MATLAB Image Processing Toolkit

📋 项目简介 | Overview

基于 MATLAB GUIDE 开发的综合性图像处理工具箱，集成了经典图像处理算法与实时可视化分析功能。本项目采用模块化设计，实现了从基础几何变换到高级图像分析的完整工作流，适用于数字图像处理教学、算法验证和快速原型开发。

A comprehensive image processing toolkit developed with MATLAB GUIDE, integrating classical algorithms with real-time visualization capabilities. Features modular architecture and complete workflow from basic geometric transformations to advanced image analysis.

🎥 演示视频 | Demo Videos

🇨🇳 Bilibili 演示
🌍 YouTube Demo

✨ 核心特性 | Key Features

🎯 实时可视化系统

双视图对比显示: 原始图像与处理结果并排显示
像素波形分析: 实时显示图像首行像素的 RGB/灰度分量波形
直方图统计: 动态更新图像灰度/颜色分布直方图
智能类型检测: 自动识别彩色/灰度图像并切换对应的可视化模式

🔧 技术实现亮点

基于 MATLAB GUIDE 的图形用户界面
事件驱动的回调函数架构
handles 结构体实现状态管理
模块化函数设计 (gUpdate22/gUpdate23)
支持格式: JPG, PNG, BMP, JPEG

🚀 功能模块 | Functional Modules

1️⃣ 几何变换 | Geometric Transformations

功能	实现方法	参数控制
水平/垂直镜像	`fliplr()` / `flipud()`	按钮触发
图像平移	`imtranslate()` 累积偏移量	双滑块实时控制
图像旋转	`imrotate()` 双线性插值	滑块 0-360°
图像缩放	`imresize()` 最近邻插值 + `imcrop()`	滑块比例控制

技术细节:

平移功能通过增量向量 V = [Δh, Δv] 实现累积变换
旋转和缩放基于原始图像，避免累积误差
缩放后自动裁剪至原始尺寸，保持显示一致性

2️⃣ 图像滤波 | Image Filtering

空间域滤波器

% 均值滤波 - 3×3 平均模板
h = fspecial('average');

% 高斯滤波 - 8×8 窗口, σ=1.7
h = fspecial('gaussian', [8 8], 1.7);

% 中值滤波 - 分通道处理 RGB
r = medfilt2(img(:,:,1));
g = medfilt2(img(:,:,2));
b = medfilt2(img(:,:,3));

应用场景:

均值滤波: 快速去噪，适合高斯噪声
中值滤波: 保边去噪，适合椒盐噪声
高斯滤波: 平滑图像，保留更多细节

3️⃣ 边缘检测 | Edge Detection

实现了五种经典边缘检测算子:

算子	原理	特点
Sobel	3×3 梯度算子	抗噪性好，适合实时处理
Roberts	2×2 交叉差分	计算简单，定位精确
Prewitt	3×3 平滑梯度	平滑效果好
LoG	拉普拉斯高斯	二阶导数，对噪声敏感
Canny	多阶段优化算法	精度最高，业界标准

实现细节:

自动将彩色图像转换为灰度图 (rgb2gray)
使用 MATLAB 内置优化的 edge() 函数
边缘检测结果为二值图像

4️⃣ 图像增强 | Image Enhancement

对比度增强

% 亮增强 - 扩展暗部细节
imadjust(img, [0, 0.9], [0, 1]);

% 暗增强 - 扩展亮部细节  
imadjust(img, [0.1, 1], [0, 1]);

直方图均衡化

基于 histeq() 实现全局对比度自适应增强
自动重新分配灰度级，提高图像可视性
适用于低对比度、曝光不足的图像

5️⃣ 图像运算 | Image Operations

图像叠加 (Weighted Addition)

alpha = 0.5;
result = imadd(alpha * img1, alpha * img2);

加权系数 α = 0.5，实现等权混合
自动尺寸匹配 (imresize)

图像融合 (Blend Fusion)

result = imfuse(img1, img2, 'blend');

使用 MATLAB 的 imfuse 高级融合算法
支持多种融合模式

6️⃣ 图像分割 | Image Segmentation

阈值分割 - 基于全局阈值的二值化

binary = rgb2gray(img) > threshold;

滑块实时调整阈值 (0-255)
自动转换为灰度图后分割
适用于背景简单、对比度高的场景

🏗️ 系统架构 | System Architecture

GUI 组件布局

┌─────────────────────────────────────────────────┐
│  [Open] [Save] [Reset] [Exit]                  │
├──────────────┬──────────────────────────────────┤
│              │  Control Panel                   │
│   Original   │  ├─ Geometric Transform          │
│   Image      │  ├─ Filtering                    │
│   (g11)      │  ├─ Edge Detection               │
│              │  ├─ Enhancement                   │
├──────────────┤  └─ Segmentation                 │
│   Processed  │                                   │
│   Image      │  Sliders:                        │
│   (g12)      │  - H/V Translation               │
│              │  - Rotation (0-360°)             │
├──────────────┤  - Resize (0.1-2.0×)             │
│  Waveform    │  - Threshold (0-255)             │
│  (g21, g22)  │                                   │
├──────────────┤                                   │
│  Histogram   │                                   │
│  (g23)       │                                   │
└──────────────┴──────────────────────────────────┘

状态管理机制

handles.img   % 当前处理后的图像
handles.i     % 原始图像备份
handles.h     % 水平平移累积量
handles.v     % 垂直平移累积量
handles.file  % 文件路径

可视化更新流程

用户操作 → 回调函数 → 图像处理 → 更新显示
                                    ├─ 更新 g12 (处理图)
                                    ├─ 检测图像类型
                                    ├─ 调用 gUpdate22/23
                                    │   ├─ 更新波形图 (g22)
                                    │   └─ 更新直方图 (g23)
                                    └─ 保存状态 (guidata)

🔬 算法性能 | Algorithm Performance

操作类型	时间复杂度	空间复杂度	备注
几何变换	O(n)	O(n)	n = 像素总数
均值/高斯滤波	O(n·k²)	O(k²)	k = 卷积核大小
中值滤波	O(n·k²·log k)	O(k²)	排序开销
边缘检测	O(n)	O(n)	优化实现
直方图均衡化	O(n + L)	O(L)	L = 灰度级数
阈值分割	O(n)	O(n)	最快速的分割

📦 系统要求 | Requirements

必需环境

MATLAB: R2018b 或更高版本
工具箱: Image Processing Toolbox
操作系统: Windows / macOS / Linux

🚀 快速开始 | Quick Start

安装步骤

克隆仓库

git clone https://github.com/OlyMarco/MATLAB_Image_Processing.git
cd MATLAB_Image_Processing

启动 MATLAB
- 打开 MATLAB
- 导航到项目目录
运行程序

cd Image_Processing
Image_Processing

使用流程

加载图像: 点击 Open 按钮选择图像文件
应用处理: 选择所需的图像处理功能
参数调节: 使用滑块实时调整参数
查看结果: 对比原图与处理结果，查看波形和直方图
保存图像: 点击 Save 按钮导出处理结果
重置操作: 点击 Reset 恢复到原始图像

📊 项目结构 | Project Structure

MATLAB_Image_Processing/
├── LICENSE                      # MIT 开源协议
├── README.md                    # 项目文档
├── Image_Processing/
│   ├── Image_Processing.m       # 主程序 (869 行)
│   │   ├── GUI 初始化
│   │   ├── 回调函数 (30+ 个)
│   │   ├── 可视化更新函数
│   │   └── 工具函数
│   └── Image_Processing.fig     # GUIDE 界面设计文件
└── images/
    └── main.png                 # 应用截图

🎓 技术特点 | Technical Highlights

设计模式

MVC 架构: View (fig) + Controller (callbacks) + Model (handles)
事件驱动: 基于 MATLAB 的回调机制
状态模式: 使用 Enable/Visible 属性管理 UI 状态

代码质量

模块化: 每个功能独立的回调函数
可复用: 封装的可视化更新函数
健壮性: 类型检测和错误警告
可维护: 清晰的代码结构和注释

用户体验

渐进式启用: 未加载图像前禁用处理功能
即时反馈: 所有操作实时更新显示
进度指示: 加载图像时显示进度条
友好提示: 不合理操作时弹出警告对话框

🔮 未来展望 | Future Work

计划功能

批量处理模式
撤销/重做栈 (Undo/Redo)
更多分割算法 (Otsu, K-means, Watershed)
形态学操作 (腐蚀、膨胀、开闭运算)
频域滤波 (FFT, 频谱分析)
自定义卷积核编辑器
图像质量评估指标 (PSNR, SSIM)
导出处理流程为脚本

优化方向

多线程加速大图处理
更精细的参数调节 (输入框 + 滑块)
支持更多图像格式 (TIFF, RAW)
添加操作历史记录面板

📚 参考资料 | References

Gonzalez, R. C., & Woods, R. E. (2018). Digital Image Processing (4th ed.)
MATLAB Image Processing Toolbox Documentation
Canny, J. (1986). "A Computational Approach to Edge Detection"

📄 许可证 | License

本项目采用 MIT License 开源协议

Copyright (c) 2023 Temmie

👨‍💻 作者 | Author

Temmie - @OlyMarco

🙏 致谢 | Acknowledgments

感谢所有为数字图像处理领域做出贡献的研究者和工程师

⭐ 如果这个项目对您有帮助，请给个 Star！

💡 欢迎提交 Issue 和 Pull Request！

Name		Name	Last commit message	Last commit date
Latest commit History 8 Commits
Image_Processing		Image_Processing
images		images
LICENSE		LICENSE
README.md		README.md

License

OlyMarco/MATLAB_Image_Processing

Folders and files

Latest commit

History

Repository files navigation