数字图像处理与机器视觉-1-MATLAB安装与简单的图像操作

《数字图像处理与机器视觉》是一本书，主要介绍的是图像处理与机器视觉方面的知识。

最近在看这本书入门，顺便记录下在学习的过程中碰到的问题和实践，作为backup。好记性不如烂笔头

为了更好的理解书中内容，还是需要装一个工具，手动实现下书中的流程，或者自己动手实现新的小功能。

首先必备工具VS或者MATLAB，Mac版的MATLAB可以在百度上搜索破解版的，离线安装，然后替换一个库，用离线license激活就可以使用了。

第0章主要介绍了图像、像素的一些基本知识

图像的分类：一般为亮度图，RGB图，索引图，二值图和多帧图像

还有图像空间，分辨率，邻接性，连通性，区域和边界等预备知识，这些建议在网上找相关资料熟悉下。初次理解的话还是很有些绕。

第1章介绍了MATLAB的工作环境，具体语言，与图像处理相关的函数及库等

第2章介绍了Visual C++图像处理基础，提一下BMP位图，在windows平台很常见的图像保存格式

• BMP位图主要分为四个部分：

1.位图文件头数据结构，BITMAPFILEHEADER;

2.位图信息头数据结构，BITMAPINFOHEADER;

3.调色板，即索引表；

4.实际位图数据；

• C++自带的Img类和该书陪套的ImgProcess，含源码，可以阅读下源码便与理解书中内容

第3章为图像的点运算

在前面的基础知识铺垫后，开始学习最基本的图像处理操作：

RGB->灰度图，然后统计其灰度直方图

灰度直方图主要描述了一幅图像灰度级的统计信息，简单来说就是统计一幅图中各个级别灰度出现的次数

MATLAB里面已经有灰度直方图函数imhist，动手操作下，进行对比（建议不要读较大的图片，我用的一张1536*2048的图，读了快十秒）

效果如下：

=== 2018-1-11 ===

灰度图的线型变换

公式为O = Fa * I + Fb;

其中O为输出图像想，I为输入图像；

该公式为一次线性函数，有几个规律如下：

• Fa > 1时，处理后的图片对比度增大；
• Fa < 1时，处理后的图片对比度减小；
• Fa = 1 & Fb != 0时，图像整体亮度发生变化；
• Fa = -1, Fb = 255时，灰度反转，可以增强暗色图片中亮度较大的细节

通过公式也可以发现O最后计算的值有可能大于255或者小于0，会因为亮度达到饱和而丢失部分细节

一些“比较好玩”（有用）的MATLAB函数

subplot（2，2，1），可以参见百度百科subplot的解释，说的非常清楚；

stem（X，Y，‘.’）,这个百度上也有stem和stem，这两篇博客结合起来看，stem的用法基本上就很全面了；

其实MATLAB自带的有函数说明和example可以点进去查看；

最后附上张灰度处理效果图

第一张是原图：

第二张是灰度处理图，对比起来看很方便：

因为之前博客里面有谈到用OpenGL的shader来调节图片亮度，取反和生成灰度图，所以这一节相对比较简单，权当练手吧。

=== 2018-1-11 ===

最后遗留一个问题O = Fa * I + Fb;

当Fa为-1时，Fa * I 全部为0，这个比较诡异，明天再排查下是不是MATLAB的特性

=== 2018-1-12 ===

今天用MATLAB验证了下：

令Fa = -1， Fb = 0，最后得到O的灰度矩阵全部为0；

令Fa = 1，Fb = 256，最后得到O的灰度矩阵全部为255；

所以应该是MATLAB把O判断为图像类数据，做了类似防止内存溢出的安全处理，把矩阵内灰度值做了限制，保证其位于（0~255）之间

如果没有CSDN积分 ，也可以直接戳这里下载数字图像处理与机器视觉 密码: f5cb

下一篇：继续学习图像处理中常见的灰度变换