由于工作需要，开始研究一下MATLAB图像处理相关的知识，图像处理只是matlab应用领域中小小的一部分而已。以前只是听说过MATLAB很强大，但没有系统的学过，如今开始学时，发现matlab确实很不错、很高大上。操作起来很方便，特别是编写程序时，比C语言更简洁。
很多人都是大学里就学过matlab的，由于是半路出家，所以知识不是很全面，直接拿了一本冈萨雷斯的MATLAB版的书就开始看，下面做一些简单的小记录。
1. matlab命令基础：
clc——清除窗口
clear——清除之前赋值过的变量
disp——打印信息，相当于echo
celldisp——打印元胞数组内容
who——简单的显示当前已有变量
whos——显示所有变量及详细内容 whos也可以指定显示某个变量
tan/sin/cos/log ——各种数学运算
...——用来续行
定义数组——x=1:100
定义矩阵——A=[1,1,2] A=[1 2 2]; 加分号表示不显示命令执行结果 定义空矩阵B=[]
矩阵转置——A=[1 3 5 7] B=A‘ 或 B=A.‘可以把行向量转换为列向量
取元素——A(1)取A中第一个元素 A(1:5)取A中第一到五的元素
A(1:end)取第1到最后的元素，产生一个行向量； A(:)产生一个列向量
A(1:2:end)表示步长为2 步长也可以为负值 如A(end:-2:1)
linspace——x=linspace(a,b,n)产生含有n个元素的行向量x n个元素线性隔开 并包含a和b
:的活用——A=[1 2 3; 4 5 6; 7 8 9] A(:,3)取整个第三列 A(1:2, 1:3) 取两行三列
+
-
*——* 表示矩阵与矩阵相乘，满足线性代数上学的矩阵与矩阵的乘法，
.*表示矩阵中元素与元素相乘，这两个矩阵的维数必需相同。/和./也一样的道理
/
format compact——以紧凑方式显示
format loose ——以松散方式显示
zeros(M,N)——生成一个M*N的double型矩阵 元素均为0
ones(M,N)——生成一个M*N的double型矩阵 元素均为1
true(M,N)——生成一个M*N型的logical矩阵，元素均为1
false(M,N)——与上面的true相反
magic(M,N)——生成一个魔术幻阵
rand(M,N)——生成一个M*N的矩阵 元素大小在[0-1中均匀分布]
randn(M,N)——生成一个M*N的矩阵 矩阵元素正态分布 随机数均值是0 方差是1.
plot(X,Y)——画二维图像
subplot(m,n,p)——m代表生成图像的行数，n是列数，p代表子图编号
plot3(X,Y,Z)——画三维图
mesh(X,Y,Z)——画三维图
surf(X,Y,Z)——画三维图，并上色
matlab程序设计：
.m文件建立的函数文件
function [A, B] = fun(A, B) //输入A、B两个变量，返回A、B两个变量 一般.m文件名命名为函数名字
% xxxxxx 代表注释，在命令窗口中输入help fun可以显示这个注释
function [g,k,l] = two(x)
error(nargchk(1,1,nargin))
% error(nargchk(1,2,nargin))
if x<=1
g = x;
end
g = 0;
k = nargin;
l = nargout;
for i=1:1:x
g = g + i;
end
调用时写tow(10),就可以计算1~10的和。
匿名函数：
var = @(x)(x+1)
调用时形如var(1)即可，@后面跟参数列表
接受用户输入信息：
t = input(‘Enter you data:‘, ‘s‘);
t=‘12.6, x2y, z‘;
[a,b,c] = strread(t, ‘%f%q%q‘, ‘delimiter‘, ‘,‘) //按指定的格式读入a b c
matlab中图像大致分为二值图像(0/1)、灰度图像(0-255灰度级)、RGB图像(R、G、B三个分量 三个分量都相同时，所表示的颜色就退化为灰度)、索引图像。
灰度、亮度、强度通常是同一个概念。
所有图像按照特性分为位图和矢量图，位图常见格式:JPG GIF BMP 矢量图:PNG
机器视觉又称计算机视觉，试图开发出一种模拟人眼的能力，能够理解自然景物与环境的系统，比较高级哦。
nargin将返回输入到函数的参数个数、nargout用于函数的输出
nargchk用于检查参数数目是否正确margchk(low, high, number),使用实例：
function G = test(X, Y)
error(nargchk(1,2,nargin));
2. 图像处理基础：
imread——读入图像A=imread(‘1.jpg‘)
imshow——显示图像imshow(A, B); imshow(A, [low high]);
会将所有小于或等于low的值显示为黑色，大于或等于high的值显示为白色
若B省略，默认的灰度级是256，imshow(A, []) []表示将low设为A的最小值 将high设为A的最大值
显示多幅图像：imshow(A), figure,imshow(B)
imwrite——保存图像 imwrite(A, ‘2.jpg‘)
imwrite(A, ‘2.jpg‘, ‘quality‘, q) // q在0-100之间(由于JPFG压缩 q越小图像退化越严重)
size(A)——显示图像的大小
imfinfo——显示图像的详细信息 imfinfo 1.jpg 也可以K=imfinfo(‘1.jpg‘) 就可以使用K.Height K.Width等等信息
学会计算图像的压缩比：imgBytes=(K.Height*K.Width*K.BitDepth/8) compress_bytes=K.FileSize
imgBytes / compress_bytes ==
压缩比
A=imread(‘1.jpg‘);
A(1,1,:) ——显示A中第1行第一列像素点(包含红、绿、蓝)三个分量的值
B=double(A)——转换为double类型 值不会变 注意 使用im2double值会[0-1]
im2double ——若输入是uint8类型 每个值会除以255.
mat2gray() ——可以将double类型转换为归一化的double类型
区别：
im2double：如果输入类型是uint8、unit16 、logical，则按照0-->>0，255-->>1，将其值按比例处理成0～1之间的double数值；
如果输入类型是double，输出没有处理；
double：返回数值与输入相同的double类型矩阵；
mat2gray：对输入进行归一化处理，最小值-->>0;最大值-->>1，输出类型为double。
在实际的对图像处理过程中，由于我们读入图像是unit8型，而在MATLAB的矩阵运算中要求所有的运算变量为double型（双精度型）。因此通常使用im2double函数将图像数据转换成双精度型数据。
C=[-1,0.5; 2,3]
B=im2uint8(C)——im2uint8把所有大于1的值转换为255 小于0 的值转为0 其他值乘以255
im2bw ——得到二值图像 可以先A=mat2gray(B), im2bw(A, 0.5)
IPT支持的图像的算术函数：
imadd——图像相加
imsubtract——图像相减
immultiply——图像相乘
imdivide ——图像相除
imabsdiff——计算两幅图像之间的绝对差
imcomplement——对图像求补
imlincomb——计算两幅或多幅图像的线性组合
图像旋转函数imrotate，matlab默认是逆时针旋转
imrotate参数解释：
angle顾名思义 就是你旋转的角度
method 就是你实现旋转用的是什么方法，有三种 和后面的插值放大缩小是一下就是 最邻近插值法 双线性插值法 三次卷积插值法，英语表示就是 ‘nearest‘
‘bilinear‘ ‘bicubic‘。
不同的插值方法得到的旋转图像有细微的差别 如果你不选在 matlab默认的是最邻近插值法 那么图像会有一定的失真，这个失真主要是因为matlab在计算每个点的新坐标的时候得到的数值不是整数，要去整所造成的
最后说说bbox 这个的意义主要分为2种，也就是说我们在这一项有2个选择 一个是‘loose’ 另外一个是‘crop’
loose 就是宽松的意思 顾名思义就是说 图像旋转后 系统会给予一个宽松的环境去匹配它，这样你得到的图片就是一个完整的图片
matlab的解释是 When BBOX is ‘loose‘, B
includes the whole rotated image, which generally is larger than A.
crop 就是剪切啦，也就是困扰了大家很久的问题，为什么旋转后图像变小了，因为matlab默认的是crop 超过图片原来大小的部分被crop了
>> subplot(2,2,1) >> imshow(A) >> subplot(2,2,2) >> imshow(imrotate(A, 30, 'bilinear', 'loose')); >> subplot(2,2,3) >> imshow(imrotate(A, 30, 'bilinear', 'crop'));
3. 亮度变换与空间滤波:
1. 亮度
imadjust函数
A=imread(‘1.jpg‘);
B= imadjust(A, [], [], 0.75); // gamma<1 变亮
imshow(B)
C=imadjust(A, [0 1], [1 0]);
效果等价于C=imcomplement(A) 都是求图像的负片
2. 对比度拉伸函数
g = 1./(1+(m./(f+eps)).^E) // 加eps是为了防止溢出
3. 直方图
imhist函数:
h = imhist(f, b) //b是灰度级个数 默认是256
numel(f) //得到像素点个数
B=rgb2gray(A); subplot(121), imshow(B); subplot(122), imhist(B);
直方图均衡化:
histeq函数：
J=histeq(I)
实例：
>> A=imread('test.jpg');
>> B=rgb2gray(A);
>> imhist(B);//显示直方图
>> figure;
>> imhist(histeq(B)) //显示均衡化后的直方图
>> C=histeq(B);
>> imwrite(C, 'xxx.jpg');
4. 空间滤波：
线性空间滤波：imfilter函数
g=imfilter(f,w,filtering_mode, boundary_options, size_options);
//filtering_mode=corr/conv size_options=same/full
通用语法为 g = imfilter(f, w, ‘replicate‘);
非线性滤波：colfilt函数
IPT中的线性滤波器：
fspecial函数用来生成滤波掩膜w
w = fspecial(‘type‘, parm) //type表示滤波器类型
type值可以是：average disk gaussian laplacian log motion prewitt sobel unsharp
实例：
使用拉普拉斯算子来增强图像，包括锐化，同时应该保留其灰度色调
test_shape.m
function [] = test_sharp(A)
% Test Sharp
B= im2double(A);
w= fspecial('laplacian', 0);//laplacian时 第二个参数默认是0.5
C= imfilter(B, w, 'replicate');
D= B-C;
imwrite(D, 'out.jpg');
最后对比A与C的效果 发现图像明显更为清晰了。。。
可以直接用unsharp选项，效果与上面的差不多
A=imread('test.jpg');
w = fspecial('unsharp')
B=im2double(A);
C=imfilter(B, w, 'replicate');
imwrite(C, 'out.jpg');
上面使用拉普拉斯算子产生的w=[0 1 0; 1 -4 1; 0 1 0]; 中心为-4，现在我们手工指定中心为-8的情况如下：
function [] = test_sharp(A)
w4 = fspecial('laplacian', 0);
w8 = [1 1 1; 1 -8 1; 1 1 1];
A = im2double(A);
A4 = A - imfilter(A, w4, 'replicate');
A8 = A - imfilter(A, w8, 'replicate');
imwrite(A4, '4.jpg');
imwrite(A8, '8.jpg');
会发现图像锐化效果更好，图像更清晰。
IPT中的非线性滤波器：
ordfilt2函数 g = ordfilt2(f, order, domain)
中值滤波medfilt2
图像中加入噪声：格式：J = imnoise(I, type, parm)
>> A=imread(‘test.jpg‘);
>> B = imnoise(A, ‘salt & pepper‘, 0.02);
>> C=rgb2gray(B);
>> D=medfilt2(C, [3 3]);//中值滤波
>> imwrite(D, ‘xxx.jpg‘)
4. 彩色图像处理
>> A = imread("test.jpg");
%获取图像R、G、B每个分量
>> R = A(:,:,1);
>> G = A(:,:,2);
>> B = A(:,:,3);
>> D = cat(3, R, G, B); //cat组合成图像
clear
rgb=imread('xxx.jpg');
rgb_r=rgb(:,:,1);
rgb_g=rgb(:,:,2);
rgb_b=rgb(:,:,3);
[x y z]=size(rgb);
zero=zeros(x, y);
R=cat(3,rgb_r,zero,zero);
G=cat(3,zero,rgb_g,zero);
B=cat(3,zero,zero,rgb_b);
RGB=cat(3,rgb_r,rgb_g,rgb_b);
subplot(2,2,1),imshow(R),title('红色分量');
subplot(2,2,2),imshow(G),title('绿色分量');
subplot(2,2,3),imshow(B),title('蓝色分量');
subplot(2,2,4),imshow(RGB);