MATLAB图像处理基础知识学习总结（MATLAB操作命令）

matlab一些指令，便于后期查询

这些知识感觉学完还是记不住，这里自己总结了哈，希望能够加强记忆

图象显示

标准图像显示技术
特殊图象显示技术

图像运算  

              代数运算

             a.图像相减取绝对值差：K=imabsdiff(I,J)  

             b.图像求补：h=imcomplement(I)

              空间变换

             a.缩放图像

                            imresize

             b.旋转图像

                            imrotate

             c.修建图像

                            mcrop

             d.空间变换

                          imtransform
              图像配准

图像数据变换

      二维傅立叶

iff2

离散余弦

a.   dct2函数

b.    dctmtx函数

其他变换 

1）radon变换：

2）fanbeam变换：

                 

图像分析与增强

        A像素值及统计

             1）impixel ：计算像素数据值
             2）improfile：计算和绘制图像中一条或多条线段上的所有象素的灰度值（沿图像路径数据值）
             3)   contour（I,N）：（中文意思为轮廓）：这个函数显示灰度图的等值线轮廓，能够自动设置坐标对象与显示图像相匹配,这里N指定了等高线的条数
     4)  imhist:    （图像柱状图【直方图】），显示索引图或灰度图的灰度分布，索引的图像只支持一个图层，并且只有一个索引彩色通道。
     5)  其他统计方式

B 图像分析

MATLAB图像分析技术可以提取图像的结构信息，利用edge探测边界

首先回顾一下边缘检测的一般步骤：

边缘检测算法一般包含如下四个步骤：

　　1.滤波（去噪）

　　2.增强（一般是通过计算梯度幅值）

　　3.检测（在图像中有许多点的梯度幅值会比较大，而这些点并不都是边缘，所以应该用某种方法来确定边缘点，比如最简单的边缘检测判据：梯度幅值阈值）

　　4.定位（有的应用场合要求确定边缘位置，可以在子像素水平上来估计，指出边缘的位置和方向）

 边缘检测方法比较常用的有基于各种算子的方法，有基于一阶导数的各种算子（Roberts、Sobel、Prewitt等），还有基于二阶导数的拉普拉斯算子等。其中一阶导数一般找梯度极大值。二阶导数找过零点（需要忽略无意义的过零点（即均匀零区））。

1) 灰度图像的边缘检测：edge函数
BW=edge(I,method,thresh,direction/sigma)
其中method可以取‘sobel’【注：在边缘检测中，常用的一种模板是Sobel
算子。Sobel 算子有两个，一个是检测水平边缘的 ;另一个是检测垂直边缘的 】
 'prewitt'【注：Prewitt算子是在图像空间利用两个方向模板与图像进行邻域卷积来完成的，这两个方向模板一个检测水平边缘，一个检测垂直边缘。】
'roberts'【注：Roberts边缘算子是一个2x2的模板，采用的是对角方向相邻的两个像素之差。从图像处理的实际效果来看，边缘定位较准，对噪声敏感。】
'log'【注：用高斯滤波器的拉普拉斯运算对I进行滤波，然后通过寻找0相交检测边缘】
‘zerocross’【注：用指定的滤波器对I滤波厚，寻找0相交边缘检测】
'canny'【 用高斯滤波器计算得到的局部最大梯度来检测边缘】
'thresh'【注：用于指定灵敏阈值】
‘sigma’【指定标准差】
小结：在上面的方法中，canny边缘检测比较清晰，log与zerocross除了有canny检测的轮廓，还有其他的杂边，而剩下边缘检测方法边检测不太全阿。

2）四叉树分解：qtdecomp函数（这部分转自uleen博客）
       

 
 
   一个简单的示例（来自MATLAB help for qtdecomp）：
原始矩阵：
I =
    1    1    1    1    2    3    6    6
    1    1    2    1    4    5    6    8
    1    1    1    1    7    7    7    7
    1    1    1    1    6    6    5    5
   20   22   20   22    1    2    3    4
   20   22   22   20    5    4    7    8
   20   22   20   20    9   12   40   12
   20   22   20   20   13   14   15   16
>> S = qtdecomp(I,.05) %执行四叉分解，阈值为0.05,实际上的阈值是ceil(0.05*255)=13,因为I是uint8类的
S =
   (1,1)        4
   (5,1)        4
   (1,5)        4
   (5,5)        2
   (7,5)        2
   (5,7)        2
   (7,7)        1
   (8,7)        1
   (7,8)