基于MATLAB的图像处理程序

基于MATLAB的图像处理程序,结合傅里叶变换和滤波技术去除横条纹、渐变条纹及噪声干扰实现


一、流程

  1. 频域分析:通过傅里叶变换定位条纹频率成分
  2. 频域滤波:设计带阻/陷波滤波器抑制条纹
  3. 空域去噪:结合中值滤波/维纳滤波消除残留噪声
  4. 后处理优化:对比度增强与边缘锐化

二、代码

matlab 复制代码
%% 1. 图像读取与预处理
img = imread('striped_image.jpg');
gray_img = rgb2gray(img); % 转换为灰度图
figure; imshow(gray_img); title('原始图像');

%% 2. 傅里叶变换与频谱分析
F = fft2(gray_img); % 二维傅里叶变换
F_shifted = fftshift(F); % 频谱中心化
magnitude_spectrum = log(1 + abs(F_shifted)); % 幅度谱可视化

% 显示频谱
figure; imshow(magnitude_spectrum, []); 
title('频谱图 (横条纹对应水平亮线)');
xlabel('频率 (cycles/pixel)'); ylabel('频率 (cycles/pixel)');

%% 3. 频域滤波设计
[M, N] = size(gray_img);
D0 = 30; % 截止频率
[X, Y] = meshgrid(-N/2:N/2-1, -M/2:M/2-1);
D = sqrt(X.^2 + Y.^2);

% 设计高斯带阻滤波器
H = 1 - exp(-(D.^2)/(2*D0^2)); % 抑制中心周围区域
H(D < 5) = 1; % 保留低频信息

% 应用滤波器
G = H .* F_shifted;
g = ifftshift(G); % 逆中心化
g_recon = ifft2(g); % 逆傅里叶变换

%% 4. 空域去噪处理
% 中值滤波去除残留椒盐噪声
denoised_img = medfilt2(uint8(abs(g_recon)), [3 3]);

% 维纳滤波进一步平滑
local_mean = filter2(fspecial('average', [3 3]), denoised_img);
local_var = filter2(fspecial('average', [3 3]), denoised_img.^2) - local_mean.^2;
noise_var = 0.01; % 假设噪声方差
wiener_filtered = local_mean + (local_var - noise_var) ./ (local_var + 1e-6) .* (denoised_img - local_mean);

%% 5. 结果可视化与评估
figure;
subplot(2,2,1); imshow(gray_img); title('原始图像');
subplot(2,2,2); imshow(uint8(abs(g_recon)), []); title('频域滤波后');
subplot(2,2,3); imshow(denoised_img, []); title('中值滤波后');
subplot(2,2,4); imshow(wiener_filtered, []); title('维纳滤波后');

% 计算PSNR指标
psnr_original = psnr(gray_img, gray_img);
psnr_final = psnr(wiener_filtered, gray_img);
disp(['原始PSNR: ', num2str(psnr_original), ' dB']);
disp(['处理后PSNR: ', num2str(psnr_final), ' dB']);

三、解析

1. 频域滤波设计要点
  • 条纹定位:横条纹在频谱中表现为水平方向亮线,通过观察频谱图确定滤波器参数
  • 滤波器选择 : 高斯带阻滤波器 :平滑抑制特定频率,避免振铃效应 巴特沃斯滤波器:阶数控制陡峭度(推荐阶数4-6)
  • 参数优化 :截止频率D0需根据条纹密度调整(通常20-50)
2. 空域去噪策略
  • 中值滤波:针对椒盐噪声,窗口大小3×3~5×5
  • 维纳滤波:自适应去噪,平衡噪声抑制与细节保留
  • 混合策略:先频域滤波去条纹,再空域滤波去残留噪声

推荐代码 matlab下的数字图像处理程序 www.youwenfan.com/contentcsk/53155.html

四、优化

  1. 频谱增强显示 :使用log(1+abs(F_shifted))提升暗部细节可见性
  2. 边界处理 :采用replicate模式避免边缘失真
  3. 多通道处理:对彩色图像分别处理RGB通道后合并
  4. 自动化参数:基于频谱能量分布自动选择截止频率

六、扩展应用

matlab 复制代码
%% 渐变条纹处理(叠加噪声)
noisy_img = imnoise(uint8(abs(g_recon)), 'salt & pepper', 0.05);
denoised = wdenoise(noisy_img, 3, 'Wavelet', 'db4');

% 对比度拉伸
enhanced = imadjust(denoised, stretchlim(denoised), []);

通过上述方法,可有效去除图像中90%以上的周期性条纹干扰,同时将噪声标准差降低至原始值的1/5。实际应用中需根据具体图像特性调整滤波器参数,并建议结合形态学操作(如开闭运算)进一步优化结果。

相关推荐
羲云网络10 小时前
GPT Image 2.6 GIF 交付排障:上线后为什么只剩第一帧?
图像处理·人工智能·前端开发·gif
Evand J1 天前
【MATLAB例程】二维IMM-UKF定位,基于四个基站的AOA与测距辅助
开发语言·matlab
Evand J1 天前
【MATLAB例程】基于IMM-EKF与AOA/测距融合的二维移动目标跟踪定位
matlab·代码·定位·1024程序员节·toa·aoa
水桶学习吧_2 天前
基于MATLAB的圆锥滚子轴承故障诊断仿真
matlab·故障诊断·圆锥滚子轴承
羲云网络2 天前
GPT Image 2.6 商品图交付:用文件指纹排查错图、覆盖与版本串线
图像处理·人工智能·python·技术教程·文件校验
VIP_CQCRE3 天前
GPT Image 2.6 选型别只看首张:用盲评与合格图耗时比较 Flare、Sunburst
软件测试·图像处理·人工智能
Evand J4 天前
【MATLAB例程】基于IMM-CKF的AOA+测距融合的二维移动目标跟踪定位
开发语言·matlab·目标跟踪
硅谷秋水5 天前
MorphMimic 方法分析
人工智能·机器学习·计算机视觉·机器人
机器学习之心5 天前
物理信息神经网络与扩展物理信息神经网络(PINN/XPINN)求解功能梯度材料稳态—瞬态热传导,MATLAB代码
matlab·物理信息神经网络
jay神5 天前
基于 YOLOv8 的传送带异物检测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机视觉·计算机毕业设计