合集[]基于MATLAB数字图像处理平台设计.pdf

《合集[]基于MATLAB数字图像处理平台设计.pdf》由会员分享，可在线阅读，更多相关《合集[]基于MATLAB数字图像处理平台设计.pdf（25页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、.基于 MATLAB 数字图像处理平台设计 .摘 要 数字图像处理技术在各个行业得到广泛的应用，其交互式的图形界面是操作者方便使用这些技术的途径。本文主要介绍了基于 MATLAB 的图形用户界面GUI来设计一个简单实用的图像处理软件平台，其中具备图像处理的常用功能，以满足用户的使用。文章详细阐述了一以下图像处理软件平台的设计过程。本文的 GUI 设计所制作的图像处理软件平台可以实现的功能有五个模块：图像变换、图像增强、图像分割、图像变形以及其它常用处理。其中也讲述了 GUI 的根本常用操作及文件的翻开、保存及退出。文章根本介绍了以上的内容，关于软件还有许多未能实现的功能有待于日后的逐步开发和学

2、习。关键词：GUI；图像变换；图像增强；图像分割；图像变形；图像处理 ABSTRACT Digital image processing technology has been widely used in various industries,their interactive graphical interface is the way of the operator ease of use of these technologies.This article mainly introduced the graphical user interface(GUI)based on MATLA

3、B to design a simple and practical platform for the image processing software,Which have commonly used image processing function,in order to meet the users use.The article expounds the design process of the image processing software platform.This paper made the GUI design of image processing softwar

4、e platform can realize the function of five modules:image transformation,image enhancement,image segmentation,image distortion and other commonly used processing.The basic common operations of which also tells the story of GUI and file open,save,and exit.The content of the article introduces the abo

5、ve basic,about software and many fail to realize the function of the subject to the gradual development and learning in the future.Key words:GUI;Image transformation;Image enhancement;Image segmentation;Image deformation;The image processing.目 录 1 绪论.1 1.1 设计要求及目的.1 1.2 课题分析.1 1.3 总体设计.2 2 具体设计.2 2.

6、1 菜单设计.2 2.2 图像的翻开、保存及退出.3 .3 .4 .4 2.3 图像变换.4 .4 .5 2.4 图像增强.5 .5 .6 2.5 图像分割.7 .7 .8 2.6 图像变形.9 转.9 .10 2.7 其它常用处理.10 .10 .11 .11 .12 .12 3 结果分析.13 4 心得体会.13 附录.14.基于 MATLAB 数字图像处理平台设计 MATLAB 是近几年来国内外使用最为广泛的优秀科技软件之一。其语法构造简单，具有极强的数值计算、数据分析、图形绘制及图像处理等功能。具有高质量的图形可视化效果和强大的界面设计能力。因而在数字图像处理中有着其他语言所无法比拟的

7、优势。图形用户界面GUI是提供人机交互的工具和方法。利用 GUI 制作图像处理软件能够实现图像处理的各个内容，主要有：图像空间变换：邻域和块操作；二值图像操作；线性滤波和滤波器设计；变换域处理；图像分析和增强；图像恢复；图像压缩；形态学运算等。1 绪论 1.1 设计要求及目的 设计要求：以 MATLAB 作为工具，开发一个图像处理软件。主要进展图像处理的常用算法。由以下模块组成：图像变换；图像增强；图像分割。按各个模块进展功能扩大，也可参加其它常用的图像处理功能。设计目的：MATLAB 软件为数字图像处理提供了功能丰富的工具，应用 MATLAB 友好的界面和实用高效的指令及模块，可以使人较快地

8、认识、理解图像处理的相关概念，逐步掌握图像处理的根本方法。此课题的设计目的是综合运用 MATLAB 工具箱实现图像处理的 GUI 程序设计，学会和掌握 GUI 的图像处理平台设计。1.2 课题分析 此课题利用 MATLAB 的 GUI 程序设计一个简单实用的图像处理程序。该程序具备数字图像处理平台设计功能图 像 变 换图 像 增 强图 像 分 割图 像 变 形其它常用处理傅里叶变换离散余弦变换灰度变换直方图均衡化低通滤波器roberts算子高通滤波器canny算子sobel算子空间域增强频率域增强阈 值分 割梯 度分 割旋 转翻 转上下翻转左右翻转对比度截图底片效果二值亮度图 1.1 整体功能

9、框图.图像处理的常用功能，以满足用户的使用。程序实现的图像处理功能分为五个模块：图像变换、图像增强、图像分割、图像变形以及其它常用处理。如图 1.1 所示。除以上的数字图像处理的功能外，该程序还要实现图像的读取显示、图像的保存及退出等根本功能。从而实现完整的数字图像平台设计，具有更好的交互性。1.3 总体设计 软件的总体设计界面主要分为两个局部：显示区域与操作区域。具体界面布局如图 1.2所示。显示区域：定义两个图形区域，左面为待处理图片来显示载入的原图像，右面为通过处理后的图像。操作区域：通过菜单栏的编辑实现对图像的各种处理，分为文件和编辑两大局部。通过文件中的翻开操作显示出处理前的图像，在

10、编辑中选择某个图像处理功能后，将在已处理图片下就会显示出处理后的图片。2 具体设计 2.1 菜单设计 通过 Menu Editor创立菜单栏如图 2.1 所示。菜单的设计主要分为两大局部：文件和编辑。文件包含图像的翻开、保存和退出；编辑包含图像处理功能的五个模块：图像变换、图像增强、图像分割、图像变形及其它常用处理，还有各个模块的分支。通过此菜单来控制显示或隐藏功能键。以图 2.1 的傅里叶变换为例，当添加上某一菜单后，修改名称为傅里叶变换，句柄为FFT，从而会在 M 文件中自动生成傅里叶变换的功能函数 function FFT_Callback(hObject,eventdata,handl

11、es)，在此函数下编写能够实现傅里叶变换的程序便能实现对图像的傅里叶变换。图 1.2 界面布局.2.2 图像的翻开、保存及退出 图像的翻开主要是通过以下程序来实现的：“filename,pathname=uigetfile(*.jpg;*.bmp;*.tif;*.*,载入图像);选择相应路径翻开图像；“file=pathname,filename;x=imread(file);读取选中的图像；“imshow(x);在显示区域上显示图像。具体操作如图 2.2 所示，选择“文件菜单中的“翻开后，出现“载入图像，选中想图 2.1 菜单栏 图 2.2 图像的翻开.要处理的图片后点击“翻开，即可在显示区

12、域中显示出处理前的图片。图像的保存主要是通过以下程序来实现的：“sfilename,sfilepath=uiputfile(*.jpg;*.bmp;*.tif;*.*,保存图像文件,untitled.jpg);选择图像文件保存的路径与格式；“sfilefullname=sfilepath,sfilename;imwrite(handles.img,sfilefullname);实现对图像的保存。具体操作如图2.3所示，选择“文件菜单中的“保存后，出现“保存图像文件，修改文件名后点击“保存，即可将处理后的图像保存到 keshe 的文件夹下。程序的退出是通过“clc;，“close all;，“c

13、lose(gcf);，“clear;这些指令来去除指令窗，窗口，内存变量及函数。具体操为选择“文件菜单中的“退出后，便关闭了执行界面的窗口并去除了指令窗的所有指令。2.3 图像变换 傅里叶变换(FFT)实际上是将信号 f(t)与一组不同频率的复正弦作内积，这一组复正弦是变换的基向量，傅里叶系数或傅里叶变换是 f(t)在这一组基向量上的投影。在图像处理技术的开展过程中，FFT 起着十分重要的作用。它是线性系统分析的一个有力工具，它能够定量地分析诸如数字图像之类的数字化系统。FFT 主要分为连续傅里叶变换和离散傅里叶变换，在数字图像处理中经常用到的是二维离散傅里叶变换。程序中主要是通过二维离散傅里

14、叶变换函数 fft2()，变换后四个角局部对应于低频成分，中央局部对应于高频成分。假设想使低频成分出现在中央位置，那么通过函数 fftshift()将图像频谱中心从矩阵的原点移到矩阵中心。从而实现图像的二维傅里叶变换。具体程序见附录。原图像及傅里叶变换后的图像如图 2.4 所示。图 2.3 图像的保存.离散余弦变换(DFT)在图像处理中占有重要的位置，它实际上是傅里叶变换的实数局部，但是它比傅里叶变换有更强的信息集中能力。对于大多数自然图像，DCT 能将大多数的信息放到较少的系数上去，因此就更能提高编码的效率。程序中主要是通过灰度变换函数 rgb2gray()及二维离散余弦变换函数 dct2(

15、)来实现对图像的二维离散余弦变换，具体程序见附录。其变换后的图像低频能量都集中在左上角区域，而向着右下角方向，频率越来越高。原图像及离散余弦变换后的图像如图 2.5所示。2.4 图像增强 图像增强是图像处理中的一类根本技术，其主要的目的改善图像的视觉效果，提高图像的清晰度。图像增强能够扩展比照度，增强图像中对象的边缘，消除或抑制噪声或保存图像中感兴趣的某些特性而抑制另一些特性等。图像增强方法按其处理所进展的空间不同，可分为空间域法和频率域法。空间域法是在空间域内直接对像素灰度值进展运算处理，常用的空间域法有图像的直接灰度变换和直方图均衡化，下面分别介绍两种空域上的图像增强方法。(1)灰度变换

16、图 2.5 离散余弦变换 图 2.4 傅里叶变换.通过灰度变换可使图像动态范围加大，图像比照度扩展，图像清晰，特征明显，大大改善人眼的视觉效果。程序中主要通过灰度处理函数 rgb2gray()对图像进展灰度变换，将彩色图像转换成灰度图像。原图像及灰度图像如图 2.6 所示。(2)直方图均衡化 直方图均衡化是对原始图像中的像素灰度作某种映射变换，使变换后的图像灰度的概率密度是均匀分布的，即变换后图像是一幅灰度级均匀分布图像，这意味着图像灰度的动态范围得到了增加，从而可提高图像的比照度。程序中主要通过灰度处理函数 rgb2gray()先对图像进展灰度变换，然后通过直方图均衡化处理函数 histeq

17、()对灰度图像进展直方图均衡化处理。原图像及直方图均衡化后的图像如图 2.7 所示。频率域法就是在图像的某种变换域内，对图像的变换值进展运算，然后通过逆变换获得图像增强效果。这是一种间接处理方法，一般采用二维数字滤波方法来进展频率域的图像增强。(1)低通滤波 图像的边缘以及噪声干扰在图像的频域上对应于图像傅里叶变换中的高频局部，而图图 2.6 灰度变换 图 2.7 直方图均衡化.像的背景区那么对应于低频局部，因此可以用频域低通滤波法去除图像的高频成分，以去掉噪声，使图像平滑。程序中采用二阶巴特沃斯低通滤波器，先用函数 fft2()对图像进展二维离散傅里叶变换，然后通过低通滤波器进展滤波后，再对

18、滤波后的图像数据通过 ifft2()进展傅里叶反变换，从而得到低通滤波后的图像。如图 2.8 所示。(2)高通滤波 图像中的边缘或线条与图像频谱中的高频分量相对应，因此采用高通滤波器让高频分量顺利通过，可以使图像的边缘或线条变得更清楚，可实现图像的锐化。程序中采用二阶巴特沃斯高通滤波器，与低通滤波过程一样，先进展傅里叶变换，然后通过高通滤波器，再进展傅里叶反变换，从而得到高通滤波后的图像，具体程序见附录。原图像及滤波后的图像如图 2.9 所示。2.5 图像分割 图像分割是一种重要的图像分析技术。为了识别和分析图像中的目标，需要将它们从图像中别离提取出来，在此根底上才有可能进一步对目标进展测量和

19、对图像进展利用。图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。灰度阈值法是把图像的灰度分成不同的等级，然后用设置灰度阈值的方法确定有意义图 2.8 低通滤波器 图 2.9 高通滤波器.的区域或欲分割物的边界，该方法中最简单的就是二值化的阈值分割。程序中先通过函数 graythresh()即用 Otsu 方法计算出全局图像阈值，再通过函数im2bw(,)基于一定阈值将图像转换成二值图像。原图像及阈值分割后的图像如图2.10所示。梯度分割即对图像进展边缘检测，图像边缘对图像识别和计算机分析十分有用。边缘能勾划出目标物体，使观察者一目了然。边缘蕴含了丰富的内在信息，是图像识别

20、中抽取图像特征的重要属性。(1)Roberts 算子 程序中先通过函数 rgb2gray()对图像进展灰度变换，再通过函数 edge(,roberts)即用Roberts 算子识别灰度图像的轮廓，从而实现对图像的边缘检测。如图 2.11 所示。(2)Canny 算子 程序中先通过函数 rgb2gray()对图像进展灰度变换，再通过函数 edge(,canny)即用Canny 算子识别灰度图像的轮廓，如图 2.12 所示。(3)Sobel 算子 程序中先通过函数 rgb2gray()进展灰度变换，再通过函数 edge(,sobel)即用 Sobel 算子识别灰度图像的轮廓，从而实现对图像的边缘检

21、测。如图 2.13 所示。图 2.10 阈值分割 图 2.11 Roberts 算子.2.6 图像变形 上下翻转：程序中通过函数 flipud()对图像数据矩阵进展上下翻转，由于彩色图像不能直接进展矩阵翻转，因此需要先将彩色图像通过灰度变换处理后再进展翻转，原图及翻转后的图像如图 2.14 所示。图 2.12 Canny 算子 图 2.13 Sobel 算子 图 2.14 上下翻转.左右翻转：与上下翻转一样，先将图像进展灰度变换后，通过函数 fliplr()将图像数据矩阵进展左右翻转，原图及翻转后的图像如图 2.15 所示。翻开图片后，选择“编辑菜单“图像变形中的“旋转后，执行界面会出现调整角

22、度的输入对话框，在对话框中输入任意角度，那么原图像将会旋转任意角度，输入正数逆时针旋转，输入负数顺时针旋转。以 90 为例，在对话框中输入 90，那么图像逆时针旋转 90。，如图 2.16 所示。在程序中由 prompt=调整角度;来显示输入对话框，函数 inputdlg()创立对话框和输入框，输入角度后通过函数 imrotate()进展相应的旋转。2.7 其它常用处理 当在“编辑菜单中选择“亮度后，会出现调整倍数的输入对话框，默认值为 1，在对话框中输入数值后图像便会相应变换亮度。输入数值小于1 时，图像变亮，输入数值大于 1 时，图像变暗。程序中通过函数 imadjust()来实现，即将原

23、图像的亮度值以输入数值描述的曲线关系映射到新的数值中，从而实现亮度的变化。以输入值 0.5 为例，变换后的图像如图 2.17 所示。图 2.15 左右翻转 图 2.16 图像旋转.比照度增强：选择菜单中“比照度增强后，弹出输入参数的对话框，以输入参数 2为例，比照度增强后的图像如图2.18 所示。程序中通过乘法函数 immultiply()将原图像数据与输入数值相乘，从而增强图像的比照度。比照度减弱：选择菜单中“比照度减弱后，弹出输入参数的对话框，同样以输入参数2 为例，比照度减弱后的图像如图 2.19 所示。程序中通过除法函数 imdivide()将原图像数据与输入数值相除，从而减弱图像的比

24、照度。图 2.18 比照度增强 图 2.17 亮度调整 图 2.19 比照度减弱.中选择完菜单中的“截图后，鼠标箭头会变成一个十字，能够选择想要截取的图像局部，选中后就会直接显示出截取后的图像，如图 2.20 所示。程序中通过函数 imcrop()来实现的，即返回图像的一个裁剪区域，允许用户以交互方式使用鼠标选定要剪切的区域。程序中通过函数 imcomplement()对图像数据矩阵进展取反运算，即可实现底片效果，原图像及底片效果的图像如图 2.21 所示。二值化即将彩色图像转换成只有 0 和 1 两个数值的图像，程序中通过二值转换函数im2bw()将彩色图像转换为二值图像。原图像及转换后的二

25、值图像如图 2.22 所示。图 2.20 截图 图 2.21 底片效果 图 2.22 二值处理.3 结果分析 经过我们小组的不断调试，软件已经得到了完善，到达了课设的根本要求，基于MATLAB 数字图像处理平台设计能实现的全部功能如下：(1)设计图形用户界面，实现了图像的翻开、保存及退出(2)实现了对图像的傅里叶变换及离散余弦变换，其中离散余弦变换只能对灰度图像处理。(3)实现了图像空间域增强包括灰度变换和直方图均衡化，还有图像频率域增强包括低通滤波器和高通滤波器。其中直方图均衡化，低通滤波和高通滤波均只支持对灰度图像处理。(4)实现了图像分割：阈值分割和梯度分割，梯度分割有 Roberts

26、算子、Canny 算子、Sobel算子。其中梯度分割需要对图像先进展灰度变换。(5)实现了图像的翻转和旋转。图像的翻转只支持灰度图像。(6)实现了图像的亮度，比照度的调整，能够对图像截图、做出底片效果及二值化处理。实验程序虽然根本实现了以上这些功能，但遗憾的是有些功能只支持对灰度的图像处理，还不能直接对彩色图像进展处理。4 心得体会 通过两周的 MATLAB 课程设计实践，使我对 MATLAB 的使用有了进一步的了解和熟悉。还记得当初我们小组抽到这个题目的时候，每个人看到这个题目都无所适从。虽然曾经学过关于数字图像处理的课程，但对于 MATLAB 的数字图像处理的实际运用并不是很熟悉，特别是对

27、此次 GUI 设计更是没有丝毫接触过的。虽然对课题感到很懵懂，但在指导教师的提示与指导后，我们开场找到了解决问题的路径。我们到图书馆借了几本相关的书，又从网上收集了大量的资料，为这次课设做了较为充分的准备，在参考了相关材料及程序后，我对自己要做的课设内容有了进一步的了解，并对 MATLAB 的使用有了更深的体会。当然，在课设的进展过程中，我们还是遇到了不少问题。例如，起初由于我对句柄使用以及一些函数使用的不恰当，使得在对图像文件的保存上就遇到了问题，不过在我们小组的讨论研究下轻松的就解决了。随着课设的进展，对 matlab 的的熟悉度逐步加深。在根本功能已经完成的根底上，我们开场进展一些扩张功

28、能的尝试，比方图像的旋转、翻转，图像亮度、比照度的调整，截图等功能，也实现了较为理想的结果。虽然这课题最终的功能还不是很完善，但是我还是较为满意的。本次的课程设计，不但鞭策着我去稳固 MATLAB 的理论知识，还提高了我对 MATLAB 的实际操作运用，使得理论与实践相结合，为进一步学 MATLAB 打下了坚实的根底。.附录 function varargout=keshe(varargin)gui_Singleton=1;gui_State=struct(gui_Name,mfilename,.gui_Singleton,gui_Singleton,.gui_OpeningFcn,keshe

29、_OpeningFcn,.gui_OutputFcn,keshe_OutputFcn,.gui_LayoutFcn,.gui_Callback,);if nargin&ischar(varargin1)gui_State.gui_Callback=str2func(varargin1);end if nargout varargout1:nargout=gui_mainfcn(gui_State,varargin:);else gui_mainfcn(gui_State,varargin:);end%-function keshe_OpeningFcn(hObject,eventdata,ha

30、ndles,varargin)handles.output=hObject;guidata(hObject,handles);%-function varargout=keshe_OutputFcn(hObject,eventdata,handles)varargout1=handles.output;%-function open_Callback(hObject,eventdata,handles)%hObject handle to open(see GCBO)%eventdata reserved-to be defined in a future version of MATLAB%

31、handles structure with handles and user data(see GUIDATA)filename,pathname=uigetfile(*.jpg;*.bmp;*.tif;*.*,载入图像);%选择路径翻开图像 if isequal(filename,0)|isequal(pathname,0)%假设 filename 为 0 或 pathname 为 0，即未选中文件 errordlg(未选中文件,警告);%建立一个名为警告的错误对话框，内容为“未选中文件 return;else file=pathname,filename;%将文件名和目录名组合成一个完整

32、的路径 x=imread(file);%读入图像 set(handles.axes1,HandleVisibility,ON);%设置图形对象属性，可从命令窗口中和GUIs 中访问 axes(handles.axes1);%定义图形区域 axes1 imshow(x);%显示图像 set(handles.axes1,HandleVisibility,OFF);%设置图形对象属性，不可从命令窗口中和GUIs 中访问.axes(handles.axes2);%定义图形区域 axes2 imshow(x);%显示图像 handles.img=x;%把图像发给 handles.img guidata(

33、hObject,handles);%把 handles 句柄更新 end%-function save_Callback(hObject,eventdata,handles)%hObject handle to save(see GCBO)%eventdata reserved-to be defined in a future version of MATLAB%handles structure with handles and user data(see GUIDATA)sfilename,sfilepath=uiputfile(*.jpg;*.bmp;*.tif;*.*,保存图像文件,

34、untitled.jpg);%返回要保存的图像文件 if isequal(sfilename,sfilepath,0,0)%如果不是取消保存 sfilefullname=sfilepath,sfilename;%将文件名和目录名组合成一个完整的路径 imwrite(handles.img,sfilefullname);%保存图像 else msgbox(取消保存？,保存图像文件);%弹出一个名为保存图像文件的对话框，内容为“取消保存？end%-function exit_Callback(hObject,eventdata,handles)%hObject handle to exit(see

35、 GCBO)%eventdata reserved-to be defined in a future version of MATLAB%handles structure with handles and user data(see GUIDATA)clc;%去除指令窗 close all;%关闭所有句柄可见的窗口 close(gcf);%关闭当前窗口 clear;%去除内存变量和函数%-function change_Callback(hObject,eventdata,handles)function enhance_Callback(hObject,eventdata,handles

36、)function fenge_Callback(hObject,eventdata,handles)function file_Callback(hObject,eventdata,handles)function edit_Callback(hObject,eventdata,handles)function fanzhuan_Callback(hObject,eventdata,handles)%-function FFT_Callback(hObject,eventdata,handles)%hObject handle to FFT(see GCBO)%eventdata reser

37、ved-to be defined in a future version of MATLAB%handles structure with handles and user data(see GUIDATA)axes(handles.axes2);i1=handles.img;%获取图像 i2=im2double(i1);%图像矩阵转换成双精度浮点类型 f1=fft2(i2);%对图像进展二维离散傅里叶变换 fc1=fftshift(f1);%将变换后的图象频谱中心从矩阵的原点移到矩阵的中心.i=log(1+abs(fc1);%对变换后的图像矩阵数据求绝对值后取自然对数 imshow(i);

38、xlabel(傅里叶变换图像);handles.img=i;guidata(hObject,handles);%把 handles 句柄更新%-function DCT_Callback(hObject,eventdata,handles)%hObject handle to DCT(see GCBO)%eventdata reserved-to be defined in a future version of MATLAB%handles structure with handles and user data(see GUIDATA)axes(handles.axes2);j1=hand

39、les.img;%获取图像 j2=rgb2gray(j1);%灰度变换 d=dct2(j2);%对图像进展二维离散余弦变换 j=log(abs(d);%对变换后的图像矩阵数据求绝对值后取自然对数 imshow(j);xlabel(离散余弦变换图像);handles.img=j;guidata(hObject,handles);%把 handles 句柄更新%-function huidu_Callback(hObject,eventdata,handles)%hObject handle to huidu(see GCBO)%eventdata reserved-to be defined i

40、n a future version of MATLAB%handles structure with handles and user data(see GUIDATA)global T%定义全局变量 axes(handles.axes2);%定义图形区域 axes2 T=getimage;%从坐标轴获取图像数据 x=rgb2gray(handles.img);%利用 rgb2gray 函数对源图像进展灰度处理 imshow(x);%显示图像 xlabel(灰度图像);%x 轴名为“灰度图像 handles.img=x;%把图像发给 handles.img guidata(hObject,h

41、andles);%把 handles 句柄更新%-function zhifangtu_Callback(hObject,eventdata,handles)%hObject handle to zhifangtu(see GCBO)%eventdata reserved-to be defined in a future version of MATLAB%handles structure with handles and user data(see GUIDATA)axes(handles.axes2);%定义图形区域 axes2 T=getimage;%从坐标轴获取图像数据 x=rgb

42、2gray(handles.img);%对图像进展灰度处理 h=histeq(x);%对图像进展直方图均衡化处理 imshow(h);%显示图像 xlabel(直方图均衡化后的图像);handles.img=h;guidata(hObject,handles);%把 handles 句柄更新.%-function low_Callback(hObject,eventdata,handles)%hObject handle to low(see GCBO)%eventdata reserved-to be defined in a future version of MATLAB%handles

43、 structure with handles and user data(see GUIDATA)axes(handles.axes2);y1=handles.img;%获取图像 x=rgb2gray(handles.img);%灰度变换 f=double(x);%数据类型转换为双精度数值 g=fft2(f);%二维离散傅里叶变换 g=fftshift(g);%将变换后的图象频谱中心从矩阵的原点移到矩阵的中心 M,N=size(g);%返回矩阵 g 的大小，即 M 为行数，N 为列数 nn=2;%二阶巴特沃斯低通滤波器 d0=50;%截止频率 50Hz m=fix(M/2);n=fix(N/

44、2);%取矩阵 g 的行数和列数一半的整数 for i=1:M for j=1:N%循环 d=sqrt(i-m)2+(j-n)2);h=1/(1+0.414*(d/d0)(2*nn);%计算低通滤波器传递函数 result(i,j)=h*g(i,j);%结果返回到 result end end result=ifftshift(result);%将图象频谱中心从矩阵的中心移到矩阵的原点 y2=ifft2(result);%二维离散傅里叶反变换 y3=uint8(real(y2);%把矩阵 y2 实部转换成 8 位无符号数据 imshow(y3);%显示低通滤波后的图像 xlabel(低通滤波图

45、像);handles.img=y3;guidata(hObject,handles);%把 handles 句柄更新%-function high_Callback(hObject,eventdata,handles)%hObject handle to high(see GCBO)%eventdata reserved-to be defined in a future version of MATLAB%handles structure with handles and user data(see GUIDATA)axes(handles.axes2);x=handles.img;%获取

46、图像 y=rgb2gray(handles.img);%灰度变换 f=double(y);%数据类型转换为双精度数值 k=fft2(f);%二维离散傅里叶变换 g=fftshift(k);%将变换后的图象频谱中心从矩阵的原点移到矩阵的中心 M,N=size(g);%返回矩阵 g 的大小，即 M 为行数，N 为列数 nn=2;%二阶 d0=25;%截止频率 25Hz m=fix(M/2);n=fix(N/2);for i=1:M.for j=1:N%循环 d=sqrt(i-m)2+(j-n)2);if d=d0 h=0;else h=1;end result(i,j)=h*g(i,j);%结果返

47、回到 result end end result=ifftshift(result);%将图象频谱中心从矩阵的中心移到矩阵的原点 y2=ifft2(result);%二维离散傅里叶反变换 y3=uint8(real(y2);%把矩阵 y2 实部转换成 8 位无符号数据 imshow(y3);%显示高通滤波后的图像 xlabel(高通滤波图像);handles.img=y3;guidata(hObject,handles);%把 handles 句柄更新%-function yuzhi_Callback(hObject,eventdata,handles)%hObject handle to y

48、uzhi(see GCBO)%eventdata reserved-to be defined in a future version of MATLAB%handles structure with handles and user data(see GUIDATA)axes(handles.axes2);T=getimage;%从坐标轴获取图像数据 level=graythresh(T);%用 Otsu 方法计算全局图像阈值 BW=im2bw(T,level);%基于一定阈值把图像转换为二值图像 imshow(BW);%显示阈值分割后的图像 xlabel(阈值分割图像);handles.i

49、mg=BW;guidata(hObject,handles);%把 handles 句柄更新%-function tidu_Callback(hObject,eventdata,handles)function kongyu_Callback(hObject,eventdata,handles)function pinyu_Callback(hObject,eventdata,handles)function bianxing_Callback(hObject,eventdata,handles)function qita_Callback(hObject,eventdata,handles)

50、function duibidu_Callback(hObject,eventdata,handles)%-function roberts_Callback(hObject,eventdata,handles)%hObject handle to roberts(see GCBO)%eventdata reserved-to be defined in a future version of MATLAB%handles structure with handles and user data(see GUIDATA)axes(handles.axes2);T=getimage;%从坐标轴获