MATLAB图像处理_学习笔记

由于工作需要，开始研究一下MATLAB图像处理相关的知识，图像处理只是matlab应用领域中小小的一部分而已。以前只是听说过MATLAB很强大，但没有系统的学过，如今开始学时，发现matlab确实很不错、很高大上。操作起来很方便，特别是编写程序时，比C语言更简洁。

很多人都是大学里就学过matlab的，由于是半路出家，所以知识不是很全面，直接拿了一本冈萨雷斯的MATLAB版的书就开始看，下面做一些简单的小记录。

1. matlab命令基础：

基础命令:

clc——清除窗口

clear——清除之前赋值过的变量

disp——打印信息，相当于echo

celldisp——打印元胞数组内容

who——简单的显示当前已有变量

whos——显示所有变量及详细内容 whos也可以指定显示某个变量

tan/sin/cos/log ——各种数学运算

...——用来续行

定义数组——x=1:100

定义矩阵——A=[1,1,2] A=[1 2 2]; 加分号表示不显示命令执行结果 定义空矩阵B=[]

矩阵转置——A=[1 3 5 7] B=A' 或 B=A.'可以把行向量转换为列向量

取元素——A(1)取A中第一个元素 A(1:5)取A中第一到五的元素

A(1:end)取第1到最后的元素，产生一个行向量； A(:)产生一个列向量

A(1:2:end)表示步长为2 步长也可以为负值 如A(end:-2:1)

linspace——x=linspace(a,b,n)产生含有n个元素的行向量x n个元素线性隔开 并包含a和b

:的活用——A=[1 2 3; 4 5 6; 7 8 9] A(:,3)取整个第三列 A(1:2, 1:3) 取两行三列

+

-

*——* 表示矩阵与矩阵相乘，满足线性代数上学的矩阵与矩阵的乘法，

.*表示矩阵中元素与元素相乘，这两个矩阵的维数必需相同。/和./也一样的道理

length/size/numel的用法：

length(x) ——返回x的长度 如果x是单个变量 返回1 如果x是矩阵 返回该矩阵行数与列数中的较大者。

size(x) ——当x是单个变量时，返回[1 1] 当x是矩阵是 返回矩阵的行数与列数 可以这样来接受[m n]=size(x)

numel(x) ——当x是单个变量时 返回1， 当x是矩阵时，返回矩阵元素总个数。

/

format compact——以紧凑方式显示

format loose ——以松散方式显示

mean函数:


>>如果有这样一个矩阵：A = [1 2 3; 3 3 6; 4 6 8; 4 7 7];

用mean(A)（默认dim=1）就会求每一列的均值

ans =

3.0000 4.5000 6.0000

>>用mean(A,2)就会求每一行的均值

ans =

2.0000

4.0000

6.0000

6.0000

>> mean(A(:)) 求总的平均值

其他函数:

zeros(M,N)——生成一个M*N的double型矩阵 元素均为0

ones(M,N)——生成一个M*N的double型矩阵 元素均为1

true(M,N)——生成一个M*N型的logical矩阵，元素均为1

false(M,N)——与上面的true相反

magic(M,N)——生成一个魔术幻阵

rand(M,N)——生成一个M*N的矩阵 元素大小在[0-1中均匀分布]

randn(M,N)——生成一个M*N的矩阵 矩阵元素正态分布 随机数均值是0 方差是1.

plot(X,Y)——画二维图像

subplot(m,n,p)——m代表生成图像的行数，n是列数，p代表子图编号

plot3(X,Y,Z)——画三维图

mesh(X,Y,Z)——画三维图

surf(X,Y,Z)——画三维图，并上色

matlab函数设计：

.m文件建立的函数文件

function [A, B] = fun(A, B) //输入A、B两个变量，返回A、B两个变量 一般.m文件名命名为函数名字

% xxxxxx 代表注释，在命令窗口中输入help fun可以显示这个注释

实例：

function [g,k,l] = two(x)
error(nargchk(1,1,nargin))
% error(nargchk(1,2,nargin))
if x<=1
    g = x;
end
g = 0;
k = nargin;
l = nargout;
for i=1:1:x
    g = g + i;
end

调用时写tow(10),就可以计算1~10的和。

匿名函数：

var = @(x)(x+1)

调用时形如var(1)即可，@后面跟参数列表

接受用户输入信息：

t = input('Enter you data:', 's');

t='12.6, x2y, z';

[a,b,c] = strread(t, '%f%q%q', 'delimiter', ',') //按指定的格式读入a b c

matlab中，图像大致分为二值图像(0/1)、灰度图像(0-255灰度级)、RGB图像(R、G、B三个分量 三个分量都相同时，所表示的颜色就退化为灰度)、索引图像。

灰度、亮度、强度通常是同一个概念。

所有图像按照特性分为位图和矢量图，位图常见格式:JPG GIF BMP矢量图:PNG

机器视觉又称计算机视觉，试图开发出一种模拟人眼的能力，能够理解自然景物与环境的系统，比较高级哦。

nargin将返回输入到函数的参数个数、nargout用于函数的输出

nargchk用于检查参数数目是否正确margchk(low, high, number),使用实例：

function G = test(X, Y)

error(nargchk(1,2,nargin));

2. 图像处理基础：

imread——读入图像A=imread('1.jpg')

imshow——显示图像imshow(A, B); imshow(A, [low high]);

会将所有小于或等于low的值显示为黑色，大于或等于high的值显示为白色

若B省略，默认的灰度级是256，imshow(A, []) []表示将low设为A的最小值 将high设为A的最大值

显示多幅图像：imshow(A), figure,imshow(B)

imwrite——保存图像 imwrite(A, '2.jpg')

imwrite(A, '2.jpg', 'quality', q) // q在0-100之间(由于JPFG压缩 q越小图像退化越严重)

size(A)——显示图像的大小

imfinfo——显示图像的详细信息 imfinfo 1.jpg 也可以K=imfinfo('1.jpg') 就可以使用K.Height K.Width等等信息

学会计算图像的压缩比：imgBytes=(K.Height*K.Width*K.BitDepth/8) compress_bytes=K.FileSize

imgBytes / compress_bytes ==压缩比

命令窗口输入：imfinfo test.jpg，显示信息如下：

ans = 

           Filename: 'C:\Documents and Settings\Administrator\My Documents\MATLAB\test.jpg'
        FileModDate: '30-Sep-2014 10:31:18'
           FileSize: 1609315
             Format: 'jpg'
      FormatVersion: ''
              Width: 2336
             Height: 1752
           BitDepth: 24
          ColorType: 'truecolor'
    FormatSignature: ''
    NumberOfSamples: 3
       CodingMethod: 'Huffman'
      CodingProcess: 'Sequential'
            Comment: {}

double/im2double/mat2gray的区别:

A=imread('1.jpg');

A(1,1,:) ——显示A中第1行第一列像素点(包含红、绿、蓝)三个分量的值



B=double(A)——转换为double类型 值不会变 注意 使用im2double值会[0-1]

im2double ——若输入是uint8类型 每个值会除以255.

mat2gray() ——可以将double类型转换为归一化的double类型

区别：

im2double：如果输入类型是uint8、unit16 、logical，则按照0-->>0，255-->>1，将其值按比例处理成0～1之间的double数值；如果输入类型是double，输出没有处理；

double：返回数值与输入相同的double类型矩阵；

mat2gray：对输入进行归一化处理，最小值-->>0;最大值-->>1，输出类型为double。

在实际的对图像处理过程中，由于我们读入图像是unit8型，而在MATLAB的矩阵运算中要求所有的运算变量为double型（双精度型）。因此通常使用im2double函数将图像数据转换成双精度型数据。

注意：uint8类、uint16类RGB图像取值范围分别是[0, 255]、[0, 65535]，而double类范围是[0, 1]

C=[-1,0.5; 2,3]

B=im2uint8(C)——im2uint8把所有大于1的值转换为255 小于0 的值转为0 其他值乘以255

im2bw ——得到二值图像 可以先A=mat2gray(B), im2bw(A, 0.5)



IPT支持的图像的算术函数：

imadd——图像相加

imsubtract——图像相减

immultiply——图像相乘

imdivide ——图像相除

imabsdiff——计算两幅图像之间的绝对差

imcomplement——对图像求补

imlincomb——计算两幅或多幅图像的线性组合

图像旋转函数:

imrotate，matlab默认是逆时针旋转, imrotate参数解释：

angle顾名思义 就是你旋转的角度, method 就是你实现旋转用的是什么方法，有三种
和后面的插值放大缩小是一下就是 最邻近插值法 双线性插值法 三次卷积插值法，英语表示就是 'nearest' 'bilinear' 'bicubic'。

不同的插值方法得到的旋转图像有细微的差别 如果你不选在 matlab默认的是最邻近插值法 那么图像会有一定的失真，这个失真主要是因为matlab在计算每个点的新坐标的时候得到的数值不是整数，要去整所造成的最后说说bbox 这个的意义主要分为2种，也就是说我们在这一项有2个选择
一个是‘loose’ 另外一个是‘crop’

loose 就是宽松的意思 顾名思义就是说 图像旋转后 系统会给予一个宽松的环境去匹配它，这样你得到的图片就是一个完整的图片

matlab的解释是 When BBOX is 'loose', B

includes the whole rotated image, which generally is larger than A.

crop 就是剪切啦，也就是困扰了大家很久的问题，为什么旋转后图像变小了，因为matlab默认的是crop 超过图片原来大小的部分被crop了

>> subplot(2,2,1)
>> imshow(A)
>> subplot(2,2,2)
>> imshow(imrotate(A, 30, 'bilinear', 'loose'));
>> subplot(2,2,3)
>> imshow(imrotate(A, 30, 'bilinear', 'crop'));

3. 亮度变换与空间滤波:

1. 亮度

imadjust函数

A=imread('1.jpg');

B= imadjust(A, [], [], 0.75); // gamma<1 变亮

imshow(B)

C=imadjust(A, [0 1], [1 0]);

效果等价于C=imcomplement(A) 都是求图像的负片

2. 对比度拉伸函数

g = 1./(1+(m./(f+eps)).^E) // 加eps是为了防止溢出

3. 直方图

imhist函数:

h = imhist(f, b) //b是灰度级个数 默认是256

numel(f) //得到像素点个数

B=rgb2gray(A); subplot(121), imshow(B); subplot(122), imhist(B);

直方图均衡化:

histeq函数：

J=histeq(I)

实例：

>> A=imread('test.jpg');
>> B=rgb2gray(A);
>> imhist(B);//显示直方图
>> figure;
>> imhist(histeq(B)) //显示均衡化后的直方图
>> C=histeq(B);
>> imwrite(C, 'xxx.jpg');

图像如下所示：






4. 空间滤波：

线性空间滤波：imfilter函数

g=imfilter(f,w,filtering_mode, boundary_options, size_options);

//filtering_mode=corr/conv size_options=same/full

通用语法为 g = imfilter(f, w, 'replicate');

非线性滤波：colfilt函数

IPT中的线性滤波器：

fspecial函数用来生成滤波掩膜w

w = fspecial('type', parm) //type表示滤波器类型

type值可以是：average disk gaussian laplacian log motion prewitt sobel unsharp

实例：

使用拉普拉斯算子来增强图像，包括锐化，同时应该保留其灰度色调

test_shape.m

function [] = test_sharp(A)
% Test Sharp
B= im2double(A);
w= fspecial('laplacian', 0);//laplacian时 第二个参数默认是0.5
C= imfilter(B, w, 'replicate');
D= B-C;
imwrite(D, 'out.jpg');
最后对比A与C的效果  发现图像明显更为清晰了。。。
可以直接用unsharp选项，效果与上面的差不多
A=imread('test.jpg');
w = fspecial('unsharp')
B=im2double(A);
C=imfilter(B, w, 'replicate');
imwrite(C, 'out.jpg');

上面使用拉普拉斯算子产生的w=[0 1 0; 1 -4 1; 0 1 0]; 中心为-4，现在我们手工指定中心为-8的情况如下：

function [] = test_sharp(A)
w4 = fspecial('laplacian', 0);
w8 = [1 1 1; 1 -8 1; 1 1 1];
A = im2double(A);
A4 = A - imfilter(A, w4, 'replicate');
A8 = A - imfilter(A, w8, 'replicate');
imwrite(A4, '4.jpg');
imwrite(A8, '8.jpg');

会发现图像锐化效果更好，图像更清晰。

IPT中的非线性滤波器：

ordfilt2函数 g = ordfilt2(f, order, domain)

中值滤波medfilt2

图像中加入噪声：格式：J = imnoise(I, type, parm)

>> A=imread('test.jpg');

>> B = imnoise(A, 'salt & pepper', 0.02);

>> C=rgb2gray(B);

>> D=medfilt2(C, [3 3]);//中值滤波

>> imwrite(D, 'xxx.jpg')

4. 彩色图像处理

>> A = imread("test.jpg");

%获取图像R、G、B每个分量

>> R = A(:,:,1);

>> G = A(:,:,2);

>> B = A(:,:,3);

>> D = cat(3, R, G, B); //cat组合成图像

clear
rgb=imread('xxx.jpg');
rgb_r=rgb(:,:,1);
rgb_g=rgb(:,:,2);
rgb_b=rgb(:,:,3);
[x y z]=size(rgb);
zero=zeros(x, y);
R=cat(3,rgb_r,zero,zero);
G=cat(3,zero,rgb_g,zero);
B=cat(3,zero,zero,rgb_b);
RGB=cat(3,rgb_r,rgb_g,rgb_b);
subplot(2,2,1),imshow(R),title('红色分量');
subplot(2,2,2),imshow(G),title('绿色分量');
subplot(2,2,3),imshow(B),title('蓝色分量');
subplot(2,2,4),imshow(RGB);