基于matlab的人民币面额识别
使用Matlab进行人脸识别的基本步骤
使用Matlab进行人脸识别的基本步骤随着计算机视觉和人工智能的快速发展，人脸识别已经成为一项重要的技术。
而Matlab作为一种强大的数学计算软件，也能够用于人脸识别的研究和应用。
本文将介绍使用Matlab进行人脸识别的基本步骤。
一、数据采集和预处理人脸识别的第一步是数据采集和预处理。
数据采集包括收集大量的人脸图像，可以通过摄像头进行实时采集，或者使用已有的人脸数据库。
预处理则是对采集到的图像进行预处理，以便后续的特征提取和分类。
预处理包括图像的灰度化、直方图均衡化、尺寸归一化等。
二、特征提取特征提取是人脸识别的核心步骤。
在Matlab中，有很多经典的特征提取方法可以选择，例如主成分分析（PCA）、线性判别分析（LDA）、等距特征映射（ISOMAP）等。
这些方法可以将复杂的人脸图像转化为低维的特征向量，提取出人脸的独特特征，以便后续的分类和识别。
三、训练模型训练模型是使用Matlab进行人脸识别的关键步骤。
在训练阶段，我们需要使用提取到的人脸特征和对应的标签，训练一个分类器或者神经网络模型。
常用的分类算法包括支持向量机（SVM）、k近邻算法（KNN）、卷积神经网络（CNN）等。
通过训练模型，我们可以让计算机自动学习和寻找人脸特征和类别之间的关系。
四、测试和评估在测试阶段，我们需要使用已经训练好的模型对新的人脸进行识别。
首先，我们需要将测试图像进行与训练图像相同的预处理，然后提取测试图像的特征向量。
最后，使用预训练好的模型对特征向量进行分类，得到识别结果。
为了评估人脸识别系统的性能，常用的评估指标包括准确率、召回率、F1值等。
五、优化和改进人脸识别是一个持续改进的过程。
通过分析和评估识别结果，我们可以发现其中的不足之处，并进行优化和改进。
例如，可以增加训练样本的数量和质量，调节分类器或神经网络的参数，尝试不同的特征提取方法，以提高人脸识别系统的准确率和鲁棒性。
总之，使用Matlab进行人脸识别需要经过数据采集和预处理、特征提取、训练模型、测试和评估等基本步骤。
MATLAB100元人民币序列号识别
l1 = length(lf) ;
charset = cell(1 , l1) ;
for i = 1 : l1
charset{i} = I6(up(i):down(i), lf(i):rt(i)) ;
subplot(1 , l1 , i) ; imshow(charset{i}) ;
end
for i = 1 : l1
charset{i} = imresize(charset{i} , [40 20]) ;
subplot(1 , l1 , i) ; imshow(charset{i}) ;
end
str = {'0' , '1' ,'2' , '3' , '4' ,'5' , '6' , '7' ,'8' , '9' ,'A' ,'B', ...
I3=imdilate(I2,T1);
figure(3);imshow(I3);
I4=bwareaopen(I3,2800);
figure(4);imshow(I4);
[w h]=size(I4);
%找上顶点
flag=0;
for i=1:w
for j=1:h
if I4(i, j)==1
%反色
[w , h] = size(I6) ;
for i=1:w
for j=1:h
if I6(i,j)==1;
I6(i,j)=0;
else
I6(i,j)=1;
基于matlab的纸币面额面向识别方法设计
基于matlab的纸币面额面向识别方法设计作者：洪铭浩来源：《卷宗》2018年第33期摘要：本设计的主要研究内容是在获取人民币的基础上通过FPGA、CIS传感器进行纸币图像采集，并对采集到的纸币图像进行预处理，包括去噪、边缘检测和倾斜校正。
边缘检测过程中，利用离散点进行直线拟合，不仅可以得到纸币的边缘，还可以计算出纸币的中心点和倾斜角度，然后将纸币图像旋转校正，使图像位置归一化。
预处理完成之后，利用尺寸识别算法完成对纸币尺寸的测量，从而确定纸币的面额。
在面额得到识别的基础上，根据提取得到的纸币特征与模板匹配来对纸币面向进行识别。
关键词：图像采集；FPGA；模板匹配1 引言1.1 背景与国内外研究现状当前，在美、英、德等西方发达国家，纸币识别技术早已广泛的应用在生活当中。
我国这些年来也加强教育，不断增加科研投资，使我国的科研水平节节升高，但与国外相比仍有一定的差距。
近年来，由于部分著名院校的合作研发，我国在自动化方面的水准有了显著的提升。
不过纸币识别在我国几乎从零开始研究，应着手于图像识别相关的理论，勇于实践，造出属于我国独立自主研发的自动识别设备。
1.2 研究的主要内容1）对图像采集系统的研究。
2）对采集到的图像预处理。
3）纸币面额面向的识别及程序的研究。
2 纸币图像采集系统2.1 图像采集系统描述获取图像，是图像处理等一切操作的前提基础，当前各种图像都是用釆集设备获得。
本文设计是应用FPGA（Field-Programmable Gate Array）、CIS（Contact Image Sensor）图像传感器为核心器件的图像的采集系统。
2.2 系统的选型CIS是最新型线性图像传感器，最大特点小巧轻便，当它工作时，LED光源发出光，照到待采集的物体表面，反射光线之后，经聚焦成像于光电传感器的阵列上，被转成电荷储存起来。
达到积蓄的时间后，以模拟信号的形式将像素电信号依次输出，从而得到了纸币模拟图像的信号。
如何使用Matlab进行人脸检测和人脸识别
如何使用Matlab进行人脸检测和人脸识别人脸检测和人脸识别是计算机视觉领域中的重要技术应用，可以广泛用于人脸识别系统、人脸支付、安全监控等众多领域。
本文将介绍如何使用Matlab进行人脸检测和人脸识别。
1. 背景介绍人脸检测和人脸识别技术的出现，为计算机系统实现对人脸的自动分析和识别提供了可能。
人脸检测是指从一幅图像或视频序列中确定是否存在人脸，并找出人脸的位置和大小。
而人脸识别则是在检测到的人脸图像上进行特征提取和模式匹配，以实现对人脸的身份识别。
2. 人脸检测在Matlab中，可以使用Viola-Jones算法进行人脸检测。
该算法通过构造Haar特征与Adaboost集成学习算法相结合，能够在较短的时间内实现高效的人脸检测。
具体操作如下：2.1 加载图像首先，在Matlab中加载需要进行人脸检测的图像。
可以使用imread函数进行图像加载，并将其转换为灰度图像进行处理。
例如：```Matlabimage = imread('face.jpg');gray_image = rgb2gray(image);```2.2 构建人脸检测器在Matlab中，可以使用vision.CascadeObjectDetector对象构建人脸检测器。
该对象可以通过Viola-Jones算法进行人脸检测。
具体代码如下：```MatlabfaceDetector = vision.CascadeObjectDetector();bbox = step(faceDetector, gray_image);```2.3 显示检测结果最后，可以使用insertObjectAnnotation函数将检测到的人脸位置在原始图像上标记出来。
代码示例如下：```Matlabdetected_image = insertObjectAnnotation(image, 'rectangle', bbox, 'Face');imshow(detected_image);```3. 人脸识别在Matlab中，可以使用基于人脸特征的Eigenface、Fisherface和LBPH等算法进行人脸识别。
(完整word版)基于MATLAB的人脸识别
图像识别题目：基于MATLAB的人脸识别院系：计算机科学与应用系班级：姓名：学号：日期：目录引言 (1)1 人脸识别技术 (2)1.1人脸识别的研究内容 (2)1.1.1人脸检测(Face Detection) (2)1.1.2人脸表征(Face Representation) (2)1.2几种典型的人脸识别方法 (3)1.2.1基于几何特征的人脸识别方法 (3)1.2.2基于K-L变换的特征脸方法 (4)1.2.3神经网络方法 (4)1.2.4基于小波包的识别方法 (5)1.2.5支持向量机的识别方法 (5)2 人脸特征提取与识别 (5)2.1利用PCA进行特征提取的经典算法——Eigenface算法 (6)2.2 PCA人脸识别流程 (6)2.3特征向量选取 (8)2.4距离函数的选择 (9)2.5 基于PCA的人脸识别 (9)MATLAB人脸识别程序 (10)3 MATLAB软件程序编写 (10)3.1.创建图片数据库 (10)3.2 主程序 (11)3.3最终程序结果 (12)4 心得与体会 (12)参考文献 (13)引言随着社会的发展及技术的进步，社会各方面对快速高效的自动身份验证的需求可以说无处不在，并与日俱增。
例如，某人是否是我国的居民，是否有权进入某安全系统，是否有权进行特定的交易等。
尤其是自2001年美国“9．1l”恐怖袭击发生以来，如何在车站、机场等公共场所利用高科技手段，迅速而准确地发现并确认可疑分子成了目前世界各国在反恐斗争中普遍关注的问题。
为此，各国都投入大量人力、物力研究发展各类识别技术，使得生物特征识别技术得到了极大的发展。
生物特征识别技术主要包括：人脸识别、虹膜识别、指纹识别、步态识别、语音识别、笔迹识别、掌纹识别以及多生物特征融合识别等。
人类通过视觉识别文字，感知外界信息。
在客观世界中，有75％的信息量都来自视觉，因此让计算机或机器人具有视觉，是人工智能的重要环节。
Matlab中的人脸识别和图像识别技术
Matlab中的人脸识别和图像识别技术人脸识别和图像识别技术是计算机视觉领域的重要研究方向，它们在人脸识别、图像搜索、安防监控等领域有着广泛的应用。
Matlab作为一种强大的科学计算软件，提供了丰富的工具箱，可以方便地进行人脸识别和图像识别的开发和实现。
本文将介绍Matlab中的人脸识别和图像识别技术，并探讨其应用和挑战。
一、人脸识别技术在Matlab中的实现人脸识别技术是指通过计算机自动识别和验证人脸信息的一种技术。
在Matlab 中，可以利用图像处理和模式识别的工具箱来实现人脸识别。
首先，我们需要收集一批人脸图像进行训练，然后利用这些训练样本训练一个人脸识别模型。
训练过程中，可以使用特征提取算法来提取人脸图像的特征向量，常用的算法有主成分分析（PCA）和线性判别分析（LDA）。
接着，可以使用分类器来对待识别的人脸图像进行分类，常用的分类算法有支持向量机（SVM）和人工神经网络。
最后，可以通过对比待识别人脸图像与已知识别模型中的人脸特征进行比较，从而实现人脸识别。
在Matlab中，人脸识别技术的实现可以参考以下步骤：1. 数据准备：收集一批包含不同人脸图像的训练样本，标记好每个图像对应的人脸ID。
2. 特征提取：使用PCA或LDA等算法对训练样本的人脸图像进行特征提取，生成特征向量。
3. 模型训练：利用训练样本的特征向量训练一个分类模型，如SVM或神经网络。
4. 人脸识别：对待识别的人脸图像进行特征提取，然后使用训练好的分类模型进行分类，得到识别结果。
二、图像识别技术在Matlab中的应用除了人脸识别技术之外，图像识别技术在Matlab中的应用也非常广泛。
图像识别技术是指通过计算机自动识别和解析图像信息的一种技术。
在Matlab中，可以利用图像处理和模式识别的工具箱来实现图像识别。
常见的图像识别任务包括物体识别、场景识别、文字识别等。
在Matlab中，图像识别技术的实现可以参考以下步骤：1. 数据准备：收集一批包含不同类别图像的训练样本，标记好每个图像对应的类别。
基于matlab的三种面值人民币的自动识别(燕山大学)
r_g = IM_rgb(1) / IM_rgb(2);
if r_g >= 1.41
val_color = 100;
elseif r_g <= 0.94
val_color = 50;
else
val_color = 20;
end
% 100
%
3892554
%
2519328
%
2810818
%
r/g = 1.5451[1.41, ]
基于 matlab 的三种面值人民币的自动识别
所在学校
燕山大学
所在学院
Hale Waihona Puke 电气工程学院姓 名 邵爱刚 刘光冉 刘红丹 杨秋怡
指导教师
赵彦涛
日期
2013 年 12 月 10 日
2012 年 12 月
工业自动化仪表 3 班 刘光冉 邵爱刚 刘红丹 杨秋怡
摘要
本文通过分析第五版人民币自身特征，分别利用主色调提取、长 宽比提取、中值滤波特征图像提取、特征数字提取等四种方法，通过 matlab 软件来实现对第五套人民币 100 元、50 元、和 20 元这三个不 同面值的纸币进行自动识别。大致思路如下:通过纸币图像特征区域 内，不同面值人民币颜色分量比值数不同；不同面值纸币的长宽比不 同；不同面值纸币左下角特征图案不同；纸币中间部分面额数字不同， 利用不同的数字特征来分别区分出不同面额的纸币。
2
工业自动化仪表 3 班 刘光冉 邵爱刚 刘红丹 杨秋怡
图（1）
% 颜色判别
% 只取头像部分
function
[val_color,IM_pic_real_head]
=
yanse(IM_pic,left,right,up,down)
基于MATLAB的第五套人民币面值识别系统设计
1引言近年来在模式识别领域中，纸币图像识别技术[1]一直是一个较为重要的话题，钞票面额识别系统在许多领域广泛应用。
这在节省大量人力资源的同时，对钞票识别能力的要求也不断提高。
目前，第五套人民币面额有多种识别方式，其识别方式各有优缺点。
在本设计中我们基于MATLAB 软件，使用图像处理技术对读取的钞票进行实时处理并结合GUI 界面显示处理结果，开发了一套完整的面值识别系统，并对识别的算法进行分步说明，以便后期维护与阅读，具有一定的实际应用价值。
2系统设计系统设计框图如图1所示，采集到钞票图像后，先利用Radon 变换旋转矫正，然后预处理矫正后的图像，留下实际钞票区域；之后对钞票区域进行扫描，进而确定钞票的准确位置；再对图像进行切割，截取钞票面值区域；最后对有效数字进行识别，确定钞票面值，并通过GUI 显示最终结果。
图1系统设计方框图 2.1图像采集设计在采集钞票图像时，本设计采用uigetfile 函数，从计算机中选择图片，该图片支持jpg 、png 、gif 等格式，然后再通过im-read 函数将图像数据读入，即可完成图像采集。
2.2图像旋转矫正设计读入一张钞票图像后，由于图像会有倾斜不正的现象，所以先用Radon 变换[2]旋转矫正图像。
Radon 算法利用特定方向投影叠加，得出最大投影值的角度，即图像倾斜角度。
如图2所示，(x,y)为线s 上的任意一点，d 为坐标原点到直线s 的距离，θ表示线s 法线方向的夹角，直线s 方程可表示为：x cos θ+y sin θ=d 。
采集到的钞票图像可视为二维函数g(x,y)，根据它的投影是在特定方向上的线性积分，利用Radon 变换公式Radon (d ,θ)=∫-∞+∞g (x ,y )d s 就可以计算出旋转角度θ。
图2旋转矫正原理图基于MATLAB 的第五套人民币面值识别系统设计刘立培马宇星逯亚婷王强杨壮（山西师范大学物理与信息工程学院，山西临汾041004）摘要：针对第五套人民币面值识别准确率和速度存在的问题，给出了一种基于MATLAB 和图像处理技术的人民币面值识别系统的设计方法，采集的钞票图像经过旋转矫正、图像预处理、图像定位、面值剪切、面值识别五个模块处理后，通过GUI 显示钞票面值。
- 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)。
种颜色的组合。 调用格式： 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]。
4.Imfill 该函数用于填充图像区域和“空洞”。 调用格式： BW2 = imfill(BW) 这种格式将一张二值图像显示在屏幕上， 允许用户使用鼠标在图像上点几个点，
从这幅图可以看出，用 edge 函数得到的边缘虽然完整，但是内部图 像却仍然存在，有时会干扰边缘位置确定的结果，所以本次课程设计我 们选择第二种方法。
下图是背景中存在干扰的图像和经 edge 函数处理得到的剪切图。
12
由图可知，sobel 算子边缘检测在这种情况下无法正常运行。
七.心得体会 通过这次的课程设计，我们对图像的识别又有了一个新的思路，同时了
7.medfilt2 中值滤波函数. 调用格式： medfilt2(A,[m n])
8.Logical
3
用于判断参数是否为逻辑值，如果检验内容为逻辑值，将返回 TRUE（1），否则返 回 FALSE（0）。
调用格式： Logical（value） 9.Find 用来对原始数据中的某个字符串进行定位，以确定其位置。 10.edge 调用格式： BW=edge(I) 采用灰度或一个二值化图像 I 作为它的输入，并返回一个与 I 相同大小的二值化图 像 BW，在函数检测到边缘的地方为 1，其他地方为 0. BW=edge(I,’sobel’) 自动选择阈值用 sobel 算子进行边缘检测。
end
如图为剪切后的效果灰度图。
4.提取中央数字部分
7
百元钞票左边到中央数字 1 的距离大概占整个长度的 0.25，右边是 0.5，上边是 0.275，下边是 0.5。20 元和 50 元的类似。所以使用：
FFv2=jianqie(0.275*m:0.50*m,0.254*n:0.5*n) 就可以得到中央数字的图片。
5
6
3.边缘剪切
得到了二值化的边缘图像后，需要对边缘进行剪切，以切掉背景图案，只留下钞票 图案，便于按比例分割图片。
我们采用 mode 函数，对边缘位置确定。首先，将二值图读入矩阵，生成 m 行 n 列的矩阵。然后一行一行进行检测，遇到白色的区域（值为 1）时，就将白色区域所处 的列位置记入数组。当检测完毕后，使用 mode 函数对数组进行检测，数组中数字出现 的最多的即是边缘的位置。关键循环如下：
以下是实验图片：
从图中可以看到，二值化后整幅图片除了中央一少部分其他地方 均被二值化为白色，所以轮廓提取失败了。
11
2.关于边缘检测的两种算法的问题。 小组成员首先使用了 edge 函数中使用 sobel 算子的检测方法。但是
通过实验发现，当处理一些背景比较“干净”的图片时，方法可行；当 背景中有一些干扰时，边缘检测和提取会出现各种问题。经过上网查询 和思考，我们决定使用另一种边缘检测和提取的方法，即二值化+填充 空洞+bwperim 函数的方法。下图是 edge 函数的边缘检测图像。
5.Bwperim 用于查找二值图像的边缘。 调用格式： BW2 = bwperim(BW1) BW2 = bwperim(BW1,conn) BW2 = bwperim(BW1,conn) 表示从输入图像 BW1 中返回只包括对象边缘像素点的图像。
6.Mode 众数函数，用于计算一组数据中的众数。 众数，简单的说，就是一组数据中占比例最多的那个数。 调用格式： mode(x)
10
第一幅图的原图为黑色背景中有随机绘制的几条长曲线，第二幅 图的原图是背景为实际生活中的建筑物照片。两幅图的轮廓均无法 正常提取。第一幅从曲线部分开始进行提取，位置错误。第二幅图 根本无法正常提取。
所以，本程序存在一定的局限性，只能处理一些背景不太复杂、 二值化之后不会出现过多长曲线的纸币图。 （2）浅色背景无法正常识别。
基于 matlab 的人民币的自动识别
姓名 学号 院 系 信息科学与工程学院 专业 年级 指导老师
摘要
本文通过分析第五版人民币的特征，利用纸币中央数字的特征提取和识别的方法，通过 matlab 软件实现对第五版人民币的 100 元、50 元和 20 元的识别。
关键词：第五套人民币 边缘检测和提取 中央数字特征
8
如图所示 5 和 2 的细节图。取 5 和 2 的靠左的一小部分进行比较（红框圈的），数 字 5 后两根蓝线之间的距离小于上面两根蓝线的距离，而 2 恰恰相反。于是可以得出 结果。
关键程序如下：
[hang_m,hang_n]=size(hang);
距离
hang_new=round(sum(hang,2)/hang_n); hang_black=hang_new(2)-hang_new(1);%第一个黑点和第二个白点之间的
本程序的边缘检测方法是图像二值化后利用背景和纸币之间的 黑白差异来寻找纸币的边缘。当人民币的背景为浅色时，二值化的 时候会将浅色自动二值化为白色（1），而纸币内部只有少部分会二 值化为黑色，但边缘周围仍为白色，这样一来根本无法区分纸币和 背景，所以用 imfill 填充后无法清除地看到二值图的边缘。
前言：科技在不断进步，曾经的很多手工劳动如今都被先进的机械和电子设备代替。曾经
人们交话费、存款、买东西都必须到营业厅或者商场去办理手续，通过客户和服务人员之间 的业务交流实现服务的实施和体验。如今，自动缴费机、存取款一体机和自动售货机出现在 了我们的生活中。这些先进的设备中最重要的一门技术就是：纸币识别技术。当我们将钞票 投入缴费机或者存款机时，机器必定会首先识别用户投入的是面额为多少的纸币，之后再进 行真伪辨别、数据写入等功能。目前已经有很多的识别技术诸如图像匹配法识别，神经网络 识别、尺寸识别、纸币内部荧光物质识别等等。本小组提出使用 matlab 软件，利用软件对 图像处理的超强能力，在保证识别准确率的前提下对 100 元、50 元和 20 元的人民币进行快 速有效的识别。
这几个点围成的区域即要填充的区域。要以这种交互方式操作， BW 必须是一个二维 的图像。用户可以通过按 Backspace 键或者 Delete 键来取消之前选择的区域；通过 shift+鼠标左键单击或者鼠标右键单击或双击可以确定选择区域。
[BW2,locations] = imfill(BW) 这种方式， 将返回用户的取样点索引值。注意这里索引值不是选取样点的坐标。 BW2 = imfill(BW,locations) 这种格式允许用户编程时指定选取样点的索引。locations 是个多维数组时， 数组 每一行指定一个区域。 BW2 = imfill(BW,'holes') 填充二值图像中的空洞区域。 如， 黑色的背景上有个白色的圆圈。 则这个圆圈 内区域将被填充。 I2 = imfill(I) 这种调用格式将填充灰度图像中所有的空洞区域。 BW2 = imfill(BW,locations,conn)
如图，sobel 算子边缘检测后的图像。达到需要的效果。但是由于内部白色纹路较 多，为了不影响边缘截取，故选择第二种方法：二值化+图像填充+提取边缘。
首先对图像进行二值化处理，然后使用 imfill 函数，调用“hole”格式，对图像中 的空洞进行填充。然后调用 bwperim 函数，对二值图像进行边缘检测。下面是检测的 过程和结果。
3.im2bw 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。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。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
读入一张有黑色背景的 100 元人民币图片。然后使用 imshow 函数进行图片查看。
2.进行图像边缘检测提取
边缘检测共有两种方法，一种是使用 edge 函数进行边缘检测；另一种是二值化+ 图像填充+提取边缘的方法。
使用 edge 函数进行边缘检测，选择 Sobel 算子。 F=edge(I2,'sobel');%sob识别
中央部分识别分两步：1.区分百元和 50、20 元；2.区分 50 元和 20 元。 区分百元的方法很简单。因为无论是百元还是 50 元还是 20 元，截取的部分大小 都是固定的，而 100 是 3 位数，故而所占图片的比例肯定最大。经手算得 100 元的中 央数字大约占超过截取道德图像的 80%。所以由此可以判断出待检图像是不是 100 元。 以下是关键程序： Ty_100=logical(sum(FFv2_bw)<=(mt2-2)); Ty_100_l=find((Ty_100==1));% rat_100=(Ty_100_l(end)-Ty_100_l(1))/nt2; if rat_100>=0.8% val_mid=100;%val_mid 为检测结果 Else …… 如果待检图片不是 100 元图片，则进行下一步，50 元和 20 元的区分。 因为 50 和 20 均为 2 位数，故无法通过所占比例进行区分。只能通过数字的某些 特征进行区分。我们只需要区分开 5 和 2 即可。
正文
一.背景介绍 二.Matlab 函数介绍
1.Imread 函数 imread 用于读取图片文件中的数据。 调用格式： A = imread(filename,fmt) [X,map] = imread(filename,fmt) [...] = imread(filename)
2.Imshow imshow 是 matlab 中显示图像的函数。 调用格式： imshow(BW)：显示一张二值图像 BW imshow(RGB)：显示一张真彩色图像 RGB imshow(X,map)：用指定调色板来显示图像