探索图像滤波去噪：MATLAB GUI的奇妙之旅

图像滤波去噪 MATLAB GUI【带报告】 本链接包含 MATLAB代码，代码，【带word 大报告】。 对图像添加高斯 噪声、椒盐噪声，可进行 均值滤波、中值滤波、同态滤波、小波阈值去噪等多种处理。

在图像处理领域，噪声就像是讨人厌的小恶魔，时不时破坏我们图像的美感和信息完整性。今天咱就聊聊怎么利用MATLAB GUI来给图像滤波去噪，而且还带超详细报告哦！

咱先来看看给图像加噪声这事儿。比如说加高斯噪声，在MATLAB里，代码实现起来不算难：

img = imread('your_image.jpg'); % 读取图像 noise = 0.05 * randn(size(img)); % 生成高斯噪声，这里噪声强度设为0.05 noisy_img = img + noise; % 将噪声叠加到图像上 imshow(noisy_img); % 显示加噪后的图像

这段代码里，imread函数把图像读进来，然后通过randn函数生成符合高斯分布的噪声，噪声强度通过系数0.05控制，最后加到原图像上并显示出来。

椒盐噪声也很常见，加椒盐噪声的代码大概这样：

img = imread('your_image.jpg'); saltpepper_ratio = 0.02; % 设置椒盐噪声比例 noisy_img = imnoise(img,'salt & pepper', saltpepper_ratio); imshow(noisy_img);

这里imnoise函数，第二个参数指定是椒盐噪声类型，saltpepper_ratio设定了噪声点占图像像素的比例。

噪声加上了，那怎么去除呢？均值滤波是个简单的办法，代码如下：

noisy_img = imread('noisy_image.jpg'); % 读取加噪图像 filtered_img = imgaussfilt(noisy_img, 3); % 使用高斯均值滤波，3为滤波器标准差 imshow(filtered_img);

imgaussfilt函数进行高斯均值滤波，标准差设为3，这个值越大，滤波效果越平滑，但可能会损失一些图像细节。

中值滤波也不错，代码像这样：

noisy_img = imread('noisy_image.jpg'); filtered_img = medfilt2(noisy_img, [3 3]); % [3 3]表示滤波窗口大小 imshow(filtered_img);

medfilt2函数对图像进行二维中值滤波，[3 3]的窗口大小是比较常用的，它能有效去除椒盐噪声，同时保留图像边缘。

再说说同态滤波，这稍微复杂点，先看看代码片段：

img = imread('your_image.jpg'); img_log = log(double(img) + 1); % 取对数 img_fft = fft2(img_log); % 傅里叶变换 img_fft_shift = fftshift(img_fft); % 移频 % 设置滤波参数 D0 = 50; gammaH = 2; gammaL = 0.5; n = 2; [M, N] = size(img_fft_shift); u = 0:(M - 1); v = 0:(N - 1); idx = find(u > M / 2); u(idx) = u(idx) - M; idy = find(v > N / 2); v(idy) = v(idy) - N; [V, U] = meshgrid(v, u); D = sqrt(U.^2 + V.^2); H = (gammaH - gammaL) * (1 - exp(-(D.^2) / (2 * D0^2))) + gammaL; H_img = H.* img_fft_shift; H_img_shift = ifftshift(H_img); H_img_ifft = ifft2(H_img_shift); result = exp(real(H_img_ifft)) - 1; imshow(result, []);

这段代码里，先对图像取对数，然后进行傅里叶变换和移频操作。接着设置滤波参数，构建滤波函数H，对频域图像滤波后再逆变换回来。

小波阈值去噪也是一种很有效的方法，代码示例：

img = imread('your_image.jpg'); lev = 3; % 设置分解层数 wname = 'db4'; % 选择小波基 [c, s] = wavedec2(double(img), lev, wname); % 二维小波分解 thr = wthrmngr('dw1ddenoLVL', 'penalhi', c, s); % 计算阈值 sorh = 'h'; % 硬阈值 keepapp = 1; % 保留近似系数 xd = wdencmp('gbl', c, s, wname, lev, thr, sorh, keepapp); % 去噪 imshow(xd, []);

这里通过wavedec2函数进行二维小波分解，wthrmngr计算阈值，最后wdencmp实现去噪。

以上这些去噪方法在MATLAB GUI里可以整合起来，让用户轻松选择加什么噪声，用什么方法去噪。而且这次分享还带超详细的word报告，里面会对这些方法的原理、参数设置等进行更深入探讨。感兴趣的小伙伴赶紧下载代码和报告研究研究吧，一起在图像去噪的世界里畅游！