guān)程序，請參見附錄[9]。5.5總結(jié)本章介紹頻域低通濾波算法，包括二維傅里葉變換的定義、概念和幾種常用的低通濾波器，并進行MATLAB仿真。6MATLABGUI設(shè)計6.1MATLAB簡介MATLAB是美國mathworks公司推出的一款科技應(yīng)用軟件。它由Matrix（矩陣）和Laboratory（實驗室）的前三個字母組成。經(jīng)過十余年的發(fā)展和完善，已成為科學分析計算領(lǐng)域的主流軟件。MATLAB包含用于解決各種應(yīng)用問題的工具，稱為TOOLBOX。該工具箱實際上是一系列擴展和應(yīng)用MATLAB的MATLAB函數(shù)（稱為M文件）?？梢杂脕斫鉀Q各個學科的問題，包括信號處理、圖像處理、控制系統(tǒng)識別、神經(jīng)網(wǎng)絡(luò)等。隨著MATLAB版本的不斷升級，它所包含的工具箱的功能也越來越豐富.因此，其應(yīng)用范圍越來越廣泛，已成為各類工程師從事數(shù)值分析不可缺少的工具。MATLAB包含圖形界面編輯GUI，改變了以往“在命令窗口中通過文本形命令進行各種操作”的單一情況。內(nèi)容用戶進行VB、VC、VJ、DELPHI等通用可視化程序編輯。它集數(shù)值分析、矩陣計算、科學數(shù)據(jù)可視化、非線性動力系統(tǒng)建模與仿真等諸多強大功能于一身，易于操作。將窗口環(huán)境用于必須執(zhí)行有效數(shù)值運算的科學研究、工程設(shè)計和應(yīng)用程序。眾多學科領(lǐng)域提供了簡潔高效的編程工具。在這種編程環(huán)境下，任何復雜計算問題的描述及其解法都非常符合人們的邏輯思維和數(shù)學表達習慣。用戶只需要列出簡單的數(shù)學表達式，結(jié)果就會以數(shù)字或圖形的形式顯示出來。.并且在很大程度上擺脫了傳統(tǒng)非交互編程語言的編程模式，為自然科學和工程設(shè)計的諸多領(lǐng)域提供了強大的環(huán)境。MATLAB的特點是：具有高效的數(shù)值運算和符號計算功能，使用戶從復雜的數(shù)值計算和分析中解放出來；具有圖形處理功能，實現(xiàn)計算結(jié)果的可視化和編程；友好的用戶界面和緊密的數(shù)學表達它是一種易于學者學習和掌握的自然語言；為用戶提供了大量便捷的處理工具，是計算機輔助分析、設(shè)計、仿真、教學等領(lǐng)域不可缺少的基礎(chǔ)軟件。MATLAB最大的特點是易于擴展，內(nèi)容用戶自行構(gòu)建具有指定功能的M文件，從而形成適合用戶需求的工具箱，極大地擴展了MATLAB的應(yīng)用范圍。6.2圖形用戶界面GUI用戶界面是人即用戶與計算機（或程序）之間進行交互的工具和方法，是信息交換的方式。鍵盤、鼠標、麥克風等都可以成為與計算機進行信息交換的接口。圖形用戶界面（GUI）是由窗口、光標、按鈕、菜單和文本描述等對象（Objects）組成的用戶界面。用戶通過一定的方法（如鼠標或鍵盤）選擇并激活這些圖形對象，使計算機產(chǎn)生一定的動作或變化，如實現(xiàn)計算、繪圖等。圖形用戶界面的作用是內(nèi)容用戶自定義用戶與matlab交互的方式，使操作更容易。6.3GUI設(shè)計原理及介紹圖形用戶界面(GUI)是程序的圖形界面。一個好的GUI可以使程序更易于使用。它為用戶提供了一個通用的界面，同時也提供了一些控件，例如按鈕、列表框、滑塊、菜單等。GUI應(yīng)該是可理解和可預測的，這樣當用戶執(zhí)行一個動作時，它就知道該怎么做。例如，當按鈕上發(fā)生鼠標單擊事件時，GUI會初始化其操作并描述按鈕標簽上的操作。創(chuàng)建MATLABGUI必須包含三個基本元素：成分。MATLABGUI中的每個項目（按鈕、標簽、編輯框等）都是一個圖形組件。組件可以分為三類：圖形控件（按鈕、編輯框、列表、滾動條等）、靜態(tài)元素（窗口和文本字符串）、菜單和坐標系。圖形控件和靜態(tài)元素由函數(shù)uicontrol創(chuàng)建。菜單由函數(shù)uimenu和uicontextmenu創(chuàng)建。坐標系通常用于顯示圖形數(shù)據(jù)，由功能軸創(chuàng)建。圖像窗口（圖）。GUI的每個組件都必須排列在一個圖像窗口中。以前，當我們繪制數(shù)據(jù)圖像時，會自動創(chuàng)建圖像窗口。但是我們也可以使用功能圖來創(chuàng)建圖像窗口，空的圖像窗口通常用于放置各種類型的組件。打回來。最后，如果用戶使用鼠標或鍵盤鍵入一些信息，程序必須相應(yīng)地采取行動。鼠標點擊或輸入信息是一個事件，如果MATLAB程序運行相應(yīng)的函數(shù)，那么MATLAB函數(shù)肯定會響應(yīng)。例如，如果用戶單擊按鈕，則此事件必須導致執(zhí)行相應(yīng)的MATLAB語句。這些相應(yīng)的語句稱為回調(diào)。只要執(zhí)行了GUI的單個圖形組件，就必須有一個callback.callback屬性：它是連接程序界面的整個程序系統(tǒng)的實質(zhì)性功能的紐帶。屬性值應(yīng)是可直接評估的字符串，當對象被選擇和更改時將自動評估。6.4設(shè)計方法在MATLAB中創(chuàng)建GUI有兩種方法。第一種是直接通過編程生成對象，即利用uicontrol、uimeum等函數(shù)編寫M文件來開發(fā)整個GUI。編程GUI對象的優(yōu)點是GUI菜單比較齊全，程序代碼通用性強。但是這種方法最大的缺點是GUI對象在界面上的位置配置，不熟悉GUI的用戶很難控制。另一種方法是直接在MATLAB的GUI編輯界面GUIDE中構(gòu)建。這個界面非常實用，只要通過鼠標直接將對象拖到目的地，就可以快速建立、布局整個GUI框架，然后在自動生成的M文件中添加功能或程序代碼界面。這種方法在M文件的管理上也比較好，修改程序代碼也比較容易。本設(shè)計主要選擇第二種方式來實現(xiàn)圖形界面的設(shè)計。6.4.1圖形用戶界面設(shè)計工具MATLAB中有6個用戶界面設(shè)計工具，它們是：(1)圖形用戶界面設(shè)計窗口：在窗口中創(chuàng)建和排列各種圖形對象。(2)菜單編輯器：創(chuàng)建、設(shè)計和修改下拉菜單和快捷菜單。（3）對象屬性檢查器（PropertyInspector）：可以查看每個對象的屬性值，也可以修改和設(shè)置對象的屬性值。(4)對齊工具：您可以使用該工具來調(diào)整多個對象的左右、上下的位置。(5)對象瀏覽器：可以觀察當前設(shè)計階段的每個手柄圖形對象。(6)TabOrderEditor：使用此工具，您可以設(shè)置當用戶按下鍵盤上的Tab鍵時選擇對象的順序。6.4.2菜單設(shè)計(1)創(chuàng)建用戶菜單要創(chuàng)建用戶菜單，可以使用uimenu函數(shù)。由于調(diào)用方式不同，該函數(shù)可用于創(chuàng)建一級菜單項和子菜單項。(2)菜單對象的常用屬性菜單對象具有公共屬性，例如Children、Parent、Tag、Type、UserData和Visible。除了公共屬性，還有一些常用的特殊屬性。(3)快捷菜單快捷菜單是右鍵單擊對象時在屏幕上彈出的菜單。這個菜單的位置不是固定的，它總是與一個圖形對象相關(guān)聯(lián)。在MATLAB中，您可以使用uicontextmenu函數(shù)和圖形對象的uicontextmenu屬性來創(chuàng)建快捷菜單。6.4.3對話設(shè)計(1)對話框的控件對話框上有各種控件，這些控件可以用來實現(xiàn)相關(guān)的控件。首先介紹這些控件。按鈕。切換按鈕）。單選按鈕。復選框。列表框。彈出菜單。編輯框?；瑝K（滑塊）。靜態(tài)文本（靜態(tài)文本）。邊框（框架）。按鈕組（按鈕組）。(2)對話框的設(shè)計1.創(chuàng)建控制對象MATLAB提供了一個用于創(chuàng)建控件對象的函數(shù)uicontrol，其調(diào)用格式為：對象句柄=uicontrol(圖形窗口句柄,屬性名1,屬性值1,屬性名2,屬性值2,...)，其中每個屬性名和可用值與前面介紹的uimenu函數(shù)類似，但不是相同。下面介紹一些常用的屬性。2.控制對象的屬性MATLAB的10個控件對象使用相同的屬性類型，但是這些屬性對于不同類型的控件對象具有不同的含義。除了Children、Parent、Tag、Type、UserData和Visible等公共屬性外，還有一些常用的特殊屬性。6.4.4處理圖形處理圖形是底層圖形命令集的總稱。手柄圖形的層次關(guān)系如下：圖6.1句柄層次圖形6.4.5圖形對象句柄命令句柄系統(tǒng)可以從低級（1ow級）創(chuàng)建和操作基本的圖形對象命令，如線條、曲面、文本、圖像等。6.4.6設(shè)計步驟例如，設(shè)計本實驗平臺的首頁界面[8]，步驟如下：（1）打開MATLAB7.6，在命令框中輸入：guide，回車，進入GUI設(shè)計窗口。(2)用鼠標選擇GUI對象到指定位置；(3)設(shè)計菜單；(4)用鼠標雙擊要編輯的對象，在打開的屬性檢查器中修改對象的屬性，根據(jù)用戶界面需要設(shè)置控件的Tag、回調(diào)等屬性；（5）點擊M-FILEEditor按鈕，進入M文件編輯窗口，編寫程序操作代碼和回調(diào)函數(shù)（本GUI設(shè)計的M文件操作代碼和回調(diào)函數(shù)代碼見附錄）；(6)保存文件并執(zhí)行GUI。圖形用戶界面如圖6.2所示。圖6.2GUI設(shè)計界面圖6.5GUI設(shè)計功能介紹本GUI設(shè)計使用lenna圖像進行仿真介紹。首先我們點擊“ReadImage”按鈕，我們選擇lenna圖像，GUI讀取圖像lenna。并顯示在axis1上。圖形用戶界面如下：圖6.3讀取lenna圖像然后我們可以通過“添加噪點”按鈕組控件為圖像添加噪點。該設(shè)計旨在添加兩種噪聲：高斯噪聲和椒鹽噪聲。接下來，選擇在圖像中添加椒鹽噪聲進行仿真（添加兩種噪聲的仿真步驟相同），GUI在axes2上顯示噪聲圖像。圖形用戶界面如下：圖6.4添加噪聲最后，我們使用“圖像去噪”按鈕組對噪聲圖像進行去噪。因為上面的lenna圖像中加入了椒鹽噪聲，所以我們選擇引入具有更好的椒鹽噪聲去除功能的中值濾波器。圖形用戶界面如下：圖6.5去噪以上就是我設(shè)計的一個簡單的GUI去噪界面的簡單介紹。6.6總結(jié)本章主要介紹MATLAB的GUI設(shè)計，包括設(shè)計原理、設(shè)計工具、設(shè)計方法以及如何制作圖形用戶界面。最后對所設(shè)計的圖形用戶界面的功能進行了仿真。7結(jié)論與展望7.1結(jié)論圖像平滑的方法有很多種，每種方法在不同方面都有自己的優(yōu)缺點。目前還沒有完美的去噪方法。平均值濾波器利用像素及其指定鄰域像素的平均值或加權(quán)平均值作為像素的新值，去除突變像素點，從而濾除噪聲。這種方法簡單快捷，但會使圖像發(fā)生變化。模糊（尤其是在圖像的邊緣和細節(jié)處），這種方法在去除高斯噪聲方面有很好的效果，但是對椒鹽噪聲的處理效果并不理想。中值濾波對一個以像素為中心的小窗口中所有像素的灰度進行升序排序，并將排序結(jié)果的中間值作為該像素的灰度值。中值濾波更容易去除椒鹽噪聲，同時保持圖像邊緣，去除二值噪聲，但對高斯噪聲無能為力。這種方法對于濾除脈沖干擾和圖像掃描噪聲最為有效，但不適用于細節(jié)較多的圖像?？臻g域的低通濾波方法可以說是對平均濾波方法的改進。如果能夠選擇合適的單位沖激響應(yīng)陣列，可以在對圖像進行平滑處理的同時很好地保留圖像細節(jié)，但是如何選擇Unity沖激響應(yīng)陣列卻是一個難題。多圖像平均法是對同一場景的多幅圖像進行平均以消除噪聲。它一般用于攝像機的視頻圖像中，以減少由光電攝像機或CCD器件引起的噪聲。該算法具有較好的去噪效果。，但在實際使用中，該算法使用多張圖片，所以占用的空間比較大，尤其是多張圖片之間的配準問題，實際操作比較困難。頻域中的低通濾波方法使用低通濾波器來抑制頻域中的高頻分量（圖像的邊緣和噪聲對應(yīng)于傅里葉變換頻譜中的高頻部分）。從而在空間域中消除圖像的噪聲。雖然使用低通濾波器進行平滑可以將噪聲偽輪廓的寄生效應(yīng)降低到不顯眼的程度，但由于低通濾波器濾除了噪聲等寄生成分，它也濾除有用的高頻成分。因此，這種去噪方法是以清晰度為代價的[15]。因此，在對圖像進行去噪之前，需要仔細分析其產(chǎn)生噪聲的原因、噪聲的特征和類型，選擇合適的去噪方法，做到在不改變圖像邊緣輪廓或線條的情況下消除圖像噪聲。.模糊的。這樣可以獲得更符合人類視覺特征的圖像。由于本設(shè)計中的時間關(guān)系，沒有研究多圖像平均算法的圖像與低通模板的選擇之間的配準問題，這是本設(shè)計的一個不足之處。7.2展望我們知道圖像的統(tǒng)計特性和噪聲本身是圖像去噪的難點。所涉及的大多數(shù)非線性濾波算法都是針對特定圖像或特定噪聲提出的，即基于它們的統(tǒng)計特性。建議的過濾方案。然而，在實際處理中，自然圖像的多樣性和噪聲本身的復雜性決定了這些濾波算法不能對所有圖像都最優(yōu)。過濾機制將被廣泛使用。我們相信，隨著科學技術(shù)的不斷發(fā)展，在不久的將來，圖像去噪技術(shù)會得到越來越廣泛的發(fā)展，其應(yīng)用領(lǐng)域也會越來越廣，一定會給人們的生產(chǎn)生活帶來很大的幫助.[16]。至最后，非常感謝我的導師顧斌杰。在他的悉心幫助和悉心指導下，我順利完成了畢業(yè)設(shè)計。在整個設(shè)計過程中，顧先生認真負責，具有豐富的專業(yè)經(jīng)驗。他正確、細致地回答了學生提出的所有問題。在我的設(shè)計中，需要MATLAB仿真和GUI設(shè)計，需要很多程序。我在這方面遇到了困難，然后顧老師給了我很多參考資料。在顧老師的提示和指導下，我完成了程序的編寫。顧先生學習嚴謹。在設(shè)計中，他會糾正同學們的許多錯誤。正是在顧老師的悉心督導和指導下，我才能順利完成畢業(yè)設(shè)計，也從這次畢業(yè)設(shè)計中學到了很多，對我以后的學習和工作有很大的幫助。同時也要感謝很多同學，在我的設(shè)計過程中給了我很多幫助。在這個畢業(yè)設(shè)計中，我了解到嚴謹?shù)耐评?、仔細的思考和反復論證在工作中的重要性。最后，我要感謝我的導師和同學在我寫論文的過程中給予的幫助和支持。參考[1]阮秋琪.數(shù)字圖像處理[M].：電子工業(yè)，2001：199-203。[2]何東健，耿南，一寬。數(shù)字圖像處理[M].：電子科技大學，2008：61-66.[3]李梅，于榮，李．中值濾波技術(shù)發(fā)展研究[J]．師范大學學報。2004年，24(1)：23-27。[4]丁.幾種數(shù)字圖像濾波算法[J]．信息工程大學學報,2006,26(2):2-3.[5]顏江．中值濾波在圖像去噪中的應(yīng)用[J].湖南大學學報,2004,24(2):79-82.[6]桂明，趙明，齊宏宇．MATLAB語言處理與數(shù)字信號與數(shù)字圖像的應(yīng)用[M].：科學，2000：225-251。[7]拉斐爾C.岡薩雷斯，理查德E.伍茲。數(shù)字圖像處理（第二版）。北京：電子工業(yè)出版社，2002：172-256。[8]石曉紅，周佳．精通GUI圖形界面編程[M].：大學，2003：141-192。[9]關(guān)新平，李興，唐英謙．圖像去噪混合濾波方法[J],圖像圖形學報,2005,10(3):333-339.[10]朱秀昌，馮，胡東．數(shù)字圖像處理與圖像通信[M].：郵電大學，2002：67-70。[11]黃濤.數(shù)字圖像的平滑[J]．學院學報,2004,8(06):2-4.[12]趙麗.現(xiàn)代圖像處理技術(shù)與MATLAB實現(xiàn)[M].：人民郵電，2001：130-133.[13]盛俊，一種圖像平滑方法的空間域算法和頻域分析[J]．工學院學報,2004,4(2)..[14]朱華．圖像去噪方法研究[D].:師范大學,2005,7-9.[15]GPDineen.ProgrammingPatternRecognition[J],Proc.WesternJointComputerConference,March1955,94-100[16]WilliamK.Pratt.數(shù)字圖像處理[M].北京:電子工業(yè)出版社,2005附錄平均濾波器示例程序：清除所有關(guān)閉所有[IM]=imread('lenna.jpg');變量=0.02；%噪聲方差J1=imnoise(I,'高斯',0,var);subplot(2,2,1),imshow(J1,M),title('帶有高斯噪聲的圖像');h=[111111111]/9%3×3框模板K1=con2(雙(J1),雙(h));subplot(2,2,2),imshow(K1,[]);title('線性濾波圖像');中值濾波器的示例程序：清除所有關(guān)閉所有[IM]=imread('lenna.jpg');J1=imnoise(I,'salt&pepper',0.04);subplot(2,2,1),imshow(J1,M),title('帶有椒鹽噪聲的圖像');K1=medfilt2(J1,[3,3]);subplot(2,2,2),imshow(K1,M),title('3×3窗口過濾圖像');K2=medfilt2(J2,[5,5]);subplot(2,2,3),imshow(K2,M),title('5×5窗口過濾圖像');K3=medfilt2(J2,[7,7]);subplot(2,2,4),imshow(K3,M),title('7×7窗口過濾圖像');空間域中低通濾波的示例程序：清除所有關(guān)閉所有fname=uigetfile('*.bmp,*.tif,*.jpg,','請選擇圖片');[IM]=imread(fname);J1=imnoise(I,'salt&pepper',0.05);subplot(2,2,1),imsho