基于matlab GUI的图像处理，功能包括图像颜色处理（灰度图像、二值图像、反色变换、直方图、拉伸变换）；像素操作（读取像素、修改像素）、平滑滤波（均值平滑、高斯平滑、中值平滑）、图像锐化（robert交叉梯度锐化、sobel梯度锐化、拉普拉斯锐化）、图像边缘检测（拉普拉斯算子、sobel算子、prewitt算子、roberts算子、canny算子）。 通过GUI以可视化的形式展现。 数据可更换自己的，程序已调通，可直接运行。
最近折腾了一个基于Matlab GUI的图像处理项目，感觉还挺有意思，跟大家分享分享。这个项目涵盖了多种图像处理功能，从图像颜色处理到像素操作，再到平滑滤波、图像锐化以及边缘检测，并且通过GUI以可视化的形式呈现出来，操作便捷，数据还能自己更换，程序已经调通，直接就能运行。
一、图像颜色处理
灰度图像
将彩色图像转换为灰度图像是图像处理中很基础的操作。在Matlab里实现起来也不难，看下面这段代码：
function grayImg = rgb2gray_custom(rgbImg) % 获取图像的尺寸 [rows, cols, ~] = size(rgbImg); % 初始化灰度图像 grayImg = zeros(rows, cols, 'uint8'); for i = 1:rows for j = 1:cols % 根据RGB转灰度的公式计算 grayImg(i, j) = 0.2989 * rgbImg(i, j, 1) + 0.5870 * rgbImg(i, j, 2) + 0.1140 * rgbImg(i, j, 3); end end end这里我们通过手动遍历图像的每个像素，按照常见的RGB转灰度公式进行计算。当然，Matlab其实有自带的rgb2gray函数，不过自己实现一遍能更清楚原理嘛。
二值图像
二值图像只有黑白两种颜色，通常是根据一个阈值来将灰度图像进行转换。代码如下：
function binaryImg = gray2binary(grayImg, threshold) % 直接使用逻辑判断来生成二值图像 binaryImg = grayImg > threshold; % 将逻辑值转换为uint8类型 binaryImg = uint8(binaryImg) * 255; end这里通过设定的阈值，大于阈值的像素设为白色（255），小于的设为黑色（0）。
反色变换
反色变换就是让图像颜色来个“颠倒”，代码如下：
function invertedImg = invertImage(grayImg) % 255减去原图像像素值 invertedImg = 255 - grayImg; end就这么简单，一行代码搞定，把每个像素值从255中减去，颜色就反过来啦。
直方图
直方图能直观地展示图像中各灰度级的分布情况。Matlab里用imhist函数就可以轻松实现：
function plotHistogram(grayImg) imhist(grayImg); end运行这个函数，就能弹出一个直方图窗口，看到图像灰度值的分布。
拉伸变换
拉伸变换可以增强图像的对比度，代码如下：
function stretchedImg = stretchImage(grayImg) % 获取图像的最小和最大灰度值 minVal = double(min(grayImg(:))); maxVal = double(max(grayImg(:))); % 进行拉伸变换 stretchedImg = uint8(255 * (double(grayImg) - minVal) / (maxVal - minVal)); end先找到图像的最小和最大灰度值，然后按照公式把灰度值重新映射到0 - 255的范围，从而增强对比度。
二、像素操作
读取像素
读取像素就是获取图像某个位置的像素值，代码很简单：
function pixelVal = readPixel(grayImg, row, col) pixelVal = grayImg(row, col); end给定图像和坐标，就能得到对应位置的像素值。
修改像素
修改像素就是对特定位置的像素值进行更改，代码如下：
function modifiedImg = modifyPixel(grayImg, row, col, newVal) % 复制原图像，避免直接修改原图像 modifiedImg = grayImg; modifiedImg(row, col) = newVal; end这里先复制图像，再修改指定位置的像素值，防止误操作原图像。
三、平滑滤波
均值平滑
均值平滑就是用邻域像素的平均值来代替当前像素值，代码如下：
function smoothedImg = meanSmoothing(grayImg, windowSize) % 获取图像尺寸 [rows, cols] = size(grayImg); % 初始化平滑后的图像 smoothedImg = zeros(rows, cols, 'uint8'); % 计算窗口半径 radius = floor(windowSize / 2); for i = 1:rows for j = 1:cols sumVal = 0; count = 0; for x = max(1, i - radius):min(rows, i + radius) for y = max(1, j - radius):min(cols, j + radius) sumVal = sumVal + double(grayImg(x, y)); count = count + 1; end end smoothedImg(i, j) = uint8(sumVal / count); end end end通过设定窗口大小，遍历窗口内的像素求和再平均，来平滑图像。
高斯平滑
高斯平滑利用高斯分布来对邻域像素加权平均，Matlab里可以用fspecial生成高斯核，再用imfilter进行滤波：
function gaussianSmoothedImg = gaussianSmoothing(grayImg, windowSize, sigma) % 生成高斯核 gaussianKernel = fspecial('gaussian', windowSize, sigma); % 进行滤波 gaussianSmoothedImg = imfilter(grayImg, gaussianKernel, 'replicate'); endfspecial函数生成指定大小和标准差的高斯核，imfilter函数应用这个核到图像上。
中值平滑
中值平滑是用邻域像素的中值来代替当前像素值，代码如下：
function medianSmoothedImg = medianSmoothing(grayImg, windowSize) % 获取图像尺寸 [rows, cols] = size(grayImg); % 初始化平滑后的图像 medianSmoothedImg = zeros(rows, cols, 'uint8'); % 计算窗口半径 radius = floor(windowSize / 2); for i = 1:rows for j = 1:cols pixelVals = []; for x = max(1, i - radius):min(rows, i + radius) for y = max(1, j - radius):min(cols, j + radius) pixelVals = [pixelVals; double(grayImg(x, y))]; end end medianSmoothedImg(i, j) = uint8(median(pixelVals)); end end end收集窗口内的像素值，取中值来替换当前像素值，达到平滑效果。
四、图像锐化
robert交叉梯度锐化
Robert交叉梯度锐化通过计算图像的梯度来增强边缘，代码如下：
function robertSharpenedImg = robertSharpening(grayImg) % 定义Robert交叉梯度算子 robertX = [-1, 0; 0, 1]; robertY = [0, -1; 1, 0]; % 计算X和Y方向的梯度 gradX = imfilter(double(grayImg), robertX, 'replicate'); gradY = imfilter(double(grayImg), robertY, 'replicate'); % 计算梯度幅值 gradMagnitude = sqrt(gradX.^2 + gradY.^2); % 归一化并转换为uint8类型 robertSharpenedImg = uint8(gradMagnitude / max(gradMagnitude(:)) * 255); end通过定义算子，计算梯度幅值来锐化图像。
sobel梯度锐化
Sobel梯度锐化也是常用的方法，代码如下：
function sobelSharpenedImg = sobelSharpening(grayImg) % 定义Sobel算子 sobelX = [-1, 0, 1; -2, 0, 2; -1, 0, 1]; sobelY = [-1, -2, -1; 0, 0, 0; 1, 2, 1]; % 计算X和Y方向的梯度 gradX = imfilter(double(grayImg), sobelX, 'replicate'); gradY = imfilter(double(grayImg), sobelY, 'replicate'); % 计算梯度幅值 gradMagnitude = sqrt(gradX.^2 + gradY.^2); % 归一化并转换为uint8类型 sobelSharpenedImg = uint8(gradMagnitude / max(gradMagnitude(:)) * 255); end和Robert类似，只是算子不同，通过计算梯度来锐化图像。
拉普拉斯锐化
拉普拉斯锐化通过增强图像的二阶导数来突出边缘，代码如下：
function laplacianSharpenedImg = laplacianSharpening(grayImg) % 定义拉普拉斯算子 laplacianKernel = [0, 1, 0; 1, -4, 1; 0, 1, 0]; % 计算拉普拉斯变换 laplacianImg = imfilter(double(grayImg), laplacianKernel, 'replicate'); % 锐化图像 laplacianSharpenedImg = grayImg - laplacianImg; % 限制像素值范围 laplacianSharpenedImg(laplacianSharpenedImg < 0) = 0; laplacianSharpenedImg(laplacianSharpenedImg > 255) = 255; laplacianSharpenedImg = uint8(laplacianSharpenedImg); end先进行拉普拉斯变换，再通过原图像减去变换结果来锐化，最后限制像素值范围。
五、图像边缘检测
拉普拉斯算子
拉普拉斯算子检测边缘，代码如下：
function laplacianEdges = laplacianEdgeDetection(grayImg) % 定义拉普拉斯算子 laplacianKernel = [0, 1, 0; 1, -4, 1; 0, 1, 0]; % 计算拉普拉斯变换 laplacianImg = imfilter(double(grayImg), laplacianKernel, 'replicate'); % 取绝对值并归一化 laplacianEdges = abs(laplacianImg); laplacianEdges = uint8(laplacianEdges / max(laplacianEdges(:)) * 255); end和拉普拉斯锐化类似，只是这里直接取绝对值并归一化来显示边缘。
sobel算子
Sobel算子检测边缘：
function sobelEdges = sobelEdgeDetection(grayImg) % 定义Sobel算子 sobelX = [-1, 0, 1; -2, 0, 2; -1, 0, 1]; sobelY = [-1, -2, -1; 0, 0, 0; 1, 2, 1]; % 计算X和Y方向的梯度 gradX = imfilter(double(grayImg), sobelX, 'replicate'); gradY = imfilter(double(grayImg), sobelY, 'replicate'); % 计算梯度幅值和方向 gradMagnitude = sqrt(gradX.^2 + gradY.^2); gradDirection = atan2(gradY, gradX); % 非极大值抑制 [rows, cols] = size(grayImg); sobelEdges = zeros(rows, cols, 'uint8'); for i = 2:rows - 1 for j = 2:cols - 1 angle = gradDirection(i, j) * 180 / pi; if (0 <= angle < 22.5) || (157.5 <= angle <= 180) q = gradMagnitude(i, j + 1); r = gradMagnitude(i, j - 1); elseif (22.5 <= angle < 67.5) q = gradMagnitude(i + 1, j - 1); r = gradMagnitude(i - 1, j + 1); elseif (67.5 <= angle < 112.5) q = gradMagnitude(i + 1, j); r = gradMagnitude(i - 1, j); elseif (112.5 <= angle < 157.5) q = gradMagnitude(i - 1, j - 1); r = gradMagnitude(i + 1, j + 1); end if (gradMagnitude(i, j) >= q) && (gradMagnitude(i, j) >= r) sobelEdges(i, j) = gradMagnitude(i, j); end end end % 双阈值处理 highThreshold = 0.5 * max(sobelEdges(:)); lowThreshold = 0.1 * highThreshold; for i = 1:rows for j = 1:cols if sobelEdges(i, j) > highThreshold sobelEdges(i, j) = 255; elseif sobelEdges(i, j) < lowThreshold sobelEdges(i, j) = 0; else if (sobelEdges(i - 1, j - 1) == 255) || (sobelEdges(i - 1, j) == 255) || (sobelEdges(i - 1, j + 1) == 255) ||... (sobelEdges(i, j - 1) == 255) || (sobelEdges(i, j + 1) == 255) ||... (sobelEdges(i + 1, j - 1) == 255) || (sobelEdges(i + 1, j) == 255) || (sobelEdges(i + 1, j + 1) == 255) sobelEdges(i, j) = 255; else sobelEdges(i, j) = 0; end end end end end这里除了计算梯度幅值，还进行了非极大值抑制和双阈值处理来更好地检测边缘。
prewitt算子
Prewitt算子检测边缘：
function prewittEdges = prewittEdgeDetection(grayImg) % 定义Prewitt算子 prewittX = [-1, -1, -1; 0, 0, 0; 1, 1, 1]; prewittY = [-1, 0, 1; -1, 0, 1; -1, 0, 1]; % 计算X和Y方向的梯度 gradX = imfilter(double(grayImg), prewittX, 'replicate'); gradY = imfilter(double(grayImg), prewittY, 'replicate'); % 计算梯度幅值 gradMagnitude = sqrt(gradX.^2 + gradY.^2); % 归一化并转换为uint8类型 prewittEdges = uint8(gradMagnitude / max(gradMagnitude(:)) * 255); end和Sobel类似，只是算子不同，通过计算梯度幅值检测边缘。
roberts算子
Roberts算子检测边缘：
function robertsEdges = robertsEdgeDetection(grayImg) % 定义Robert交叉梯度算子 robertX = [-1, 0; 0, 1]; robertY = [0, -1; 1, 0]; % 计算X和Y方向的梯度 gradX = imfilter(double(grayImg), robertX, 'replicate'); gradY = imfilter(double(grayImg), robertY, 'replicate'); % 计算梯度幅值 gradMagnitude = sqrt(gradX.^2 + gradY.^2); % 归一化并转换为uint8类型 robertsEdges = uint8(gradMagnitude / max(gradMagnitude(:)) * 255); end和之前的Robert交叉梯度锐化计算梯度幅值类似，这里用来检测边缘。
canny算子
Canny算子是比较经典的边缘检测算法，Matlab里直接用edge函数就能实现：
function cannyEdges = cannyEdgeDetection(grayImg) cannyEdges = edge(grayImg, 'Canny'); cannyEdges = uint8(cannyEdges) * 255; end简单一行代码，Matlab内部帮我们完成了复杂的Canny算法步骤，包括高斯平滑、梯度计算、非极大值抑制和双阈值处理等。
通过Matlab GUI把这些功能整合起来，用户可以方便地选择不同的处理方式，实时看到图像处理的效果。这样一个图像处理小工具，无论是对于图像处理的初学者，还是想快速实现
