MATLAB的图像重建代码，图像重建UI设计是本课题最后呈现出来的系统，需要具有美观，舒适，简约且功能全面等特点。图（a）展示的是GUI设计时的代码编辑面，里面的内容刚好就是读取图片的代码。图（b）显示的是系统的设计界面，从上面可以添加许多功能，进行美观调试。
在MATLAB中，图像处理和图像重建是两个重要的领域，特别是在图像分析、计算机视觉和信号处理等应用中。本文档提供的MATLAB代码示例主要展示了如何进行图像的噪声添加以及图像重建的基础步骤。以下是该代码涉及的主要知识点：
1. 图像读取与显示：
使用`imread`函数读取图像，例如`f=imread('E:\MATLAB\bin\123.jpg')`。`imshow`函数用于显示图像，如`imshow(f)`，可以用于查看原始彩色图像。`subplot`函数用于在同一个图形窗口内创建多个子图，方便比较不同处理结果。
2. RGB图像到灰度图像转换：
`rgb2gray`函数将彩色图像转换为灰度图像，如`image_gray=rgb2gray(f)`。
3. 添加不同类型的噪声：
- 均匀分布噪声：`unifrnd`函数生成均匀分布的随机数，例如`R=unifrnd(-20,23,M,N)`，然后将其加到图像上模拟噪声。
- 高斯分布噪声：`normrnd`函数生成正态分布的随机数，如`R=normrnd(3,12,M,N)`，同样用于添加噪声。
- 盐和胡椒噪声：`imnoise`函数可以添加特定类型的噪声，如`imnoise(image_gray,'salt & pepper',0.02)`表示添加2%的盐和胡椒噪声。
- 布拉德利噪声（Rayleigh分布）：`raylrnd`函数生成布拉德利分布的随机数，如`R=raylrnd(30,M,N)`。
- 指数分布噪声：`exprnd`函数生成指数分布的随机数，如`R=exprnd(14,M,N)`。
- 对数正态分布噪声（嘎马分布）：`gamrnd`函数生成对数正态分布的随机数，如`R=gamrnd(3,10,M,N)`。
4. 显示带有噪声的图像：
添加噪声后，再次使用`imshow`函数显示处理后的图像，以便于观察噪声对图像的影响。
5. 图形用户界面（GUI）设计：
根据描述，此项目涉及到GUI设计，这可能包括使用MATLAB的App Designer工具来构建用户友好的界面，用户可以通过这个界面加载图像、选择噪声类型并预览噪声效果。虽然代码没有包含GUI设计的具体部分，但可以推断出，实际的完整项目应该有一个交互式的系统，允许用户操作和观察图像处理过程。
这段MATLAB代码演示了图像处理的基本操作，包括图像读取、转换和噪声添加。同时，它也暗示了一个更复杂的应用场景，即通过GUI设计实现用户交互式的图像处理和重建系统。在实际应用中，这样的系统可以用于研究噪声对图像质量的影响，或者作为图像增强和去噪算法的测试平台。
