1、Matlab 中图像函数大全图像增强1. 直方图均衡化的 Matlab 实现1.1 imhist 函数功能：计算和显示图像的色彩直方图格式：imhist(I,n)imhist(X,map)%说明：imhist(I,n) 其中，n 为指定的灰度级数目，缺省值为 256；imhist(X,map) 就算和显示索引色图像 X 的直方图，map 为调色板。用 stem(x,counts) 同样可以显示直方图。1.2 imcontour 函数功能：显示图像的等灰度值图格式：imcontour(I,n),imcontour(I,v)说明：n 为灰度级的个数，v 是有用户指定所选的等灰度级向量。1.3 im
2、adjust 函数功能：通过直方图变换调整对比度格式：J=imadjust(I,low high,bottom top,gamma)newmap=imadjust(map,low high,bottom top,gamma)说明：J=imadjust(I,low high,bottom top,gamma) 其中，gamma 为校正量r，low high 为原图像中要变换的灰度范围，bottom top指定了变换后的灰度范围；newmap=imadjust(map,low high,bottom top,gamma) 调整索引色图像的调色板 map 。此时若 low high 和bottom
3、top 都为 23 的矩阵，则分别调整 R、G、B 3 个分量。1.4 histeq 函数功能：直方图均衡化格式：J=histeq(I,hgram)J=histeq(I,n)J,T=histeq(I,.)newmap=histeq(X,map,hgram)newmap=histeq(X,map)new,T=histeq(X,.)说明：J=histeq(I,hgram) 实现了所谓“直方图规定化”，即将原是图象 I 的直方图变换成用户指定的向量 hgram 。hgram 中的每一个元素都在 0,1 中；J=histeq(I,n) 指定均衡化后的灰度级数 n ，缺省值为 64；J,T=histeq
4、(I,.) 返回从能将图像 I 的灰度直方图变换成图像 J 的直方图的变换 T ；newmap=histeq(X,map) 和 new,T=histeq(X,.) 是针对索引色图像调色板的直方图均衡。2. 噪声及其噪声的 Matlab 实现imnoise 函数格式：J=imnoise(I,type)J=imnoise(I,type,parameter)说明：J=imnoise(I,type) 返回对图像 I 添加典型噪声后的有噪图像 J ，参数 type 和 parameter 用于确定噪声的类型和相应的参数。3. 图像滤波的 Matlab 实现3.1 conv2 函数功能：计算二维卷积格式：
5、C=conv2(A,B)C=conv2(Hcol,Hrow,A)C=conv2(.,shape)说明：对于 C=conv2(A,B) ，conv2 的算矩阵 A 和 B 的卷积，若 Ma,Nasize(A), Mb,Nb=size(B), 则 size(C)=Ma+Mb-1,Na+Nb-1;C=conv2(Hcol,Hrow,A) 中，矩阵 A 分别与 Hcol 向量在列方向和 Hrow 向量在行方向上进行卷积；C=conv2(.,shape) 用来指定 conv2 返回二维卷积结果部分，参数 shape 可取值如下：full 为缺省值，返回二维卷积的全部结果；same 返回二维卷积结果中与
6、A 大小相同的中间部分；valid 返回在卷积过程中，未使用边缘补 0 部分进行计算的卷积结果部分，当 size(A)size(B) 时，size(C)=Ma-Mb+1,Na-Nb+1 。3.2 conv 函数功能：计算多维卷积格式：与 conv2 函数相同3.3 filter2 函数功能：计算二维线型数字滤波，它与函数 fspecial 连用格式：Y=filter2(B,X)Y=filter2(B,X,shape)说明：对于 Y=filter2(B,X) ，filter2 使用矩阵 B 中的二维 FIR 滤波器对数据 X 进行滤波，结果 Y 是通过二维互相关计算出来的，其大小与 X 一样；对
7、于 Y=filter2(B,X,shape) ，filter2 返回的 Y 是通过二维互相关计算出来的，其大小由参数 shape 确定，其取值如下 o：full 返回二维相关的全部结果，size(Y)size(X)；same 返回二维互相关结果的中间部分，Y 与 X 大小相同；valid 返回在二维互相关过程中，未使用边缘补 0 部分进行计算的结果部分，有 size(Y)size(X) 。3.4 fspecial 函数功能：产生预定义滤波器格式：H=fspecial(type)H=fspecial(gaussian,n,sigma) 高斯低通滤波器H=fspecial(sobel) Sobel
8、 水平边缘增强滤波器H=fspecial(prewitt) Prewitt 水平边缘增强滤波器H=fspecial(laplacian,alpha) 近似二维拉普拉斯运算滤波器H=fspecial(log,n,sigma) 高斯拉普拉斯（LoG）运算滤波器H=fspecial(average,n) 均值滤波器H=fspecial(unsharp,alpha) 模糊对比增强滤波器说明：对于形式 H=fspecial(type) ，fspecial 函数产生一个由 type 指定的二维滤波器 H ，返回的 H 常与其它滤波器搭配使用。4. 彩色增强的 Matlab 实现4.1 imfilter 函
9、数功能：真彩色增强格式：B=imfilter(A,h)说明：将原始图像 A 按指定的滤波器 h 进行滤波增强处理，增强后的图像 B 与 A 的尺寸和类型相同图像的变换1. 离散傅立叶变换的 Matlab 实现Matlab 函数 fft、fft2 和 fftn 分别可以实现一维、二维和 N 维 DFT 算法；而函数 ifft、ifft2 和 ifftn 则用来计算反 DFT。这些函数的调用格式如下：Afft(X,N,DIM)其中，X 表示输入图像；N 表示采样间隔点，如果 X 小于该数值，那么 Matlab 将会对 X 进行零填充，否则将进行截取，使之长度为 N ；DIM 表示要进行离散傅立叶变
10、换。Afft2(X,MROWS,NCOLS)其中，MROWS 和 NCOLS 指定对 X 进行零填充后的 X 大小。Afftn(X,SIZE)其中，SIZE 是一个向量，它们每一个元素都将指定 X 相应维进行零填充后的长度。函数 ifft、ifft2 和 ifftn 的调用格式于对应的离散傅立叶变换函数一致。u例子：图像的二维傅立叶频谱% 读入原始图像Iimread(lena.bmp);imshow(I)% 求离散傅立叶频谱J=fftshift(fft2(I);figure;imshow(log(abs(J),8,10)2. 离散余弦变换的 Matlab 实现2.1. dCT2 函数功能：二维
11、 DCT 变换格式：B=dct2(A)B=dct2(A,m,n)B=dct2(A,m,n)说明：Bdct2(A) 计算 A 的 DCT 变换 B ，A 与 B 的大小相同；Bdct2(A,m,n) 和 B=dct2(A,m,n) 通过对 A 补 0 或剪裁，使 B 的大小为 mn。2.2. dict2 函数功能：DCT 反变换格式：B=idct2(A)B=idct2(A,m,n)B=idct2(A,m,n)说明：Bidct2(A) 计算 A 的 DCT 反变换 B ，A 与 B 的大小相同；Bidct2(A,m,n) 和 B=idct2(A,m,n) 通过对 A 补 0 或剪裁，使 B 的大小
12、为 mn。2.3. dctmtx 函数功能：计算 DCT 变换矩阵格式：Ddctmtx(n)说明：Ddctmtx(n) 返回一个 nn 的 DCT 变换矩阵，输出矩阵 D 为 double 类型。3. 图像小波变换的 Matlab 实现3.1 一维小波变换的 Matlab 实现(1) dwt 函数功能：一维离散小波变换格式：cA,cD=dwt(X,wname)cA,cD=dwt(X,Lo_D,Hi_D)说明：cA,cD=dwt(X,wname) 使用指定的小波基函数 wname 对信号 X 进行分解，cA、cD分别为近似分量和细节分量；cA,cD=dwt(X,Lo_D,Hi_D) 使用指定的滤
13、波器组 Lo_D、Hi_D 对信号进行分解。(2) idwt 函数功能：一维离散小波反变换格式：X=idwt(cA,cD,wname)X=idwt(cA,cD,Lo_R,Hi_R)X=idwt(cA,cD,wname,L)X=idwt(cA,cD,Lo_R,Hi_R,L)说明：X=idwt(cA,cD,wname) 由近似分量 cA 和细节分量 cD 经小波反变换重构原始信号 X 。wname 为所选的小波函数X=idwt(cA,cD,Lo_R,Hi_R) 用指定的重构滤波器 Lo_R 和 Hi_R 经小波反变换重构原始信号 X 。X=idwt(cA,cD,wname,L) 和 X=idwt(
14、cA,cD,Lo_R,Hi_R,L) 指定返回信号 X 中心附近的 L 个点。3.2 二维小波变换的 Matlab 实现二维小波变换的函数-函数名 函数功能-dwt2 二维离散小波变换wavedec2 二维信号的多层小波分解idwt2 二维离散小波反变换waverec2 二维信号的多层小波重构wrcoef2 由多层小波分解重构某一层的分解信号upcoef2 由多层小波分解重构近似分量或细节分量detcoef2 提取二维信号小波分解的细节分量appcoef2 提取二维信号小波分解的近似分量upwlev2 二维小波分解的单层重构dwtpet2 二维周期小波变换idwtper2 二维周期小波反变换-
15、(1) wcodemat 函数功能：对数据矩阵进行伪彩色编码格式：Y=wcodemat(X,NB,OPT,ABSOL)Y=wcodemat(X,NB,OPT)Y=wcodemat(X,NB)Y=wcodemat(X)说明：Y=wcodemat(X,NB,OPT,ABSOL) 返回数据矩阵 X 的编码矩阵 Y ；NB 伪编码的最大值，即编码范围为 0NB，缺省值 NB16；OPT 指定了编码的方式（缺省值为 mat），即：OPTrow ，按行编码OPTcol ，按列编码OPTmat ，按整个矩阵编码ABSOL 是函数的控制参数（缺省值为 1），即：ABSOL0 时，返回编码矩阵ABSOL1 时，
16、返回数据矩阵的绝对值 ABS(X)(2) dwt2 函数功能：二维离散小波变换格式：cA,cH,cV,cD=dwt2(X,wname)cA,cH,cV,cD=dwt2(X,Lo_D,Hi_D)说明：cA,cH,cV,cD=dwt2(X,wname)使用指定的小波基函数 wname 对二维信号 X 进行二维离散小波变幻；cA，cH,cV,cD 分别为近似分 量、水平细节分量、垂直细节分量和对角细节分量；cA,cH,cV,cD=dwt2(X,Lo_D,Hi_D) 使用指定的分解低通和高通滤波器 Lo_D 和 Hi_D 分解信号 X 。(3) wavedec2 函数功能：二维信号的多层小波分解 H
17、F S)格式：C,S=wavedec2(X,N,wname)C,S=wavedec2(X,N,Lo_D,Hi_D)说明：C,S=wavedec2(X,N,wname) 使用小波基函数 wname 对二维信号 X 进行 N 层分解；C,S=wavedec2(X,N,Lo_D,Hi_D) 使用指定的分解低通和高通滤波器 Lo_D 和 Hi_D 分解信号 X 。(4) idwt2 函数功能：二维离散小波反变换格式：X=idwt2(cA,cH,cV,cD,wname)X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R)X=idwt2(cA,cH,cV,cD,wname,S)X=idwt2(cA
18、,cH,cV,cD,Lo_R,Hi_R,S)说明：X=idwt2(cA,cH,cV,cD,wname) 由信号小波分解的近似信号 cA 和细节信号 cH、cH、cV、cD 经小波反变换重构原信号 X；X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R) 使用指定的重构低通和高通滤波器 Lo_R 和 Hi_R 重构原信号 X ；X=idwt2(cA,cH,cV,cD,wname,S)和 X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R,S) 返回中心附近的 S 个数据点。(5) waverec2 函数说明：二维信号的多层小波重构格式：X=waverec2(C,S,wname)X
19、=waverec2(C,S,Lo_R,Hi_R)说明：X=waverec2(C,S,wname) 由多层二维小波分解的结果 C、S 重构原始信号 X ，wname为使用的小波基函数；X=waverec2(C,S,Lo_R,Hi_R) 使用重构低通和高通滤波器 Lo_R 和 Hi_R 重构原信号。图像处理工具箱1. 图像和图像数据缺省情况下，MATLAB 将图像中的数据存储为双精度类型(double)，64 位浮点数，所需存储量很大；MATLAB 还支持另一种类型无符号整型(uint8)，即图像矩阵中每个数据占用 1 个字节。在使用 MATLAB 工具箱时，一定要注意函数所要求的参数类型。另外，
20、uint8 与 double两种类型数据的值域不同，编程需注意值域转换。从 uint8 到 double 的转换-图像类型 MATLAB 语句-索引色 B = double(A) + 1索引色或真彩色 B = double(A) / 255二值图像 B = double(A)-从 double 到 uint8 的转换-图像类型 MATLAB 语句-索引色 B = uint8(round(A-1)索引色或真彩色 B = uint8(round(A*255)二值图像 B = logical(uint8(round(A)-2. 图像处理工具箱所支持的图像类型2.1 真彩色图像R、G、B 三个分量表示
21、一个像素的颜色。如果要读取图像中(100,50)处的像素值，可查看三元数据(100,50,1:3)。真彩色图像可用双精度存储，亮度值范围是0,1；比较符合习惯的存储方法是用无符号整型存储，亮度值范围0,2552.2 索引色图像包含两个结构，一个是调色板，另一个是图像数据矩阵。调色板是一个有 3 列和若干行 的色彩映象矩阵，矩阵每行代表一种颜色，3 列分别代表红、绿、蓝色强度的双精度数。注意：MATLAB 中调色板色彩强度0,1，0 代表最暗，1 代表最亮。常用颜色的 RGB 值-颜色 R G B 颜色 R G B-黑 0 0 1 洋红 1 0 1白 1 1 1 青蓝 0 1 1红 1 0 0
22、天蓝 0.67 0 1绿 0 1 0 橘黄 1 0.5 0蓝 0 0 1 深红 0.5 0 0黄 1 1 0 灰 0.5 0.5 0.5 -产生标准调色板的函数-函数名 调色板-Hsv 色彩饱和度，以红色开始，并以红色结束Hot 黑色红色黄色白色Cool 青蓝和洋红的色度Pink 粉红的色度Gray 线型灰度Bone 带蓝色的灰度Jet Hsv 的一种变形，以蓝色开始，以蓝色结束Copper 线型铜色度Prim 三棱镜，交替为红、橘黄、黄、绿和天蓝Flag 交替为红、白、蓝和黑-缺省情况下，调用上述函数灰产生一个 643 的调色板，用户也可指定调色板大小。索引色图像数据也有 double 和
23、uint8 两种类型。当图像数据为 double 类型时，值 1 代表调色板中的第 1 行，值 2 代表第 2 行如果图像数据为 uint8 类型，0 代表调色板的第一行，值 1 代表第 2 行2.3 灰度图像存储灰度图像只需要一个数据矩阵。数据类型可以是 double，0，1；也可以是 uint8，0,2552.4 二值图像二值图像只需一个数据矩阵，每个像素只有两个灰度值，可以采用 uint8 或 double 类型存储。MATLAB 工具箱中以二值图像作为返回结果的函数都使用 uint8 类型。2.5 图像序列MATLAB 工具箱支持将多帧图像连接成图像序列。图像序列是一个 4 维数组，图
24、像帧的序号在图像的长、宽、颜色深度之后构成第 4 维。分散的图像也可以合并成图像序列，前提是各图像尺寸必须相同，若是索引色图像，调色板也必须相同。可参考 cat()函数 Acat(4,A1,A2,A3,A4,A5)3. MATLAB 图像类型转换图像类型转换函数-函数名 函数功能-dither 图像抖动，将灰度图变成二值图，或将真彩色图像抖动成索引色图像gray2ind 将灰度图像转换成索引图像grayslice 通过设定阈值将灰度图像转换成索引色图像im2bw 通过设定亮度阈值将真彩色、索引色、灰度图转换成二值图ind2gray 将索引色图像转换成灰度图像ind2rgb 将索引色图像转换成真彩色图像mat2gray 将一个数据矩阵转换成一副灰度图rgb2gray 将一副真彩色图像转换成灰度图像rgb2ind 将真彩色图像转换成索引色图像
