MatlabDIP使用手册Word格式文档下载.docx
《MatlabDIP使用手册Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《MatlabDIP使用手册Word格式文档下载.docx（16页珍藏版）》请在冰豆网上搜索。
matclose关闭mat文件
magetfp取得mat文件的c语言句柄
matGetArray取得一个数组
–m文件：
编写Matlab源代码的文件。
–asv文件：
是.m文件自动保存的时候产生的临时文件，程序非正常退出的时候恢复用的，可以用记事本打开看一下，如果matlab正常关闭的话，删掉没影响。
在file-preference-Editor/debugger-autosave里可以改设置。
二．Matlab的安装
1.Win7系统必须安装Matlab2006b或以上版本。
2.其余系统可安装Matlab6.5和以上版本。
3.务必安装帮助文件（Help），便于自学和检索。
三．Matlab常用工具箱
Matlab包含拥有数百个内部函数的主工具箱（MatlabMainToolbox）和30多种工具箱（toolbox）。
工具箱又可分为功能性工具箱和学科工具箱。
–功能性工具箱：
用来扩充Matlab的符号计算、可视化建模仿真、文字处理和实时控制等功能；
–学科工具箱：
是专业性比较强的工具箱，如图像处理工具箱（ImageProcessingToolbox）、控制系统工具箱（ControlSystemToolbox）、信号处理工具箱（SignalProcessingToolbox）、神经网络工具箱（NeuralNetworkToolbox）等都属于此类。
开放性使得Matlab广受用户欢迎。
这些附加的工具箱，及单独提供的专用Matlab函数集，扩展了Matlab环境，以解决这些应用领域内特定类型的问题。
除内部函数外，所有Matlab主工具箱和各种工具箱都是可读、可修改的文件，用户通过对源代码的修改或加入自己编写的程序可构造新的专用工具箱。
图像处理工具箱是由一系列支持图像处理操作的函数组成的。
所支持的图像处理操作有：
图像的几何操作、邻域和区域操作、图像变换、图像恢复与增强、线性滤波和滤波器设计、变换（如DCT变换等）、图像分析和统计、二值图像操作等。
举例说明：
1．图像文件的读写和显示。
Matlab提供了图像文件读入函数imread（），用来读取如：
bmp、tip、jpg、gif、pcx、tiff、gpeg、hdf、png等各种格式的图像文件；
图像写入函数imwrite（），图像显示函数image（），imshow（）等。
2．图像处理的基本运算。
Matlab提供了图像的和、差等线性运算，以及卷积、相关、滤波等非线性运算。
conv2（I,J）实现了I,J两幅图像的卷积。
3．图像变换。
Matlab提供了一维和二维离散傅立叶变换（DFT）、快速傅立叶变换（FFT）、离散余弦变换（DCT）及其反变换函数、连续小波变换（CWT）、离散小波变换（DWT）及其反变换等多种变换函数。
4．图像分析和增强。
针对图像的统计计算，Matlab提供了直方图均衡、中值滤波、对比度调整、图像校正、自适应滤波等对图像进行的处理。
5．图像的数学形态学处理。
针对二值图像，Matlab提供了丰富的数学形态学运算函数：
腐蚀（Erode）、膨胀（Dilate）算子、以及在此基础上的开（Open）、闭（Close）算子、厚化（Thicken）、薄化（Thin）算子。
由相应的Matlab函数来实现不同的应用，使用时，只需要按照函数的调用语法正确输入函数参数即可。
具体用法可参考Matlab的帮助文档。
Matlab的相关图像文件都放在：
C:
\MATLAB6p5\toolbox\images\imdemos目录下。
常用的例子：
如rice.tif、cameraman.tif等。
四．使用简单的Matlab命令进行DIP
在Matlab的命令窗口
1．读图像文件
–i=imread（filename）%文件名用单引号；
i是数组变量
–如：
i=imread（‘rice.tif’）
2．查看图像文件信息
–info=imfinfo（filename）
–信息包括：
文件名（完整路径）；
文件大小；
图像的长和宽；
XY方向分辨率。
。
3．图像显示
–imshow（i）%i为用imread读取的图像数据
4．增加颜色条显示：
–colorbar
>
>
a=imread（‘rice.tif’）
>
colorbar
5．显示直方图：
imhist（I）
6．直方图均衡化：
J=histeq（I）
–例:
I=imread（'
rice.tif'
）;
J=histeq（I）;
%也可用J=histeq（I,64）,指定均衡化后的图像灰度级为64
subplot（2,2,1）,imshow（I）;
%显示原图像
subplot（2,2,2）,imhist（I）;
%显示原直方图
subplot（2,2,3）,imshow（J）;
%显示均衡化后的图像
subplot（2,2,4）,imhist（J）;
%显示均衡化后的直方图
五．编写m文件
新建一个m文件，将一系列相关的代码直接编写到m文件中，保存。
Matlab以解释的方式执行m文件。
六．注释和说明
【附录】Matlab图像处理函数大全
（一）图像增强
1.直方图均衡化的Matlab实现
1.1imhist函数
功能：
计算和显示图像的色彩直方图
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。
1.2imcontour函数
显示图像的等灰度值图
imcontour（I,n）,imcontour（I,v）
n为灰度级的个数，v是有用户指定所选的等灰度级向量。
1.3imadjust函数
通过直方图变换调整对比度
J=imadjust（I,[lowhigh],[bottomtop],gamma）
newmap=imadjust（map,[lowhigh],[bottomtop],gamma）
J=imadjust（I,[lowhigh],[bottomtop],gamma）其中，gamma为校正量r，[lowhigh]为原图像中要变换的灰度范围，[bottomtop]
指定了变换后的灰度范围；
newmap=imadjust（map,[lowhigh],[bottomtop],gamma）调整索引色图像的调色板map。
此时若[lowhigh]和
[bottomtop]都为2×
3的矩阵，则分别调整R、G、B3个分量。
1.4histeq函数
直方图均衡化
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,...）
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,...）返回从能将图像I的灰度直方图变换成
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
J=imnoise（I,type）
J=imnoise（I,type,parameter）
J=imnoise（I,type）返回对图像I添加典型噪声后的有噪图像J，参数type和parameter用于确定噪声的类型和相应的参数。
3.图像滤波的Matlab实现
3.1conv2函数
计算二维卷积
C=conv2（A,B）
C=conv2（Hcol,Hrow,A）
C=conv2（...,'
shape'
）
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；
）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]。
3.2conv函数
计算多维卷积
与conv2函数相同
3.3filter2函数
计算二维线型数字滤波，它与函数fspecial连用
Y=filter2（B,X）
Y=filter2（B,X,'
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,'
），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）。
3.4fspecial函数
产生预定义滤波器
H=fspecial（type）
H=fspecial（'
gaussian'
n,sigma）
高斯低通滤波器
sobel'
）
Sobel水平边缘增强滤波器
prewitt'
Prewitt水平边缘增强滤波器
laplacian'
alpha）
近似二维拉普拉斯运算滤波器
log'
高斯拉普拉斯（LoG）运算滤波器
average'
n）
均值滤波器
unsharp'
模糊对比增强滤波器
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
4.1imfilter函数
真彩色增强
B=imfilter（A,h）
将原始图像A按指定的滤波器h进行滤波增强处理，增强后的图像B与A的尺寸和类型相同
（二）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：
图像的二维傅立叶频谱
%读入原始图像
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
二维DCT变换
B=dct2（A）
B=dct2（A,m,n）
B=dct2（A,[m,n]）
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
DCT反变换
B=idct2（A）
B=idct2（A,m,n）
B=idct2（A,[m,n]）
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×
2.3.dctmtx函数
计算DCT变换矩阵
D＝dctmtx（n）
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.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
一维离散小波变换
[cA,cD]=dwt（X,'
wname'
[cA,cD]=dwt（X,Lo_D,Hi_D）
）使用指定的小波基函数'
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
一维离散小波反变换
X=idwt（cA,cD,'
X=idwt（cA,cD,Lo_R,Hi_R）
L）
X=idwt（cA,cD,Lo_R,Hi_R,L）
）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。
'
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。
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
对数据矩阵进行伪彩色编码
Y=wcodemat（X,NB,OPT,ABSOL）
Y=wcodemat（X,NB,OPT）
Y=wcodemat（X,NB）
Y=wcodemat（X）
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
col'
，按列编码
，按整个矩阵编码
ABSOL是函数的控制参数（缺省值为'
1'
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
[cA,cH,cV,cD]=dwt2（X,'
[cA,cH,cV,cD]=dwt2（X,Lo_D,Hi_D）
）使用指定的小波基函数'
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
二维信号的多层小波分解
[C,S]=wavedec2（X,N,'
[C,S]=wavedec2（X,N,Lo_D,Hi_D）
）使用小波基函数'
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
X=idwt2（cA,cH,cV,cD,'
X=idwt2（cA,cH,cV,cD,Lo_R,Hi_R）
S）
X=idwt2（cA,cH,cV,cD,Lo_R,Hi_R,S）
）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；
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
X=waverec2（C,S,'
X=waverec2（C,S,Lo_R,Hi_R）
）由多层二维小波分解的结果C、S重构原始信号X，'
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。
（三）图像处理工具箱
1.图像和图像数据
缺省情况下，MATLAB将图像中的数据存储为双精度类型（double），64位浮点
数，所需存
升级会员 