【MATLAB】图像处理 GUI界面实现对输入图像进行操作

最新推荐文章于 2024-05-01 16:32:41 发布

TTB--

最新推荐文章于 2024-05-01 16:32:41 发布

阅读量1.1k

点赞数 31

分类专栏： MATLAB图像处理 MATLAB 文章标签：图像处理 matlab 计算机视觉人工智能

本文链接：https://blog.csdn.net/TQLembrace/article/details/138198602

版权

MATLAB图像处理同时被 2 个专栏收录

5 篇文章 0 订阅

订阅专栏

MATLAB

5 篇文章 0 订阅

订阅专栏

✅博主简介：热爱Matlab仿真、Python定制开发者，修心和技术同步精进，Matlab、Python项目合作可私信。

🏆代码、数据集获取方式：私信博主

一、图像处理基础操作

1 图像预处理

图像预处理是图像处理流程中的第一步，旨在改善图像数据，消除不必要的扰动信息，增强一些图像特征，以便于后续处理。

灰度转换：将彩色图像转换为灰度图像，这是很多图像处理任务的首选形式，因为它简化了数据处理的复杂性。

function grayImage = convertToGray(inputImage)
    % 读取输入的彩色图像
    rgbImage = imread(inputImage);
    
    % 将彩色图像转换为灰度图像
    grayImage = rgb2gray(rgbImage);
    
    % 显示原始彩色图像和转换后的灰度图像
    subplot(1, 2, 1);
    imshow(rgbImage);
    title('Original RGB Image');
    
    subplot(1, 2, 2);
    imshow(grayImage);
    title('Gray Scale Image');
end

噪声去除：图像在获取或传输过程中可能引入噪声。常用的噪声去除技术包括中值滤波、高斯滤波等。

function denoisedImage = removeNoise(inputImage)
    % 读取输入的图像
    noisyImage = imread(inputImage);
    
    % 使用中值滤波器去除噪声
    denoisedImage = medfilt2(noisyImage);
    
    % 显示原始图像和去噪后的图像
    subplot(1, 2, 1);
    imshow(noisyImage);
    title('Original Noisy Image');
    
    subplot(1, 2, 2);
    imshow(denoisedImage);
    title('Denoised Image');
end

直方图均衡：改善图像的对比度，通过调整图像的直方图达到更广泛的亮度分布。

function equalizedImage = histogramEqualization(inputImage)
    % 读取输入的图像
    originalImage = imread(inputImage);
    
    % 将图像转换为灰度图像
    grayImage = rgb2gray(originalImage);
    
    % 进行直方图均衡化
    equalizedImage = histeq(grayImage);
    
    % 显示原始图像和均衡化后的图像
    subplot(1, 2, 1);
    imshow(grayImage);
    title('Original Gray Image');
    
    subplot(1, 2, 2);
    imshow(equalizedImage);
    title('Equalized Image');
end

图像锐化：增强图像的边缘，提升图像的清晰度。常见方法包括拉普拉斯滤波和高通滤波。

function sharpenedImage = sharpenImage(inputImage)
    % 读取输入的图像
    originalImage = imread(inputImage);
    
    % 将图像转换为灰度图像
    grayImage = rgb2gray(originalImage);
    
    % 使用拉普拉斯滤波器进行图像锐化
    laplacianFilter = [0, -1, 0; -1, 5, -1; 0, -1, 0];
    sharpenedImage = imfilter(grayImage, laplacianFilter);
    
    % 显示原始灰度图像和锐化后的图像
    subplot(1, 2, 1);
    imshow(grayImage);
    title('Original Gray Image');
    
    subplot(1, 2, 2);
    imshow(sharpenedImage);
    title('Sharpened Image');
end

图像平滑：减少图像中的变化（如噪声），常用方法有均值滤波、高斯模糊等。

function smoothedImage = smoothImage(inputImage)
    % 读取输入的图像
    originalImage = imread(inputImage);
    
    % 将图像转换为灰度图像
    grayImage = rgb2gray(originalImage);
    
    % 使用均值滤波器进行图像平滑
    filterSize = 3; % 设置滤波器大小
    smoothingFilter = ones(filterSize) / filterSize^2;
    smoothedImage = imfilter(grayImage, smoothingFilter);
    
    % 显示原始灰度图像和平滑后的图像
    subplot(1, 2, 1);
    imshow(grayImage);
    title('Original Gray Image');
    
    subplot(1, 2, 2);
    imshow(smoothedImage);
    title('Smoothed Image');
end

2 图像分割

图像分割的目的是将图像细分为多个部分或对象，常用于识别图中的特定物体或区域。

阈值处理：根据像素值将图像分割成前景和背景，是最简单的分割技术。
边缘检测：识别图像中物体的边界。常用的算法有Sobel、Canny和Prewitt边缘检测器。
区域生长：从一个或多个种子点开始，根据预定的准则将像素或区域合并为更大的区域。
聚类方法：如K-means和Fuzzy C-means，这些方法根据像素之间的相似性将它们聚集在一起。

3 特征提取

图像的特征提取是为了减少需要处理的数据量，同时保留有用的信息。特征可以是边缘、角点、纹理等。

颜色特征：基于图像的颜色直方图，描述图像的颜色分布。
纹理特征：分析图像纹理的粗糙度、方向性等，如灰度共生矩阵（GLCM）。
形状特征：基于图像中物体的形状，这些特征可能包括面积、周长、质心等。

4 图像变换

图像变换是计算机图像处理中的重要部分，它涉及将图像从一种形式或表示转换为另一种形式或表示的操作。

几何变换：基于图像的缩放、旋转、平移、镜像翻转等；
傅里叶变换：将图像从空间域转换到频域，用于频域分析或滤波处理。
小波变换：分析图像的局部特征，包括纹理、边缘等，常用于图像压缩和特征提取。
膨胀与腐蚀：根据结构元素对图像进行膨胀或腐蚀操作，常用于图像增强和形状分析。

二、部分源代码

以下代码是一个 MATLAB GUI 应用程序，用于对图像进行加载、预处理、分割和特征提取的操作。

function loadImage(fig)
    [file, path] = uigetfile({'*.jpg;*.png;*.bmp', 'Image Files (*.jpg, *.png, *.bmp)'});
    if isequal(file, 0)
        disp('图像加载已取消');
        return;
    end
    fullFileName = fullfile(path, file);
    img = imread(fullFileName);
    imshow(img, 'Parent', fig.UserData.axImage);
    fig.UserData.img = img; 
end
function preprocessImage(fig)
    if isempty(fig.UserData.img)
        uialert(fig, '请先加载图像', '图像未加载');
        return;
    end
    img = fig.UserData.img;
    grayImg = rgb2gray(img);  
    imshow(grayImg, 'Parent', fig.UserData.axImage);
    fig.UserData.preprocessedImg = grayImg; 
end
function segmentImage(fig)
    if isempty(fig.UserData.preprocessedImg)
        uialert(fig, '请先进行图像预处理', '图像未预处理');
        return;
    end
    preprocessedImg = fig.UserData.preprocessedImg;
    level = graythresh(preprocessedImg); 
    bwImg = imbinarize(preprocessedImg, level); 
    imshow(bwImg, 'Parent', fig.UserData.axImage);
    title(fig.UserData.axImage, '图像分割结果');
    fig.UserData.segmentedImg = bwImg; 
end