MATLAB GUI设计 图像处理基本操作（四）

一、图像增强锐化滤波

包含laplacian、roberts、sobel、prewitt四个算子，其中拉普拉斯算子为二阶差分算子，其余为一阶，均起到边缘锐化的效果。

roberts算子：[-1 0;0 1]、[0 -1;1 0]分别起水平、垂直方向的边缘强化

sobel算子：[-1 -2 -1;0 0 0;1 2 1]、[-1 0 1 ;-2 0 2 ;-1 0 1]分别起水平、垂直方向的边缘强化

prewwit算子：[1 1 1 ;0 0 0 ;-1 -1 -1]

%以拉普拉斯算子为例，其余以此类推
global s;
a=imread(s);
axes(handles.axes2);
if ndims(a)==3
    a=rgb2gray(a);
end
h=fspecial('laplacian');
I=imfilter(a,h,'symmetric');  %图像的外部边界通过镜像反射其内部边界来扩展，relicate复制内部边界值
img=a-I;
imshow(img);
figure;
imshow(I);
setappdata(handles.axes2,'img2',I);
global cell;
global pos;
imgpro=getappdata(handles.axes2,'img2');
pos=pos+1;
cell{pos}=imgpro;

二、几何变换

包括平移、旋转、镜像、转置、缩放等，背景以黑色为底。图像缩放、旋转使产生的新像素以及浮点数的操作使之得到的可能不是整数，此时需要调整像素值，可采用最邻近插值、线性插值、双线性插值法等，原理顾名思义。

%以旋转为例，有人机交互，采用了最邻近插值法，自写代码，也可直接使用函数
global s;
b=imread(s);
if ndims(b)==3
    b=rgb2gray(b);
end
axes(handles.axes2);
prompt={'旋转角度'};
dlgtitle='旋转角度';
b1=inputdlg(prompt,dlgtitle);
if isempty(b1)
    warndlg('please imput complete date!','warning');
    return;
else
    a=str2num(b1{:});
end
a=a/180.0*pi;%旋转角度,角度变换
[h,w]=size(b);
rot=[cos(a) -sin(a) 0;sin(a) cos(a) 0;0 0 1];%变换矩阵
rot=rot';
hh=ceil(h*cos(a)+w*sin(a));%向下取整
ww=ceil(h*sin(a)+w*cos(a));%计算新画布大小
d=[h,w]/2;
dd=[hh,ww]/2;%计算中心点
img=uint8(zeros(hh,ww));
for i=1:hh
    for j=1:ww
        p=[i;j;1];%遍历
        pp=(rot*(p-dd)+d);%根据(i,j)与旋转中心的距离找到在原图中的位置
        mn=floor(pp);%向下取整
        x=pp(1);
        y=pp(2);
        m=mn(1);
        n=mn(2);
        if m>=1 && m<h && n>=1 && n<w %判断是否超出边界值
            if x-m<=0.5
                x=m;
            else
                x=m+1;
            end
            if y-n<=0.5
                y=n;
            else
                y=n+1;
            end    %最邻近插值
            img(i,j)=b(x,y);
        end
    end
end
imshow(img);
setappdata(handles.axes2,'img2',img);
global cell;
global pos;
imgpro=getappdata(handles.axes2,'img2');
pos=pos+1;
cell{pos}=imgpro;

三、图像复原

图像复原的过程为使图像退化后加上噪声，经过复原滤波器产生一个原图像f（x,y）的估计fx（x,y），使用imnoise函数来污染图像，常用噪声有高斯噪声、椒盐噪声、周期噪声等。

 这里的复原滤波器有逆滤波、维纳滤波。

%逆滤波
global s;
a=imread(s);
if ndims(a)==3
    a=rgb2gray(a);
end
PSF=fspecial('motion',30,120);%加运动模糊
g=imfilter(a, PSF, 'circular');
g=imnoise(g,'gaussian');%加高斯噪声
figure();
imshow(g);
g=double(g);
[m,n]=size(g);
b=fftshift(fft2(g));
H=zeros(m,n);
cx=floor(m/2);
cy=floor(n/2);
%设置滤波器,k=0.0025
for x=1:m  
    for y=1:n
        H(x,y)=exp(-0.0025*((x-cx)^2+(y-cy)^2)^(5/6));
    end
end
axes(handles.axes2);
%逆滤波
for u=1:m
    for v=1:n
        r=sqrt((u-m/2)^2+(v-n/2)^2);
        if r<=50%滤波范围
        e(u,v)=b(u,v)/H(u,v);
        end
    end
end
f=uint8(real(ifft2(ifftshift(e))));
imshow(f);
setappdata(handles.axes2,'img2',f);
global cell;
global pos;
imgpro=getappdata(handles.axes2,'img2');
pos=pos+1;
cell{pos}=imgpro;


%维纳滤波
global s;
a=imread(s);
if ndims(a)==3
    a=rgb2gray(a);
end
a=im2double(a);
%生成运动模糊图像,逆时针120度运动30个像素
PSF=fspecial('motion',30,120);
g=imfilter(a, PSF, 'circular');
noise=imnoise(zeros(size(a)),'gaussian',0,0.0001);
g=g+noise;
figure();
imshow(g);
axes(handles.axes2);
Sn = abs(fft2(noise)).^2;
nA = sum(Sn(:))/prod(size(noise));
SI = abs(fft2(a)).^2;
IA = sum(SI(:))/prod(size(a));
R = nA/IA;%信噪比
wn=deconvwnr(g, PSF, R);
imshow(wn);
setappdata(handles.axes2,'img2',wn);
global cell;
global pos;
imgpro=getappdata(handles.axes2,'img2');
pos=pos+1;
cell{pos}=imgpro;