2019年最新-matlab图像处理命令-精选文档
MATLAB图像处理基础教程
MATLAB图像处理基础教程第一章：MATLAB图像处理简介MATLAB（Matrix Laboratory）是一种强大的数值计算和数据可视化软件，广泛应用于各个领域，包括图像处理。
图像处理是一门研究如何对数字图像进行分析、增强、重建和压缩的学科。
本教程将引导读者逐步了解MATLAB图像处理的基本概念和技术。
第二章：MATLAB图像的读取与显示在MATLAB中，可以使用imread函数读取不同格式的图像文件，并使用imshow函数显示图像。
此外，还可以使用imfinfo函数获取图像的详细信息，如分辨率、颜色空间和位深度等。
第三章：图像的灰度处理灰度处理是一种常见的图像预处理方法。
通过将彩色图像转换为灰度图像，可以减少图像的数据量，简化图像处理的复杂性。
在MATLAB中，可以使用rgb2gray函数将彩色图像转换为灰度图像，并使用imhist函数查看灰度图像的直方图。
第四章：图像的滤波处理滤波是一种常用的图像处理操作，用于对图像进行平滑、增强或去噪。
MATLAB提供了各种滤波函数，如均值滤波、中值滤波和高斯滤波等。
可以根据具体需求选择合适的滤波方法，并使用imfilter函数进行滤波处理。
第五章：图像的二值化处理图像的二值化是将图像转换为黑白两色的过程，常用于物体检测、识别和分割等应用。
在MATLAB中，可以使用im2bw函数将灰度图像转换为二值图像，并可以调整阈值来控制二值化的效果。
第六章：图像的几何变换几何变换是一种常见的图像处理操作，用于对图像进行旋转、缩放、平移和翻转等操作。
MATLAB提供了imrotate、imresize、imtranslate和flip函数等实现各种几何变换。
通过组合这些函数，可以实现复杂的图像变换。
第七章：图像的特征提取图像的特征提取是图像处理中的重要步骤，用于从图像中提取出具有代表性的信息。
在MATLAB中，可以使用各种特征提取函数，如imgradient、imhistogram和imcontour等。
MATLAB图像处理
附2
MATLAB的数字图像处理
●所谓数字图像处理（digital image processing），就是 利用计算机对图像进行去除噪声、增强、恢复、分割、
提取特征等的理论、方法和技术。
1 数字图像的基本概念
● 图像分辨率 清晰度 绝对清晰度 视觉效果
● Resolution (分辨率)单位
dpi (display pixels / inch)
汉王指纹考勤机
指纹识别系统
纹形（箕形、斗形、弓形） 模式区 全局特征（描述了 指纹的总体结构） 核心点 三角点
指纹的基本特征
纹数
局部特征（指指纹纹乱上的节点的特征，这 些特征提供了指纹唯一性的确认信息）
指纹识别系统
纹形可以分为箕形、弓形、斗形，如下图所示。其他的 指纹图案都是基于这三种基本图案
箕形纹
●
位图
MATLAB数字图像处理中的指令用法
• • • • • •
imshow(BW)显示一张二值图像BW imshow(X,map)用指定的调色板来显示图像 imshow(RGB)显示一张真彩色图像RGB imshow(...,display_option) imshow(x,y,A,...) imshow filename
• • • •
• • • • •
13.meshgrid
• • • • • • • • • • • • • • 函数功能生成绘制3-D图形所需的网格数据。在计算机中进行绘图操作时， 往 往需要一些采样点，然后根据这些采样点来绘制出整个图形。在进行3-D绘图 操作时，涉及到x、y、z三组数据，而x、y这两组数据可以看做是在Oxy平面 内对坐标进行采样得到的坐标对(x, y)。 例如：画一个128*128，截止频率为15的理想滤波器 for u=1:128 for v=1:128 if sqrt((u-64)^2+(v-64)^2)<=15 H(u,v)=1; else H(u,v)=0; end end end imshow(H); [u,v]=freqspace(128,'meshgrid'); figure,mesh(u,v,H)
• matlab中，每个figure都有（而且仅有）一个colormap，翻 译过来就是色图。 • COLORMAP(MAP) 用MAP矩阵映射当前图形的色图。 • COLORMAP('default') 默认的设置是 JET. • MAP = COLORMAP 获得当前色图矩阵. • COLORMAP(AX,...) 应用色图到AX坐标对应的图形，而非当 前图形. • MAP实际上是一个mx3的矩阵，每一行的3个值都为0-1之 间数，分别代表颜色组成的rgb值，[1 0 0] 代表红色，[0 1 0]代表绿色，[0 0 1]代表蓝色。系统自带了一些colormap， 如：winter、autumn等。输入winter，就可以看到它是一 个64x3的矩阵。用户可以自定义自己的colormap，而且不 一定是64维的。
matlab画图常用命令
matlab画图常用命令clc 清理命令窗口历史内容clear 清除所有内存存储的变量值clf 清除图形whos 显示各变量信息sqrt 开方edit 开编辑窗口linspace(a,b,N) 定义等差数列，a初值，b末值，N步数（即数据个数）logspace(a,b,N) 定义等比数列，初值10^a，末值10^b，N步数（即数据个数）A.*B 矩阵点乘，对应项相乘A./B 矩阵点除A.^B 矩阵点方（指数相同也要用点方）A=[a:n:b] 定义以a为开始，步长为n的等差数列，最后一个数不超过b（n省略代表步长为1）A' 矩阵转置A=[B,C;D] 矩阵拼凑e *10^exp e^format long 后续数据显示小数点后15位format short 后续数据显示小数点后4位format bank 后续数据显示小数点后2位（不适用于复数）format long/short e 后续数据科学技术法显示，并且小数点后15位/4位format long/short eng 后续数据类似科学技术法显示，但指数保持为3的整数倍，并且有效位数（15位+1/4位+1）format + 矩阵中各元素只显示正负，零为空格format rat 以分数形式显示有理数format long/short g Matlab自定最优显示load/save +文件名载入/储存工作区数据rem(a,b) a/b的余数size(A) A矩阵的大小[行数列数]ylim([0,1])help 打开帮助界面help+帮助界面中对应标题查看对应函数的使用nthroot(x,n) x的n次实数根sign(x) x大于零输出1；x等于零输出0；x小于零输出-1log10(x) lg(x)log(x) ln(x)【注：logb(a)=ln(a)/ln(b)】fix(x) 取整round(x) 对x四舍五入floor(x) 对x向负取整ceil(x) 对x向正取整factor(x) 对x因式分解gcd(a,b) 求a,b最大公约数lcm(a,b) 求a,b最小公倍数rats(x) 用分数表示xfactorial(x) x!nchoosek(n,k) 组合数n选kprimes(x) 找出小于x的素数isprime(x) x是素数，返回1sin(),cos(),tan()... 自变量为弧度asin(),acos(),atan()... 结果为弧度max(x),min(x) x适量中的最大、最小值[a,b]=max(A) A为一行时，a为最大值，b为最大值单行位置A为m行n列时，a为m行向量，对应各列最大值，b为m行向量，对应各列最大值在该列位置多个最大值时，位置默认第一个max(A,B) A、B同大，结果为A,B中对应位置最大值的汇总矩阵mean()/median()/mode() 求平均值/中位数/众数（众数选最小值）cumsum/cumprod(A) 求A的累加/累乘结果，生成与A同大小矩阵，（列运算）单矩阵运算sum/prod(A) A矩阵列求和/求积或求行向量和/积sort(A)/sort(A,'descend') 将A升序/降序排列（行向量自身升序/降序，矩阵列升序/降序）sortrows(A,n) 按第n列排列各行，n正升序，n负降序，n省略第一列升序size(x)/[a,b]=size(x) 返回[行数,列数]/给a、b赋值length(A) 矩阵A的最大长度（行数和列数的最大值）std(A) 求A的标准差（行向量自身求解，矩阵列求解）var(A) 求A的方差（行向量自身求解，矩阵列求解）rand/randn(m,n) 生成（0,1）m×n随机数矩阵/生成均值为0，标准差为1的高斯随机数矩阵（正态分布）【通过randn(m,n)*std+mean可得到均值为mean，标准差为std的正态分布随机数矩阵】A+B*i(complex(A,B)) 生成复数或复数矩阵real(A)/imag(A) 求实部/虚部isreal(A) 实数返回1coni(A) 求共轭【或用A'也可，但会发生行列互换】x为复数时abs(x)/angle(x) 求复数的模，与水平方向的夹角realmax/realmin 返回MATLAB能够使用的最大/最小浮点数intmax/intmin 返回MATLAB能够使用的最大/最小整数pi/i/j 圆周率/虚数/虚数clock 当前时间（一般使用fix（clock）增加可读性）date 返回日期，以字符串形式eps 返回MATLAB最小间隔矩阵A(n,:)/(:,m)【A(n,end)/(end,m)】A矩阵的第n行【最后一列】/第m列【最后一行】[A,B]=meshgrid(a,b),A.*B a,b为行向量，运行结果得a*b的m*n 维矩阵【meshgrid(x)等价于meshgrid(x,x)】zeros(m)/(m,n) m*m/m*n全零矩阵ones(m)/(m,n) m*m/m*n全一矩阵diag(A) 取对角元素为列向量diag(x) 若x为行向量或列向量，结果为对角阵其他元素为零diag(A,n/-n) 对角线右上/左下第n斜线上的元素fliplr(A)/flipud(A) A矩阵列/行进行对称翻转magic(m) 创建m*m维魔方矩阵作图xlabel/ylabel('') 添加x/y轴坐标title('') 添加表头grid 使图像出现网格figure(x) 创建或打开figure x窗口，之后作图均在该窗口进行hold on 保持图像窗口中之前的图像，进而在此作图不会清除之前图像（hold off取消）plot(x1,y1,x2,y2) 同时做两个图像plot(x) x为行向量，则以点数1至n为横轴，x为纵轴作图，按顺序依次连线plot(A) A为m*n矩阵，则图像为那条曲线，每条曲线横轴均为1至m，纵轴为相应列对应值plot(x,A) 以x为横轴，A的每一列为纵轴作图(x与A同维)plot(A,B) A与B需同维，对应列分别作为横轴和纵轴作图plot('标识符') 线型：-实线:点-.点画线--虚线点型：.点o圆圈xx形状+加号*星号s方形d菱形v下三角^上三角<左三角>右三角p五角星h六角星颜色：b蓝色g绿色r红色c青色m洋红色y黄色k黑色w白色【注】，多重输出可多重设定axis([a,b,c,d]) 限制图像x轴在[a,b]，y轴在[c,d]legend('string1','string2',etc) 按照作图顺序添加图注text(x,y,'string') 在（x,y）处添加文本‘string’gtext('string') 添加文本‘string’,位置由鼠标点击确定【注】（适用于string形式）输入希腊字母需要'\'+希腊字母读法；^ 可出现上标，_ 可出现下标若想输出_或^，可用\+相应符号subplot(m,n,k) 将图形窗口划分成m行n列，所有的绘图操作都在一行一行数的第k个子图中进行【注】clf针对消除一个figure窗口内的内容，而plot等一系列操作针对一个子图中，且hold on/off被限于特定一个子图中，不影响其他子图polar(x,y) 绘制极图semilogx/semilogy(x,y) x轴对数，y轴线性/x轴线性，y轴对数作图loglog(x,y) 双对数坐标作图bar(x)/barh(x) x为矢量时，按x绘制垂直/水平条形图x为矩阵时，按各行分组绘制垂直/水平条形图bar3(x)/bar3h(x) 同上，绘制三维条形图pie(x)/pie3(x) 绘制（三维）饼状图。
(完整版)数字图像处理MATLAB程序【完整版】
第一部分数字图像处理实验一图像的点运算实验1.1 直方图一．实验目的1．熟悉matlab图像处理工具箱及直方图函数的使用；2．理解和掌握直方图原理和方法；二．实验设备1.PC机一台；2.软件matlab。
三．程序设计在matlab环境中，程序首先读取图像，然后调用直方图函数，设置相关参数，再输出处理后的图像。
I=imread('cameraman.tif');%读取图像subplot(1,2,1),imshow(I) %输出图像title('原始图像') %在原始图像中加标题subplot(1,2,2),imhist(I) %输出原图直方图title('原始图像直方图') %在原图直方图上加标题四．实验步骤1. 启动matlab双击桌面matlab图标启动matlab环境；2. 在matlab命令窗口中输入相应程序。
书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的直方图函数，设置参数；最后输出处理后的图像；3．浏览源程序并理解含义；4．运行，观察显示结果；5．结束运行，退出；五．实验结果观察图像matlab环境下的直方图分布。
(a)原始图像 (b)原始图像直方图六．实验报告要求1、给出实验原理过程及实现代码；2、输入一幅灰度图像，给出其灰度直方图结果，并进行灰度直方图分布原理分析。
实验1.2 灰度均衡一．实验目的1．熟悉matlab图像处理工具箱中灰度均衡函数的使用；2．理解和掌握灰度均衡原理和实现方法；二．实验设备1.PC机一台；2.软件matlab；三．程序设计在matlab环境中，程序首先读取图像，然后调用灰度均衡函数，设置相关参数，再输出处理后的图像。
I=imread('cameraman.tif');%读取图像subplot(2,2,1),imshow(I) %输出图像title('原始图像') %在原始图像中加标题subplot(2,2,3),imhist(I) %输出原图直方图title('原始图像直方图') %在原图直方图上加标题a=histeq(I,256); %直方图均衡化，灰度级为256subplot(2,2,2),imshow(a) %输出均衡化后图像title('均衡化后图像') %在均衡化后图像中加标题subplot(2,2,4),imhist(a) %输出均衡化后直方图title('均衡化后图像直方图') %在均衡化后直方图上加标题四．实验步骤1. 启动matlab双击桌面matlab图标启动matlab环境；2. 在matlab命令窗口中输入相应程序。
2019年最新-MATLAB与仿真技术【精品参考资料】-精选文档
基础篇
MATLAB简介 MATLAB的数值计算功能 MATLAB的符号运算功能 MATLAB程序设计入门 MATLAB的可视化功能
主页
MATLAB简介
1．MATLAB的发 展史
MATLAB名字由MATrix和 LABoratory 两词的前三个字 母组合而成,意为“矩阵实验室”。
• 用MATLAB函数创建控件对象
目录 主页
应用篇-Simulink仿真
快速入门
模型的创建和模型文件
仿真运行 系统建模 子系统的创建、封装及受控执行
常用工具箱简介 仿真设计实例
目录 主页
1 ．快速入门
SIMULINK是一个进行动态系统建模、仿真和综合分析的 集成软件包。它可以处理的系统包括：线性、非线性系统； 离散、连续及混合系统；单任务、多任务离散事件系统。
关系运算和逻辑运算。 多项式：多项式的求根、分解 、求导数以及多项式的拟合。 数据分析函数：例如：求最大最小值、平均值、相关系数等。 数值分析函数：求函数极值、函数零点和极点、数值积分、 数值微分、微分方程的数值解等。 付立叶变换和付立叶逆变换。
目录 主页
MATLAB的符号运算功能
1.软件环境：符号工具箱（Symbolic Math Toolbox）。 2.符号运算功能
在 SIMULINK 环境中，用户可以在仿真进程中改变感兴趣 的参数，实时地观察系统行为的变化。
在MATLAB 工具箱中，可直接在 SIMULINK 环境中运作 的工具包很多，已覆盖通信、控制、信号处理、DSP、电力 系统等诸多领域，所涉内容专业性极强。
本讲由浅入深地讲述 SIMULINK 对各种数学、工程问题的 建模、仿真和分析的基本方法，采用“算例”作为主体，配以 适量的归纳性表述。
zz matlab指令-36页精选文档
zz matlab指令matlab命令一、常用对象操作：除了一般windows窗口的常用功能键外。
1、！dir可以查看当前工作目录的文件。
！dir&可以在dos状态下查看。
2、who可以查看当前工作空间变量名，whos可以查看变量名细节。
3、功能键：功能键快捷键说明方向上键Ctrl+P返回前一行输入方向下键Ctrl+N返回下一行输入方向左键Ctrl+B光标向后移一个字符方向右键Ctrl+F光标向前移一个字符Ctrl+方向右键Ctrl+R光标向右移一个字符Ctrl+方向左键Ctrl+L光标向左移一个字符home Ctrl+A光标移到行首End Ctrl+E光标移到行尾Esc Ctrl+U清除一行Del Ctrl+D清除光标所在的字符Backspace Ctrl+H删除光标前一个字符Ctrl+K删除到行尾Ctrl+C中断正在执行的命令4、clc可以命令窗口显示的内容，但并不清除工作空间。
二、函数及运算1、运算符：+：加，-：减，*：乘，/：除，\：左除^：幂，'：复数的共轭转置，()：制定运算顺序。
2、常用函数表：sin()正弦(变量为弧度)Cot()余切(变量为弧度)sind()正弦(变量为度数)Cotd()余切(变量为度数)asin()反正弦(返回弧度)acot()反余切(返回弧度)Asind()反正弦(返回度数)acotd()反余切(返回度数)cos()余弦(变量为弧度)exp()指数cosd()余弦(变量为度数)log()对数acos()余正弦(返回弧度)log10()以10为底对数acosd()余正弦(返回度数)sqrt()开方tan()正切(变量为弧度)realsqrt()返回非负根tand()正切(变量为度数)abs()取绝对值atan()反正切(返回弧度)angle()返回复数的相位角atand()反正切(返回度数)mod(x,y)返回x/y的余数sum()向量元素求和3、其余函数可以用help elfun和help specfun命令获得。
(整理)数字图像处理MATLAB指令
其他常用的图像转换函数有：gray2ind函数，将灰度图像转换成索引图像。
Im2bw函数，将其它图像转化为二值图像。
Ind2gray函数，将索引图像转换成灰度图像。
Rgb2gray函数，将彩色图像转换成灰度图像。
1．利用imread( )函数读取一幅图像，存入一个数组中；2．利用whos 命令提取该读入图像flower.tif的基本信息；3．利用imshow()函数来显示这幅图像；函数执行语句A = imread('saturn.png');whosName Size Bytes Class AttributesA 1500x1200x3 5400000 uint8imshow(A)4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息；imfinfo('saturn.png')5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg 文件,设为flower.jpg;语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。
imwrite(A,'xingxing.jpg','quality',25)B = imread('xingxing.jpg');6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像,设为flower.bmp。
imwrite(A , 'xingxing.bmp')C = imread('xingxing.bmp');7．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。
F = imread('circbw.tif');im2bw(F)imshow(F)实验二图像直方图与灰度变换下面给出灰度变化的MATLAB程序f=imread('medicine_pic.jpg');g=imhist(f,256); %显示其直方图g1=imadjust(f,[0 1],[1 0]);%灰度转换，实现明暗转换(负片图像) figure,imshow(g1)g2=imadjust(f,[0.5 0.75],[0 1]);%将0.5到0.75的灰度级扩展到范围[0 1] figure,imshow(g2)g=imread('point.jpg');h=log(1+double(g));%对输入图像对数映射变换h=mat2gray(h); %将矩阵h转换为灰度图片h=im2uint8(h); %将灰度图转换为8位图figure,imshow(h)下面给出直方图均衡化增强图像对比度的MATLAB程序：I=imread(‘pollen.jpg); % 读入原图像J=histeq(I); %对原图像进行直方图均衡化处理Imshow(I); %显示原图像Title(‘原图像’); %给原图像加标题名Figure；imshow(J); %显示直方图均衡化后的图像Title(‘直方图均衡化后的图像’) ; %给直方图均衡化后的图像加标题名Figure; subplot(1,2,1) ;%对直方图均衡化后的图像进行屏幕控制；作一幅子图作为并排两幅图的第1幅图Imhist(I,64); %将原图像直方图显示为64级灰度Title(‘原图像直方图’) ; %给原图像直方图加标题名Subplot(1,2,2); %作第2幅子图Imhist(J,64) ; %将均衡化后图像的直方图显示为64级灰度Title(‘均衡变换后的直方图’) ; %给均衡化后图像直方图加标题名1、利用自己编写的灰度直方图计算程序计算rice.tif图像的直方图，并与系统自带的计算程序进行对比。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
索引色图像
• 当读入图像时，MATLAB同时加载调色板和 图像
• load flujet
• image(X)
索引色图像
• 当读入图像时，MATLAB同时加载调色板和 图像
• load flujet
• image(X) • colormap(hot)
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
三基色可以合成出任意颜色 • 一个尺寸为m×n的RGB图像，在MATLAB中存储
为一个m×n×3的多维数组 • 图像A中(x,y)处的像素的RGB值：A(x,y,1:3) • 若RGB图像用双精度型来存储，亮度值域为[0,1]，
则一个像素值为(0,0,0)代表黑色，值为(1,1,1)代表 白色 • 用无符号整型存储，亮度值范围[0,255]
MATLAB图像处理工具箱
• MATLAB图像处理工具箱提供的函数大多 数是M文件，可以查看这些文件的代码并进 行改进，也可以把自己编写的代码加入其 中，来扩充图像处理的功能。
MATLAB中的图像
• MATLAB中的数字图像由一个或多个矩阵 表示
• 矩阵运算的语法对数字图像同样适用 • 图像按像素存储，即矩阵的每个元素代表
[X,map] = imread('trees.tif'); imshow(X,map)
图像文件的显示
• 灰度图像的显示 – 要显示一副灰度图像，可以调用函数 imshow 或 imagesc
图像文件的显示
I = imread('cameraman.tif'); imshow(I) imshow('cameraman.tif ')
jet Hsv
Hot
索引色图像
• 默认情况下，调用调色板函数会产生一 个64×3的调色板，用户也可以自定义调色 板的大小，如hot(m)产生一个m×3的调色
板，其颜色范围从黑经过红、橘红、黄到白
索引色图像
• MATLAB中的索引色图像包括两个结构 – 图像数据矩阵，也可以是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1行，值1代表第2行……
• 在进行图像数据矩阵运算时，通常要将图 像转换成double型
• uint8类型的优势仅在于节省存储空间
MATLAB中支持的图像类型
• 真彩色图像 • 索引色图像 • 灰度图像 • 二值图像 • 还可处理由多帧图像组成的图像序列
真彩色图像
• 又称为RGB图像 • 利用R、G、B 3个分量表示一个像素的颜色，通过
MATLAB常用的图像操作
数字图像研究的领域
• 数字图像研究的领域非常广泛
– 图像的数字化 – 图像变换 – 图像增强 – 图像恢复 – 图像分割 – 图像分析与理解 – 图像编码压缩
MATLAB图像处理工具箱
• 提供了丰富的图像处理函数
– 图像的几何变换 – 图像的领域和图像块操作 – 线性滤波和滤波器设计 – 图像变换 – 图像分析与增强 – 二值图像操作 – 感兴趣区域处理
一个像素
– 例如一幅200行300列的图像，在MATLAB中存 储为200×300大小的矩阵
– 有些图像，如RGB图像，需要三维矩阵表示， 每一维代表一种颜色
MATLAB中的图像
• MATLAB中图像数据矩阵的存储方式为： – 双精度(double)类型，即64位的浮点数 – 无符号整数(uint8) 类型
索引色图像
• 把不同的颜色对应为不同的序号，各像素存 储的是颜色的序号而不是颜色值本身。
• MATLAB中的索引色图像包括两个结构 – 调色板：一个m×3的色彩映射矩阵，每 一行代表一种颜色，通过3个分别代表红、 绿、蓝颜色强度的双精度数，形成一种特 定的颜色
索引色图像
• MATLAB中提供一些产生预存的标准调色板的函数
h = imshow(I,[0 80]);
图像文件的显示
图像文件的显示
• RGB图像的显示 – image(RGB)
– imshow(RGB)
图像文件的显示
• colorbar
– 用于显示颜色条，由图像中使用到的色彩排列 而成
图像文件的显示
• montage
– 多帧图像指的是包含不止一幅图像的图像，如 HDF和TIFF文件类型。
– 同时显示多帧图像的所有帧 – 显示多帧图像中的一帧
图像文件的显示
• montage
图像文件的显示
• immovie
– 将多帧图像转换成MATLAB动画
图像文件的显示
• subimage
– 可在一个图像窗口内使用多个调色板，使得各 种图像能在同一个图像窗口中显示
是uint8，[0,255]
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。
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)
图像类型转换函数
读写图像文件
图形图像文件的读取
(适用于cur、ico、tif格式) 参数fmt指定了图像的格式，可选的值为cur、bmp、hdf、 ico、jpg、pcx、png、tif、xwd
图形图像文件的写入
图形图像文件信息的查询
文件最后修改时间 文件大小(字节) 文件格式 文件格式版本号 图像的宽 图像的高 位深度 图像类型 调色板
图像的显示
图像文件的显示
• 索引图像及其显示
图像文件的显示
• 索引图像及其显示 – 用image函数显示由矩阵表示的图像， MATLAB将矩阵的每个元素对应到当前 调色板的一行，并取这一行的颜色值作 为该点的颜色，必须先指定调色板
load clown image(X)
colormap(map) image(X)