Matlab中图像函数大全Word文件下载.docx
《Matlab中图像函数大全Word文件下载.docx》由会员分享，可在线阅读，更多相关《Matlab中图像函数大全Word文件下载.docx（14页珍藏版）》请在冰豆网上搜索。
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；
C=conv2（...,'
）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o：
》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
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。
u
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）
X=idwt（cA,cD,'
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
二维离散小波变换
[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HFS）
[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
二维离散小波反变换
X=idwt2（cA,cH,cV,cD,'
X=idwt2（cA,cH,cV,cD,Lo_R,Hi_R）
X=idwt2（cA,cH,cV,cD,'
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
二维信号的多层小波重构
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。
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，所需存储量很大；
MATLAB还支持另一种类型无符号整型（uint8），即图像矩阵中每个数据占用1个字节。
在使用MATLAB工具箱时，一定要注意函数所要求的参数类型。
另外，uint8与double两种类型数据的值域不同，编程需注意值域转换。
从uint8到double的转换
---------------------------------------------
图像类型
MATLAB语句
索引色
B=double（A）+1
索引色或真彩色B=double（A）/255
二值图像
B=double（A）
从double到uint8的转换
索引色
B=uint8（round（A-1））
索引色或真彩色B=uint8（round（A*255））
二值图像
B=logical（uint8（round（A）））
2.图像处理工具箱所支持的图像类型
2.1真彩色图像
R、G、B三个分量表示一个像素的颜色。
如果要读取图像中（100,50）处的像素值，可查看三元数据（100,50,1:
3）。
真彩色图像可用双精度存储，亮度值范围是[0,1]；
比较符合习惯的存储方法是用无符号整型存储，亮度值范围[0,255]
2.2索引色图像
包含两个结构，一个是调色板，另一个是图像数据矩阵。
调色板是一个有3列和若干行的色彩映象矩阵，矩阵每行代表一种颜色，3列分别代表红、绿、蓝色强度的双精度数。
注意：
MATLAB中调色板色彩强度[0,1]，0代表最暗，1代表最亮。
常用颜色的RGB值
--------------------------------------------
颜色RGB
颜色RGB
黑
001
洋红101
白
111
青蓝011
红
100
天蓝0.6701
绿
010
橘黄10.50
蓝
深红0.500
黄
110
灰0.50.50.5
产生标准调色板的函数
-------------------------------------------------
调色板
Hsv
色彩饱和度，以红色开始，并以红色结束
Hot
黑色－红色－黄色－白色
Cool
青蓝和洋红的色度
Pink
粉红的色度
Gray
线型灰度
Bone
带蓝色的灰度
Jet
Hsv的一种变形，以蓝色开始，以蓝色结束
Copper线型铜色度
Prim
三棱镜，交替为红、橘黄、黄、绿和天蓝
Flag
交替为红、白、蓝和黑
--------------------------------------------------
缺省情况下，调用上述函数灰产生一个64×
3的调色板，用户也可指定调色板大小。
索引色图像数据也有double和uint8两种类型。
当图像数据为double类型时，值1代表调色板中的第1行，值2代表第2行……
如果图像数据为uint8类型，0代表调色板的第一行，，值1代表第2行……
2.3灰度图像
存储灰度图像只需要一个数据矩阵。
数据类型可以是double，[0，1]；
也可以是uint8，[0,255]
2.4二值图像
二值图像只需一个数据矩阵，每个像素只有两个灰度值，可以采用uint8或double类型存储。
MATLAB工具箱中以二值图像作为返回结果的函数都使用uint8类型。
2.5图像序列
MATLAB工具箱支持将多帧图像连接成图像序列。
图像序列是一个4维数组，图像帧的序号在图像的长、宽、颜色深度之后构成第4维。
分散的图像也可以合并成图像序列，前提是各图像尺寸必须相同，若是索引色图像，调色板也必须相同。
可参考cat（）函数A＝cat（4,A1,A2,A3,A4,A5）
3.MATLAB图像类型转换
图像类型转换函数
---------------------------------------------------------------------------
dither
图像抖动，将灰度图变成二值图，或将真彩色图像抖动成索引色图像
gray2ind
将灰度图像转换成索引图像
grayslice
通过设定阈值将灰度图像转换成索引色图像
im2bw
通过设定亮度阈值将真彩色、索引色、灰度图转换成二值图
ind2gray
将索引色图像转换成灰度图像
ind2rgb
将索引色图像转换成真彩色图像
mat2gray
将一个数据矩阵转换成一副灰度图
rgb2gray
将一副真彩色图像转换成灰度图像
rgb2ind
将真彩色图像转换成索引色图像
4.图像文件的读写和查询
4.1图形图像文件的读取
利用函数imread（）可完成图形图像文件的读取，语法：
A=imread（filename,fmt）
[X,map]=imread（filename,fmt）
[...]=imread（filename）
升级会员 