matlab常用图像处理函数

imshow和image:

图像的显示是最为重要的，用imshow和image都可以显示图像，但是有一定的区别。用的不对，就会象我最初一样，老是出错，或者得到一张空白图或者是彩色图显示成颗粒状、反相黑白图等等。image是用来显示附标图像，即显示的图像上有x,y坐标轴的显示，可以看到图像的像素大小。imshow只是显示图像。

它们都可以用subplot来定位图像显示的位置，用colormap来定义图像显示用的颜色查找表，比如用colormap(pink)，可以把黑白图像显示成带粉红色的图像，很有趣的。

Matlab读取avi文件，并转换为灰度图:

1.用matlab读取avi电影（只能读一定压缩各式的avi电影）

mov=aviread('highwayI_raw.A VI'); %读入电影highwayI_raw.A VI

movie(mov); %放映电影

2.将电影转成图片序列

aviread(filename, index); % 读取avi文件的第index帧图像；

例：mov = aviread('highwayI_raw.A VI',1) %读取第一帧图像

读取图像以后储存的格式是一个结构体，该结构体有两个元素：cdata和colormap

例：frame = aviread('highwayI_raw.A VI', i);

frame.cdata表示了一个数据数组，彩色图像就是3维的，灰度图像就是2维的。

frame.colormap 见（help aviread)

3.然后就是将彩色图像转换为灰度图像，很简单：

frame = aviread('highwayI_raw.A VI', i);

f_gray = rgb2gray(frame.cdata);

这样就可以将文件的第i帧转换为灰度图像。

imwrite的用法：

imwrite(recover_image, 'recover.jpg', 'jpg');

colormap

定义图像显示用的颜色查找表，比如用colormap(pink)，可以把黑白图像显示成带粉红色的图像，很有趣的。

avi格式视频的读取和显示（Matlab代码）

clear data

disp('input video'); % 显示"input video"

avi = aviread('samplevideo.avi'); % avi: MATLAB movie structure

video = {avi.cdata}; % cdata: M x N x 3 的矩阵用来表示真彩色的图像

for a = 1:length(video) % length(video)表示这段视频的帧数imshow(video{a}) %按帧数顺序显示图像

drawnow; %用于刷新屏幕的。当你的代码执行时间长，需要反复执行plot时，Matlab程序不会马上把图像画到figure上，这时，要想实时看到图像的每一步变化%情况，需要使用这个语句。

end

avi格式视频的读取和倒放（Matlab代码）

clear data

disp('input video'); % 显示"input video"

avi = aviread('samplevideo.avi'); % avi: MATLAB movie structure

video = {avi.cdata}; % cdata: M x N x 3 的矩阵用来表示真彩色的图像

for a = length(video) :-1:1 % length(video)表示这段视频的帧数

imshow(video{a}) %按帧数倒序显示图像

drawnow;

end

ischar()函数

判断给定数组是否是字符数组。

语法格式：tf = ischar(A) 返回逻辑1（true）如果A是字符数组，否则返回0（false）。

应用举例>> cell_arr{1, 1} = 'Hello ,world!'; cell_arr{1, 2} = [1 2 3; 4 5 6]; cell_arr{2, 1} = 1 + 2j; cell_arr{2, 2} = ispc;

>> ischar(cell_arr{1, 1}) ans = 1

>> ischar(cell_arr{1, 2}) ans = 0

>> ischar(cell_arr{2, 1}) ans = 0

>> ischar(cell_arr{2, 2}) ans = 0

rectangle函数

功能：创建二维矩形对象。

rectangle('Position',[x,y,w,h])从点(x,y)开始绘制一个宽w高h的矩形，对坐标轴数据单元指定值。

例：

rectangle('position',[1,1,5,5],'curvature',[1,1],'edgecolor','r','facecolor','g');

'position',[1,1,5,5]表示从（1,1）点开始高为5，宽为5；

'curvature',[1,1]表示x,y方向上的曲率都为1，即是圆弧；

'edgecolor','r'表示边框颜色是红色；

'facecolor','g'表示面内填充颜色为绿色。

axis image off

关闭所有的坐标轴、标签和二维图像标签.

binornd()

此函数生成服从二项分布的随机数。二项分布有2个参数：n,p。考虑一个打靶的例子，每枪命中率为p，共射击N枪，那么一共击中的次数就服从参数为（N,p）的二项分布。注意p要小于等于1且非负，N要为整数。基本语法：

binornd(n,p,[M,N,P,...])

生成的随机数服从参数为(N,p)的二项分布，这些随机数排列成M*N*P... 多维向量。如果只写M，则生成M*M矩阵；如果参数为[M,N]可以省略掉方括号。一些例子：binornd(10,0.3,5,1) %生成5个随机数排列的列向量，一般用这种格式

binornd(10,0.3,5) %生成5行5列的随机数矩阵

binornd(10,0.3,[5,4]) %生成一个5行4列的随机数矩阵

%注：上述语句生成的随机数所服从的参数为(10,0.3)的二项分布

生成的随机数大致的分布。

x=binornd(10,0.45,100000,1);

hist(x,11);

我们可以将此直方图解释为，假设每枪射击命中率为0.45，每论射击10次，共进行10万轮，这个图就表示这10万轮每轮命中成绩可能的一种情况。

unifrnd(20,30,1000,1)

意思是：

产生一个1000*1 的array，这个array中的每个元素为20 到30之间连续均匀分布的随机数

e.g.：

a = unifrnd(20,30,5,1)产生（一种可能，因为是随机数）如下结果：

a =

29.5013

22.3114

26.0684

24.8598

28.9130

类似的，结果是5*1的array，array中的值为20到30之间连续均匀分布的随机值

matlab中im2bw函数的用法

matlab中DIP工具箱函数im2bw使用阈值（threshold）变换法把灰度图像（grayscale image）转换成二值图像。所谓二值图像，一般意义上是指只有纯黑（0）、纯白（255）两种颜色的图像。当然，也可以是其他任意两种颜色的组合。在matlab命令行中键入doc im2b 或help im2bw即可获得该函数的帮助信息。阈值变换比如数组 a = [120, 254, 0, 200, 99]; 设定一个阈值125，并对a进行阈值变换，那么a中凡是大于125的，则变为255，小于等于125的则变为0 （具体对临界情况处理可能不同，不过matlab

中im2bw函数是按照上述方法处理的）这样a经过阈值变换后变为[0, 255, 0, 255, 0] 语法BW = im2bw(I, level) BW = im2bw(X, map, level) BW = im2bw(RGB, level) 其中level就是设置阈值的。level取值范围[0, 1]。例如：>> I = uint8([0, 255, 128, 127, 121, 202]); >> range = getrangefromclass(I) range = 0 255 >> I2 = im2bw(I, 0.5) I2 = 0 1 1 0 0 1 >> I3 = im2uint8(I2) I3 = 0 255 255

0 0 255 getrangefromclass函数能够根据图像数据类型（I的数据类型是uint8）获得图像数据的取值范围。通过这个例子，可以看到，图像I中每个像素的取值范围是0~255，设定阈值为0.5，则图像数据中凡是超过255 * 0.5 = 127.5的都变为255，否则都变为0。

Bwlabel函数

help bwlabel，第一行如示：

BWLABEL Label connected components in 2-D binary image.

这就是说bwlabel是用来标记二维的二值图像中的connected components的，简言之，就是黑背景下面有多少白的块（连通组件？真别扭），反正就是从黑背景甄别白块块的。就这么理解吧。

L = BWLABEL(BW,N) returns a matrix L, of the same size as BW, containing

labels for the connected components in BW. N can have a value of either

4 or 8, where 4 specifies 4-connected objects and 8 specifies

8-connected objects; if the argument is omitted, it defaults to 8.

The elements of L are integer values greater than or equal to 0. The

pixels labeled 0 are the background. The pixels labeled 1 make up one

object, the pixels labeled 2 make up a second object, and so on.

[L,NUM] = BWLABEL(BW,N) returns in NUM the number of connected objects

found in BW.

就是说bwlabel能从一个读入二值图像后产生的BW数组（也可能自己创建，只要符合元素是0或者1就行）中，区别出其中的1有多少块（注：在BW数组中，0代表黑背景，1代表白）

比如

0 1 1 0 0 0 1

0 1 1 0 0 0 1

0 1 1 0 0 0 1

这样的数组中，显然在0背景上有两块1，于是，bwlabe之后返回的L数组是：

0 1 1 0 0 0 2

0 1 1 0 0 0 2

0 1 1 0 0 0 2

（当然，这个我没有实际运行，但应该没问题。）这是什么意思呢？就是说返回的L里面通过1，2，3，。。。。。n来标识某一个位置（像素）属于这个二值图像的第几个connected components。

要更深入的清晰的理解，需要理解这里面联通的定义，实际上，有4-连通（上下左右）和8-连通（八方都算连通）（甚至还有不常用的自定义连通，以后help里看到CONN这样的输入参数的时候才有用）。

如果设两个返回参数，NUM可以返回有多少个区块。

Matlab中的取整函数

floor 向下取整

>> a=1.4;

>> b=floor(a)

b =

1

ceil向上取整

>> b=ceil(a)

b =

2

fix向零取整

>> a=[-1.9,1.9];

>> b=fix(a)

b =

-1 1

round 四舍五入取整

>> a=[0.4 0.5];

>> b=round(a)

b =

0 1