基于旋滤波算法的相干光条纹图去噪系统

资 源 简 介

该项目专门针对干涉测量领域中由激光相干性引起的随机散斑噪声进行处理，旨在有效去除噪声干扰的同时，完美保留条纹的对比度、宽度和相位分布等关键信息。 本项目编制并优化了高效的旋滤波（Spin Filtering）程序。其核心实现逻辑在于利用方向窗口在每个像素点周围搜索相位变化最平缓的切线方向。通过在选定的切线方向上执行一维平滑滤波器，算法能够针对性地滤除高频随机散斑噪声。由于滤波方向严格贴合条纹的脊线走势，这种处理方式避免了传统低通或各向同性滤波器导致的条纹模糊和能量损失，确保了条纹边缘的锐度。 该系统具备自

详 情 说 明

基于旋滤波算法的相干光条纹图去噪系统

项目介绍

本项目专门针对干涉测量领域中由激光相干性引起的随机散斑噪声进行处理。在激光干涉实验中，由于相干光的特性，采集到的条纹图往往伴随着严重的乘性散斑噪声，传统的线性或各向同性滤波器在去噪的同时往往会模糊条纹边缘并降低对比度。

本系统通过实现高效的旋滤波（Spin Filtering）算法，能够在有效去除散斑干扰的同时，完美保留条纹的对比度、宽度和相位分布等关键信息。该算法的核心思想是利用方向窗口在每个像素点周围搜索相位变化最平缓的切线方向，并在该方向上执行一维平滑滤波。该系统适用于电子散斑干涉（ESPI）、数字全息测量、剪切干涉以及光学表面无损检测等精密工程领域。

功能特性

1. 自适应条纹搜索：能够自动识别具有非线性曲率和复杂走向的条纹，并精准定位其脊线方向。
2. 边缘与对比度保持：相比低通滤波器，旋滤波通过沿条纹切向处理，能最大限度减少能量损失，确保条纹边缘锐度。
3. 支持迭代处理：系统允许通过多次迭代进一步净化图像，以应对极低信噪比的环境。
4. 乘性散斑建模：内置了符合相干光学特性的模拟散斑噪声生成模块，便于算法测试与验证。
5. 自动化质量评估：系统集成峰值信噪比（PSNR）与结构相似性（SSIM）量化指标，直观展示去噪效果。

实现逻辑与工作流

系统执行的核心逻辑严格遵循以下五个阶段：

1. 环境配置与参数初始化

系统首先定义滤波的核心参数，包括滑动窗口的大小（通常为奇数，以保证对称性）、旋转搜索的方向总数（如16个方向）、模拟噪声的强度以及算法执行的迭代轮数。

1. 模拟干涉场构建

为验证算法性能，系统自动生成一张具有非线性弯曲特征的模拟条纹图。该条纹图基于复杂的相位分布公式计算，通过余弦函数映射生成归一化的干涉强度图。

1. 相干噪声注入

根据光学散斑理论，系统引入服从指数分布（或Gamma分布）的乘性噪声。这种噪声模型与相干光实际产生的散斑高度一致，使得模拟环境更贴近真实物理测量。

1. 旋滤波核心处理

本系统的核心在于针对每个像素点执行方向性滤波： * 坐标预计算：根据预设的方向总数，在极坐标系下均匀计算各方向的像素点偏移量。 * 方向特征提取：以当前像素为中心进行旋转搜索，分别提取各方向窗口内像素的统计信息。 * 最小方差准则：计算各方向像素值的统计方差。方差最小的方向代表该点处的相位变化最慢（即条纹的切线或脊线方向）。 * 一维平滑：选择方差最小方向对应的像素均值作为该点的滤波结果。 * 迭代优化：将当次滤波后的图像作为下一次迭代的输入，直至达到设定轮数。

1. 结果量化与可视化展示

系统最后计算处理前后图像的PSNR和SSIM指标，并以三栏式布局展示“原始清晰图”、“含散斑噪声图”及“旋滤波去噪图”，提供完整的视觉对比。

核心算法与实现细节分析

• 方向窗口机制：

算法没有采用传统的矩形窗口，而是采用了线状的一维旋转窗口。通过在0到$pi$范围内划分多个离散角度，覆盖了条纹可能出现的各种走向。

• 统计选择策略：

程序中通过 var 函数计算各个方向的分散程度。在相干光条纹中，垂直于条纹的方向（法向）相位变化剧烈，像素方差大；而平行于条纹的方向（切向）相位变化平缓，像素方差极小。通过 min 函数锁定最小方差方向，是实现“选择性平滑”的关键。

• 数值稳定性处理：

在去噪过程中，系统对输入图像进行了归一化和图像边界的对称填充（padarray），确保了窗口在边缘位置也能正确提取方向数据，避免产生边缘伪影。

• 性能评估标准：

系统内建的PSNR计算函数特别针对归一化的[0,1]图像进行了优化。SSIM计算则利用均值、方差及协方差的滑动平均（filter2实现），从亮度、对比度和结构三个维度综合评估条纹的保持能力。

使用方法

1. 启动MATLAB开发环境。
2. 确保工作路径中包含系统所需的全部逻辑脚本。
3. 运行主程序模块，系统将自动生成模拟图像并开始执行去噪任务。
4. 在控制台实时查看处理进度以及最终生成的图像质量报告。
5. 在弹出的结果窗口中，通过对比三幅图像来直观评估算法对条纹质量的提升效果。

系统要求

• MATLAB R2016b 或更高版本。
• 图像处理工具箱（Image Processing Toolbox）。
• 建议内存 8GB 以上以保证大规模干涉图处理的流畅性。