some studying matlab notes(reprinted)

最新推荐文章于 2022-12-18 22:23:07 发布

chezhai

最新推荐文章于 2022-12-18 22:23:07 发布

阅读量473

点赞数

分类专栏： study_matlab

study_matlab 专栏收录该内容

31 篇文章 0 订阅

订阅专栏

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：

基础命令:
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

length/size/numel的用法：
length(x) ——返回x的长度如果x是单个变量返回1 如果x是矩阵返回该矩阵行数与列数中的较大者。
size(x) ——当x是单个变量时，返回[1 1] 当x是矩阵是返回矩阵的行数与列数可以这样来接受[m n]=size(x)
numel(x) ——当x是单个变量时返回1，当x是矩阵时，返回矩阵元素总个数。
/

format compact——以紧凑方式显示
format loose ——以松散方式显示

mean函数:

如果有这样一个矩阵：A = [1 2 3; 3 3 6; 4 6 8; 4 7 7];
用mean(A)（默认dim=1）就会求每一列的均值
ans =
3.0000 4.5000 6.0000

>>用mean(A,2)就会求每一行的均值 
ans =
    2.0000
    4.0000
    6.0000
    6.0000

mean(A(:)) 求总的平均值

其他函数:
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函数设计：
.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
实例：

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));

Matlab写文本txt换行：
matlab关于文本文件的操作函数基本都是继承C语言的，但存在一些细微的差别。
1.写txt换行的实现

方法一：

fid=fopen(‘filename.txt’,’w’);

fprintf(fid,’%d\r\n’,a);

fclose(fid);

方法二：

fid=fopen(‘filename.txt’,’wt’); %加t表示以文本文件模式（text mode）打开

fprintf(fid,’%d\n’,a);

fclose(fid);

说明，关于换行符还与操作系统有关！

在txt文本里接着写

C语言里打开时的命令是 fid=fopen(‘filename.txt’,’aw’);

而在matlab里则是fid=fopen(‘filename.txt’,’a’);

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
命令窗口输入：imfinfo test.jpg，显示信息如下：

ans = 

           Filename: 'C:\Documents and Settings\Administrator\My Documents\MATLAB\test.jpg'
        FileModDate: '30-Sep-2014 10:31:18'
           FileSize: 1609315
             Format: 'jpg'
      FormatVersion: ''
              Width: 2336
             Height: 1752
           BitDepth: 24
          ColorType: 'truecolor'
    FormatSignature: ''
    NumberOfSamples: 3
       CodingMethod: 'Huffman'
      CodingProcess: 'Sequential'
            Comment: {}

double/im2double/mat2gray的区别:
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。

注意：uint8类、uint16类RGB图像取值范围分别是[0, 255]、[0, 65535]，而double类范围是[0, 1]
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'));

亮度变换与空间滤波:
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
对比度拉伸函数
g = 1./(1+(m./(f+eps)).^E) // 加eps是为了防止溢出
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');

图像如下所示：
这里写图片描述

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')

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);