matlab学习笔记入门.docx
《matlab学习笔记入门.docx》由会员分享，可在线阅读，更多相关《matlab学习笔记入门.docx（15页珍藏版）》请在冰豆网上搜索。
matlab学习笔记入门
数据类：
double，unit8，unit16，unit32，int8，int16，int32，single，char，logical！
Matlab中所有数值计算都可以用double类来进行！
，unit8实际中最常用的图像
图像类型：
亮度图像，二值图像，索引图像，RGB图像
亮度图像：
是数据矩阵，若是unit8或uint16则是【0,255】或者是【0，65535】，若是double类，则像素取值是浮点数
二值图像只有：
0和1的逻辑数组！
、
简单操作：
读图并显示详细情况
>>f=imread（'E:
\image\book.pgm'）;whos
NameSizeBytesClassAttributes
f289x33897682uint8
将图像垂直翻转：
>>f=imread（'E:
\image\book.pgm'）;fp=f（end:
-1:
1,:
）;imshow（fp）
将图像上下左右翻转：
f=imread（'E:
\image\book.pgm'）;fc=f（end:
-1:
1,end:
-1:
1）;imshow（fc）
将图像二次采样并显示详情：
>>fs=f（1:
2:
end,1:
2:
end）;imshow（fs）
>>whosfs
NameSizeBytesClassAttributes
fs145x16924505uint8
将图像取出一部分：
>>fg=f（200:
250,200:
300）;imshow（fg）
显示图像中的一条水平扫描线：
>>plot（f（200,:
）
将两幅图像进行相乘：
f=imread（'c:
\image\liangdian.jpg'）;g=imread（'c:
\image\shuiguo.jpg'）;
g=g（300:
715,500:
1149）;f=f（1:
416,1:
650）;f
d=double（f）;gd=double（g）;
p=fd.*gd;数组乘！
pmax=max（p（:
））;pmin=min（p（:
））;取最大最小值！
pn=mat2gray（p）;figure,imshow（pn）
亮度变化：
函数imadjust是对灰度图像进行亮度变化的基本ipt工具：
g=imadjust（f，[low-inhigh-in]，[low-inhigh-in]，gamma）
Gamma为1线性映射，大于1，则映射被加权至更低（更暗的）输出值，小于一，加权至更高的输出值
明暗反转图像（负片）参数不同：
>>f=imread（'E:
\image\book.pgm'）;g=imadjust（f,[01],[10]）;imshow（g）
>>f=imread（'E:
\image\book.pgm'）;g=imadjust（f,[01],[10],2）;imshow（g）
>>f=imread（'E:
\image\book.pgm'）;g=imadjust（f,[01],[10],0.5）;imshow（g）
另外也可以这样：
进行明暗反转：
g=imcomplement（f）;imshow（g）
将0.5到0.75之间的灰度级拓展到0-1，可用于突出我们感兴趣的亮度带
g2=g2=imadjust（f,[0.50.75],[01]）;imshow（g2）
这个类似上面语句，但又更多的灰色调，方法是压缩灰度级的低端并扩展灰度级的高端
g3=imadjust（f,[],[],2）;imshow（g3）
对数和对比度拉伸变换：
对数变换通过此式子完成：
g=c*log（1+double（f））
对8比特而言，最简便：
gs=im2uint8（mat2gray（g））
使用mat2gray可将值限定在0-1之间，im2uint可将值限定在0-255之间
使用对数变化减小动态范围：
>>g=im2uint8（mat2gray（log（1+double（f）））;imshow（g）
图像g与原图像相比，在视觉方面的改善效果是非常明显的
函数intrans：
建立一个函数intrans，利用对比度拉伸方法得到增强图像
然后在主界面输入：
f=imread（'E:
\image\book.pgm'）;g=intrans（f,'stretch',mean2（im2double（f））,0.9）;figure,imshow（g）
函数gscale，亮度标度的函数：
g=gscale（f，method，low，high）
处理图像时，即管中间没问题，但想利用8比特或者16比特格式包村或查看一副图像时会出现问题，则要将图像调度在全尺度。
将彩色图像变成灰度图像并变小：
>>I=imread（'d:
\image\tupian2.jpg'）;whosI
NameSizeBytesClassAttributes
I1000x666x31998000uint8
>>I=imread（'d:
\image\tupian2.jpg'）;f=rgb2gray（I）;s=f（1:
2:
end,1:
2:
end）;imshow（s）
>>whoss
NameSizeBytesClassAttributes
s500x333166500uint8
生成并绘制图像的直方图：
把pgm图像的直方图显示出来：
h=imhist（f，b）b适用于形成直方图的收集箱的个数，即灰度级的个数
>>f=imread（'E:
\image\book.pgm'）;imhist（f）
把彩色图片变成灰度图像再进行显示其直方图：
>>I=imread（'d:
\image\tupian2.jpg'）;f=rgb2gray（I）;imhist（s）
直方图经常使用条形图来进行显示:
Bar（horz，v,width）width为1竖条较明显，为零时是简单的垂直线。
默认为0.8
V是一个行向量，它包含将被绘制的点；
下面的语句将生成一幅条形图，其水平轴以10个灰度级为一组：
>>f=imread（'E:
\image\book.pgm'）;h=imhist（f）;h1=h（1:
10:
256）;horz=1:
10:
256;bar（horz,h1）
>>axis（[025501200]）
>>set（gca,'xtick',0:
50:
255）
>>set（gca,'ytick',0:
200:
1200）
函数axis：
axis（[xminxmaxyminymax]）用来标注输出的图线的最大值最小值。
其中，[xminxmaxyminymax]用来表示需要显示坐标的范围，xmin、xmax、ymin、ymax分别表示X、Y轴坐标最小和最大值。
gca表示获得当前轴，xtick和ytick按所示的间隔设置水平轴和垂直轴的刻度
利用title函数可以给图形加入标题：
title（‘titlestring’）‘’内为标题处出现的字符串，把语句加在上面语句之后即可
绘制杆状图：
>>f=imread（'E:
\image\book.pgm'）;
>>h1=h（1:
10:
256）;
>>horz=1:
10:
256;
>>stem（horz,h1,'fill'）
>>axis（[025501200]）
>>set（gca,'xtick',0:
20:
255）
>>set（gca,'ytick',0:
100:
1200）
绘制plot图形：
使用函数plot（horz,v,'color-linestyle-maker'）
可以自动设定坐标轴的取值范围和刻度线，此时我们使用以下函数：
ylim（'auto'）
xlim（'auto'）
直方图均衡化：
灰度级均衡化处理的最终结果是一幅扩展了的动态范围的图像，它具有较高的对比度，注意该变换函数只不过是一个累积分布函数
使用直方图并调用直方图均衡化技术来处理离散灰度级时，一般说来，处理后的图像的直方图将不再均匀，这源于变量的离散属性。
直方图均衡化使用函数histeq（f，nlev）
>>imshow（f）;
>>figure,imhist（f）;
>>ylim（'auto'）
>>g=histeq（f,256）;
>>figure,imshow（g）
>>figure,imhist（g）
>>ylim（'auto'）
空间滤波：
线性空间滤波（暂缓····）
subplot（m,n,p）的意思：
plot是图的意思，
sub是子的意思。
subplot（m,n,p）生成m*n个子图，当前激活第p个子图。
彩色图像不能直接进行傅立叶变换，图像处理中很多情况下都是把一幅彩色图像分成三个类似灰度图像（一般是red，green，blue）来进行处理的。
至于进行傅立叶变化，可以直接对灰度图像进行二维傅立叶变换fft2，但是结果仍需要处理才能更容易理解和观察。
高斯模糊是低通滤波的一种，也就是滤波函数是高斯函数，由于理想低通滤波会带来振铃现象，所以往往采用巴特尔茨或者高斯函数作为滤波函数。
高斯滤波是指用高斯函数作为滤波函数，至于是不是模糊，要看是高斯低通还是高斯高通，低通就是模糊，高通就是锐化
高斯平滑滤波：
>>img=imread（'e:
\image\shuiguo.jpg'）;
f=rgb2gray（img）;彩图变成灰度图像
subplot（1,2,1）;创建子图
imshow（f）;并在子图中的一行一列显示灰度图f
f=double（f）;把其他类型对象转换为双精度数值
f=fft2（f）;二维离散Fourier变换
f=fftshift（f）;直流分量对中的谱，，简化频谱的视觉效应，函数fftshift通过交换F的象限来操作，若a=【12；34】则fftshift（a）=【43；21】在变化计算后使用fftshift的结果与在计算变换前将输入图像乘以（-1）的x+y次方所得结果是相同的，但不可以互换！
[m,n]=size（f）;size取矩阵的大小
d0=80;
m1=fix（m/2）; fix向零取整
n1=fix（n/2）; fix向零取整
fori=1:
m
forj=1:
n
d=sqrt（（i-m1）^2+（j-n1）^2）;
h（i,j）=exp（-d^2/2/d0^2）;
end
end
g=f.*h;
g=ifftshift（g）;
g=ifft2（g）;
g=mat2gray（real（g））;real表示复数的实部 ，ifft的输出实际上都会有很小的虚部分量，因此要提取结果的虚部
mat2gray实现图像矩阵的归一化操作。
[1]所谓"归一化"就是使矩阵的每个元素的值都在0和1之间。
该函数在数字图像处理中经常用到。
subplot（1,2,2）;
imshow（g）;
imwrite（img,'2.jpg'）;
Do变小··图像变得更加模糊了···原理？
？
频域处理：
计算并可视化二维DFT；
f=imread（'e:
\image\heibai.jpg'）;
subplot（1,2,1）;
imshow（f）;
g=fft2（f）;快速傅立叶变换函数fft：
F=fft2（f）；使用傅立叶进行滤波时，需要对输入数据进行零填充则：
F=fft2（f，P，Q）使用所要求的0的个数对输入图像进行填充，以便结果函数的大小为p*q
g=fftshift（g）;
subplot（1,2,2）;
imshow（abs（g）,[]）
>>s=log（1+abc（g））;imshow（s,[]）
傅立叶频谱可以使用函数abs来获得：
s=abs（f）该函数计算数组的每一个元素的幅值（实部和虚部平方和的平方根）；下面为计算他的傅立叶变换并显示其频谱：
F=fft2（f）；
S=abs（F）;
imshow（S,[]）
不理想·因此在该例中键入：
Fc=fftshift（F）;%fc为已居中的变换。
Imshow（abs（Fc），[]）；%居中后的图像很明显
但是该频谱中值的动态范围与··比特显示相比要大得多因此我们使用对数变化来处理该问题：
s2=log（1+abs（fc））;subplot（1,4,4）;imshow（s2,[]）
可视细节的增加就变得很明显了！
总体显示如下;
f=imread（'e:
\image\heibai.jpg'）;
subplot（1,4,1）;
imshow（f）;
g=fft2（f）;
s=abs（g）;subplot（1,4,2）;
imshow（s,[]）;fc=fftshift（s）;subplot（1,4,3）;imshow（abs（fc）,[]）;s2=log（1+abs（fc））;subplot（1,4,4）;imshow（s2,[]）
>>
im2bw（）
将真彩色、索引色和灰度图像转换为二值图像。
loadtrees
BW=im2bw（X,map,0.4）;
imshow（X,map）,
figure,
imshow（BW）
ind2gray（）
将索引色图像转换为灰度图像。
loadtrees
J=ind2gray（X,map）;
imshow（X,map）,
figure,
imshow（J）
ind2rgb（）
将索引色图像转换为真彩色图像。
loadtrees
J=ind2rgb（X,map）;
imshow（X,map）,
figure,
imshow（J）
mat2gray（）
将数据矩阵转换为灰度图像。
rgb2gray（）
将真彩色图像转换为灰度图像。
rgb2ind（）
将真彩色图像转换为索引色图像。
把彩色图像转化为灰度图像之后对图像进行直方图均衡化··（改善视觉效果）
f=imread（'e:
\image\shuiguo.jpg'）;
g=rgb2gray（f）;
h=histeq（g）;
subplot（1,2,1）,imshow（g）;
subplot（1,2,2）,imshow（h）;
figure,
subplot（1,2,1）,imhist（g）;
subplot（1,2,2）,imhist（h）;
图像增强方法：
对数变换：
I=imread（‘pout.tif’）;
imshow（I）
I=double（I）%对数运算不支持uint8类型数据
J=log（I+1）;
figure,imshow（J,[4,5]）
将彩图变成灰度图像之后，进行直方图均衡化，在把均衡化前后的图像分别做增强··
f=imread（'e:
\image\lunzi.png'）;
g=rgb2gray（f）;
h=histeq（g）;
i=double（h）;
l=log（i+1）;
subplot（1,2,1）,imshow（l,[4,5]）;subplot（1,2,2）,imshow（g）>>
增加噪声：
I=imread（'eight.tif'）;
J1=imnoise（I,'gaussian',0,0.02）;
%对图像数据添加均值为0，方差为0.02的高斯噪声。
J2=imnoise（I,'salt&pepper',0.02）;
%对图像数据添加椒盐噪声。
J3=imnoise（I,'speckle',0.02）;
%对图像数据添加乘性噪声。
subplot（2,2,1）,imshow（I）
subplot（2,2,2）,imshow（J1）
subplot（2,2,3）,imshow（J2）
subplot（2,2,4）,imshow（J3）
去噪声处理：
领域平均法
h=[111;111;111];%产生滤波模板
h=h/9;%对模板归一化
J=conv2（J1,h）;%多项式乘、卷积
subplot（1,2,1）,imshow（J1）
subplot（1,2,2）,imshow（J2）
Conv2要求都为double或者都为single
去噪声处理
中值滤波：
J=medfilt2（J1）;
subplot（1,2,1）,imshow（J1）
subplot（1,2,2）,imshow（J2）
具体输入如下：
f=imread（'e:
\image\yuanquan.png'）;
i=imnoise（f,'gaussian',0,0.02）;
i=rgb2gray（i）;
J=medfilt2（i）;
imshow（i）,figure,imshow（J）
图像变换：
图像变换是图像处理的重要工具。
通过变换，改变图像的表示域，可以对图像的后继处理带来极大的方便。
例如：
傅立叶变换：
图像的频域分析
离散余弦变换：
使能量集中利于图像压缩。
傅立叶变换的例子：
loadimdemossaturn2
imshow（saturn2）
b=fft2（saturn2）;
figure
imshow（log（abs（b））,[]）
colormap（jet（64））;
Colorbar
离散余弦变换（DCT）：
b=dct2（saturn2）;
figure
imshow（log（abs（b））,[]）
colormap（jet（64））;
Colorbar
matlab中，每个figure都有（而且仅有）一个colormap，翻译过来就是色图。
COLORMAP（MAP）用MAP矩阵映射当前图形的色图。
COLORMAP（'default'）默认的设置是JET.
MAP=COLORMAP获得当前色图矩阵.
COLORMAP（AX,...）应用色图到AX坐标对应的图形，而非当前图形
升级会员 