基于MATLAB的多功能图像预处理与形状识别系统

资 源 简 介

本项目是一个基于MATLAB平台开发的综合性数字图像处理与分析系统，旨在通过一系列经典算法实现对图像质量的改善及特征信息的提取。系统主要包含六大核心功能模块：1. 图像灰度变换：通过线性变换、对数变换、指数变换以及直方图均衡化算法，有效调整图像的亮度分布，增强图像对比度，使其更适合人眼观察或后续处理。2. 图像滤波：集成了中值滤波、均值滤波和高斯滤波等空间域滤波算法，以及巴特沃斯等频域滤波器，能够针对性地去除图像中的椒盐噪声和高斯噪声，保留边缘细节。3. 图像复原：针对运动模糊或散焦模糊的图像，采用维纳滤波（Wiener Filtering）和逆滤波等技术建立退化模型并进行逆向复原，以提高图像的清晰度。4. 小波变换：利用MATLAB小波工具箱进行图像的多尺度分解与重构，应用于图像压缩、去噪以及纹理特征提取。5. 形态学处理：实现图像的腐蚀、膨胀、开运算和闭运算，用于二值图像的骨架提取、孔洞填充、断点连接及形态滤波。6. 形状识别：在预处理的基础上，通过阈值分割、Canny边缘检测和连通域分析，计算目标的几何特征（如面积、周长、圆度、矩形度），从而实现对圆形、矩形、三角形等基本几何形状的自动识别与分类。该项目代码结构清晰，交互性强，适用于计算机视觉领域的算法验证与教学演示。

详 情 说 明

基于MATLAB的多功能图像预处理与形状识别系统

项目简介

本项目是一个基于MATLAB平台开发的综合性数字图像处理与分析系统。该系统集成了图像处理领域的多种经典算法，涵盖了从基础的灰度变换、噪声去除、图像复原，到高级的小波分析、形态学处理以及基于几何特征的自动形状识别。代码采用模块化设计，通过一个主入口函数依次演示六大核心功能，旨在直观展示不同算法在改善图像质量和提取特征信息方面的效果，适用于计算机视觉算法的验证与演示。

功能特性

本项目包含六个独立但逻辑递进的功能模块，每个模块针对特定的图像处理任务：

1. 图像灰度变换与对比度增强

该模块主要用于改善图像的视觉效果，通过调整灰度级分布来增强对比度。

• 线性变换：通过线性拉伸公式（斜率k=1.5，截距b=-0.2）扩展图像的动态范围。
• 非线性变换：

* 对数变换：扩展图像中的暗像素值，增强暗部细节。 * 指数变换 (Gamma校正)：使用Gamma=0.5对图像进行非线性映射。

• 直方图均衡化 (HE)：自动重新分配像素值，使直方图分布趋于均匀，显著增强图像全局对比度。

2. 图像滤波 (空间域与频域)

该模块演示了如何在不同域中去除图像噪声，保留重要细节。

• 噪声模拟：分别为图像添加椒盐噪声和高斯噪声以模拟真实环境退化。
• 空间域滤波：

* 中值滤波：利用3x3窗口有效去除椒盐噪声，同时保护边缘。 * 均值滤波：平滑图像，但会产生一定的模糊。 * 高斯滤波：针对高斯噪声进行平滑处理。

• 频域滤波：

* 巴特沃斯低通滤波器：通过快速傅里叶变换 (FFT) 将图像变换到频域，应用2阶巴特沃斯低通滤波器截断高频噪声（截止频率D0=30），最后通过逆傅里叶变换 (IFFT) 重构图像。

3. 图像复原

该模块建立图像退化模型并使用逆过程恢复图像清晰度。

• 退化模型：模拟运动模糊（长度21，角度11度）并叠加高斯白噪声。
• 维纳滤波 (Wiener Filtering)：计算信号功率与噪声功率的比值（信噪比估算），使用deconvwnr函数进行最小均方误差复原，相比直接逆滤波能更有效地抑制噪声放大。

4. 小波变换

该模块利用多分辨率分析技术处理图像。

• 离散小波变换 (DWT)：使用 haar 小波基对图像进行单层二维分解。
• 多尺度系数可视化：将图像分解为四个频带：

* 近似分量 (LL)：图像的低频概貌。 * 水平细节 (LH)：强调水平方向边缘。 * 垂直细节 (HL)：强调垂直方向边缘。 * 对角细节 (HH)：强调对角线纹理。

• 图像重构：演示利用分解系数还原原始图像的过程。

5. 形态学处理

该模块应用于二值图像的几何结构调整与骨架提取。

• 数据构建：生成带有随机噪点和中心孔洞的合成二值图像。
• 基础运算：

* 腐蚀 (Erosion)：收缩目标区域，消除边界微小突起。 * 膨胀 (Dilation)：扩张目标区域，填补边界凹陷。

• 组合运算：

* 开运算 (Open)：先腐蚀后膨胀，成功去除孤立的小噪点。 * 闭运算 (Close)：先膨胀后腐蚀，有效填充物体内部的孔洞。

• 骨架提取：将二值图像细化为单像素宽度的骨架，提取目标的拓扑结构。

6. 形状识别系统

该模块实现了从图像输入到几何形状分类的完整流程。

• 样本生成：自动生成包含矩形、圆形、三角形的合成图像，并施加椒盐噪声干扰。
• 预处理流水线：

* 使用中值滤波去除噪声。 * 应用Canny算子进行边缘检测。 * 使用填充算法 (imfill) 将边缘转化为实心区域。

• 特征提取：利用连通域分析 (regionprops) 计算每个目标的面积、周长、质心、外接矩形、凸度 (Solidity) 和占空比 (Extent)。
• 自动分类逻辑：

* 圆形判定：基于圆度公式 (4 * pi * Area / Perimeter^2)，阈值设为 > 0.85。 * 矩形判定：基于占空比 (Extent)，阈值设为 > 0.8。 * 三角形判定：结合高凸度 (> 0.8) 和较低的占空比 (< 0.7)。

• 结果可视化：在图像上绘制分类结果的边界框、质心位置及类别标签。

关键算法与实现细节分析

1. 自适应环境检测

代码开头包含异常处理机制，如果在当前路径下找不到标准测试图（如pout.tif），会自动生成合成图像作为替代，增强了代码的鲁棒性。

1. 频域滤波实现

在模块2中，通过fftshift将零频分量移至频谱中心，构建距离矩阵D来生成中心对称的滤波器传递函数H，展示了标准的频域处理流程。

1. 形状分类器的几何特征度量

模块6摒弃了复杂的深度学习方法，采用了经典的几何特征工程。 * 圆度 (Circularity)：利用等周不等式原理，圆的该指标最接近1。 * 占空比 (Extent)：目标面积与其外接矩形面积之比，矩形的该指标接近1，而三角形约为0.5。 * 凸度 (Solidity)：目标面积与其凸包面积之比，用于区分凹多边形和凸多边形（如三角形和矩形均为高凸度，需结合占空比区分）。

系统与环境要求

• 软件版本：MATLAB R2016a 及以上版本。
• 工具箱依赖：

* Image Processing Toolbox (图像处理工具箱) * Wavelet Toolbox (小波工具箱) * Signal Processing Toolbox (部分基础信号处理函数)

使用方法

1. 确保MATLAB已正确安装上述必需的工具箱。
2. 将 main.m 文件放置于MATLAB的当前工作目录下。
3. 确保目录下存在或MATLAB路径中包含以下标准测试图像文件（如缺失，代码会尝试使用备用逻辑或报错，建议准备好素材）：

* pout.tif * cameraman.tif * peppers.png

1. 在MATLAB命令行窗口输入 main 并回车。
2. 系统将依次弹出6个窗口，分别展示各模块的处理结果。