一、项目简介
本系统是一个基于MATLAB GUI的图像去雾处理系统，集成了Retinex算法、全局直方图均衡化和局部直方图均衡化三种去雾方法，用户可加载有雾图像并选择不同算法进行处理，直观对比去雾效果并评估图像质量。
核心算法流程如下：全局直方图均衡化方法分别对RGB三个通道执行histeq均衡化后合并，通过重新分配灰度级提升整体对比度；局部直方图均衡化方法对每个通道调用adapthisteq函数，采用限制对比度的自适应直方图均衡化（clipLimit=0.02，Rayleigh分布），在增强局部细节的同时抑制噪声放大；Retinex算法采用多尺度Retinex（MSR）实现，在不同尺度（alpha=1200、beta=55、eta=13944.5）下分别构建高斯核并与图像卷积，取对数域差值后加权融合，有效去除雾霾干扰并恢复场景真实色彩。系统还提供了原图与处理后图像的灰度直方图对比功能，以及基于PSNR指标的质量评估，用户可通过菜单栏完成图像加载、算法选择、结果保存和界面截图等操作。
二、部分源码
function FileOpen_Callback(hObject, eventdata, handles)
% hObject handle to FileOpen (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
global Img1
% 打开
warning off all;
% 载入图像
FileName,PathName,FilterIndex = uigetfile({'*.jpg;*.tif;*.png;*.gif', ...
'所有图像文件';...
'*.*','所有文件' },'载入图像',...
'.\images\\sweden_input.jpg');
if isequal(FileName, 0) || isequal(PathName, 0)
return;
end
%读取图像，显示图像
Img1 = imread(fullfile(PathName, FileName));
axes(handles.axes1);
imshow(Img1, \[\]);
handles.Img1 = Img1;
handles.Img2 = 0;
guidata(hObject, handles);
title('原始图像')
function edit1_CreateFcn(hObject, eventdata, handles)
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end
function RetinexDeFog_Callback(hObject, eventdata, handles)
% hObject handle to RetinexDeFog (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
global Img2
if isequal(handles.Img1, 0)
msgbox('请载入图像！', '提示信息');
return;
end
Img2 = RemoveFogByRetinex(handles.Img1, 0);
axes(handles.axes2); imshow(Img2, \[\]);
handles.Img2 = Img2;
guidata(hObject, handles);
title('Retinex算法图像')
function SaveGUI_Callback(hObject, eventdata, handles)
SnapImage();
function SaveResult_Callback(hObject, eventdata, handles)
% 保存
if isequal(handles.Img2, 0)
msgbox('请进行去雾处理！', '提示信息');
return;
end
SaveImage(handles.Img2);
function HistImg_Callback(hObject, eventdata, handles)
if isequal(handles.Img1, 0)
msgbox('请载入图像！', '提示信息');
return;
end
if isequal(handles.Img2, 0)
msgbox('请进行去雾处理！', '提示信息');
return;
end
figure('Name', '直方图对比', 'NumberTitle', 'Off', ...
'Units', 'Normalized', 'Position', 0.1 0.1 0.5 0.5);
subplot(2, 2, 1); imshow(handles.Img1); title('原图像', 'FontWeight', 'Bold');
subplot(2, 2, 2); imshow(handles.Img2); title('处理后的图像', 'FontWeight', 'Bold');
Q = rgb2gray(handles.Img1);
W = rgb2gray(handles.Img2);
subplot(2, 2, 3); imhist(Q, 64); title('原灰度直方图', 'FontWeight', 'Bold');
subplot(2, 2, 4); imhist(W, 64); title('处理后的灰度直方图', 'FontWeight', 'Bold');
function GlobalHisteq_Callback(hObject, eventdata, handles)
global Img2
if isequal(handles.Img1, 0)
msgbox('请载入图像！', '提示信息');
return;
end
Img2 = RemoveFogByGlobalHisteq(handles.Img1, 0);
axes(handles.axes2); imshow(Img2, \[\]);
handles.Img2 = Img2;
guidata(hObject, handles);
title('全局直方图算法图像')
% --------------------------------------------------------------------
function LocalHisteq_Callback(hObject, eventdata, handles)
% hObject handle to LocalHisteq (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
global Img2
if isequal(handles.Img1, 0)
msgbox('请载入图像！', '提示信息');
return;
end
%选择图像
Img2 = RemoveFogByLocalHisteq(handles.Img1, 0);
axes(handles.axes2); imshow(Img2, \[\]);
handles.Img2 = Img2;
guidata(hObject, handles);
title('局部直方图算法图像')
三、运行结果
四、总结
本文实现了一套基于MATLAB GUI的图像去雾系统，集成Retinex、全局直方图均衡化和局部直方图均衡化三种算法，完成图像加载、算法处理、直方图对比、PSNR评估及结果保存的完整流程。系统通过菜单式界面实现了算法切换与结果可视化，具备良好的交互性和可扩展性。实验结果表明，全局直方图均衡化处理速度快但易过度增强；局部直方图均衡化在细节保留方面表现更优；Retinex算法在色彩恢复和去雾效果上综合表现最佳，但计算量较大。系统的主要不足在于：去雾参数（如高斯核尺寸、权重系数）为固定值，对不同浓度雾霾图像的适应性有限；缺少客观评价指标（如SSIM）的对比分析。后续可引入基于暗通道先验或深度学习去雾方法，并增加参数自适应调节功能，以提升系统在复杂雾霾场景下的处理效果。
五、代码获取
接matlab程序定制和论文设计，方向如下：
图像处理｜语音识别｜图像识别｜目标检测｜深度学习｜神经网络｜强化学习｜机器学习｜通信系统｜信号处理｜时频分析｜小波降噪｜路径规划｜优化算法｜智能算法｜数据处理｜数学建模｜文献复现｜算法复现｜模型复现等
程序包运行成功，零基础的可以远程帮你运行，赠送安装包。
作为初学者，遇见不会的问题是非常正常的事情，具体代码仿真可通过主页添加 私信博主。