1.基本函数:

iread('文件路径');

idisp();

2.一元操作：

imd=idouble(im);  //将像素从unit8(范围在0-255的整数像素)到范围在[0,1]的双精度值

grey=imono(im);    //将彩色图像转变成灰度图像。

ihist（）；//显示每一个像素值出现的次数

im=igamma(im,1/0.45); //伽马编码，一种非线性一元操作

3.二元操作：

isamesize(image1,image2);  //将2缩放并裁剪到跟1相同的大小

........

4.空间操作

 

4.1互相关 , K是互相关核，对于每一个输出像素，对应输入图像中的像素窗口w要逐个元素地与互相关核K相乘。

在工具箱中，互相关使用函数iconv表示。iconv(image,K);

 

4.1.1平滑处理（光滑化、模糊化或者散焦）

K=ones(21,21)/21^2; //每一个输出像素都是输入图像中与之相对应的21x21相领像素的平均值  ->平均值滤波

  二维高斯函数（关于原点对称，曲线下方体积为1）的扩展由标准差参数控制。 ->高斯滤波

K=kguass(5); //指定标准差为5像素

 

4.1.2边界检测：

 lena=iread('C:\Users\Administrator\Desktop\matlab实验照片\2.jpeg','double','grey');

 p=lena(60,:);  //在v=60处图像中的一条水平线

沿着这个横截面的一阶倒数是,一阶倒数可以用diff函数计算。->亮度变化的倒数

在v点处的导数也可以写成对称的一阶差分：

它等同于和下面的一维互相关核求互相关运算：

                                                                 

将图像与这个核求互相关：

K=[-0.5 0 0.5]；

idsip（iconv(lena,K),'invsigned'）    ->图片具有高水平梯度的竖直边缘清晰可见。效果如下所示（上面为原图）：

  



利用索伯互相关核计算水平梯度，利用三行水平梯度的加权值。

Du=ksobel,上图为原图，下面为处理之后的





坎尼算子：

算法大致流程：

1、求图像与高斯平滑滤波器卷积:

2、使用一阶有限差分计算偏导数的两个阵列P与Q：

3、幅值和方位角:

4、非极大值抑制（NMS ） ：细化幅值图像中的屋脊带，即只保留幅值局部变化最大的点。

将梯度角的变化范围减小到圆周的四个扇区之一，方向角和幅值分别为：

非极大值抑制通过抑制梯度线上所有非屋脊峰值的幅值来细化M[i,j],中的梯度幅值屋脊．这一算法首先将梯度角θ[i,j]的变化范围减小到圆周的四个扇区之一

edges=icanny(lena,2);效果如下所示：



4.2模板匹配

函数s(T,W)是一个标量测度，用来描述两幅相同大小的图像T和W之间的相似性。

常用方法有：绝对差值（SAD），差值平方和（SSD）以及互相关（NCC）

 

显示索引图像和灰度图像
>> [X,map]=imread('trees.tif');
>> gmap=rgb2gray(map);
>> figure,imshow(X,map);
>> figure,imshow(X,gmap);


利用膨胀函数平移图像
I = imread('football.jpg');
se = translate(strel(1), [30 30]);%将一个平面结构化元素分别向下和向右移动30个位置
J = imdilate(I,se);%利用膨胀函数平移图像
subplot(121);imshow(I), title('原图')
subplot(122), imshow(J), title('移动后的图像');


水平翻转和上下翻转
I = imread('cameraman.tif');
Flip1=fliplr(I);               %  对矩阵I左右反转
subplot(131);imshow(I);title('原图');
subplot(132);imshow(Flip1);title('水平镜像');
Flip2=flipud(I);               %  对矩阵I垂直反转
subplot(133);imshow(Flip2);title('竖直镜像');


图像旋转
I=imread('cameraman.tif');
B=imrotate(I,60,'bilinear','crop');
%双线性插值法旋转图像，并裁剪图像，使其和原图像大小一致
subplot(121),imshow(I),title('原图');
subplot(122),imshow(B),title('旋转图像60^{o}，并剪切图像');


截取图像
I = imread('circuit.tif');
I2 = imcrop(I,[75 68 130 112]);
imshow(I), figure, imshow(I2)


画轮廓
>> I=imread('circuit.tif');
>> imshow(I)
>> figure
>> imcontour(I,3)


噪声和滤波
I=imread('cameraman.tif');
J=imnoise(I,'salt & pepper',0.02);%添加椒盐噪声
subplot(121),imshow(J);title('噪声图像')
K=medfilt2(J);%使用3*3的邻域窗的中值滤波
subplot(122),imshow(K);title('中值滤波后图像')




Matlab数字数字图像处理函数汇总：


1、数字数字图像的变换


① fft2：fft2函数用于数字数字图像的二维傅立叶变换，如：i=imread('104_8.tif');


j=fft2(i);


②ifft2:：ifft2函数用于数字数字图像的二维傅立叶反变换，如：


 i=imread('104_8.tif');


 j=fft2(i);


k=ifft2(j);


2、模拟噪声生成函数和预定义滤波器


① imnoise：用于对数字数字图像生成模拟噪声，如：


 i=imread('104_8.tif');


 j=imnoise(i,'gaussian',0,0.02);%模拟高斯噪声


② fspecial：用于产生预定义滤波器，如：


h=fspecial('sobel');%sobel水平边缘增强滤波器


h=fspecial('gaussian');%高斯低通滤波器


h=fspecial('laplacian');%拉普拉斯滤波器


h=fspecial('log');%高斯拉普拉斯（LoG）滤波器


h=fspecial('average');%均值滤波器


2、数字数字图像的增强


①直方图：imhist函数用于数字数字图像的直方图显示，如：


i=imread('104_8.tif');


imhist(i);


②直方图均化：histeq函数用于数字数字图像的直方图均化，如：


i=imread('104_8.tif');


j=histeq(i);


imshow(J)
③对比度调整：imadjust函数用于数字数字图像的对比度调整，如：i=imread('104_8.tif');


j=imadjust(i,[0.3,0.7],[]);


④对数变换：log函数用于数字数字图像的对数变换，如：


i=imread('104_8.tif');


j=double(i);


k=log(j);


⑤基于卷积的数字数字图像滤波函数：filter2函数用于数字数字图像滤波，如：i=imread('104_8.tif');


h=[1,2,1;0,0,0;-1,-2,-1];


j=filter2(h,i);


⑥线性滤波：利用二维卷积conv2滤波, 如:


i=imread('104_8.tif');


h=[1,1,1;1,1,1;1,1,1];


h=h/9;


j=conv2(i,h);


⑦中值滤波：medfilt2函数用于数字数字图像的中值滤波，如：


i=imread('104_8.tif');


j=medfilt2(i);


⑧锐化


（1）利用Sobel算子锐化数字数字图像, 如:


i=imread('104_8.tif');


h=[1,2,1;0,0,0;-1,-2,-1];%Sobel算子


j=filter2(h,i);


（2）利用拉氏算子锐化数字数字图像, 如:


i=imread('104_8.tif');


j=double(i);


h=[0,1,0;1,-4,0;0,1,0];%拉氏算子


k=conv2(j,h,'same');


m=j-k;


3、数字数字图像边缘检测


①sobel算子 如：


i=imread('104_8.tif');


j =edge(i,'sobel',thresh)


 


②prewitt算子 如：


i=imread('104_8.tif');


j =edge(i,'prewitt',thresh)


③roberts算子  如：


i=imread('104_8.tif');


j =edge(i,'roberts',thresh)


④log算子  如：


i=imread('104_8.tif');


j =edge(i,'log',thresh)


⑤canny算子 如：


i=imread('104_8.tif');


j =edge(i,'canny',thresh)


⑥Zero-Cross算子 如：


i=imread('104_8.tif');


j =edge(i,'zerocross',thresh)


4、形态学数字数字图像处理


①膨胀：是在二值化数字数字图像中“加长”或“变粗”的操作，函数imdilate执行膨胀运算，如：


a=imread('104_7.tif');%输入二值数字数字图像


b=[0 1 0;1 1 1;01 0];


c=imdilate(a,b);


②腐蚀：函数imerode执行腐蚀，如：


a=imread('104_7.tif');%输入二值数字数字图像


b=strel('disk',1);


c=imerode(a,b);


③开运算：先腐蚀后膨胀称为开运算，用imopen来实现，如：


 a=imread('104_8.tif');


b=strel('square',2);


c=imopen(a,b);


④闭运算：先膨胀后腐蚀称为闭运算，用imclose来实现，如：


 a=imread('104_8.tif');


b=strel('square',2);


c=imclose(a,b);


 


 


数字数字图像增强
1. 直方图均衡化的 Matlab 实现
1.1 imhist 函数
功能：计算和显示数字数字图像的色彩直方图
格式：imhist(I,n)
        imhist(X,map)
说明：imhist(I,n) 其中，n 为指定的灰度级数目，缺省值为256；imhist(X,map) 就算和显示索引色数字数字图像 X 的直方图，map为调色板。用stem(x,counts) 同样可以显示直方图。


1.2 imcontour 函数
功能：显示数字数字图像的等灰度值图
格式：imcontour(I,n),imcontour(I,v)
说明：n 为灰度级的个数，v 是有用户指定所选的等灰度级向量。


1.3 imadjust 函数
功能：通过直方图变换调整对比度
格式：J=imadjust(I,[low high],[bottomtop],gamma)
        newmap=imadjust(map,[low high],[bottomtop],gamma)
说明：J=imadjust(I,[low high],[bottomtop],gamma) 其中，gamma 为校正量r，[lowhigh] 为原数字数字图像中要变换的灰度范围，[bottom top]
指定了变换后的灰度范围；newmap=imadjust(map,[lowhigh],[bottom top],gamma) 调整索引色数字数字图像的调色板 map 。此时若 [low high] 和
[bottom top] 都为2×3的矩阵，则分别调整 R、G、B 3个分量。


1.4 histeq 函数
功能：直方图均衡化
格式：J=histeq(I,hgram)
        J=histeq(I,n)
        [J,T]=histeq(I,...)
        newmap=histeq(X,map,hgram)
        newmap=histeq(X,map)
        [new,T]=histeq(X,...)
说明：J=histeq(I,hgram) 实现了所谓“直方图规定化”，即将原是图象 I 的直方图变换成用户指定的向量 hgram 。hgram 中的每一个元素
都在 [0,1] 中；J=histeq(I,n) 指定均衡化后的灰度级数 n ，缺省值为 64；[J,T]=histeq(I,...)返回从能将数字数字图像 I 的灰度直方图变换成
数字数字图像 J 的直方图的变换 T ；newmap=histeq(X,map) 和 [new,T]=histeq(X,...) 是针对索引色数字数字图像调色板的直方图均衡。


2. 噪声及其噪声的 Matlab 实现
        imnoise 函数
格式：J=imnoise(I,type)
        J=imnoise(I,type,parameter)
说明：J=imnoise(I,type) 返回对数字数字图像 I 添加典型噪声后的有噪数字数字图像 J ，参数type 和 parameter 用于确定噪声的类型和相应的参数。




3. 数字数字图像滤波的 Matlab 实现


3.1 conv2 函数
功能：计算二维卷积
格式：C=conv2(A,B)
        C=conv2(Hcol,Hrow,A)
        C=conv2(...,'shape')
说明：对于 C=conv2(A,B) ，conv2 的算矩阵A 和 B 的卷积，若[Ma,Na]＝size(A), [Mb,Nb]=size(B), 则 size(C)=[Ma+Mb-1,Na+Nb-1];
C=conv2(Hcol,Hrow,A) 中，矩阵 A 分别与Hcol 向量在列方向和 Hrow 向量在行方向上进行卷积；C=conv2(...,'shape') 用来指定 conv2
返回二维卷积结果部分，参数 shape 可取值如下：
        》full为缺省值，返回二维卷积的全部结果；
        》same返回二维卷积结果中与 A 大小相同的中间部分；
        valid 返回在卷积过程中，未使用边缘补 0 部分进行计算的卷积结果部分，当 size(A)>size(B) 时，size(C)=[Ma-Mb+1,Na-Nb+1]。


3.2 conv 函数
功能：计算多维卷积
格式：与 conv2 函数相同


3.3 filter2函数
功能：计算二维线型数字滤波，它与函数 fspecial 连用
格式：Y=filter2(B,X)
        Y=filter2(B,X,'shape')
说明：对于 Y=filter2(B,X) ，filter2 使用矩阵B 中的二维 FIR 滤波器对数据 X 进行滤波，结果 Y 是通过二维互相关计算出来的，其大
小与 X 一样；对于Y=filter2(B,X,'shape') ，filter2返回的 Y 是通过二维互相关计算出来的，其大小由参数 shape 确定，其取值如下
：
        》full返回二维相关的全部结果，size(Y)>size(X)；
        》same返回二维互相关结果的中间部分，Y 与X 大小相同；
        》valid返回在二维互相关过程中，未使用边缘补 0 部分进行计算的结果部分，有 size(Y)<size(X) 。


3.4 fspecial 函数
功能：产生预定义滤波器
格式：H=fspecial(type)
        H=fspecial('gaussian',n,sigma)        高斯低通滤波器
        H=fspecial('sobel')                        Sobel 水平边缘增强滤波器
        H=fspecial('prewitt')                     Prewitt 水平边缘增强滤波器
        H=fspecial('laplacian',alpha)            近似二维拉普拉斯运算滤波器
        H=fspecial('log',n,sigma)                高斯拉普拉斯（LoG）运算滤波器
        H=fspecial('average',n)                  均值滤波器
        H=fspecial('unsharp',alpha)            模糊对比增强滤波器
说明：对于形式 H=fspecial(type) ，fspecial 函数产生一个由 type 指定的二维滤波器 H ，返回的H 常与其它滤波器搭配使用。




4. 彩色增强的 Matlab 实现
4.1 imfilter函数
功能：真彩色增强
格式：B=imfilter(A,h)
说明：将原始数字数字图像 A 按指定的滤波器 h 进行滤波增强处理，增强后的数字数字图像 B 与A 的尺寸和类型相同


 


数字数字图像的变换


1. 离散傅立叶变换的Matlab 实现
      Matlab 函数 fft、fft2 和 fftn 分别可以实现一维、二维和 N 维 DFT 算法；而函数 ifft、ifft2 和 ifftn 则用来计算反 DFT 。
这些函数的调用格式如下：
         A＝fft(X,N,DIM)
      其中，X 表示输入数字数字图像；N 表示采样间隔点，如果 X 小于该数值，那么 Matlab 将会对 X 进行零填充，否则将进行截取，使之长度为
N ；DIM 表示要进行离散傅立叶变换。
        A＝fft2(X,MROWS,NCOLS) 
其中，MROWS 和 NCOLS 指定对 X 进行零填充后的 X 大小。
        A＝fftn(X,SIZE)
其中，SIZE 是一个向量，它们每一个元素都将指定 X 相应维进行零填充后的长度。
      函数 ifft、ifft2 和 ifftn的调用格式于对应的离散傅立叶变换函数一致。
例子：数字数字图像的二维傅立叶频谱
% 读入原始数字数字图像
I＝imread('lena.bmp');
imshow(I)
% 求离散傅立叶频谱
J=fftshift(fft2(I));
figure;
imshow(log(abs(J)),[8,10])


2. 离散余弦变换的 Matlab实现
2.1. dCT2 函数
功能：二维 DCT 变换
格式：B=dct2(A) 
        B=dct2(A,m,n) 
        B=dct2(A,[m,n]) 
说明：B＝dct2(A) 计算 A 的 DCT 变换 B ，A 与 B 的大小相同；B＝dct2(A,m,n) 和 B=dct2(A,[m,n]) 通过对 A 补 0 或剪裁，使 B 的大小为 m×n。


2.2. dict2 函数
功能：DCT 反变换
格式：B=idct2(A) 
        B=idct2(A,m,n) 
        B=idct2(A,[m,n]) 
说明：B＝idct2(A) 计算 A 的 DCT 反变换 B ，A 与 B 的大小相同；B＝idct2(A,m,n) 和 B=idct2(A,[m,n]) 通过对 A 补 0 或剪裁，使 B的大小为 m×n。


2.3. dctmtx函数
功能：计算 DCT 变换矩阵
格式：D＝dctmtx(n)
说明：D＝dctmtx(n) 返回一个 n×n 的 DCT 变换矩阵，输出矩阵 D 为 double 类型。


3. 数字数字图像小波变换的Matlab 实现
3.1 一维小波变换的 Matlab实现
(1) dwt 函数
功能：一维离散小波变换
格式：[cA,cD]=dwt(X,'wname')
        [cA,cD]=dwt(X,Lo_D,Hi_D)
说明：[cA,cD]=dwt(X,'wname')使用指定的小波基函数'wname' 对信号 X 进行分解，cA、cD分别为近似分量和细节分量；[cA,cD]=dwt(X,Lo_D,Hi_D) 使用指定的滤波器组 Lo_D、Hi_D 对信号进行分解。


(2) idwt 函数
功能：一维离散小波反变换
格式：X=idwt(cA,cD,'wname')
        X=idwt(cA,cD,Lo_R,Hi_R)
        X=idwt(cA,cD,'wname',L)
        X=idwt(cA,cD,Lo_R,Hi_R,L)
说明：X=idwt(cA,cD,'wname')由近似分量 cA 和细节分量 cD 经小波反变换重构原始信号 X 。
        'wname' 为所选的小波函数
        X=idwt(cA,cD,Lo_R,Hi_R) 用指定的重构滤波器 Lo_R 和 Hi_R 经小波反变换重构原始信号 X 。
        X=idwt(cA,cD,'wname',L) 和 X=idwt(cA,cD,Lo_R,Hi_R,L) 指定返回信号 X 中心附近的 L 个点。


3.2 二维小波变换的 Matlab实现
          二维小波变换的函数
-------------------------------------------------
     函数名                函数功能
---------------------------------------------------
     dwt2           二维离散小波变换
   wavedec2       二维信号的多层小波分解
     idwt2          二维离散小波反变换
   waverec2        二维信号的多层小波重构
   wrcoef2          由多层小波分解重构某一层的分解信号
   upcoef2          由多层小波分解重构近似分量或细节分量
   detcoef2         提取二维信号小波分解的细节分量
   appcoef2        提取二维信号小波分解的近似分量
   upwlev2         二维小波分解的单层重构
   dwtpet2         二维周期小波变换
   idwtper2        二维周期小波反变换
-------------------------------------------------------------
(1) wcodemat 函数
功能：对数据矩阵进行伪彩色编码
格式：Y=wcodemat(X,NB,OPT,ABSOL)
        Y=wcodemat(X,NB,OPT)
        Y=wcodemat(X,NB)
        Y=wcodemat(X)
说明：Y=wcodemat(X,NB,OPT,ABSOL)返回数据矩阵 X 的编码矩阵 Y ；NB 伪编码的最大值，即编码范围为 0～NB，缺省值 NB＝16；
       OPT 指定了编码的方式（缺省值为 'mat'），即：
                OPT＝'row' ，按行编码
                OPT＝'col' ，按列编码
                OPT＝'mat' ，按整个矩阵编码
       ABSOL 是函数的控制参数（缺省值为 '1'），即：
                ABSOL＝0 时，返回编码矩阵
                ABSOL＝1 时，返回数据矩阵的绝对值ABS(X)


(2) dwt2 函数
功能：二维离散小波变换
格式：[cA,cH,cV,cD]=dwt2(X,'wname')
        [cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D)
说明：[cA,cH,cV,cD]=dwt2(X,'wname')使用指定的小波基函数 'wname' 对二维信号 X 进行二维离散小波变幻；cA，cH,cV,cD 分别为近似分
量、水平细节分量、垂直细节分量和对角细节分量；[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D) 使用指定的分解低通和高通滤波器 Lo_D 和 Hi_D 分
解信号 X 。


(3) wavedec2 函数
功能：二维信号的多层小波分解
格式：[C,S]=wavedec2(X,N,'wname')
        [C,S]=wavedec2(X,N,Lo_D,Hi_D)
说明：[C,S]=wavedec2(X,N,'wname')使用小波基函数'wname' 对二维信号 X 进行 N 层分解；[C,S]=wavedec2(X,N,Lo_D,Hi_D) 使用指定
的分解低通和高通滤波器Lo_D 和 Hi_D 分解信号 X 。


(4) idwt2 函数
功能：二维离散小波反变换
格式：X=idwt2(cA,cH,cV,cD,'wname')
        X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R)
        X=idwt2(cA,cH,cV,cD,'wname',S)
        X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R,S)
说明：X=idwt2(cA,cH,cV,cD,'wname')由信号小波分解的近似信号cA 和细节信号 cH、cH、cV、cD 经小波反变换重构原信号 X
；X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R)使用指定的重构低通和高通滤波器 Lo_R 和 Hi_R 重构原信号 X ；X=idwt2(cA,cH,cV,cD,'wname',S)
和X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R,S) 返回中心附近的 S 个数据点。


(5) waverec2 函数
说明：二维信号的多层小波重构
格式：X=waverec2(C,S,'wname')
        X=waverec2(C,S,Lo_R,Hi_R)
说明：X=waverec2(C,S,'wname')由多层二维小波分解的结果 C、S 重构原始信号 X ，'wname'为使用的小波基函数；X=waverec2(C,S,Lo_R,Hi_R) 使用重构低通和高通滤波器 Lo_R 和 Hi_R 重构原信号。


 


 


数字数字图像处理工具箱
1. 数字数字图像和数字数字图像数据
   缺省情况下，MATLAB将数字数字图像中的数据存储为双精度类型(double)，64位浮点
数，所需存储量很大；MATLAB还支持另一种类型无符号整型(uint8)，即数字数字图像矩
阵中每个数据占用1个字节。
   在使用MATLAB工具箱时，一定要注意函数所要求的参数类型。另外，uint8
与double两种类型数据的值域不同，编程需注意值域转换。
          从uint8到double的转换
   ---------------------------------------------
       数字数字图像类型        MATLAB语句
   ---------------------------------------------
     索引色             B=double(A)+1
     索引色或真彩色 B=double(A)/255
     二值数字数字图像          B=double(A)
   ---------------------------------------------
         从double到uint8的转换
   ---------------------------------------------
       数字数字图像类型        MATLAB语句
   ---------------------------------------------
    索引色              B=uint8(round(A-1))
    索引色或真彩色   B=uint8(round(A*255))
    二值数字数字图像           B=logical(uint8(round(A)))
   ---------------------------------------------


2. 数字数字图像处理工具箱所支持的数字数字图像类型
2.1 真彩色数字数字图像
    R、G、B三个分量表示一个像素的颜色。如果要读取数字数字图像中(100,50)处的像素值，
可查看三元数据(100,50,1:3)。
    真彩色数字数字图像可用双精度存储，亮度值范围是[0,1]；比较符合习惯的存储方法是用无
符号整型存储，亮度值范围[0,255]
   
2.2 索引色数字数字图像
   包含两个结构，一个是调色板，另一个是数字数字图像数据矩阵。调色板是一个有3列和若干行
的色彩映象矩阵，矩阵每行代表一种颜色，3列分别代表红、绿、蓝色强度的双精度数。
   
   注意：MATLAB中调色板色彩强度[0,1]，0代表最暗，1代表最亮。
          常用颜色的RGB值
   --------------------------------------------
    颜色   R   G   B      颜色    R  G   B 
   --------------------------------------------
     黑     0   0   1     洋红    1   0   1
     白     1   1   1     青蓝    0   1   1
     红     1   0   0     天蓝 0.67 0   1
     绿     0   1   0     橘黄    1 0.5 0
     蓝     0   0   1     深红   0.5 0   0
     黄     1   1   0      灰    0.5 0.5 0.5       
   --------------------------------------------
         产生标准调色板的函数
   -------------------------------------------------
    函数名      调色板
   -------------------------------------------------
     Hsv       色彩饱和度，以红色开始，并以红色结束
     Hot       黑色－红色－黄色－白色
     Cool      青蓝和洋红的色度
     Pink      粉红的色度
     Gray      线型灰度
     Bone      带蓝色的灰度
     Jet        Hsv的一种变形，以蓝色开始，以蓝色结束
     Copper    线型铜色度
     Prim       三棱镜，交替为红、橘黄、黄、绿和天蓝
     Flag       交替为红、白、蓝和黑
--------------------------------------------------
   缺省情况下，调用上述函数灰产生一个64×3的调色板，用户也可指定调色板大小。
   
   索引色数字数字图像数据也有double和uint8两种类型。
   当数字数字图像数据为double类型时，值1代表调色板中的第1行，值2代表第2行……
   如果数字数字图像数据为uint8类型，0代表调色板的第一行，，值1代表第2行……


2.3 灰度数字数字图像
   存储灰度数字数字图像只需要一个数据矩阵。
   数据类型可以是double，[0，1]；也可以是uint8，[0,255]


2.4 二值数字数字图像
   二值数字数字图像只需一个数据矩阵，每个像素只有两个灰度值，可以采用uint8或double类型存储。
   MATLAB工具箱中以二值数字数字图像作为返回结果的函数都使用uint8类型。


2.5 数字数字图像序列
   MATLAB工具箱支持将多帧数字数字图像连接成数字数字图像序列。
   数字数字图像序列是一个4维数组，数字数字图像帧的序号在数字数字图像的长、宽、颜色深度之后构成第4维。
   分散的数字数字图像也可以合并成数字数字图像序列，前提是各数字数字图像尺寸必须相同，若是索引色数字数字图像，
调色板也必须相同。
   可参考cat()函数    A＝cat(4,A1,A2,A3,A4,A5)


3. MATLAB数字数字图像类型转换
         数字数字图像类型转换函数
  ---------------------------------------------------------------------------
     函数名                     函数功能
  ---------------------------------------------------------------------------
     dither       数字数字图像抖动，将灰度图变成二值图，或将真彩色数字数字图像抖动成索引色数字数字图像
    gray2ind    将灰度数字数字图像转换成索引数字数字图像
    grayslice    通过设定阈值将灰度数字数字图像转换成索引色数字数字图像
     im2bw      通过设定亮度阈值将真彩色、索引色、灰度图转换成二值图
    ind2gray    将索引色数字数字图像转换成灰度数字数字图像
    ind2rgb      将索引色数字数字图像转换成真彩色数字数字图像
    mat2gray   将一个数据矩阵转换成一副灰度图
    rgb2gray    将一副真彩色数字数字图像转换成灰度数字数字图像
    rgb2ind      将真彩色数字数字图像转换成索引色数字数字图像
   ------------------------------------------------------------------------


4. 数字数字图像文件的读写和查询
4.1 图形数字数字图像文件的读取
   利用函数imread()可完成图形数字数字图像文件的读取，语法：
     A=imread(filename,fmt)
     [X,map]=imread(filename,fmt)
     [...]=imread(filename)
     [...]=imread(filename,idx) （只对TIF格式的文件）
     [...]=imread(filename,ref) （只对HDF格式的文件）
   通常，读取的大多数数字图像均为8bit，当这些数字图像加载到内存中时，Matlab就将其存放
在类uint8中。此为Matlab还支持16bit的PNG和TIF数字图像，当读取这类文件时，Matlab就将
其存贮在uint16中。
   注意：对于索引数字图像，即使数字图像阵列的本身为类uint8或类uint16，imread函数仍将
颜色映象表读取并存贮到一个双精度的浮点类型的阵列中。


4.2 图形数字图像文件的写入
   使用imwrite函数，语法如下：
   imwrite(A,filename,fmt)
   imwrite(X,map,filename,fmt)
   imwrite(...,filename)
   imwrite(...,parameter,value)
   当利用imwrite函数保存数字图像时，Matlab缺省的方式是将其简化道uint8的数据格式。


4.3 图形数字图像文件信息的查询  imfinfo()函数




5. 数字图像文件的显示
5.1 索引数字图像及其显示
   方法一：
          image(X)
          colormap(map)
   方法二： 
          imshow(X,map)


5.2 灰度数字图像及其显示
   Matlab 7.0 中，要显示一副灰度数字图像，可以调用函数 imshow 或 imagesc （即 
imagescale，数字图像缩放函数）
   (1) imshow 函数显示灰度数字图像
    使用imshow(I)    或 使用明确指定的灰度级书目：imshow(I,32)
    
    由于Matlab自动对灰度数字图像进行标度以适合调色板的范围，因而可以使用自定义
大小的调色板。其调用格式如下：
           imshow(I,[low,high])
    其中，low 和 high 分别为数据数组的最小值和最大值。
   (2) imagesc 函数显示灰度数字图像
   下面的代码是具有两个输入参数的 imagesc 函数显示一副灰度数字图像
       imagesc(1,[0,1]);
       colormap(gray);
    imagesc 函数中的第二个参数确定灰度范围。灰度范围中的第一个值（通常是0），
对应于颜色映象表中的第一个值（颜色），第二个值（通常是1）则对应与颜色映象表
中的最后一个值（颜色）。灰度范围中间的值则线型对应与颜色映象表中剩余的值（颜色）。
    在调用 imagesc 函数时，若只使用一个参数，可以用任意灰度范围显示数字图像。在该
调用方式下，数据矩阵中的最小值对应于颜色映象表中的第一个颜色值，数据矩阵中的最大
值对应于颜色映象表中的最后一个颜色值。


5.3 RGB 数字图像及其显示
   (1) image(RGB) 
   不管RGB数字图像的类型是double浮点型，还是 uint8 或 uint16 无符号整数型，Matlab都
能通过 image 函数将其正确显示出来。
   RGB8 = uint8(round(RGB64×255)); ％将 double 浮点型转换为 uint8 无符号整型
   RGB64 = double(RGB8)/255;           ％ 将 uint8 无符号整型转换为 double 浮点型
   RGB16 = uint16(round(RGB64×65535)); ％将 double 浮点型转换为 uint16 无符号整型 
   RGB64 = double(RGB16)/65535;      ％ 将 uint16 无符号整型转换为 double 浮点型
   (2) imshow(RGB) 参数是一个 m×n×3 的数组


5.4 二进制数字图像及其显示
   (1) imshow(BW)
   在 Matlab 7.0 中，二进制数字图像是一个逻辑类，仅包括 0 和 1 两个数值。像素 0 显示
为黑色，像素 1 显示为白色。
   显示时，也可通过NOT(~)命令，对二进制图象进行取反，使数值 0 显示为白色；1 显示
为黑色。 
   例如：imshow(~BW)
   (2) 此外，还可以使用一个调色板显示一副二进制数字图像。如果图形是 uint8 数据类型，
则数值 0 显示为调色板的第一个颜色，数值 1 显示为第二个颜色。
   例如：imshow(BW,[1 0 0;0 0 1])  


5.5 直接从磁盘显示数字图像
   可使用一下命令直接进行数字图像文件的显示： 
        imshow filename
   其中，filename 为要显示的数字图像文件的文件名。
   如果数字图像是多帧的，那么imshow 将仅显示第一帧。但需注意，在使用这种方式时，数字图像
数据没有保存在Matlab7.0 工作平台。如果希望将数字图像装入工作台中，需使用 getimage 函数，从当前的句柄图形数字图像对象中获取数字图像数据，
   命令形式为： rgb ＝ getimage;


bwlabel 
功能： 
标注二进制数字图像中已连接的部分。 
L = bwlabel(BW,n) 
[L,num] = bwlabel(BW,n)
isbw 
功能： 
判断是否为二进制数字图像。 
语法： 
flag = isbw(A) 
相关命令： 
isind, isgray, isrgb 
74．isgray 
功能： 
判断是否为灰度数字图像。 
语法： 
flag = isgray(A) 
相关命令： 
isbw, isind, isrgb
11．bwselect 
功能： 
在二进制数字图像中选择对象。
语法： 
BW2 = bwselect(BW1,c,r,n) 
BW2 = bwselect(BW1,n) 
[BW2,idx] = bwselect(...) 
举例 
BW1 = imread('text.tif'); 
c = [16 90 144]; 
r = [85 197 247]; 
BW2 = bwselect(BW1,c,r,4); 
imshow(BW1) 
figure, imshow(BW2)
47．im2bw 
功能： 
转换数字图像为二进制数字图像。 
语法： 
BW = im2bw(I,level) 
BW = im2bw(X,map,level) 
BW = im2bw(RGB,level) 
举例 
load trees 
BW = im2bw(X,map,0.4); 
imshow(X,map)

写在前头：说到数字图像处理，不得不提起MATLAB。这是一款非常方便的仿真软件，绝大多数的图像处理可以用MATLAB完成。 

　　有人问，处理图片，用PS岂不是更好。两者各有优点，如果需要将1００００幅图片转换成灰度图像并保存呢？MATLAB只需要一段很短的程序运行几秒就可以完成这个工作。 

        本文基于MatlabR2012a，将由浅入深写下去。

MATLAB中图像的基本操作



1、读取、显示图片

MATLAB中提供了immread()与imshow（）函数读取和显示图片。其中读取函数imread（）原型：        



imread：
A = imread(filename, fmt)

A是结构体名，用来存储读入的图像数据。filename是读取的文件名，文件名要用”括起来。fmt是读取文件的类型如：jpg、png等等，这个参数可以不输入，由MATLAB自动判断。 

    显示函数imshow()原型：



    imshow：
    imshow(I)

I为读取后保存在MATLAB中的结构体名。 

程序实例：　　



A=imread('1.jpg');％读取名为１．ｊｐｇ的图片
    　imshow(A)％显示图片





２、将灰度图片变成负片

　　对图像进行操作，实际上是将图像看成许多个像素点，对每个像素点进行操作。在计算机系统中，灰度图片被看成是许多个由值在［０～２５５］之间的像素点组成的图像，２５５表示白色，０表示黑色，黑白之间存在２５６个灰度级。 

 

　　负片是指将原灰度图白色的地方变成黑色，黑色的地方变成白色。也就是将０变成２５５，２５５变成０。ＭＡＬＴＡＢ的ｉｍａｄｊｕｓｔ（）函数提供了该功能。其函数原型：　　



imadjust：
　　J = imadjust(I,[low_in; high_in],[low_out; high_out])

　　其中，Ｉ为原灰度图像，ｌｏｗ＿ｉｎ，ｈｉｇｈ＿ｉｎ为输入图像的低和高灰度级，设置为［０，１］表示从０～２５５的归一化，ｌｏｗ＿ｏｕｔ，ｈｉｇｈ＿ｏｕｔ为输出图像的低高灰度级。 

　　若是想将图片转换为负片，那么将[low_in; high_in]设置为［０，１］，将[low_out; high_out]设置为［１，０］。即原来输入为０的地方变成１输出，输入为１的地方变成０输出。 

　　实例：　



　A=imread('1.jpg');
imshow(A)％显示原图
A1=imadjust(A,[0,1],[1,0]);％将灰度级对调
figure,imshow(A1)％显示负片

　　 

　　



３、彩色图片转换成灰度图片

　　我们在计算机中看到的大多数彩色图片是基于ＲＢＧ三通道的图片，红绿蓝三种颜色，每一种取值均为［０～２５５］。通过２５５＊２５５＊２５５，可以构成庞大的颜色群。而灰度图像只有２５６个灰度级。通过以下公式可以将ＲＧＢ转换成灰度 

　　ＧＲＡＹ＝0.2989  R + 0.5870 * G + 0.1140 * B* 

　　ＭＡＴＬＡＢ中提供的函数ｒｇｂ２ｇｒａｙ为我们提供了将彩色图片转换成灰度图片的功能。函数原型：　



I = rgb2gray(RGB)

实例：



 A=imread('001.png');％原彩色图片
imshow(A)
A_gray=rgb2gray(A);％转换成灰度图片
figure,imshow(A_gray)

 

　　

MATLAB图像处理—2950人已学习 
课程介绍    

    MATLAB图像处理课程
课程收益
    通过学习该课程系统掌握MATLAB图像处理的相关知识点。
讲师介绍
    李立宗更多讲师课程
    南开大学计算机硕士毕业，目前在天津本地一所高校任副教授。
课程大纲
  第1章:几何变换
    1.几何变换  14:23
  第2章:正交变换
    1.离散余弦变换  5:42
    2.傅里叶变换  6:28
    3.离散小波变换  10:05
    4.提升小波变换  8:06
  第3章:边缘检测
    1.边缘检测  5:35
  第4章:形态学变换
    1.图像腐蚀  5:33
    2.图像膨胀  4:40
    3.开运算  4:49
    4.闭运算  4:47
  第5章:图像增强
    1.直方图  7:05
    2.灰度变换  7:40
    3.灰度对数变换  4:52
    4.中值滤波  3:42
  第6章:JPEG压缩
    1.JPEG压缩  5:36
  第7章:类型转换
    1.RGB转灰度  3:02
    2.灰度图像二值化  3:21
  第8章:图像滤波
    1.图像滤波  7:10
  第9章:图像裁剪
    1.图像裁剪  5:57
  第10章:噪声
    1.简述  5:31
    2.高斯噪声  3:16
    3.localvar噪声-语法格式1  6:29
    4.localvar噪声-语法格式2  8:10
    5.泊松噪声  3:06
    6.椒盐噪声  5:48
    7.speckle噪声  5:12
  第11章:图像抖动
    1.图像抖动  2:29
  第12章:数字水印
    1.基本原理  7:20
    2.具体实现  8:33
  第13章:图像融合
    1.加法融合  4:08
    2.小波融合  5:53
    3.小波大数融合（理论讲解）  5:21
    4.小波大数融合（代码讲解）  6:04
  第14章:混沌系统
    1.系统概述  4:14
    2.绘制序列  7:00
    3.初始值敏感性  5:58
    4.二值化处理  7:27
    5.生成二值混沌图像  8:40
    6.生成灰度混沌图像  8:59
    7.生成彩色混沌图像  9:38
大家可以点击【查看详情】查看我的课程

平滑滤波——matlab图像处理
平滑滤波的目的是消除或尽量减少噪声，改善图像的质量。假设加性噪声是随机独立分布，这样利用图像像素领域的平均或加权平均即可有效地抑制噪声干扰。从信号分析的观点来看，图像平滑本质上是低能滤波，信号的低频部分可通过，高频的噪声信号被阻截。但由于图像边缘也处于高频部分，这样往往带来另一个问题：在对图像进行平滑处理时，往往对图像的细化造成一定程度的损坏。

领域运算可用领域与模版的卷积得到，这极大地方便了计算。

MATLAB中提供的imfliter函数用于实现图像的平滑处理，其调用格式如下。

B=imfliter（A，H）：使用多维滤波器H对图像A进行滤波（平滑）。参数A可以是任意维的二值或非奇异数值型矩阵。参数H为矩阵，表示滤波器。H常由函数fspecial输出得到。返回值B与A的维数相同。

B=imfliter（A,H，optional1，optional2，…）




参数类型
说明




X
输入图像的外边界通过X来扩展，X默认值为0


symmetric
输入图像的外部边界通过镜像反射其内部边界来扩展


circular
输入图像的别界通过假设输入图像为周期函数来扩展


relicate
输入图像的外部别界通过复制内部别界的值来扩展


same
输入和输出图像大小相等，默认操作


full
输出图像比输入图像大


corr
使用相关进行滤波（平滑）


conv
使用卷积进行滤波（平滑）


matlab中提供的fspecial函数用于创建二维滤波器：

h=fspecial（type）：

type可以是：average，disk，gaussian，laplacian，log，motion，prewitt，sobel，unsharp。
h=fspecial（type，parameters）：创建指定类型和指定参数的二维滤波器h。参数parameters为与滤波器有关的参数。

parameters可以是：n，radius，（hsize，sigma），alpha，（n，sigma），（len，theta）。
clear all;
I = imread('cameraman.tif');
subplot(2,2,1);imshow(I);
xlabel('(a)原始图像');
H = fspecial('motion',20,45);
MotionBlur = imfilter(I,H,'replicate');
subplot(2,2,2);imshow(MotionBlur);
xlabel('(b)运动模糊图像');
H=fspecial('disk',10);
blurred = imfilter(I,H,'replicate');
subplot(2,2,3);imshow(blurred);
xlabel('(c)模糊图像');
H=fspecial('unsharp');
sharpened = imfilter(I,H,'replicate');
subplot(2,2,4);imshow(sharpened);
xlabel('(d)锐化图像');


对含有高斯噪声的图像进行平滑处理。
clear all;
I = imread('coins.png');
Inoised = imnoise(I,'gaussian',0.1,0.005);%对图像进行高斯噪声加噪
%制定卷积核
h=ones(3,3)/5;
h(1,1) = 0;
h(1,3) = 0;
h(3,1) = 0;
h(1,3) = 0;
%平滑运算
I2=imfilter(Inoised,h);
subplot(1,3,1);imshow(I);
xlabel('(a)原始图像');
subplot(1,3,2);imshow(Inoised);
xlabel('(b)带噪声图像');
subplot(1,3,3);imshow(I2);
xlabel('(c)平滑后图像');


有问题还请多多指教。刚刚入门。谢谢各位大牛。