【图像去噪】HSI彩色图像去噪【含GUI Matlab源码 1786期】

💥💥💥💥💥💥💥💥💞💞💞💞💞💞💞💞💞Matlab武动乾坤博客之家💞💞💞💞💞💞💞💞💞💥💥💥💥💥💥💥💥
🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀

🔊博主简介：985研究生，Matlab领域科研开发者；

🚅座右铭：行百里者，半于九十。

🏆代码获取方式：
优快云 Matlab武动乾坤—代码获取方式

更多Matlab图像处理仿真内容点击👇
①Matlab图像处理（进阶版）

⛳️关注优快云 Matlab武动乾坤，更多资源等你来！！

⛄一、HSI彩色图像去噪简介

针对彩色图像中噪声难以去除的问题，根据HSI空间独特的色彩分离特点，对受高噪声污染的彩色图像的噪声去除进行了研究。首先将彩色图像投影到色彩特征空间HSI中，将色彩信息与亮度特征信息进行分离操作，然后对该空间中的色彩分量H和S提出极坐标下距离阈值去噪方法进行处理，在保持色彩不失真的情况下去除噪声。

HSI空间中，色调H与饱和度S均表示颜色信息，H分量通常以角度度量，S通常表示离I轴的远近程度，人类感知的色彩是这两个分量的合成。文献[2]中建立的色度模型保持了图像的色彩特性。文献[3]中基于这种模型，提出色度中值滤波器去除色彩中的噪声，虽然保真色彩，但滤掉的噪声点很少。本文在色度模型的基础上，在保持颜色不失真的情况下，构造了平均最小距离阈值，尽可能滤掉更多的噪声点，提出了极坐标中距离阈值去噪（distance threshold denoising in polar coordinates,DST），对H和S去除噪声，具体处理过程如下：

步骤1分块预处理。将彩色图像进行HSI分解后，对饱和度分量矩阵S和色调分量矩阵H进行相同的分块处理，块大小为r×c。将两个分量矩阵中任意相同位置的块记为块矩阵s、块矩阵h，并寻找块中像素点数值的最小值，分别记为sm in和hm in。

步骤2极坐标系下块中颜色量的定义。设块中任一点(m,n)处表示颜色的量为Cmn，且满足m=1,2,⋯,r;  n=1,2,⋯,c，若smn、hmn分别表示点(m,n)处的饱和度值和色调值，则对于块矩阵s和h，有smn=s(m,n),hmn=h(m,n)，那么在极坐标系下可定义：

其中，i为虚数单位。这说明用块矩阵s和h联合定义的块中每一个表示颜色的量都是个复数，点(i,j)处的颜色量Cij也是个复数。

步骤3距离阈值的设置。块中的点(i,j)与其他任一点(m,n)的距离dmnij可由下式计算。

其中，在块矩阵s和h中，sij、hij是点(i,j)处的饱和度值和色调值，即sij=s(i,j),hij=h(i,j);smn、hmn是点(m,n)处的饱和度值和色调值，即smn=s(m,n),hmn=h(m,n)。

当m=1,2,⋯,r;n=1,2,⋯,c时，对于固定点(i,j),所有的dmnij可以构成像素点(i,j)与块中其他任意像素点的距离矩阵Dij∈Rr×c，设Dij中非0的最小值为dij，则块中每一个点对应一个非0的最小距离值。所有最小距离值的平均值可通过下式计算得到。

步骤4噪声的消除。若在块中点(i,j)处有dij>d，则说明同等条件下该像素点与周围其他像素点的差距较大，相似性太小，在此处产生了突变。根据噪声点的突变型，可判断该点是噪声点，需要去除掉。设块中去除噪声后的饱和度和色调块矩阵分别为ends和endh，具体处理过程如下所示。

其中，i=1,2,⋯,r;j=1,2,⋯,c。对ends和endh进行分块逆变换，得到最终的去除噪声后的饱和度矩阵end S和色调矩阵end H。

⛄二、部分源代码

function varargout = myHSI(varargin)
% MYHSI MATLAB code for myHSI.fig
% MYHSI, by itself, creates a new MYHSI or raises the existing
% singleton*.
%
% H = MYHSI returns the handle to a new MYHSI or the handle to
% the existing singleton*.
%
% MYHSI(‘CALLBACK’,hObject,eventData,handles,…) calls the local
% function named CALLBACK in MYHSI.M with the given input arguments.
%
% MYHSI(‘Property’,‘Value’,…) creates a new MYHSI or raises the
% existing singleton*. Starting from the left, property value pairs are
% applied to the GUI before myHSI_OpeningFcn gets called. An
% unrecognized property name or invalid value makes property application
% stop. All inputs are passed to myHSI_OpeningFcn via varargin.
%
% *See GUI Options on GUIDE’s Tools menu. Choose “GUI allows only one
% instance to run (singleton)”.
%
% See also: GUIDE, GUIDATA, GUIHANDLES

% Edit the above text to modify the response to help myHSI

% Last Modified by GUIDE v2.5 04-Mar-2022 13:01:39

% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct(‘gui_Name’, mfilename, …
‘gui_Singleton’, gui_Singleton, …
‘gui_OpeningFcn’, @myHSI_OpeningFcn, …
‘gui_OutputFcn’, @myHSI_OutputFcn, …
‘gui_LayoutFcn’, [] , …
‘gui_Callback’, []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end

if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT

% — Executes just before myHSI is made visible.
function myHSI_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% varargin command line arguments to myHSI (see VARARGIN)

% Choose default command line output for myHSI
handles.output = hObject;
axes(handles.axes1);
set(gca, ‘vis’, ‘off’)
axes(handles.axes2);
set(gca, ‘vis’, ‘off’)
axes(handles.axes3);
set(gca, ‘vis’, ‘off’)
axes(handles.axes4);
set(gca, ‘vis’, ‘off’)
% Update handles structure
guidata(hObject, handles);

% UIWAIT makes myHSI wait for user response (see UIRESUME)
% uiwait(handles.figure1);

% — Outputs from this function are returned to the command line.
function varargout = myHSI_OutputFcn(hObject, eventdata, handles)
% varargout cell array for returning output args (see VARARGOUT);
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)

% Get default command line output from handles structure
varargout{1} = handles.output;

% — 打开图像.
function pushbutton1_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
filter = { …
‘.bmp;.jpg;.gif;.emf’, ‘所有图像文件 (.bmp; .jpg; .gif; emf)'; …
'.bmp’, '位图文件 (.bmp)'; …
'.jpg’, 'JPEG文件 (.jpg)’; …
‘.gif’, 'GIF文件 (.gif)’; …
‘.emf’, '图元文件 (.emf)’; …
‘.’, ‘所有文件 (.)’ …
};

% 选择文件
[filename, pathname] = uigetfile( filter, ‘打开…’);
if isequal(filename,0) | isequal(pathname,0), return, end

% 读入图像并显示
[X, map] = imread([pathname filename]);
% colormap(map)
% image(X)
axes(handles.axes1); cla reset;
imshow(X);title(‘原图’);
% 设置坐标系为适合显示图像的方式
% axis image
set(gca, ‘vis’, ‘off’)
handles.I=X;
guidata(hObject, handles);

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]杨培,高雷阜,訾玲玲.HSI空间上高噪声彩色图像去噪方法研究[J].计算机科学与探索. 2020,14(11)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合