matlab gui设计实例_基于matlab的数字图像处理GUI设计课题

简单的界面实现的几个简单的功能，只支持JPG格式图像，还有很多需要改进的。

1、灰度化：提取jpg图像各个像素点的R、G、B三个类型的值，再对其进行加权平均。最后得到一个通道红绿蓝三个类型的加权平均。

公式为：ima=0.299*ima_red+0.587*ima_green+0.114*ima_blue。

2、二值化：二值化是在图像灰度化的基础上进行的，通过比较图像每个像素点的灰度值与阈值的大小关系来设置该点为0或1。

3、中值滤波：基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号处理技术。中值滤波的特点即是首先确定一个以某个像素为中心点的邻域，一般为方形邻域，也可以为圆形、十字形等等，然后将邻域中各像素的灰度值排序，取其中间值作为中心像素灰度的新值，这里领域被称为窗口，当窗口移动时，利用中值滤波可以对图像进行平滑处理。其算法简单，时间复杂度低，但其对点、线和尖顶多的图像不宜采用中值滤波。本系统中值滤波设置的核为长宽都是6的正方形，在此邻域内来找中值。

4、低通滤波：在低通滤波中，低频信号能正常通过，而超过设定临界值的高频信号则被阻隔、减弱。首先对图像进行傅里叶变换，接着将FFT的DC分量移到频谱中心，指定滤波器截止频率和滤波半径后，通过低通滤波转换函数与该频率进行比较d=sqrt((i-n1)^2+(j-n2)^2)。若信号大于该频率，则置为0。

5、均值滤波：均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个滤波核，该核包括了其周围的临近像素，再用核中的全体像素的平均值来代替原来像素值。在本项目中，需先给出设计的正方形核的边长，之后便可以用指定大小的滤波核进行均值滤波。

6、高斯滤波：高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。高斯滤波是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板（或称卷积、掩模）扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值用。高斯平滑滤波器对于抑制服从正态分布的噪声非常有效。

7、形态学-腐蚀：一般腐蚀操作对二值图进行处理，腐蚀操作如左图，当像素点(i,j+1)和(i+1,j)为1时则(i,j)为1。腐蚀是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的目标物。如果两目标物间有细小的连通，可以选取足够大的结构元素，将细小连通腐蚀掉。

8、直方图统计：灰度直方图是关于灰度级分布的函数，是对图像中灰度级分布的统计。灰度直方图是将数字图像中的所有像素，按照灰度值的大小，统计其出现的频率。图像直方图由于其计算代价较小，且具有图像平移、旋转、缩放不变性等众多优点，广泛地应用于图像处理的各个领域。

9、sobel：图像的边缘是灰度或结构等信息的突变处，边缘是一个区域的结束，也是另一个区域的开始，利用该特征可以分割图像。Sobel算子是一阶导数的边缘检测算子，在算法实现过程中，通过3×3模板作为核与图像中的每个像素点做卷积和运算，然后选取合适的阈值以提取边缘。由于只采用2个方向的模板。

10、canny:Canny检测主要分为四个步骤。首先为防止噪声干扰，先对图像进行去噪。接着可按照sobel的方式来计算图像梯度的幅值和方向。由于梯度大的不一定就是边缘，可以通过每个像素点的方向来确定该像素点在此邻域范围内是否是最大值，若是，则保留该像素点，不是则舍弃。最后用双阈值法再剔除一部分像素点并连接边缘。

欢迎大家赏析点赞， 有什么不懂的问题也可以私信我。