浅析imageimagescimageshow的用法.docx
《浅析imageimagescimageshow的用法.docx》由会员分享，可在线阅读，更多相关《浅析imageimagescimageshow的用法.docx（11页珍藏版）》请在冰豆网上搜索。
浅析imageimagescimageshow的用法
浅析image,imagesc,imageshow的用法
浅析image,imagesc,imshow的用法
1、显示RGB图像
相同点：
这三个函数都是把m*n*3的矩阵中的数值当做RGB值来显示的。
区别：
imshow将图像以原始尺寸显示，image和imagesc则会对图像进行适当的缩放，注意这里只是图像显示的尺寸。
2、显示灰度图像
说明：
先搞明白什么是索引图像？
（灰度图像也是索引图像的一种）
当用Matlab中的imread函数将图像读入并存入矩阵时，我们知道如果是RGB图像，得到是m*n*3的矩阵，但如果是索引图像，得到就是m*n的矩阵，这个矩阵的每个元素只是1个数值，那么怎么确定它的RGB值来显示图像呢？
这就需要colormap了，colormap是一个m*3的矩阵，每一行有3列元素构成RGB组，也就是一种颜色，一个m*3的colormap中有m中颜色，而索引图像存储的数值和colormap中的行号对应起来就可以像RGB那样显示图片了，至于对应方法，可以直接对应（比如1对应1,2对应2）也可以是线性映射对应（比如[-128,128]映射到[1,256]）。
还有一点要说明的是，默认情况下每一个figure都有且仅有一个colormap,而且默认的是jet（64），可在figure窗口通过，edit->colormap...查看，另外在弹出的窗口colormapeditor中，可通过Tools->Standardcolormap来修改当前figure的colormap，这里是Matlab已经做好的一些colormap。
（1）当灰度图像转化成矩阵后，矩阵中的元素都介于[0,255]
下面我们结合具体实例来看看这三个函数的调用效果，并解释原因。
代码：
clearall;clc;closeall;
img=imread（'lenna.bmp'）;
%mypictureisnamedlenna.bmpwhileyoursmaybenot
I=rgb2gray（img）;
%Attention:
weusetheaxisofftogetridoftheaxis.
figure
（1）,image（I）;%equalstoimagesc（I,[164]）;youcantryit.
colorbar,title（'showbyimageinfigure1'）;axisoff;
figure
（2）,imagesc（I）;
%equalstoimagesc（I,[min（I（:
））max（I（:
））]）;youcantryit.
colorbar,title（'showbyimagescinfigure2'）;axisoff;
%colormap（gray）%usethisstatementyoucangetagrayimage.
figure（3）,imshow（I）,colorbar,title（'showbyimshowinfigure3'）;
显示效果：
我们看到现象是image和imagesc显示出来是彩色的，只有imshow显示出来时灰度图像，为什么会出现这种情况呢？
还记得前面所说的吗，索引图像是矩阵和colormap配合起来显示的，而每个figure默认使用的colormap是jet（64），而不是gray（gray和gray（64）是一样的），这个jet（64）就使得figure1和figure2中显示出来时是彩色的，当然你也可以修改当前figure的colormap使用colormap（gray）,（使用64个等级的灰度色图）或者colormap（gray（256））（使用256个等级的灰度色图，这就是调用imshow函数时使用的colormap，后面有讲解）。
而figure3为什么会是灰度图像呢，这是因为当调用imshow来显示索引图像时，这个函数就会把当前的figure的colormap设置成gray（256）,这下明白为什么会出现这种情况了吧。
我们再仔细观察一下figure1和figure2会发现，figure2中人物的轮廓显示的还算可以，而figure1中则出现了大面积的红色的区域，人物的轮廓被抹掉了很多。
为什么会出现这样的情况呢？
这就要说说索引图像矩阵中的数（以下简称矩阵中的数）和colormap中的索引（index）的对应关系了。
image：
这个函数，直接把矩阵中的数当做索引值（我称为直接映射），例如colormap中索引为1的是颜色RGB1，索引为2的是颜色RGB2，……，索引为64的是颜色RGB64。
那么矩阵中为1的数就显示成颜色RGB1，矩阵中为2的数就显示成颜色RGB2，……，矩阵中为64的数就显示成颜色RGB64，值得注意的是当矩阵中的数小于1时，此时该数也将被显示成颜色RGB1，同样，而矩阵中大于64的数将被显示成颜色RGB64（类似于信号处理里面的限幅，也可以认为是削顶或者削底了），这下我们就能明白为什么figure1中会出现大面积的红色区域，这说明这些地方的数值都大于等于64。
imagesc:
在figure2中我们用imagesc来显示图像与figure1相比能较好的显示出来，同样我们也得搞明白调用imagesc时矩阵的数和colormap中索引的对应关系，与image不同的是imagesc采用的不是直接映射而是线性映射，至于什么是线性映射，我粗略的说一下，比如把区间A=[0,a]映射到区间B=[0,b]我们对A中的元素做A/a*b就可以了，矩阵的数到colormap索引的线性映射大概就是这样，Matlab会自动获取矩阵中数的最小值和最大值，并把区间[Cmin,Cmax]映射到colormap的[最小索引，最大索引]比如[1,64],然后再根据这个对应关系把图像显示出来，具体的算法细节是Matlab确定的，当然也可以自己指定显示范围，比如一副索引图像I范围为[27,218]，而我只想显示[164],使用命令imagesc（I,[164]）就可以了，如果你把上面程序中的imagesc（I）换成imagesc（I,[1,64]），那么figure2中的效果就和figure1中一样了，因为只是把[1,64]这个范围映射到色图，超过的都被认为是64。
关于映射，我截图Matlab中imagesc的help页给大家看看，这里要自己慢慢体会哦，使用imagesc（I）这种线性映射就可以用到整个色图从而将图像较好的显示出来，这就是figure2中的显示效果比figure1中好的原因。
imshow：
调用这个函数会把当前figure的colormap设置成gray（256），这个前面也有提到，我们先讨论矩阵元素是uint8型（范围：
0~255，整数，一般使用imread和rgb2gray返回的都是uint8型的），同样我们也要搞明白矩阵中的数和colormap中颜色索引的对应关系，imshow的功能是比较全的，他即可使用像image那样的直接映射，也可使用像imagesc那样的线性映射，当我们使用imshow（I），即只有一个矩阵作为参数，这是采用的是直接映射，比如矩阵中元素0就显示成colormap中索引为1的颜色也就是黑色，矩阵中元素255就显示成colormap中索引为256的颜色也就是白色，（注意：
uint8范围是0~255，而gray（256）的索引是1:
256，当然这些我们只要了解就可以了，编程并不会用到，因为这些对应的细节Matlab已经帮我们做好了）
如果这样调用imshow（I,[]），此时矩阵中的数和颜色表就是线性映射，为什么会这样，我解释一下，我们看这种调用方式和imagesc（I,[164]）很相似，其实原理是一样的，第二个参数是一个向量，这个向量指定了矩阵中映射到颜色表的数的范围，也就是显示范围（Matlab里叫做displayrange）前面已经介绍了，Matlab中imshow的help中说如果采用imshow（I,[lowhigh]）调用imshow的话而且你用[]代替[lowhigh]那么imshow会使用[min（I（:
））max（I（:
））]作为显示范围，也就说I中的最小值会显示成黑色，最大值会显示成白色，这其实就是整个范围的线性映射（没有削顶也没有削底），此时的imshow（I,[]）函数就相当于imagesc（I）;
为了说明imshow不仅具有image的功能也具有imagesc的功能，同时体会一下直接映射和线性映射的区别，我们来写一段小程序来测试一下，程序如下：
clearall;clc;closeall;
img=imread（'lenna.bmp'）;
I=rgb2gray（img）;
figure
（1）,image（I）;colormap（gray（256））;
colorbar,title（'showbyimageinfigure1'）;axisoff;
figure
（2）,imagesc（I）;colormap（gray（256））;
%Wecanseethattheimageshowedinfigure
（2）isalittlebright
%thaninfigure
（1）.
colorbar,title（'showbyimagescinfigure2'）;axisoff;
%Whenweusetheimshow,wedonotneedtosetthecolormap,
%becausetheimshowsetthecolormaptogray（256）automatically.
figure（3）,imshow（I）,colorbar,title（'showbyimshow（I）infigure3'）;
%Theeffectivenessinfigure（3）isthesameasinfigure
（1）.
figure（4）,imshow（I,[]）,colorbar,title（'showbyimshow（I,[]）infigure3'）;
%Theeffectivenessinfigure（4）isthesameasinfigure
（2）.
显示效果：
我们可以看出figure2中的图像比figure1中的图像要亮一些，而且，figure3中的显示效果和figure1中是一样的，figure4中的显示效果和figure2中是一样的，为什么会这样呢？
这是因为image（I）和imshow（I）是将I中的值直接作为colormap（gray（256））中的索引，也就是我所说的直接映射，我这里读到的索引图像矩阵也就是I中的是值的范围是[27,218],也就是说直接映射显示I,只用到的色图（colormap）上[27,218]范围的颜色（比如表示白色的索引255就没有用到）。
但线性映射就不一样了，imagesc（I）,和imshow（I,[]）采用的就是线性映射，线性映射把[27,218]按照线性算法（Matlab写的）映射到色图索引[1,256]然后再显示出来，这样整个色图的颜色都被用到了，这里也可以认为把[27,218]放大到[1,256]，这就是figure2中显示效果比figure1中亮的原因。
小结：
直接映射和线性映射的区别在于映射到色图的数值范围，如果是[min（I（:
））max（I（:
））]就是线性映射，如果是0-255或者1-64或者0-1就是直接映射。
这个数值范围就叫做显示范围（displayrange）。
3、最后在说说image，imagesc,imshow在显示double型数据时的用法，
我们做图像处理就会对图像进行运算，使用uint8型数据精度不高，因为当运算结果超过255时会被认为是255，而负数就会被认为是0（注意在Matlab中数据默认采用double型（64位）进行存储和运算）所以，我们读到灰度图像后一般都会将图像转换成double型（I=double（I））然后再参与运算，运算的结果有正有负，也有小数，正的还可能超过255，比如我经过运算后的得到图像矩阵I，假如I的范围是[-187,152]，当然你也可以用max（I（:
））和min（I（:
））去获取，这时怎么显示图像呢？
image,imagesc,imshow都可以用来显示double型数据的图像矩阵，主要区别如下：
image：
将double型数据取整（正数取整就是把小数部分舍掉）然后使用直接映射的方法按照颜色表显示。
imagesc：
这个函数很好，会对数据进行缩放再显示，也就是把显示范围自动设置成[min（I（:
））max（I（:
））]，也就是线性映射。
imshow:
这个函数调用方式不同，显示效果也不同，如下：
imshow（I）：
直接调用，因为当图像为double型时imshow函数会把显示范围设置成[0,1],这样小于0的就变成黑色了，大于1的就变成白色了，所以处理不当就会出现全白的情况。
imshow（I/（max（I（:
）））：
针对直接调用imshow函数出现的问题，用max（I（:
））对图像矩阵进行归一下再显示，这样负数部分会变黑，正数部分还可以正常显示，但有一部分信息丢失了。
imshow（uint8（I））：
这种方式把I转化成uint8，负数会被归零，超过255的被置为255，而且小数也会被round（四舍五入），当参数为uint8型时，imshow函数把显示范围设置成[0,255]，这样图像虽然也能显示出来，但与原始数据相比来说，丢掉很多信息，但有时可能却是想要的结果，这个要看具体情况。
imshow（I,[]）：
这种方式就是把imshow的显示范围设置成[min（I（:
））max（I（:
））]，也就是线性映射，相当于imagesc（I）,colormap（gray（256））可以将整幅图像的信息显示出来。
综上所述，大家根据自己实际需要选用显示函数和对应的参数，这些是我自己研究学习的心得，表述难免有些疏漏，有发现严重错误的，可以给我留言，但可以给大家一个感性的认识，从云里雾里的困境里走出来。
升级会员 