图像去噪技术：均值滤波、中值滤波、高斯低通滤波与小波变换的综合应用

图像去噪是数字图像处理中的一项重要任务，可以有效改善图像质量并提取更多有用信息。以下是使用MATLAB实现的图像去噪方法，包括均值滤波、中值滤波、高斯低通滤波以及多种小波变换。为了方便读者理解和使用，我们还将提供一个GUI界面。
一、均值滤波
均值滤波是一种简单的平滑方法，通过将像素邻域的平均值赋给中心像素来减少噪声。以下是均值滤波的MATLAB代码示例：

function [output_image] = mean_filter(input_image, filter_size)
% 定义滤波器大小
h = ones(filter_size, filter_size) / (filter_size^2);
% 均值滤波
output_image = imfilter(input_image, h);
end

二、中值滤波
中值滤波是一种非线性平滑方法，它将像素邻域的中值赋给中心像素。以下是中值滤波的MATLAB代码示例：

function [output_image] = median_filter(input_image, filter_size)
% 定义滤波器大小
h = ones(filter_size, filter_size);
% 中值滤波
output_image = medfilt2(input_image, [filter_size filter_size]);
end

三、高斯低通滤波
高斯低通滤波器可以保留图像的低频成分，去除高频噪声。以下是高斯低通滤波的MATLAB代码示例：

function [output_image] = gaussian_lowpass(input_image, sigma)
% 定义高斯低通滤波器
h = fspecial('gaussian', round(2*sigma), sigma);
% 高斯低通滤波
output_image = imfilter(input_image, h);
end

四、小波变换
小波变换是一种多尺度分析方法，能够同时在时频域对信号进行分析。以下是小波变换的MATLAB代码示例：

function [output_image] = wavelet_denoising(input_image, level)
% 小波变换和重构
coeffs = dwt2(input_image, 'db1', level);
output_image = idwt2(coeffs, 'db1');
end

为了方便读者使用这些算法，我们还将提供一个GUI界面。该界面将允许用户上传图像，选择所需的去噪方法，并查看处理结果。以下是GUI界面的MATLAB代码示例：
```matlab
function main_gui()
% 创建GUI界面和回调函数
h.mainform = figure(‘Visible’, ‘off’); % 隐藏主窗口，减少干扰
h.openButton = uicontrol(‘Style’, ‘pushbutton’, ‘String’, ‘Open Image’, …
‘Position’, [100 100 100 30], ‘Callback’, @openCallback); % 打开图像按钮
h.denoiseButton = uicontrol(‘Style’, ‘pushbutton’, ‘String’, ‘Denoise Image’, …
‘Position’, [100 150 100 30], ‘Callback’, @denoiseCallback); % 去噪按钮
h.viewButton = uicontrol(‘Style’, ‘pushbutton’, ‘String’, ‘View Result’, …
‘Position’, [100 200 100 30], ‘Callback’, @viewCallback); % 查看结果按钮
h.closeButton = uicontrol(‘Style’, ‘pushbutton’, ‘String’, ‘Close GUI’, …
‘Position’, [100 250 100 30], ‘Callback’, @closeCallback); % 关闭按钮
% 设置GUI界面位置和大小
set(h.mainform, ‘Position’, [100 100 500 400]); % 设置窗口位置和大小
set(h.mainform, ‘Visible’, ‘on’); % 显示主窗口