Matlab中图像函数大全Word文档格式.docx

1、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,pa

2、rameter）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3.1 conv2 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,Nasize（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

3、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。3.2 conv 函数计算多维卷积与 conv2 函数相同3.3 filter2函数计算二维线型数字滤波，它与函数 fspecial 连用Y=filter2（B,X） Y=f

4、ilter2（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） 。3.4 fspeci

5、al 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4.1 imfilte

6、r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： Afft（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。

7、 Afft2（X,MROWS,NCOLS） 其中，MROWS 和 NCOLS 指定对 X 进行零填充后的 X 大小。 Afftn（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Iimread（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 DC

8、T 变换B=dct2（A） B=dct2（A,m,n） B=dct2（A,m,n） Bdct2（A） 计算 A 的 DCT 变换 B ，A 与 B 的大小相同；Bdct2（A,m,n） 和 B=dct2（A,m,n） 通过对 A 补 0 或剪裁，使 B 的大小为 mn。2.2. dict2 函数DCT 反变换B=idct2（A） B=idct2（A,m,n） B=idct2（A,m,n） Bidct2（A） 计算 A 的 DCT 反变换 B ，A 与 B 的大小相同；Bidct2（A,m,n） 和 B=idct2（A,m,n） 通过对 A 补 0 或剪裁，使 B 的大小为 m2.3. dctm

9、tx函数计算 DCT 变换矩阵Ddctmtx（n）Ddctmtx（n） 返回一个 nn 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,

10、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

11、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

12、（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 0NB，缺省值 NB16； OPT 指定了编码的方式（缺省值为 mat），即： OPTrow ，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 ABSOL0 时，返回编码矩阵 ABSOL1 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；c

13、A，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 函数二维离散小波反变换X=idwt2（cA,c

14、H,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 ；,S） 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=waver

15、ec2（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

16、，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 B=uint8（round（A-1） B=uint8（round（A*255） 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

17、符合习惯的存储方法是用无符号整型存储，亮度值范围0,2552.2 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 R G B B 黑 0 1 洋红 1 白 青蓝 红 天蓝 0.67 绿 橘黄 0.5 0 蓝 深红 黄 灰 0.5 0.5 0.5 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 P

18、ink 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643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

19、，0,2552.4 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 Acat（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