基于Matlab GUI的图像处理演示平台设计

张晓强，王雪松

中国矿业大学信息与控制工程学院，江苏 徐州 221116

“数字图像处理”课程是高校信息类专业重要的专业基础课[1]。该课程知识体系严谨、概念抽象、理论推导繁琐复杂、理论与实际联系紧密[2]。目前，多数高校在授课过程中都采用理论讲解与Matlab演示相结合的方式，使抽象的理论知识具体化和形象化。因此，如何规划和设计交互性强、操作简捷的图像演示平台是亟待解决的问题。结合中国矿业大学正在进行的教学改革，以数字图像处理的理论知识为基础，基于Matlab图形用户接口(graphic user interface，GUI)开发了一个图像处理演示平台。该平台既可用于该课程的课堂教学演示和实验教学辅助，也可作为学生课后的自学平台。

1 平台总体设计

该平台是根据常用的图像处理基本操作和图像处理技术设计的一款应用软件。它由6个功能模块构成:常见图像处理、彩色图像灰度化、图像分割、图像加密、图像水印和图像增强。其系统结构(如图1所示)。

图1 系统框架结构

2 平台模块设计

2.1 常见图像处理模块设计

该功能模块主要实现了图像灰度化、图像二值化和图像旋转等功能。以“图像旋转”功能为例，用户可通过手工输入预旋转的角度，也可通过拖拉滑块，实现图像的旋转(如图2所示)。

图2 图像旋转展示界面

2.2 彩色图像灰度化模块设计

彩色图像灰度化是彩色图像到灰度图像的转换过程，也是从三维数据到二维数据的降维过程。该功能模块主要实现了加权算法(包括HVS最佳算法[3]、单一分量算法以及平均值算法)、最值算法[4](包括最大值算法、最小值算法以及最值平均值算法)及算法分析(从效率和保真度方面)等功能。以“加权算法”中的“HVS最佳算法”为例，可得彩色图像灰度化展示效果。

2.3 图像分割模块设计

图像分割是指将图像分成若干互不重叠的子区域，使得同一个子区域内的特征具有一定相似性、不同子区域间特征呈现较为明显的差异。图像分割是图像识别、场景解析、对象检测等任务的预处理[5]。该功能模块主要实现了阈值分割(包括阈值分割、迭代分割和OSTU算法[6])、基于边缘检测(包括微分、Log和Canny算子法)、基于区域生长分割和基于遗传算法的分割等4种算法。

2.4 图像加密模块设计

图像加密是利用数字图像的矩阵特征，在图像的空间域(或变换域)，按某种变换规则，改变像素(或变换系数)的位置或值，将有意义的原始图像变得“杂乱无章”，使其失去原有外观，变换成类似于信道随机噪声的信息[7]。该功能模块主要实现了基于Arnold变换的图像加密[8]、基于Logistic映射的图像加密、基于离散小波变换(discrete wavelet transformation，DWT)的图像加密和基于离散余弦变换(discrete cosine transformation，DCT)的图像加密等4种算法。

2.5 图像水印模块设计

图像水印是通过一定的算法将一些标志信息嵌入图像内容当中，但不影响原内容的价值和使用，并且不能被人的知觉系统觉察或注意到，只有通过专用的提取算法或检测器才能提取[9]。该功能模块主要实现了最低有效位(least significant bit，LSB)图像水印[10]、基于DCT的图像水印和图像扩频(spread spectrum，SS)水印等3种算法[11-12]。

2.6 图像增强模块设计

图像增强主要目的是将图像中的重要部分进行强调，使得图像能更方便人类识别和图像处理[13]。该功能模块主要实现了直方图均衡化增强[14]、模糊增强、基于Retinex理论增强和白平衡增强等4种算法。

3 应用效果分析

为评估该图像处理演示平台对提高教学质量的效果，对该校“数字图像处理”课程近3年的学生出勤率和成绩情况进行了对比分析。

3.1 学生出勤率分析

学生出勤率能反映出学生对此次教学改革的认同度。近3年，该校“数字图像处理”课程的学生出勤情况(如表1所示)。表中数据表明:通过此次教学改革，2017年学生平均出勤率为81%，与2015和2016年相比，有了大幅度提高。

表1 近3年学生出勤情况 %

3.2 学生成绩分析

学生成绩的统计分析可对课程教学质量做出较为客观的评价[15]。近3年，该校“数字图像处理”课程的学生成绩情况(如表2所示)。表中数据表明:通过此次教学改革，2017年学生成绩中优、良比例分别为25.3%和36.14%，与2015和2016年相比，有了明显提高;而及格比例为15.66%，与2015和2016年相比，有了明显下降。

基于Matlab GUI的图像处理演示平台涵盖了“数字图像处理”课程的核心理论知识，是该课程及实验的辅助教学系统。一方面，教师在课堂讲授时可通过交互的方式对课程中的概念、技术和原理进行仿真，形象、具体地展示抽象的理论知识，充分激发学生的学习兴趣;另一方面，学生可在该平台改变输入参数进行学习，理解并掌握课程理论知识和各种图像处理技术。

参考文献

[1]杜云明，郝兵，刘文科.“数字图像处理”课程任务驱动教学模式的实践[J].中国电力教育，2013(10)：113-114

[2]梁志贞，江海峰，杨小冬.基于“卓越计划”的《数字图像处理》课程教学改革实践[J].高教学刊，2016(3)：146-147

[3]张全法，杨海彬，任朝栋，等.彩色图像的快速高保真灰度化方法研究[J].郑州大学学报：理学版，2011，43(3)：66-69

[4]Zhang X Q，Wang X S.Novel survey on the color-image graying algorithm[C].Proceedings-2016 16th IEEE International Conference on Computer and Information Technology.Piscataway：IEEE Computer Society，2017：750-753

[5]周莉莉，姜枫.图像分割方法综述研究[J].计算机应用研究，2017，34(7)：1-10

[6]罗丽霞.基于遗传算法的OSTU图像分割方法[J].河北北方学院学报：自然科学版，2014，30(6)：29-33

[7]张晓强，王蒙蒙，朱贵良.图像加密算法研究新进展[J].计算机工程与科学，2012，34(5)：1-6

[8]Zhang XQ，Zhu GL，Wang WP，et al.Period law of discrete two-dimensional Arnold transformation[C].The 5th International Conference on Frontier of Computer Science and Technology.Piscataway：IEEE Computer Society，2010：565-569

[9]张晓强，王蒙蒙，朱贵良.图像水印算法研究新进展[J].计算机工程与科学，2012，34(4)：17-22

[10]张艳玲，王允锋.混沌序列增强LSB图像隐藏算法的鲁棒性分析[J].西安工业大学学报，2015，35(10)：850-854

[11]Zhang X Q，Wang ZJ，Wang XS.Correlation-and-bit-aware additive spread spectrum data hiding for Laplacian distributed host image signals[J].Signal Processing：Image Commu，2014，29(10)：1171-1180

[12]Zhang XQ，Wang ZJ.Spread spectrum image data hiding in the encrypted discrete cosine transform coefficients[J].J of Electric Imaging，2013，22(4)：1-10

[13]方明，李洪娜，雷立宏，等.低照度视频图像增强算法综述[J].长春理工大学学报：自然科学版，2016，39(3)：56-64，69

[14]刘燕妮，张贵仓，安静.基于数学形态学的双直方图均衡化图像增强算法[J].计算机工程，2016，42(1)：215-219

[15]陈瑛，龚著琳，苏懿，等.以能力培养为导向的“医学图像处理与分析”研究生课程教学改革初探[J].中国高等医学教育，2010，24(6)：79-80