本示例说明如何使用“图像浏览器”这个应用查看文件夹或图像数据存储区中所有图像的缩小版本，称为缩略图。您也可以查看单个图像的高分辨率版本。此外，您可以使用“图像浏览器”应用程序在另一个应用程序（例如“图像区域分析器”应用程序）中打开选定的图像。
查看文件夹中图像的缩略图
要查看文件夹中所有图像的缩略图，请从MATLAB®工具栏中打开图像浏览器应用程序。在“应用程序”选项卡上的“图像处理和计算机视觉”部分中，单击“图像浏览器”：
首先单击“加载”，然后选择“加载图像文件夹”，将图像加载到应用程序中。该应用程序显示文件浏览器窗口。导航到要查看的文件夹。对于此示例，选择示例图像文件夹imdata。
您还可以使用imageBrowser功能在命令行中打开应用程序，指定要查看的文件夹的名称。例如，要查看样本图像文件夹中的所有图像，请使用以下命令：imageBrowser(fullfile(matlabroot,'toolbox/images/imdata/'));。
该图像浏览器的文件夹中的所有图像的应用所显示的缩略图。要调整图像缩略图的大小，请使用应用程序工具栏中的“缩略图大小”滑块。
在图像数据存储区中查看图像的缩略图
要查看图像数据存储中所有图像的缩略图，请从MATLAB®工具栏中打开“图像浏览器”应用程序。在“应用程序”选项卡上的“图像处理和计算机视觉”部分中，单击“图像浏览器”。
首先单击“加载”，然后选择“从工作空间加载图像数据存储”，将图像加载到应用程序中。
对于此示例，通过使用imageDatastore包含imdata文件夹中图像的功能来创建图像数据存储。
 imds = imageDatastore(fullfile(matlabroot,'toolbox/images/imdata/'));
在对话框中，选择图像数据存储变量，然后单击确定。该图像浏览器的文件夹中的所有图像的应用所显示的缩略图。
您还可以使用该imageBrowser函数在命令行中打开应用程序，指定要查看的图像数据存储的名称。例如，要查看从示例图像文件夹创建的图像数据存储中的所有图像，请使用以下命令：imageBrowser(imds);
更详细地浏览图像
要详细查看“图像浏览器”应用程序中显示的图像，请选择该图像，然后单击“预览”。您还可以通过双击图像来预览。该应用程序在“预览”选项卡中以更高的分辨率显示图像。例如，blobs.png在“预览”选项卡中查看二进制图像。
要浏览“预览”选项卡中显示的图像，请在图像上停留时使用图像右上角的缩放选项。
将图像导出到工作区或图像数据存储区
如果要查看文件夹中的图像，则可以导出图像数据存储中的所有图像。在应用程序工具栏上，单击全部导出，然后指定图像数据存储的名称。要从文件夹中导出单个图像，请右键单击该图像，然后选择“将图像导出到工作区”。指定要在其中存储图像的工作空间变量的名称。
如果要在图像数据存储中查看图像，则可以将单个图像导出到工作区中。用鼠标右键单击该图像，图像之一到工作区，选择该图像，右键单击，然后选择“将图像导出到工作区”选项。在“导出到工作空间”对话框中，指定要用于图像的变量名称。
自定义文件夹视图
如果要在图像浏览器应用程序的文件夹中查看图像，则可以修改缩略图的显示。例如，您可以删除一些图像缩略图，然后将修改后的显示保存在图像数据存储中。在工具栏中单击全部导出，然后指定要用于数据存储的变量名称。以后当您打开此图像数据存储时，“图像浏览器”应用程序仅显示您保存的图像。该图像浏览器应用程序不会删除该文件中的图像系统，它只会从显示缩略图。
从图像浏览器应用程序启动另一个应用程序
您可以在“图像浏览器”应用程序中选择一个图像，然后在另一个应用程序中打开该图像。使用“图像浏览器”应用程序可以打开“图像查看器”应用程序，“颜色阈值”应用程序，“图像分割器”应用程序和“图像区域分析器”应用程序。
例如，在图像浏览器应用程序中选择blobs.png图像。在应用程序工具栏中，单击“图像区域分析器”应用程序。将打开“图像区域分析器”应用程序，其中包含blobs.png图像。
注：本文根据MATLAB官网内容修改而成。
可以看看以下的免费视频教程，特点是没有PPT，不掺水，直接编程环境下的实操课程：
用100分钟了解MATLAB编程
《MATLAB编程》视频课程 - 商业数据分析_数据可视化_Tableau免费课程_Tableau培训_自学Tableau_上海_1data.pro​www.1data.pro
欢迎您进一步了解以下MATLAB系列文章：
吃小羊：MATLAB作图实例：00：索引​zhuanlan.zhihu.com
吃小羊：MATLAB金融工具箱：00：索引​zhuanlan.zhihu.com

本示例说明如何使用“图像浏览器”这个应用查看文件夹或图像数据存储区中所有图像的缩小版本，称为缩略图。您也可以查看单个图像的高分辨率版本。此外，您可以使用“图像浏览器”应用程序在另一个应用程序（例如“图像区域分析器”应用程序）中打开选定的图像。
查看文件夹中图像的缩略图
要查看文件夹中所有图像的缩略图，请从MATLAB®工具栏中打开图像浏览器应用程序。在“应用程序”选项卡上的“图像处理和计算机视觉”部分中，单击“图像浏览器”：
首先单击“加载”，然后选择“加载图像文件夹”，将图像加载到应用程序中。该应用程序显示文件浏览器窗口。导航到要查看的文件夹。对于此示例，选择示例图像文件夹imdata。
您还可以使用imageBrowser功能在命令行中打开应用程序，指定要查看的文件夹的名称。例如，要查看样本图像文件夹中的所有图像，请使用以下命令：imageBrowser(fullfile(matlabroot,'toolbox/images/imdata/'));。
该图像浏览器的文件夹中的所有图像的应用所显示的缩略图。要调整图像缩略图的大小，请使用应用程序工具栏中的“缩略图大小”滑块。
在图像数据存储区中查看图像的缩略图
要查看图像数据存储中所有图像的缩略图，请从MATLAB®工具栏中打开“图像浏览器”应用程序。在“应用程序”选项卡上的“图像处理和计算机视觉”部分中，单击“图像浏览器”。
首先单击“加载”，然后选择“从工作空间加载图像数据存储”，将图像加载到应用程序中。
对于此示例，通过使用imageDatastore包含imdata文件夹中图像的功能来创建图像数据存储。
 imds = imageDatastore(fullfile(matlabroot,'toolbox/images/imdata/'));
在对话框中，选择图像数据存储变量，然后单击确定。该图像浏览器的文件夹中的所有图像的应用所显示的缩略图。
您还可以使用该imageBrowser函数在命令行中打开应用程序，指定要查看的图像数据存储的名称。例如，要查看从示例图像文件夹创建的图像数据存储中的所有图像，请使用以下命令：imageBrowser(imds);
更详细地浏览图像
要详细查看“图像浏览器”应用程序中显示的图像，请选择该图像，然后单击“预览”。您还可以通过双击图像来预览。该应用程序在“预览”选项卡中以更高的分辨率显示图像。例如，blobs.png在“预览”选项卡中查看二进制图像。
要浏览“预览”选项卡中显示的图像，请在图像上停留时使用图像右上角的缩放选项。
将图像导出到工作区或图像数据存储区
如果要查看文件夹中的图像，则可以导出图像数据存储中的所有图像。在应用程序工具栏上，单击全部导出，然后指定图像数据存储的名称。要从文件夹中导出单个图像，请右键单击该图像，然后选择“将图像导出到工作区”。指定要在其中存储图像的工作空间变量的名称。
如果要在图像数据存储中查看图像，则可以将单个图像导出到工作区中。用鼠标右键单击该图像，图像之一到工作区，选择该图像，右键单击，然后选择“将图像导出到工作区”选项。在“导出到工作空间”对话框中，指定要用于图像的变量名称。
自定义文件夹视图
如果要在图像浏览器应用程序的文件夹中查看图像，则可以修改缩略图的显示。例如，您可以删除一些图像缩略图，然后将修改后的显示保存在图像数据存储中。在工具栏中单击全部导出，然后指定要用于数据存储的变量名称。以后当您打开此图像数据存储时，“图像浏览器”应用程序仅显示您保存的图像。该图像浏览器应用程序不会删除该文件中的图像系统，它只会从显示缩略图。
从图像浏览器应用程序启动另一个应用程序
您可以在“图像浏览器”应用程序中选择一个图像，然后在另一个应用程序中打开该图像。使用“图像浏览器”应用程序可以打开“图像查看器”应用程序，“颜色阈值”应用程序，“图像分割器”应用程序和“图像区域分析器”应用程序。
例如，在图像浏览器应用程序中选择blobs.png图像。在应用程序工具栏中，单击“图像区域分析器”应用程序。将打开“图像区域分析器”应用程序，其中包含blobs.png图像。
注：本文根据MATLAB官网内容修改而成。
可以看看以下的免费视频教程，特点是没有PPT，不掺水，直接编程环境下的实操课程：
用100分钟了解MATLAB编程
《MATLAB编程》视频课程 - 商业数据分析_数据可视化_Tableau免费课程_Tableau培训_自学Tableau_上海_1data.pro​www.1data.pro
欢迎您进一步了解以下MATLAB系列文章：
吃小羊：MATLAB作图实例：00：索引​zhuanlan.zhihu.com
吃小羊：MATLAB金融工具箱：00：索引​zhuanlan.zhihu.com

1、图像的读取
MATLAB中从图像文件中读取数据用函数imread()，这个函数的作用就是将图像文件的数据读入矩阵中，此外还可以用imfinfo()函数查看图像文件的信息（见例1）
%例1：图像数据及图像信息的读取
imfinfo c:/lilizong/boat.bmp
%读取图像信息
[A,M]=imread('c:/lilizong/boat.bmp'); 
%图像数据的读取，将图像数据放入矩阵A中，颜色数据放入矩阵M中
imshow(A,M);title('原图像');
M(:,1)=0;　　%将颜色数据矩阵的一列置零
figure
imshow(A,M);title('改变颜色后的图像')

MATLAB还提供了将数据写入一个文件的函数imwrite以及不同类型文件相互转换的函数，可以参考MATLAB 的帮助文件。

2、灰度直方图及直方图均衡化

灰度直方图用于显示图像的灰度值分布情况，是数字图像处理中最简单和最实用的工具。MATLAB中提供了专门绘制直方图的函数imhist()。用它可以很简单的绘制出一幅图像的灰度直方图（见例2）。

%例2：直方图的显示
imshow('c:/lilizong/boat.bmp');title('原图像')
%显示原图像
A=imread('e:/matlabwork/tuxiang/Girl.bmp','bmp');
figure;imhist(A),title('对应直方图')

在图像处理中，点运算是简单而又重要的一种技术，其中最常用的一种应用就是直方图的均衡化（见例3）。

%例3：直方图均衡化

imshow('c:/lilizong/boat1.bmp');title('原图像')
I=imread('c:/lilizong/boat1.bmp');
figure;imhist(I),title('对应直方图')
%从得到的直方图可以看出，图像的对比度很低，灰度级集中在70-160范围内，如果只取
%这个范围内的灰度，并扩展到[0,255]，则会明显增强图像对比度
J=imadjust(I,[70/255 160/255],[]);
figure;imshow(J),title('经灰度级调整后的图')
figure;imhist(J),title('灰度级调整后的直方图')
%MATLAB还提供了histeq函数（自动直方图均衡化）
K=histeq(I);
figure;imshow(K),title('经直方图均衡化后的图')
figure;imhist(K),title('直方图均衡化后的直方图')

3、图像的代数运算

代数运算是指对两幅输入图像进行点对点的加、减、乘和除计算而得到输出图像的运算。对于相加和相乘的情形，可能不止有两幅图像参加运算。图像相加的一个重要应用是对同一场景的多幅图像求平均值。这点被经常用来有效地降低加性（additive）随机噪声的影响（见例4）

%例4：图象加噪声再通过多次相加求平均的方法祛除噪声
[I,M]=imread('c:/boat.png');
J=imnoise(I,'salt & pepper',0.005);
subplot(1,2,1),imshow(I,M),title('原图象');
subplot(1,2,2),imshow(J,M),title('加噪声后图象');
K=zeros(256);
for i=1:100
   
    J=imnoise(I,'salt & pepper',0.005);
   
    J1=im2double(J);
 
%    K=K+J1;
K=K+J1;

end

K=K/100;
figure,imshow(K),title('相加求平均后的图象'); 

4、图像滤波处理

在数字图像处理中，常常会遇到图像中混杂有许多的噪声。因此，在进行图像处理中，有时要先进行祛除噪声的工作。最常用的祛除噪声的方法是用滤波器进行滤波处理。MATLAB的图像处理工具箱里也设计了许多的滤波器。如均值滤波器、中值滤波器、维纳滤波器等。用户可以很方便的运用一些函数完成数字滤波工作。（见例5）。

%例5：用滤波器祛除图象噪声（分别用均值滤波，中值滤波，及维纳滤波器祛除加入高斯噪声的图象）

I=imread('C:/boat.png');
J=imnoise(I,'gaussian',0,0.002); %加入高斯噪声
%进行均值滤波
h=fspecial('average',3);   %fspecial函数用于产生预定义滤波器
I2=uint8(round(filter2(h,I)));  %filter2函数用于图像滤波,此处h是滤波参数（均值），I是要处理的图像
%进行中值滤波
I3=medfilt2(J,[3,3]);  %medfilt2函数用于图像的中值滤波
%进行维纳滤波
I4=wiener2(J,[3,3]);%进行一次维纳滤波
I5=wiener2(I4,[3,3]);%进行二次维纳滤波
subplot(2,3,1),imshow(I),title('原图象')
subplot(2,3,2),imshow(J),title('加噪声图象')
subplot(2,3,3),imshow(I2),title('均值滤波后图象')
subplot(2,3,4),imshow(I3),title('中值滤波后图象')
subplot(2,3,5),imshow(I4),title('维纳滤波后图象')
subplot(2,3,6),imshow(I5),title('两次维纳滤波后图象')

5、傅立叶变换

傅立叶变换是线性系统分析的一个有力的工具。它在图像处理，特别是在图像增强、复原和压缩中，扮演着非常重要的作用。实际中一般采用一种叫做快速傅立叶变换（FFT）的方法，MATLAB中的fft2指令用于得到二维FFT的结果，ifft2指令用于得到二维FFT逆变换的结果。（见例6）

%例6：近似冲击函数的二维快速傅立叶变换（FFT）
x=1:99;y=1:99;
[X,Y]=meshgrid(x,y);
A=zeros(99,99);
A(49:51,49:51)=1;
B=fft2(A);
subplot(1,2,1),imshow(A),xlabel('空域图象');
subplot(1,2,2),imshow(B),xlabel('时域图象');
figure
subplot(1,2,1),mesh(X,Y,A),xlabel('空域'),grid on;
subplot(1,2,2),mesh(X,Y,abs(B)),xlabel('时域'),grid on; 

6、图像压缩

在图像的变换和压缩中，常常用到离散余弦变换（DCT）。DCT具有能使图像的最重要的信息集中在DCT的几个系数上的性能。正是基于此，DCT通常应用于图像的压缩。（见例7）

JPEG图像压缩算法：
输入图像被分成8*8或16*16的小块，然后对每一小块进行二维DCT（离散余弦变换）变换，变换后的系数量化、编码并传输；
JPEG文件解码量化了的DCT系数，对每一块计算二维逆DCT变换，最后把结果块拼接成一个完整的图像。在DCT变换后舍弃那些不严重影响图像重构的接近0的系数。
DCT变换的特点是变换后图像大部分能量集中在左上角，因为左上放映原图像低频部分数据，右下反映原图像高频部分数据。而图像的能量通常集中在低频部分。

%例7：DCT变换用于图象的压缩实例

I=imread('d:/lilizong/test.jpg');
%该图片在安装matlab的目录中找，原图为灰度图象
I=im2double(I);%图像存储类型转换
T=dctmtx(8);%离散余弦变换矩阵
B=blkproc(I,[8 8],'P1*x*P2',T,T');
%对原图像进行DCT变换
mask=[1 1 1 1 0 0 0 0
      1 1 1 0 0 0 0 0
      1 1 0 0 0 0 0 0
      1 0 0 0 0 0 0 0
      0 0 0 0 0 0 0 0
      0 0 0 0 0 0 0 0
      0 0 0 0 0 0 0 0
      0 0 0 0 0 0 0 0];
B2=blkproc(B,[8 8],'P1.*x',mask);
%数据压缩，丢弃右下角高频数据
I2=blkproc(B2,[8 8],'P1*x*P2',T',T);
%进行DCT反变换，得到压缩后的图像
imshow(I)
title('原始图像')
figure;
imshow(I2)
title('压缩后的图像')


应用到的函数：
I=imread('图像文件名') :读取图像数据,保存在矩阵I中；
imshow(I) :显示灰度图像I，其他用法见matlab帮助；
I2=im2double(I1) :把图像数组I1转换成double精度类型；
D=dctmtx(n) :二维离散余弦变换函数，返回n*n离散余弦变换矩阵。

一个n*n的变换矩阵T被定义成：
Tpq=1/sqrt(n)                                   
,当p=0,0<=q<=M-1；
 Tpq=sqrt(2/n)*cos[pi*(2q+1)*p/2n]    
,当1<=p<=M-1,0<=q<=M-1。

B=blkproc(A,[m n],fun,P1,P2...) :块操作函数。对图像A的每个不同的m*n块应用fun函数，P1，P2等为fun函数参数。在图像边缘用0来扩展；只有当fun的返回矩阵是m*n矩阵时，B和A的大小才相同。
figure:强制生成一个新的个绘图窗口；
可以看出，尽管由于85%的DCT系数被抛弃而使恢复后的图像质量有所降低，图像内容仍能清晰可辨，达到了图像压缩的目的。 
转载于:https://www.cnblogs.com/saliency/p/3638407.html

1、读取图像文件  1.jpg   图像为一个矩阵

I = imread （‘1.jpg’)   //引用文件名用单引号

2、查看图像文件信息

info = imfinfo (‘1.jpg’)//信息包括：文件大小；图像的长和宽

3、图像显示

inshow（I） // I为imread读取的图像数据

例：对图像 1.jpg处理

I = imread(‘1.jpg’);

info = imfinfo(‘1.jpg’);

imshow(I)

4、调用imadd函数实现图像相加：Z=imadd(X,Y)

例、1.png 和 2.png 相加

I1 = imread(‘1.png’);  //对两个文件读取

I2 = imread(‘2.png’);

[m,n,q]=size(I2);  //观察两个图像大小是否一致

I1 = I1(1:m,1:n);  //采用矩形截取的方式  将两者一致

I2 = I2(1:m,1:n);

I = imadd(I2,I1);   //相加     //若做与运算 直接改为 I = I1&I2；

figure(1),imshow(I1)   //第一幅图像  figure创建一个窗口

figure(2),imshow(I2)   //第二幅图像

figure(3),imshow(I)     //第三幅图像

5、图像缩放：imresize函数

调用格式：B = imresize(A,M,METHOD)

A: 调用的图像  B:缩放倍数   METHOD：最邻近插值法(‘nearest’)

双线性插值法(‘bilinear’)

三次卷积插值法(‘bicubic’)

例：

I = imread( ‘1.jpg’);

B = imresize(I,2,‘nearest’)

imshow(B)

6、图像的旋转：imrotate函数

A = imrotate(A, angle,‘方法’,‘BBox’);

angle：旋转的角度

方法：最邻近插值法(‘nearest’)、 双线性插值法(‘bilinear’)、三次卷积插值法(‘bicubic’)

BBox： ‘loose’得到的图片就是一个完整的图片

‘crop’   得到的图片就是一个裁剪的图片

例：

I = imread(‘1.jpg’);

I4 = imrotate(I,45,‘nearest’,‘loose’);

I5 = imrotate(I,45,‘nearest’,‘crop’);

figure(1),inshow(I4)

figure(2),inshow(I5)

7、图像剪切：imcrop函数从一幅图像中抽取一个矩形的部分

调用格式：X2 = imcrop(X,rect);

例：

I = imread(‘1.jpg’);

I1 = imcrop(I,[0,0,100,100]);  //根据规格截取

% I1 = imcrop;  //自定义截取

imshow(I1)

8、几何变换：imtransform(A,T)

A:要变换的图像   T：由maketform函数产生的变换结构

maketform(‘p’,…)函数中，参数p有以下形式：

affine：仿射变换形式

projective：投影变换形式

cusyom：自定义函数变换

box：利用函数中的另外参数产生仿射变换结构

composite：该参数是实现多次调用tformfwd功能

例：仿射变换

I = imread(‘1.jpg’);

T = maketform(‘affine’,[.5 0 0;.5 1 0; 0 0 1]);

I4 = imtransform(I,T);

imshow(I4)

9、区域面积：使用bwarea函数计算二值图像的前景面积

二值图像，图像上每个点只有两个值0或1，代表黑或白

前景面积是指的是逻辑值为真或者数值不是0的位置。

例：

I = imread(‘1.jpg’);

I = im2bw(I)    //转换成二值图像

k = bwarea(~I);

k

使用bweuler函数计算二值图像的欧拉数

例：

I = imread(‘1.jpg’);

I = im2bw(I)

k = bweuler(~I);

imshow(I)

k

10、二值图像的轮廓提取：函数bwperim     //close all：关闭所有的Figure窗口

clear; //清除工作空间的所有变量

clc;  //清除命令窗口的内容，对工作环境中的全部变量无任何影响

I = imread(‘leaf.jpg’);

I = im2bw(I)

subplot(1,2,1);imshow(I);

title(‘原始图像’);

K1 = bwperim(I);

subplot(1,2,2);imshow(K1);

图像边缘提取(edge)	

I = imread(‘leaf.jpg’);

I = rgb2gray(I); //灰度图像转化

subplot(1,2,1);imshow(I);

title(‘原始图像’);

K1 = edge(I,‘roberts’,0.1);

subplot(1,2,2);imshow(K1);

11、灰度调整：函数imadjust

A2 = imread(‘ab1.jpg’);

B2 = imadjust(A2,[0,0.2],[0,1]);  //从0，0.2 调整为0，1

subplot(1,2,1);imshow(A2);

subplot(1,2,2);imshow(B2);	

直方图均衡化：函数histeq增强图像灰度调整

I = imread(‘leaf.jpg’);

I = rgb2gray(I); //灰度图像转化

J = histeq(I);

subplot(1,2,1);imshow(I);

subplot(1,2,2);imshow(J);