matlab图像处理基础

在中文操作系统中，MATLAB默认为中文版，可参考以下步骤来显示英文版MATLAB。MATLABR2015a以及新的版本：点击MATLAB菜单栏预设常规选择桌面和错误信息的语言英文保存后重启MATLAB。MATLABR2014a以及R2014b版本：可以通过设置以下环境变量禁用中文内容：MWLOCALE_TRANSLATED=OFF如果您希望转换回中文版，请设置：MWLOCALE_TRANSLATED=ONWindows7中环境变量的添加可以右击：我的电脑属性高级系统设置高级环境变量系统环境变量。1.matlab是用C语言编写的①被称为第四代计算机语言②具有数据可视化功能，将向量和矩阵用图形表现出来，具有面向过程的编程特点，也有面向对象的特性Crtl+Q可以用来退出，clc清屏③M脚本文件或函数文件，创建日志文件，在命令行输入diary，可以将当前命令窗口中得所有内容都写入日志，包括命令和结果等，保存为ASCII码格式，路径为当前工作目录，最后通过diaryoff结束日志内容的记录④help和helptopic命令——topic是指要查询的函数等，如果只知道函数功能，不知道函数名称，可以通过lookfortopic命令进行关键词查询；演示程序的存在——帮助-示例-运行2.数值计算①运算优先级：从左到右，指数运算最高，乘除法次之且同级，加减法最次且同级；左除“/”是正常意义的除法；右除相反②系统关键字：'break''case''catch''classdef''continue''else''elseif''end''for''function''global''if''otherwise''parfor''persistent''return''spmd''switch''try''while'③特殊变量：ans——用作结果的默认变量名beep——使计算机发出嘟嘟声Pi——圆周率eps——机器零阈值，浮点相对精度，取值为2.2204e-16，为matlab最小值inf——无穷大nan——不定数（NaN）i或j——虚数，值为-1开方Nargin——nargout——realmin——realmax——bitmax——varargin——varargout均为特殊变量④可通过complex(real,img);来产生复数，angle是求相角的函数，可以是复数数组，也可以是单个复数；abs求摸⑤矩阵运算——包括基本运算和点运算基本运算——除法——左除“A\B”（等效于A矩阵的逆左乘B，即inv(A)*B），右除“B/A”（等效于A矩阵的逆右乘B，即B*inv(A)），若A是非奇异矩阵，则两个运算都可以实现乘方——A^x矩阵的乘方，矩阵转置，A’点运算——“.*”“./”“.\”“.^”，点运算为对应点的运算关系运算和逻辑运算——“~=表示不等于，对应函数ne(A,B)”，“==表示等于，对应函数为eq(A,B)”，“，对应函数为lt(A,B)”，“，对应函数为gt(A,B)”，“=，对应函数为le(A,B)”，“=，对应函数为ge(A,B)”；逻辑运算——0表示假，任意非零表示真“&-and(A,B),|-or(A,B),~-nor(A,B)”⑥特殊矩阵——ones创建全1矩阵——ones(2,3)行为2，列为3zeros创建全0矩阵eye创建单位矩阵rand均匀分布随机矩阵randn正态分布随机矩阵magic魔方矩阵——magic(4)表示4维矩阵diag对角矩阵——diag(1:2:9)表示从1到9顺序中，每次隔2选择一个数作为对角矩阵的对角线元素⑦访问矩阵——A(:)表示将矩阵A的所有元素从上到下，从左到右排列成向量；赋值一定要注意元素个数一致——例如：A(1:3)=B(4:6)；[AB]=[A,B]；X=1:6表示从1到6的向量cat——指定维拼接；cat(1,A,B)相当于[A;B]；cat(2,A,B)相当于[A,B]horzcat——水平拼接vertcat——垂直拼接repmat——对现有矩阵复制和粘贴组成新矩阵blkdiag——现有矩阵构造对角矩阵删除某一行或者某一列，只需要将那一行或者那一列赋值为”[]”即可矩阵形状——reshape重新排列矩阵rot90(A)——逆时针90度；rot90(A,-1)顺时针90度fliplr——以垂直方向为轴翻转flipud——以水平方向为轴翻转flipdim——以指定方向为轴翻转transpose——矩阵转置ctranspose——矩阵的共轭转置求矩阵的逆——inv(A)求矩阵伪逆——广义逆，不是方阵或者满秩也可以求广义逆pinv(A)向量A范数——第一种范数：向量元素绝对值的和norm(A,1)；第二种范数：向量的模norm(A,2)或者norm(A)；第三种：向量元素绝对值最大值norm(A,inf)矩阵范数——与向量范数一样，但是意义不同矩阵的条件数——因系数矩阵微小变化而结果有很大误差的叫做病态矩阵，反之叫做良性矩阵，条件数这个参数是用来描述这一性能，A矩阵的条件数等于A的范数与A的逆矩阵的范数的乘积，这样定义的条件数总是大于1，越接近1，性能越好，反之，性能越差；可用cond计算2范式条件数，condest计算1范式条件数，rcond计算逆条件数（这个不一定大于1）求矩阵的特征值——d=eig(A)，特征值以向量形式存放；d=eig(A,B)求广义特征值，[V,D]=eig(A)，求特征值对角矩阵D和特征向量V；[V,D]=eig(A,’nobalance’)，当A中有与截断误差数量级相差不远的值时，该指令可能更准确，’nobalance’起误差调节作用；[V,D]=eig(A,B)计算广义矩阵的特征值矩阵和特征向量；[V,D]=eig(A,B,flag)，由flag指定算法计算特征值矩阵D和特征向量V，flag为’cho’时，表示使用Cholesky算法，这里A为Hermitian矩阵，B位正定阵——而eig是基于两步QR算法的，故需要注意当矩阵含有重特征值时，特征向量矩阵可能趋于奇异，A*V-V*D为误差3.语句控制①for②while——空数组被当做逻辑假③break和continue④循环嵌套⑤选择结构case...case...otherwise⑥分支结构4.函数①rem()求整除x/y的余数rem(x,y)=x-y.*fix(x./y)——(fix()向0取整)②mod(x,y):求模mod(x,y)=x-y.*floor(x./y);（floor()向左取整,以数抽为准，朝负无穷方向取整）如果x和y的符号相同（同为‘+’，同为‘-’），那么rem(x,y)=mod(x,y)（正数与正数，负数与负数，取整结果两个函数效果一样）如果x和y的符号相反，那么mod(x,y)=rem(x,y)+y(正数与负数的取整，看你希望得到什么结果就选择用什么函数)——当x./y非整数（且xy0)时，fix(x./y)=floor(x./y)+1;当正数与负数取余时，当得到的余数结果的符号希望跟除数(x)一样，用rem()函数；当得到的余数结果的符号希望跟被除数(y)一样，用mod()函数例如：rem(3,2)=1;mod(3,2)=1;rem(-3,-2)=-1;mod(-3,-2)=-1;rem(3,-2)=1;mod(3,-2)=-1;rem(-3,2)=-1;mod(-3,2)=1;mod(3,2)=rem(3,2)=1;mod(3,-2)=rem(3,-2)-2=1-2=-1;mod(-3,2)=rem(-3,2)+2=-1+2=1;5.图像处理技术①MRI医学图像clearall;%MRI数据储存在一个128*128*1*127的数组中loadmri%载入MATLAB自带的MRI数据D=squeeze(D);%利用squeeze去除维数为1的维度figure('Colormap',map);%显示MRI图像，显示第八幅图像，也可以显示其他的image_num=8;image(D(:,:,image_num));axisimage%绘制坐标x=xlim;%取坐标有用y=ylim;%%显示二维等高切片cm=brighten(jet(length(map)),-.5);figure('Colormap',cm);contourslice(D,[],[],image_num);%显示体切片的等高线图axisijxlim(x)ylim(y)daspect([1,1,1]);%%显示三维等高线切片figure('Colormap',cm);contourslice(D,[],[],[1,12,19,27],8);view(3);axistight%显示一个等值面，等值面可用来显示一个体的所有结构，在以下代码中，先使用%smooth3函数平滑数据，然后isosurface函数计算等值数据，接着patch函数将数据%显示为一个图形对象figure('Colormap',map);Ds=smooth3(D);hiso=patch(isosurface(Ds,5),'FaceColor',[1,.75,.65],'EdgeColor','none');isonormals(Ds,hiso);%加等值帽来显示剖视图表面，使用isocaps函数计算另外一个面的数据，这个面的数据%和横截面的数据有相同的值，使用不光滑的数据(D)显示内部的细节，即可在头部的%切片顶部看到这个细节hcap=patch(isocaps(D,5),'FaceColor','interp','EdgeColor','none');%设置视角，调整宽高比，可以自己设置view(35,30)axistightdaspect([1,1,.4])②%纹理分割clearall;I=imread('D:\matlab_images\006.jpg');%读入自带图像figure;%如果不需要显示这张图片，可以注释掉imshow(I);E=entropyfilt(I);%用于生成纹理图像，该函数返回一个数组，输出的每个像素%包含该像素对应的输入图像中周围9*9邻域的熵值Eim=mat2gray(E);%mat2gray函数用于缩放纹理图像，使其在一个双精度图像默认范围内figure;imshow(Eim);%显示对应的图片pause(5);BW1=im2bw(Eim,.8);%二值图像BW1的分割目标是白色的，然而比较BW1和I，会发现%顶部的纹理被过分分割了(多重白色目标)，底部纹理几乎被全部分割了imshow(BW1);figure;%不需要显示可以注释掉pause(5);%延时5秒imshow(I);%MATLAB中bwareaopen函数用于提取底部纹理BWao=bwareaopen(BW1,1000);pause(5);figure;imshow(BWao);%使用imclose函数平滑边缘，并且封闭BWao中目标的开口孔，选择一个9*9邻域，%而entropyfilt函数使用的也是9*9邻域nhood=true(9);closeBWao=imclose(BWao,nhood);figure;imshow(closeBWao);pause(3);%使用imfill填充closeBWao中目标的孔洞roughMask=imfill(closeBWao,'holes');figure;imshow(roughMask);figure;imshow(I);pause(3);%使用粗略遮罩分割上部纹理，roughMask函数用来分割顶部纹理I2=I;I2(roughMask)=0;figure;imshow(I2);pause(3);%使用entropyfilt函数计算纹理图像E2=entropyfilt(I2);E2im=mat2gray(E2);figure;imshow(E2im);pause(3);%使用graythresh作为E2im的阈值BW2=im2bw(E2im,g