第1次课 Matlab应用图像处理基础(用)
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。
实验一 Matlab图像处理基础及图像灰度变换
实验一Matlab图像处理基础
一、实验目的
熟悉Matlab平台下的图像编程环境；
掌握基本的Matlab运算符应用方法；
掌握基本的主、子函数调用方法；
掌握基本的图像读、写等函数;
掌握Matlab帮助文档使用方法。
二、实验内容
1．观察matlab软件环境；
2．练习+，－，*，/，^，.+，.－，.*，./，.^ 等运算符号的使用方法；
3．编写主函数实现图像的读取、显示及写入；
4．编写子函数实现图像的翻转；
5．主函数调用子函数实现图像的翻转；
6．利用Matlab帮助文档查看相应函数的使用方法。
三、知识要点
1.Matlab支持的图像图形格式
TIFF, JEPG, GIF, BMP, PNG 等。
2.与图像处理相关的最基本函数
读：imread; 写：imwrite; 显示：imshow; 信息查看：imfinfo; 图像选装：imrotate 3.Matlab支持的数据类
double, unit8, int8, uint16, int16, uint32, int32, single, char (2 bytes per element), logical.
4.数据类及图像类型间的基本转换函数
数据类转换：B = data_class_name(A);
作业：
1.简述.*，./，.^的使用方法，与+，－，*，/，^的区别，用实例演示。
2.通过主、子函数实现图像的旋转。
使用MATLAB进行图像处理的基本方法
使用MATLAB进行图像处理的基本方法第一章：介绍MATLAB图像处理工具箱MATLAB是一种用于算法开发、数据可视化和数值计算的高级工具。
图像处理是MATLAB中重要的应用之一，其图像处理工具箱提供了许多功能强大的函数和工具，能够完成各种图像处理任务。
1.1 图像处理基础图像处理是通过计算机对图像进行分析、处理和改变的过程。
它可以用于增强图像的质量、从图像中提取有用的信息或特征，以及实现图像的压缩和恢复等任务。
1.2 MATLAB图像处理工具箱的功能MATLAB图像处理工具箱提供了丰富的函数和工具，包括图像读取和写入、图像增强、图像分割、图像滤波、图像变换等。
这些功能可以帮助用户对图像进行各种处理和分析。
第二章：图像预处理图像预处理是图像处理的第一步，其目的是消除图像中的噪声和其他不必要的信息，使后续的处理更加准确和有效。
2.1 图像读取和显示在MATLAB中，可以使用imread函数读取图像，imshow函数显示图像。
读取图像后，可以对图像进行显示、调整亮度和对比度等操作。
2.2 图像增强图像增强是通过对图像的像素值进行调整，改善图像的视觉质量。
常用的图像增强方法有直方图均衡化、对比度拉伸和滤波等。
第三章：图像分割图像分割是将图像划分成若干个具有独立意义的部分的过程。
图像分割可以帮助我们识别并提取出感兴趣的目标，进行后续的处理和分析。
3.1 基于阈值的图像分割阈值分割是一种简单且有效的图像分割方法，其思想是将图像中的像素分成前景和背景两部分。
MATLAB提供了imbinarize函数用于阈值分割。
3.2 基于边缘的图像分割边缘分割基于图像中物体的边界特征，通过检测图像中的边缘来实现图像分割。
MATLAB中的边缘检测函数包括edge和gradient。
第四章：图像滤波图像滤波是对图像进行平滑或增强处理的过程，它可以帮助去除图像中的噪声、增强图像的边缘和细节等。
4.1 线性滤波线性滤波是一种基于加权和求和的滤波方法，常用的线性滤波器有均值滤波器和高斯滤波器等。
学习使用MATLAB进行信号处理和图像处理
学习使用MATLAB进行信号处理和图像处理信号处理和图像处理是数字信号处理中的重要分支领域，在现代技术和工程中具有广泛的应用。
MATLAB作为一种强大而灵活的软件工具，已被广泛应用于信号处理和图像处理的研究和应用中。
本文将介绍学习使用MATLAB进行信号处理和图像处理的基本知识和方法。
第一章：MATLAB的基本介绍MATLAB是一种矩阵计算和技术计算的工具，具有强大的数值计算、图像处理和数据分析能力。
在信号处理和图像处理中，MATLAB提供了丰富的函数和工具箱，方便用户进行各种信号处理和图像处理的操作。
本章将介绍MATLAB的基本操作、函数和工具箱的使用方法。
第二章：信号处理基础信号处理是将信号进行获取、采样、传输、处理和分析的过程。
本章将介绍信号处理的基础知识，包括采样定理、信号表示方法、信号滤波和频谱分析等内容。
通过MATLAB中的函数和工具箱，可以实现信号的采样、滤波、频谱分析和可视化等功能。
第三章：图像处理基础图像处理是将数字图像进行获取、增强、压缩、恢复和分析的过程。
本章将介绍图像处理的基础知识，包括数字图像的表示与存储、图像增强、图像压缩和图像恢复等内容。
通过MATLAB中的函数和工具箱，可以实现图像的灰度转换、增强、滤波、压缩和恢复等功能。
第四章：MATLAB在信号处理中的应用本章将介绍MATLAB在信号处理中的具体应用，包括信号的滤波、频谱分析、窗函数设计、时频分析和数字滤波器设计等内容。
通过MATLAB中的信号处理工具箱和函数，可以实现各种信号处理算法和技术的应用和实现。
第五章：MATLAB在图像处理中的应用本章将介绍MATLAB在图像处理中的具体应用，包括图像增强、图像滤波、图像分割、图像压缩和图像恢复等内容。
通过MATLAB中的图像处理工具箱和函数，可以实现各种图像处理算法和技术的应用和实现。
第六章：MATLAB在混合信号和图像处理中的应用本章将介绍MATLAB在混合信号和图像处理中的具体应用，包括音频信号处理、视频信号处理和声音图像处理等内容。
如何进行MATLAB图像处理
如何进行MATLAB图像处理一、引言图像处理是计算机视觉和图像分析领域中的重要任务之一。
而MATLAB是一种强大的数学计算软件，也被广泛应用于图像处理。
本文将介绍如何使用MATLAB进行图像处理，并探讨一些常见的图像处理技术。
二、图像处理基础在开始使用MATLAB进行图像处理之前，我们需要了解一些基础知识。
一个图像通常由像素组成，每个像素都有一个灰度值或者RGB（红绿蓝）三个通道的值。
图像的处理可以分为两个主要方面：空间域处理和频域处理。
1. 空间域处理空间域图像处理是指直接对图像的像素进行操作，常见的处理方法包括亮度调整、对比度增强和图像滤波等。
MATLAB提供了一系列函数和工具箱来进行这些处理。
例如，要调整图像的亮度，可以使用imadjust函数。
该函数可以通过调整输入图像的灰度值范围，实现亮度的增强或者降低。
下面是一个简单的例子：```matlabI = imread('image.jpg'); % 读取图像J = imadjust(I,[0.2 0.8],[0 1]); % 调整亮度范围imshow(J); % 显示图像```2. 频域处理频域图像处理是指将图像从空间域转换到频域进行处理，常见的处理方法包括傅里叶变换和滤波等。
MATLAB提供了fft和ifft等函数来进行频域处理。
例如，要对图像进行傅里叶变换，可以使用fft2函数。
该函数将图像转换为频率域表示，可以进一步进行滤波等处理。
下面是一个简单的例子：```matlabI = imread('image.jpg'); % 读取图像F = fft2(I); % 傅里叶变换F = fftshift(F); % 频率域中心化imshow(log(1 + abs(F)),[]); % 显示频率域图像```三、图像处理技术了解了图像处理的基础知识后，我们可以探索一些常见的图像处理技术。
以下将介绍几个常用的技术，并给出相应的MATLAB代码示例。
Matlab在图像处理中的应用与技巧
Matlab在图像处理中的应用与技巧引言图像处理是计算机科学领域中的一个重要分支，通过对图像进行处理和分析，可以获得许多有价值的信息。
而MATLAB作为一个强大的计算软件，具备了丰富的图像处理函数和工具箱，可以帮助我们实现各种复杂的图像处理任务。
本文将介绍MATLAB在图像处理中的应用与技巧，帮助读者更好地利用MATLAB进行图像处理。
一、图像的读取与显示在MATLAB中，可以使用imread函数读取图像文件。
例如，要读取一张名为"image.jpg"的图像文件，可以使用以下代码：```MATLABimage = imread('image.jpg');```而imshow函数则可以将图像显示在窗口中，例如：```MATLABimshow(image);```通过这两个简单的函数，我们可以很方便地读取和显示图像。
二、图像的基本处理1.图像的缩放在图像处理过程中，经常需要将图像进行缩放。
MATLAB提供了imresize函数来实现图像的缩放，例如：```MATLABnew_image = imresize(image, [height, width]);```其中，height和width分别表示缩放后图像的高度和宽度。
2.图像的灰度化有时候我们只关注图像的亮度信息，而忽略了彩色信息。
此时可以将图像转换为灰度图像，MATLAB提供了rgb2gray函数来实现图像的灰度化，例如：```MATLABgray_image = rgb2gray(image);```gray_image即为灰度图像。
3.图像的旋转有时候我们需要将图像进行旋转，MATLAB提供了imrotate函数来实现图像的旋转，例如：```MATLABrotated_image = imrotate(image, angle);```其中，angle表示旋转的角度。
三、图像的增强处理1.图像的边缘检测在许多图像处理任务中，边缘是重要的特征之一。
matlab图像处理基础实例
matlab图像处理基础实例·边缘检测（edge）边缘检测时先要把其他格式图像转化为灰度图像>> f=imread('');>> a=rgb2gray(f);>> [g,t]=edge(a,'canny');>> imshow(g)·剪贴（imcrop）、subplot等imfinfo colormap subimageimadd imsubtract immultiply imdivide imresize imrotate(旋转)>> a=imread('');>> b=imcrop(a,[75 68 130 112]);% I2 = IMCROP(I,RECT)% RECT is a 4-element vector with the form [XMIN YMIN WIDTH HEIGHT]; % subplot（121）⼀⾏两列的显⽰，当前显⽰第⼀个图⽚>> subplot(121);imshow(a);>> subplot(122);imshow(b);·roipoly选择图像中的多边形区域>> a=imread('');>> c=[200 250 278 248 199 172];>> r=[21 21 75 121 121 75];>> b=roipoly(a,c,r);>> subplot(121);imshow(a);>> subplot(122);imshow(b);·roicolor按灰度值选择的区域>> a=imread('');>> i=rgb2gray(a);>> b=roicolor(i,128,255);>> subplot(121);imshow(a);>> subplot(122);imshow(b);·转化指定的多边形区域为⼆值掩膜poly2mask>> x=[63 186 54 190 63];>> y=[60 60 209 204 60];>> b=poly2mask(x,y,256,256); >> imshow(b);>> holdCurrent plot held>> plot(x,y,'b','LineWidth',2)·roifilt2区域滤波a=imread('');i=rgb2gray(a);c=[200 250 278 248 199 172];r=[21 21 75 121 121 75];b=roipoly(i,c,r);h=fspecial('unsharp');j=roifilt2(h,i,b);subplot(121),imshow(i);subplot(122),imshow(j);·roifill区域填充>> a=imread('');>> i=rgb2gray(a);>> c=[200 250 278 248 199 172]; >> r=[21 21 75 121 121 75]; >> j=roifill(i,c,r); >> subplot(211);imshow(i);>> subplot(212);imshow(j);·FFT变换f=zeros(100,100);f(20:70,40:60)=1;imshow(f);F=fft2(f);F2=log(abs(F));imshow(F2),colorbar·补零操作和改变图像的显⽰象限f=zeros(100,100);f(20:70,40:60)=1;subplot(121);imshow(f);F=fft2(f,256,256);F2=fftshift(F);subplot(122);imshow(log(abs(F2)))·离散余弦变换（dct）>> a=imread('');>> i=rgb2gray(a);>> j=dct2(i);>> subplot(131);imshow(log(abs(j))),colorbar >> j(abs(j)<10)=0;>> k=idct2(j);>> subplot(132);imshow(i);>> subplot(133);imshow(k,[0,255]);info=imfinfo('')%显⽰图像信息·edge提取图像的边缘canny prewitt sobelradon函数⽤来计算指定⽅向上图像矩阵的投影>> a=imread('');>> i=rgb2gray(a);>> b=edge(i);>> theta=0:179;>> [r,xp]=radon(b,theta);>> figure,imagesc(theta,xp,r);colormap(hot); >> xlabel('\theta(degrees)'); >> ylabel('x\prime');>> title('r_{\theta}(x\prime)');>> colorbar·filter2均值滤波>> a=imread('');>> i=rgb2gray(a);>> imshow(i)>> k1=filter2(fspecial('average',3),i)/255;%3*3 >> k2=filter2(fspecial('average',5),i)/255;%5*5 >> k3=filter2(fspecial('average',7),i)/255;%7*7 >> figure,imshow(k1)>> figure,imshow(k2)>> figure,imshow(k3)wiener2滤波eg：k=wiener(I,[3,3]))medfilt2中值滤波同上deconvwnr维纳滤波马赫带效应（同等差⾊带条）·减采样>> a=imread('');>> b=rgb2gray(a);>> [wid,hei]=size(b);>> quarting=zeros(wid/2+1,hei/2+1); >> i1=1;j1=1;>> for i=1:2:widfor j=1:2:heiquarting(i1,j1)=b(i,j);j1=j1+1;endi1=i1+1;j1=1;end>> figure>> imshow(uint8(quarting))>> title('4倍减采样')>> quarting=zeros(wid/4+1,hei/4+1); i1=1;j1=1;for i=1:4:widfor j=1:4:heiquarting(i1,j1)=b(i,j);j1=j1+1;endi1=i1+1;j1=1;end>> figure,imshow(uint8(quarting)); title('16倍减采样')结论：在采⽤不同的减采样过程中，其图像的清晰度和尺⼨均发⽣了变化灰度级转化>> a=imread('');>> b=rgb2gray(a);>> figure;imshow(b)>> [wid,hei]=size(b);>> img2=zeros(wid,hei);>> for i=1:widfor j=1:heiimg2(i,j)=floor(b(i,j)/128);endend>> figure;imshow(uint8(img2),[0,2]) %2级灰度图像图像的基本运算>> i=imread('');>> figure;subplot(231);imshow(i);>> title('原图');>> j=imadjust(i,[.3;.6],[.1 .9]);%Adjust image intensity values or colormap图像灰度值或colormap调整% J = IMADJUST(I,[LOW_IN; HIGH_IN],[LOW_OUT; HIGH_OUT])>> subplot(232);imshow(j);title('线性扩展');>> i1=double(i);i2=i1/255;c=2;k=c*log(1+i2);>> subplot(233);imshow(k);>> title('⾮线性扩展');>> m=255-i;>> subplot(234);imshow(m)>> title('灰度倒置')>> n1=im2bw(i,.4);n2=im2bw(i,.7);>> subplot(235);imshow(n1);title('⼆值化阈值')>> subplot(236);imshow(n2);title('⼆值化阈值')图像的代数运算加。
matlab图像处理教程1
基本概念一点通从理论上讲，图像是一种二维的连续函数，然而在计算机上对图像进行数字处理的时候，首先必须对其在空间和亮度上进行数字化，这就是图像的采样和量化的过程。
空间坐标（x,y）的数字化称为图像采样，而幅值数字化称为灰度级量化。
对一幅图像采样时，若每行（横向）采样数为M，每列（纵向）采样数为N，则图像大小为M*N个像素，f(x,y)表示点(x,y) 处的灰度值，则F(x,y)构成一个M*N 实数矩阵****************************经验分享：“像素”的英文为“pixel”，它是“picture”和“element”的合成词，表示图像元素的意思。
我们可以对“像素”进行如下理解：像素是一个面积概念，是构成数字图像的最小单位。
****************************把采样后所得的各像素灰度值从模拟量到离散量的转换称为图像灰度的量化。
量化是对图像幅度坐标的离散化，它决定了图像的幅度分辨率。
量化的方法包括：分层量化、均匀量化和非均匀量化。
分层量化是把每一个离散样本的连续灰度值只分成有限多的层次；均匀量化是把原图像灰度层次从最暗至最亮均匀分为有限个层次，如果采用不均匀分层就称为非均匀量化。
当图像的采样点数一定时，采用不同量化级数的图像质量不一样。
量化级数越多，图像质量越好；量化级数越少，图像质量越差。
量化级数小的极端情况就是二值图像。
****************************经验分享:“灰度”可以认为是图像色彩亮度的深浅。
图像所能够展现的灰度级越多，也就意味着图像可以表现更强的色彩层次。
如果把黑——灰——白连续变化的灰度值量化为256个灰度级，灰度值的范围为0～255，表示亮度从深到浅，对应图像中的颜色为从黑到白。
****************************因此，对数字图像进行处理，也就是对特定的矩阵进行处理。
在C语言中，对M×N数字图像处理的核心代码如下：for (j=1;j<N+1;j++)for(i=1;i<M+1;i++)｛对I(i,j)的具体运算｝；在Matlab中，对M×N数字图像处理的核心代码如下：for i=1:Nfor j=1:M对I(i,j)的具体运算endend一幅数字图像可以用一个矩阵来表示，对数字图像进行处理，实质上就是对特定的图像矩阵进行变换的过程，因此，图像变换是数字图像处理技术的基础。
MATLAB图像处理基础
MATLAB图像处理基础2.2.1图像文件格式及图像类型1．MATLAB支持的几种图像文件格式：⑴JPEG（Joint Photogyaphic Expeyts Group）：一种称为联合图像专家组的图像压缩格式。
⑵BMP（Windows Bitmap）：有1位、4位、8位、24位非压缩图像，8位RLE （Run length Encoded）的图像。
文件内容包括文件头（一个BITMAP FILEHEADER数据结构）、位图信息数据块（位图信息头BITMAP INFOHEADER 和一个颜色表）和图像数据。
⑶PCX（Windows Paintbrush）：可处理1位、4位、8位、16位、24位等图像数据。
文件内容包括文件头、图像数据和扩展色图数据。
⑷TIFF（Tagged Iamge File Format）：处理1位、4位、8位、24位非压缩图像，1位、4位、8位、24位packbit压缩图像，1位CCITT压缩图像等。
文件内容包括文件头、参数指针表与参数域、参数数据表和图像数据四部分。
⑸PNG（Portable Network Graphics）：包括1位、2位、4位、8位和16位灰度图像，8位和16位索引图像，24位和48位真彩色图像。
⑹GIF（Graphics Interchange Format）：任何1位到8位的可交换的图像。
⑺HDF（Hierarchial Data Format）：有8位、24位光栅图像数据集。
⑻ICO（Windows Icon resource）：有1位、4位、8位非压缩图像。
⑼CUR（Windows Cursor resource）：有1位、4位、8位非压缩图像。
⑽XWD（X Windows Dump）：包括1位、8位Zpixmaps，XYBitmaps，XYPixmmmaps。
⑾RAS（Sun Raster image）：有1位bitmap、8位索引、24位真彩色和带有透明度的32位真彩色。
数字图像处理ch01(MATLAB)-课件
2024/10/12
第一章 绪论
17
2024/10/12
第一章 绪论
18
2024/10/12
第一章 绪论
19
2024/10/12
第一章 绪论
20
<2>几何处理
放大、缩小、旋转，配准，几何校正，面积、周长计算。
请计算台湾的陆地面积
2024/10/12
第一章 绪论
21
<3>图象复原
由图象的退化模型，求出原始图象
图像处理是指按照一定的目标，用一系列的操 作来“改造”图像的方法.
2024/10/12
第一章 绪论
7
➢图象处理技术的分类(从方法上进行分类)[2]
1．模拟图象处理（光学图像处理等）
用光学、电子等方法对模拟信号组成的图像，用光学器 件、电子器件进行光学变换等处理得到所需结果（哈哈 镜、望远镜，放大镜，电视等）.
2024/10/12
第一章 绪论
22
<4>图象重建[3]
[3]此图像来自罗立民，脑成像，
2024/10/12
第一章 绪论
23
/zhlshb/ct/lx.htm
2024/10/12
第一章 绪论
图形用户界面，动画，网页制作等
2024/10/12象处理的基本概念，和基 本问题，以及一些典型的应用。
2024/10/12
第一章 绪论
33
提问
摄像头(机),扫描仪,CT成像装置,其他图象成像装置
2)图象的存储
各种图象存储压缩格式(JPEG,MPEG等),海量图象数据库技术
3)图象的传输
内部传输(DirectMemoryAccess),外部传输(主要是网络)
- 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)。
2、冒号操作符“:”的应用
>>B=2:5
%对向量进行赋值
B=
2345
>>B(1:3)=2
%向量B从第1到第3 个元素全
部赋值为2
B=
2 2 25
>> C=6: -2:0 %将向量C进行递减赋值，初
始值为6，终止值为0，步长为
-2
C=6420三Fra bibliotek计算单元的基本操作
1. 矩阵加法与减法 2. 矩阵的乘法与除法 3. 矩阵的转置 4. 矩阵的点运算
2 5
3 6
，B
0 2
2 5
1 3
,
则
>>C=A+B
1 44
6 10 9
>>D=A-B
102
203
矩阵与标量的加法与减法是指标量本 身与矩阵所有元素进行相应运算，如：
若b＝1， >>C=A+b
A
1 4
2 5
3 6
则
C= 2 3 4
567
2. 矩阵的乘法与除法
如果矩阵A的列数等于矩阵B的行数， 则矩阵A、B可以相乘。
三.计算单元的基本操作
1. 矩阵加法与减法 如果矩阵A与矩阵B具有相同的维数，
则可以定义矩阵的加法与减法，其结果为 矩阵相应元素作运算所构成的矩阵。矩阵 加法与减法在MATLAB中的表达方式为 >> C=A+B; %C为矩阵A与B之和 >> D=A-B; %D为矩阵A与B之差
【例】 若
1 A 4
6
>>A=[1 2 3; 4 5 6]
>>B=[1 2 3]
>>C=[4; 5; 6]
注意： MATLAB中所有的矩阵与向量均包含在 中括号[ ]之中。如果矩阵的大小为1×1，则它表 示一个标量，如
>>a=[3]
%a表示一个数
说明：
1、 MATLAB中分号“;” 的作用有两点： ①作为矩阵或向量的分行符。 ②作为矩阵或向量的输出开关控制符。
【例】若
A
1 1
2 5
B
7 1
2 0
>>A.*B= 74 -1 0
>>B./A= 71 -1 0
% 矩阵对应元素相乘 % 矩阵对应元素相除
>>B.^2=
% 矩阵元素乘方运算
49 4
10
>>A.^B= % 矩阵对应元素幂运算
14
-1 1
四.Matlab图像处理基础
主要内容：
1、matlab支持的图像类型和常用格式 2、图像的读取和显示 3、图像类型转换 4、基本的二维图形绘制命令 5、M文件与MATLAB函数
1、matlab支持的图像类型和格式
图像的概念（根据图像的性质）：
①矢量图（图形） 矢量图由图形元素构成，能无限放大、缩小而不
失真；不需将图像中的每一点记录下来，所占空间 较小。 ②图像（位图）
由不同强度或颜色属性的点组成；大分辨率的清 晰图像占用大量空间；很难表达动态图像。
1、matlab支持的图像类型和格式
一.Matlab简介
4.程序运行方式 命令窗口直接输入命令，回车 M文件
二.计算单元：向量与矩阵
MATLAB作为一个高性能的科学计 算平台，主要面向高级科学计算。 MATLAB的基本计算单元是矩阵与向量， 向量为矩阵的特例。
【例】矩阵
A
1 4
2 5
3 6
,
行向量
B=[1
2
3]，
4
列向量 C 5 ，在MATLAB中可以分别表示为
【例】
若
1 A 4
2 5
3 6
1 B 0
2
2 3 1
则 >>C=A*B
C= 7 11 16 29
在MATLAB中，矩阵除法有两种形式， 即左除(\)和右除(/)。如果A是一个非奇异 方阵，那么
>>A\B %表示A的逆与B的左乘，即inv(A)*B
>>B/A % 表示A的逆与B的右乘，即B* inv(A)
用数字来表示。 一般量化值用整数来表示。充分考虑到人眼的
识别能力之后，目前非特殊用途的图像均为8bit量 化，即用0~255描述“黑~白”间的变化
1、matlab支持的图像类型和格式
Matlab图像类型（根据表示的数据） ①索引图像 直接把像素值作为RGB调色板下标的图像。 包括一个数据矩阵及一个颜色映像矩阵。索引图 像可把像素值“直接映射”为调色板数值。调色 板通常与索引图像存储在一起，装载图像时，调 色板将和图像一同自动装载。
矩阵的左除和右除运算还可以用来求 解矩阵方程AX=B的解：
>>X=A\B
3. 矩阵的转置
转置是一种重要的矩阵运算，在
MATLAB中由撇号表示:
>> A’
% 矩阵A的转置
1 4
如果
A
1 4
2 5
3 6
，则
A'
2
5
。
3 6
4. 矩阵的点运算
两矩阵进行点运算是指它们的对应元 素进行相关运算，要求两矩阵的维参数相 同。点运算符有.*、./、.\和.^。
图像的采样与量化 采样: 将在空间上连续 的图像转换成离散 的采样点(即像素， pixel)集的操作
• 在x轴和y轴两个方 向上进行
• 设图像变成每行有M 个像素，每列有N个 像素，则全图是M x N个点的集合
1、matlab支持的图像类型和格式
图像的采样与量化
量化 定义：将各个像素所含的明暗信息离散化后，
1、matlab支持的图像类型和格式
Matlab图像类型 ①索引图像
R
G
B
0
255 0
0
1
0 255 0
2
0
0 255
3
255 255 0
0 3 2 f 3 1 3
0 3 2
1、matlab支持的图像类型和格式
Matlab图像类型 ②灰度图像 是包含灰度级（量度）的图像。仅包含一个 数据矩阵，其中数据矩阵中的每一个数据代表了 一定范围内的灰度值。（0~255）
基本教学工具，本、硕士、博士基本技能
设计研究单位和工业部门
一.Matlab简介
2、语言特点 语言简洁、库函数丰富 图形功能强大，较强的编辑图形界面的
能力 功能强大的工具箱。功能性工具箱和学
科性工具箱 源程序的开放性
一.Matlab简介
3、通用命令 cd 显示或改变当前工作目录 dir 显示当前目录或指定目录下的文件 Disp 显示变量或文字内容 Clc 清除工作窗中所有显示的内容 Clear 清理内存变量 Exit 退出Matlab Save 保存内存变量到指定文件
Matlab应用图像处理基础
一.Matlab简介 二.计算单元：向量与矩阵 三.计算单元的基本操作 四.Matlab图像处理基础
一.Matlab简介
1、概述（“矩阵实验室”）
1984年，美国Mathworks公司成立，正式将 Matlab推向市场。
起初， Matlab是专门用于矩阵数值计算的数 学软件，随着市场化，功能逐步强大。目前， 已经在多学科、多领域内都取得良好的应用。 如：自动控制理论、信号处理系统、图像处理、 数理统计、时间序列分析、动态系统仿真。