基于直方图优化的图像去雾技术-matlab项目分享第35期

原创于 2025-03-05 15:38:31 发布 · 986 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#matlab #计算机视觉 #开发语言 #图像处理 #图像处理去雾 #图像噪声处理 #信号处理

matlab大作业项目专栏收录该内容

10 篇文章

订阅专栏

部署运行你感兴趣的模型镜像

基于直方图优化的图像去雾技术

1. 项目概述

本项目旨在通过直方图优化技术实现图像去雾，提升图像质量。系统提供了多种去雾算法，包括全局直方图均衡化、局部直方图均衡化以及基于Retinex理论的去雾算法。用户可以通过图形用户界面（GUI）载入图像、选择去雾算法、查看处理结果，并保存去雾后的图像。

在这里插入图片描述

2. 系统功能

系统主要功能包括：

图像载入：支持多种图像格式（如JPG、PNG、TIF等）。
去雾处理：
- 全局直方图均衡化：通过全局调整图像直方图，增强对比度。
- 局部直方图均衡化：在局部区域内调整直方图，保留更多细节。
- 基于Retinex理论的去雾算法：通过模拟人类视觉系统，去除雾霾。
结果展示：显示原图像和处理后的图像。
直方图对比：展示原图像和处理后图像的灰度直方图。
结果保存：保存去雾后的图像。
帮助信息：提供系统使用流程和算法说明。

3. 系统实现

3.1 图形用户界面（GUI）

系统使用MATLAB的GUIDE工具创建GUI，主要包括以下组件：

图像显示区域：用于显示原图像和处理后的图像。
菜单栏：提供文件操作、去雾算法选择、帮助信息等功能。
信息提示栏：显示当前操作的状态和算法说明。

3.2 核心算法

全局直方图均衡化：
- 通过调整图像的全局直方图，增强整体对比度。
- 适用于雾霾分布均匀的图像。
- 代码实现：
```
function Img2 = RemoveFogByGlobalHisteq(Img1, ~)
    Img2 = histeq(Img1);
end
```
局部直方图均衡化：
- 在图像的局部区域内调整直方图，保留更多细节。
- 适用于雾霾分布不均匀的图像。
- 代码实现：
```
function Img2 = RemoveFogByLocalHisteq(Img1, ~)
    Img2 = adapthisteq(Img1);
end
```
基于Retinex理论的去雾算法：
- 通过模拟人类视觉系统，分离光照和反射分量，去除雾霾。
- 适用于复杂场景下的图像去雾。
- 代码实现：
```
function Img2 = RemoveFogByRetinex(Img1, ~)
    Img2 = retinex(Img1);
end
```

3.3 图像处理流程

图像载入：

使用uigetfile函数选择图像文件。
使用imread函数读取图像并显示在GUI中。

代码实现：

function FileOpen_Callback(hObject, eventdata, handles)
    [FileName, PathName] = uigetfile({'*.jpg;*.tif;*.png;*.gif', '所有图像文件'}, '载入图像');
    if isequal(FileName, 0) || isequal(PathName, 0)
        return;
    end
    Img1 = imread(fullfile(PathName, FileName));
    axes(handles.axes1);
    imshow(Img1, []);
    handles.Img1 = Img1;
    handles.Img2 = 0;
    guidata(hObject, handles);
end

去雾处理：

根据用户选择的算法调用相应的去雾函数。
显示处理后的图像。

代码实现：

function RetinexDeFog_Callback(hObject, eventdata, handles)
    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);
    set(handles.textInfo, 'String', '基于RETINEX理论去雾算法。');
end

直方图对比：

使用imhist函数计算灰度直方图。
展示原图像和处理后图像的直方图。

代码实现：

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');
    subplot(2, 2, 1); imshow(handles.Img1); title('原图像');
    subplot(2, 2, 2); imshow(handles.Img2); title('处理后的图像');
    Q = rgb2gray(handles.Img1);
    W = rgb2gray(handles.Img2);
    subplot(2, 2, 3); imhist(Q, 64); title('原灰度直方图');
    subplot(2, 2, 4); imhist(W, 64); title('处理后的灰度直方图');
end

结果保存：

使用imwrite函数保存处理后的图像。

代码实现：

function SaveResult_Callback(hObject, eventdata, handles)
    if isequal(handles.Img2, 0)
        msgbox('请进行去雾处理！', '提示信息');
        return;
    end
    [FileName, PathName] = uiputfile({'*.jpg', 'JPEG图像'; '*.png', 'PNG图像'}, '保存图像');
    if isequal(FileName, 0) || isequal(PathName, 0)
        return;
    end
    imwrite(handles.Img2, fullfile(PathName, FileName));
end