图像显示
colorbar显示彩条
getimage由坐标轴得到图像数据
ice（DIPUM）交互彩色编辑
image 创建和显示图像对象
imagesc缩放数据并显示为图像
immovie由多帧图像制作电影
imshow显示图像
imview在Image Viewer中显示图像
montage 将多个图像帧显示为矩阵蒙太奇movie 播放录制的电影帧
rgbcube显示一个彩色RGB立方体
subimage在单个图形中显示多幅图像
truesize调整图像的显示尺寸
warp 将图像显示为纹理映射的表面
图像文件输入/输出
Dicominfo从一条DICOM消息中读取元数据Dicomread读一幅DICOM图像
Dicomwrite写一幅DICOM图像
Dicom-dict.txt 包含DICOM数据字典的文本文件Dicomuid产生DICOM唯一的识别器
Imfinfo返回关于图像的文件的信息
Imread读图像文件
Imwrite写图像文件
图像算术
Imabsdiff计算两幅图像的绝对差
Imadd两幅图像相加或把常数加到图像上Imcomplement图像求补
Imdivide两幅图像相除，或用常数除图像Imlincomb计算图像的线性组合
Immultiply两幅图像相乘或用常数乘图像Imsubtract两幅图像相减，或从图像中减去常数几何变换
Checkerboard 创建棋盘格图像
Findbounds求几何变换的输出范围
Fliptform颠倒TFORM结构的输入/输出
Imcrop修剪图像
Imresize调整图像大小
Imrotate旋转图像
Imtransform对图像应用几何变换
Intline整数坐标线绘制算法
Makersampler创建重取样器结构
Maketform创建几何变换结构（TFORM）Pixeldup（DIPUM）在两个方向上复制图像的像素
Tformarray对N-D数组应用几何变换
Tformfwd应用正向几何变换
Tforminv应用反向几何变换
Vstformfwd（DIPUM）可视化正向几何变换
图像匹配
Cpstruct2pairs 将CPSTRUCT转换为有效的控制点对
Cp2tform 由控制点对推断几何变换
Cpcorr使用互相关校准控制点位置
Cpselect控制点选择工具
Normxcorr2 归一化二维互相关
像素值及统计
Corr2 计算二维相关系数
Covmatrix（DIPUM）计算向量族的协方差矩阵Imcontour创建图像数据的轮廓线
Imhist显示图像数据的直方图
Impixel确定像素的彩色点
Improfile计算沿着线段的像素值横截面
Mean2 计算矩阵元素的均值
Pixval显示关于像素的信息
Regionprops测量图像区域的属性
Statmoments（DIPUM）计算一幅图像直方图的统计中心距Std2 计算矩阵元素的标准偏差
图像分析（包括分割、描述和识别）
Bayesgauss（DIPUM）高斯模式的贝叶斯分类器
Bound2eight（DIPUM）将4连接边界转换为8连接边界Bound2four（DIPUM）将8连接边界转换为4连接边界Bwboundaries追踪区域边界
Bwtraceboundary追踪单个边界
Bound2im（DIPUM）将边界转换为图像
Boundaries（DIPUM）追踪区域边界
Bsubsamp（DIPUM）对边界二次取样
Colorgrad（DIPUM）计算一幅RGB图像的向量梯度Colorseq（DIPUM）分割一幅彩色图像
Connectpoly（DIPUM）连接多边形的顶点
Diameter（DIPUM）测量图像区域的直径
Edge（DIPUM）在一幅亮度图像中寻找边缘
Fchcode（DIPUM）计算边界的freeman链码
Frdescp（DIPUM）计算傅里叶描绘子
Graythresh使用Ostu方法计算图像的全局阈值
Hough（DIPUM）Hough变换
Houghlines（DIPUM）基于Hough变换提取线段Houghpeaks（DIPUM）在Hough变换中检测峰值Houghpixels（DIPUM）计算属于Hough变换bin的图像像素Ifrdescp（DIPUM）计算逆傅里叶描绘子
Imstack2vectors（DIPUM）从图像堆栈提取向量Invmoments（DIPUM）计算图像不变距Mahalanobis（DIPUM）计算Mahalanobis距离Minperpoly（DIPUM）计算最小周长多边形Polyangles（DIPUM）计算多边形内角
Princomp（DIPUM）得到主分量向量和相关量Qtdecomp执行四叉树分解
Qtgetblk得到四叉树分解中的块值
Qtsetblk在四叉树中设置块值
Randvertex（DIPUM）随机置换多边形顶点Regiongrow（DIPUM）由区域生长来执行分割Signature（DIPUM）计算边界的标记
Specxture（DIPUM）计算图像的谱纹理Splitmerge（DIPUM）使用分离-合并算法分割图像Statxture（DIPUM）计算图像中纹理的统计度量Strsimilarity（DIPUM）两个串间的相似性度量
X2majoraxis（DIPUM）以区域的主轴排列坐标x
图像压缩
Compare（DIPUM）计算和显示两个矩阵间的误差Entropy（DIPUM）计算矩阵的熵的一阶估计
Huff2mat（DIPUM）解码霍夫曼编码矩阵Huffman（DIPUM）为符号源建立一个变长霍夫曼码
Im2jpeg（DIPUM）使用JPEG近似压缩一幅图像
Im2jpeg2k（DIPUM）使用JPEG2000近似压缩一幅图像Imratio（DIPUM）计算两幅图像或变量中的比特率
Jpeg2im（DIPUM）解码IM2JPEG压缩的图像
Jpeg2k2im（DIPUM）解码IM2JPEG2K压缩的图像
Lpc2mat（DIPUM）解压缩一维有损预测编码矩阵
Mat2huff（DIPUM）霍夫曼编码矩阵
Mat2lpc（DIPUM）使用一维有损预测编码矩阵Quantize（DIPUM）量化UINT8类矩阵的元素
图像增强
Adapthisteq自适应直方图量化
Decorrstretch对多通道图像应用去相关拉伸
Gscale（DIPUM）按比例调整输入图像的亮度
Histeq使用直方图均衡化来增强对比度
Intrans（DIPUM）执行亮度变换
Imadjust调整图像亮度值或彩色映射
Stretchlim寻找对比度拉伸图像的限制
图像噪声
Imnoise给一幅图像添加噪声
Imnoise2（DIPUM）使用指定的PDF生成一个随机数数组Imnoise3（DIPUM）生成周期噪声
线性和非线性空间滤波
Adpmedian（DIPUM）执行自适应中值滤波Convmtx2 计算二维卷积矩阵
Dftcorr（DIPUM）执行频率域相关
Dftfilt（DIPUM）执行频率域滤波
Fspecial创建预定义滤波器
Medfilt2 执行二维中值滤波
Imfilter滤波二维和N维图像
Ordfilter2 执行二维顺序统计滤波
Spfilt（DIPUM）执行线性和非线性空间滤波Wiener2 执行二维去噪滤波
线性二维滤波器设计
Freqspace确定二维频率响应间隔
Freqz2 计算二维频率响应
Fsamp2 使用频率取样设计二维FIR滤波器Ftrans2 使用频率变换设计二维FIR滤波器Fwind1 使用一维窗法设计二维滤波器Fwind2 使用二维窗法设计二维滤波器Hpfilter（DIPUM）计算频率域高通滤波器Lpfilter（DIPUM）计算频率域低通滤波器
图像去模糊（复原）
Deconvblind使用盲去卷积去模糊图像Deconvlucy使用Lucy-Richardson方法去模糊
Deconvreg使用规则化滤波器去模糊Deconvwnr使用维纳滤波器去模糊Edgetaper使用点扩散函数锐化边缘
Otf2psf 光传递函数到点扩散函数
Pst2otf 点扩散函数到光传递函数
图像变换
Dct2 二维离散余弦变换
Dctmtx离散余弦变换矩阵
Fan2para 将扇形束投影变换为并行射束Fanbeam计算扇形射束变换
Fft2 二维快速傅里叶变换
Fftn N维快速傅里叶变换
Fftshift颠倒FFT输出的象限
Idct2 二维逆离散余弦变换
Ifanbeam计算扇形射束逆变换
Ifft2 二维快速傅里叶逆变换
Ifftn N维快速傅里叶逆变换
Iradon计算逆Radon变换
Para2fan 将并行射束投影变换为扇形射束Phantom 生成头部仿真模型的图像Radon 计算Radon变换
小波
Wave2gray（DIPUM）显示小波分解系数
Waveback（DIPUM）执行多灰度级二维快速小波逆变换Wavecopy（DIPUM）存取小波分解结构的系数Wavecut（DIPUM）在小波分解结构中置零系数Wavefast（DIPUM）执行多灰度级二维快速小波变换Wavefilter（DIPUM）构造小波分解和重构滤波器Wavepaste（DIPUM）在小波分解结构中放置系数Wavework（DIPUM）编辑小波分解结构
Wavezero（DIPUM）将小波细节系数设置为零
领域和块处理
Bestblk为块处理选择块大小
Blkproc为图像实现不同的块处理
Col2im 将矩阵列重排为块
Colfilt按列邻域操作
Im2col 将图像块重排为列
Nlfilter执行一般的滑动邻域操作
形态学操作（亮度和二值图像）
Conndef默认连通性
Imbothat执行底帽滤波
Imclearborder抑制与图像边框相连的亮结构
Imclose关闭图像
Imdilate膨胀图像
Imerode腐蚀图像
Imextendedmax最大扩展变换Imextendedmin最小扩展变换
Imfill填充图像区域和孔洞
Imhmax H最大变换
Imhmin H最小变换
Imimposemin强制最小
Imopen打开图像
Imreconstruct形态学重构Imregionalmax局部最大区域Imregionalmin局部最小区域
Imtophat执行顶帽滤波
Watershed 分水岭变换
形态学操作（二值图像）
Applylut使用查表法执行邻域操作Bwarea计算二值图像中的对象面积Bwareaopen打开二值区域（删除小对象）Bwdist计算二值图像的距离变换Bweuler计算二值图像的欧拉数Bwhitmiss二值击不中操作
Bwlabel在二维图像中标记连接分量Bwlabeln在N维二值图像中标记连接分量
Bwmorph对二值图像执行形态学操作Bwpack打包二值图像
Bwperim确定二值图像中的对象的周长Bwselect选择二值图像中的对象Bwulterode最终腐蚀
Bwunpack解包二值图像
Endpoints（DIPUM）计算二值图像的端点Makelut构建applylut使用的查找表
结构元素（STREL）的创建和操作
Getheight得到strel的高度
Getneighbors得到strel邻域的偏移位置和高度Getnhood得到strel邻域
Getsequence得到分解的strel序列
Isflat对平坦的strel返回值
Reflect 以其中心反射strel
Strel创建形态学结构元素
Translate 变换strel
基于区域的处理
Histroi（DIPUM）计算图像中的ROI的直方图Poly2mask 将ROI多边形转换为掩膜Roicolor基于颜色选择ROI
Roifill在任意区域内平稳地内插
Roifilt2 对ROI进行滤波
Roipoly选择多边形ROI
彩色映射处理
Brighten 加亮或加暗彩色映射
Cmpermute在彩色映射中重排颜色
Cmunique寻找唯一的彩色映射颜色和相应的图像Colormap设置或得到彩色查找表
Imapprox以很少的颜色近似被索引的图像Rgbplot绘制RGB彩色映射分量
彩色空间转换
Applyform应用独立于设备的彩色空间变换
Hsv2rgb 将HSV值转换为RGB彩色空间
Iccread读ICC彩色配置文件
Lab2double 将L*a*b*彩色值转换为double类Lab2uint16 将L*a*b*彩色值转换为uint16类Lab2uint8 将L*a*b*彩色值转换为uint8类Makecform创建独立于设备的彩色空间变换结构Ntsc2rgb 将NTSC值转换为RGB彩色空间
Rgb2hsv 将RGB值转换为HSV彩色空间
Rgb2ntsc 将RGB值转换为NTSC彩色空间
Rgb2ycbcr 将RGB值转换为YCBCR彩色空间Ycbcr2rgb 将YCBCR值转换为RGB彩色空间
Rgb2hsi（DIPUM）将RGB值转换为HSI彩色空间Hsi2rgb（DIPUM）将HSI值转换为RGB彩色空间Whitepoint返回标准照明的XYZ值
Xyz2double 将XYZ彩色值转换为double类
Xyz2uint16 将XYZ彩色值转换为uint16类
数组操作
Circshift循环地移位数组
Dftuv（DIPUM）计算网格数组
Padarray填充数组
Paddedsize（DIPUM）计算用于FFT的最小填充尺寸图像类型和类型转换
Changeclass改变一幅图像的类
Dither 使用抖动转换图像
Gray2ind 将亮度图像转换为索引图像
Grayslice通过阈值处理从亮度图像创建索引图像Im2bw 通过阈值处理将图像转换为二值图像
Im2double 将图像数组转换为双精度
Im2java 将图像转换为Java图像
Im2java2d 将图像转换为Java缓存的图像对象
Im2uint8 将图像数组转换为8比特无符号整数
Im2uint16 将图像数组转换为16比特无符号整数Ind2gray 将索引图像转换为亮度图像
Ind2rgb 将索引图像转换为RGB图像
Label2rgb 将标记矩阵转换为RGB图像
Mat2gray 将矩阵转换为亮度图像
Rgb2gray 将RGB图像或彩色映射转换为灰度图像
Rgb2ind 将RGB图像转换为索引图像
其他函数
Conwaylaws（DIPUM）对单个像素应用Conway的遗传定律
Manualhist（DIPUM）交互地生成2模式直方图
Twomodegauss（DIPUM）生成一个2模式高斯函数
Uintlut基于查找表计算新数组值
工具箱参数
Iptgetpref获得图像处理工具箱参数的值
Iptsetpref设置图像处理工具箱参数的值
Otus算法进行二值化（可省略为
level=graythresh(K);I2=im2bw(I1,level); ）
G = imread('1.jpg');
I = rgb2gray(G);
[m,n] = size(I);
Hist = zeros(255);%直方图
dHist = zeros(255);
variance = zeros(255);%方差
PXD = 0;
for i = 1:m
for j = 1:n
Hist(uint8(I(i,j))) = Hist(uint8(I(i,j))) + 1; end
end
for i = 1:255
dHist(i) = Hist(i)/(m*n);
end
for PXD = 1:255
w0 = 0;
w1 = 0;
g0 = 0;
g1 = 0;
for i = 1:PXD
g0 = g0 + i*dHist(i);
w0 = w0 + dHist(i);
end
for i = PXD+1 : 255
g1 = g1 + i*dHist(i);
w1 = w1 + dHist(i);
end
variance(PXD) = w0*w1*(g0 - g1)*(g0 - g1); end
PXD = 1;
for i = 1:255
if variance(PXD) < variance(i)
PXD = i;
end
end
for i = 1:m
for j = 1:n
if I(i,j) > PXD
I(i,j) = 255;
else
I(i,j) = 0;
end
end
end
imagBW = I;
matlab图像处理形态学操作相关函数及用法实例
下面是算法实现的程序代码：
I1=imread('tire.tif'); %读灰度图tire.tif
I2=imnoise(I1,'salt & pepper'); %在图像上加入椒盐噪声
figure,imshow(I2) %显示加椒盐噪声后的灰度图像
I3=im2bw(I1); %把加椒盐噪声后的灰度图像二值化
figure,imshow(I3) %显示二值化后的图像
I4=bwmorph(I3,'open'); %对二值噪声图像进行二值形态学开运算
figure,imshow(I4) %显示开运算后的图像
I5=bwmorph(I4,'close'); %对上述图像进行形态学闭运算
figure,imshow(I5) %显示最终处理后的图像
1、dilate函数
该函数能够实现二值图像的膨胀操作，有以下形式：
BW2=dilate(BW1，SE)
BW2=dilate(BW1，SE，…，n)
其中：BW2=dilate(BW1，SE)表示使用二值结构要素矩阵SE队图像数据矩阵BW1执行膨胀操作。输入图像BW1的类型为double或unit8，输出图像BW2的类型为unit8。BW2=dilate(BW1，SE，…，n)表示执行膨胀操作n次。
2、erode 函数
该函数能够实现二值图像的腐蚀操作，有以下形式：
BW2= erode(BW1，SE)
BW2= erode(BW1，SE，…，n)
其中：BW2= erode(BW1，SE)表示使用二值结构要素矩阵SE队图像数据矩阵BW1执行腐蚀操作。输入图像BW1的类型为double或unit8，输出图像BW2的类型为unit8。BW2= erode(BW1，SE，…，n)表示执行腐蚀操作n次。
3、bwmorph函数
该函数的功能是能实现二值图像形态学运算。它的格式如下：
①BW2=bwmorph(BW1，operation)
②BW2=bwmorph(BW1，operation，n)
其中：对于格式①，bwmorph函数可对二值图像BW1采用指定的形态学运算；对于格式②，bwmorph函数可对二值图像BW1采用指定的形态学运算n次。operation为下列字符串之一：
‘clean’：除去孤立的像素(被0包围的1)
‘close’：计算二值闭合
‘dilate’：用结构元素计算图像膨胀
‘erode’：用结构元素计算图像侵蚀
4、imclose函数
该函数功能是对灰度图像执行形态学闭运算，即使用同样的结构元素先对图像进行膨胀操作后进行腐蚀操
作。调用格式为：
IM2=imclose(IM,SE)
IM2=imclose(IM,NHOOD)
5、imopen函数
该函数功能是对灰度图像执行形态学开运算，即使用同样的结构元素先对图像进行腐蚀操作后进行膨胀操作。调用格式为：
IM2=imopen(IM,SE)
IM2=imopen(IM,NHOOD)
3用MATLAB编程实现图像去噪
3.1 二值形态学消除图像噪声
用二值形态学方法对图像中的噪声进行滤除的基本思想[4]是：使用具有一定形态的结构元素去度量和提取图像中的对应形状，以达到消除图像噪声的目的。下面是二值形态学消除图像噪声的一个实例。
首先将tire.tif图像加入椒盐噪声，这种噪声前面已经介绍过，它在亮的图像区域内是暗点，而在暗的图像区域内是亮点，再对有噪声图像进行二值化操作，再对有噪声图像进行开启操作，由于这里的结构元素矩阵比噪声的尺寸要大，因而开启的结果是将背景上的噪声点去除了，最后对前一步得到的图像进行闭合操作，将轮胎上的噪声点去掉了。
下面是算法实现的程序代码：
I1=imread('tire.tif'); %读灰度图tire.tif
I2=imnoise(I1,'salt & pepper'); %在图像上加入椒盐噪声
figure,imshow(I2) %显示加椒盐噪声后的灰度图像
I3=im2bw(I1); %把加椒盐噪声后的灰度图像二值化
figure,imshow(I3) %显示二值化后的图像
I4=bwmorph(I3,'open'); %对二值噪声图像进行二值形态学开运算
figure,imshow(I4) %显示开运算后的图像
I5=bwmorph(I4,'close'); %对上述图像进行形态学闭运算
figure,imshow(I5) %显示最终处理后的图像
Matlab 图像处理相关函数命令大全 一、通用函数： colorbar 显示彩色条 语法：colorbar \ colorbar('vert') \ colorbar('horiz') \ colorbar(h) \ h=colorbar(...) \ colorbar(...,'peer',axes_handle) getimage 从坐标轴取得图像数据 语法：A=getimage(h) \ [x,y,A]=getimage(h) \ [...,A,flag]=getimage(h) \ [...]=getimage imshow 显示图像 语法：imshow(I,n) \ imshow(I,[low high]) \ imshow(BW) \ imshow(X,map) \ imshow(RGB)\ imshow(...,display_option) \ imshow(x,y,A,...) \ imshow filename \ h=imshow(...) montage 在矩形框中同时显示多幅图像 语法：montage(I) \ montage(BW) \ montage(X,map) \ montage(RGB) \ h=montage(...) immovie 创建多帧索引图的电影动画 语法：mov=immovie(X,map) \ mov=immovie(RGB) subimage 在一副图中显示多个图像 语法：subimage(X,map) \ subimage(I) \ subimage(BW) \ subimage(RGB) \ subimage(x,y,...) \ subimage(...) truesize 调整图像显示尺寸 语法：truesize(fig,[mrows mcols]) \ truesize(fig)
指数函数 概念：一般地，函数y=a^x（a＞0，且a≠1）叫做指数函数，其中x 是自变量，函数的定义域是R。 注意：⒈指数函数对外形要求严格，前系数要为1，否则不能为指数函数。 ⒉指数函数的定义仅是形式定义。 指数函数的图像与性质： 规律：1. 当两个指数函数中的a互为倒数时，两个函数关于y轴对称，但这两个函数都不具有奇偶性。
2.当a＞1时，底数越大，图像上升的越快，在y轴的右侧，图像越靠近y轴； 当0＜a＜1时，底数越小，图像下降的越快，在y轴的左侧，图像越靠近y轴。 在y轴右边“底大图高”；在y轴左边“底大图低”。
3.四字口诀：“大增小减”。即：当a＞1时，图像在R上是增函 数；当0＜a＜1时，图像在R上是减函数。 4. 指数函数既不是奇函数也不是偶函数。 比较幂式大小的方法： 1.当底数相同时，则利用指数函数的单调性进行比较； 2.当底数中含有字母时要注意分类讨论； 3.当底数不同，指数也不同时，则需要引入中间量进行比较； 4.对多个数进行比较，可用0或1作为中间量进行比较 底数的平移： 在指数上加上一个数，图像会向左平移；减去一个数，图像会向右平移。 在f(X)后加上一个数，图像会向上平移；减去一个数，图像会向下平移。
对数函数 1.对数函数的概念 由于指数函数y=a x 在定义域(-∞，+∞)上是单调函数，所以它存在反函数， 我们把指数函数y=a x (a ＞0，a≠1)的反函数称为对数函数，并记为y=log a x(a ＞0，a≠1). 因为指数函数y=a x 的定义域为(-∞，+∞)，值域为(0，+∞)，所以对数函数y=log a x 的定义域为(0，+∞)，值域为(-∞，+∞). 2.对数函数的图像与性质 对数函数与指数函数互为反函数，因此它们的图像对称于直线y=x. 据此即可以画出对数函数的图像，并推知它的性质. 为了研究对数函数y=log a x(a ＞0，a≠1)的性质，我们在同一直角坐标系中作出函数 y=log 2x ，y=log 10x ，y=log 10x,y=log 2 1x,y=log 10 1x 的草图
Matlab图像处理函数大全 目录 图像增强 (3) 1. 直方图均衡化的Matlab 实现 (3) 1.1 imhist 函数 (3) 1.2 imcontour 函数 (3) 1.3 imadjust 函数 (3) 1.4 histeq 函数 (4) 2. 噪声及其噪声的Matlab 实现 (4) 3. 图像滤波的Matlab 实现 (4) 3.1 conv2 函数 (4) 3.2 conv 函数 (5) 3.3 filter2函数 (5) 3.4 fspecial 函数 (6) 4. 彩色增强的Matlab 实现 (6) 4.1 imfilter函数 (6) 图像的变换 (6) 1. 离散傅立叶变换的Matlab 实现 (6) 2. 离散余弦变换的Matlab 实现 (7) 2.1. dct2 函数 (7) 2.2. dict2 函数 (8) 2.3. dctmtx函数 (8) 3. 图像小波变换的Matlab 实现 (8) 3.1 一维小波变换的Matlab 实现 (8) 3.2 二维小波变换的Matlab 实现 (9) 图像处理工具箱 (11) 1. 图像和图像数据 (11) 2. 图像处理工具箱所支持的图像类型 (12) 2.1 真彩色图像 (12) 2.2 索引色图像 (13) 2.3 灰度图像 (14) 2.4 二值图像 (14) 2.5 图像序列 (14) 3. MATLAB图像类型转换 (14) 4. 图像文件的读写和查询 (15) 4.1 图形图像文件的读取 (15) 4.2 图形图像文件的写入 (16) 4.3 图形图像文件信息的查询imfinfo()函数 (16) 5. 图像文件的显示 (16) 5.1 索引图像及其显示 (16) 5.2 灰度图像及其显示 (16) 5.3 RGB 图像及其显示 (17)
一、通用函数： colorbar显示彩色条 语法：colorbar \ colorbar('vert') \ colorbar('horiz') \ colorbar(h) \ h=colorbar(...) \ colorbar(...,'peer',axes_handle) getimage 从坐标轴取得图像数据 语法：A=getimage(h) \ [x,y,A]=getimage(h) \ [...,A,flag]=getimage(h) \ [...]=getimage imshow 显示图像 语法：imshow(I,n) \ imshow(I,[low high]) \ imshow(BW) \ imshow(X,map) \ imshow(RGB)\ imshow(...,display_option) \ imshow(x,y,A,...) \ imshow filename \ h=imshow(...) montage 在矩形框中同时显示多幅图像 语法：montage(I) \ montage(BW) \ montage(X,map) \ montage(RGB) \ h=montage(...) immovie 创建多帧索引图的电影动画 语法：mov=immovie(X,map) \ mov=immovie(RGB) subimage 在一副图中显示多个图像 语法：subimage(X,map) \ subimage(I) \ subimage(BW) \ subimage(RGB) \ subimage(x,y,...) \ subimage(...) truesize 调整图像显示尺寸 语法：truesize(fig,[mrows mcols]) \ truesize(fig) warp 将图像显示到纹理映射表面 语法：warp(X,map) \ warp(I ,n) \ warp(z,...) warp(x,y,z,...) \ h=warp(...) zoom 缩放图像 语法：zoom on \ zoom off \ zoom out \ zoom reset \ zoom \ zoom xon \ zoom yon\ zoom(factor) \ zoom(fig,option) 二、图像文件I/O函数命令 imfinfo 返回图形图像文件信息 语法：info=imfinfo(filename,fmt) \ info=imfinfo(filename) imread 从图像文件中读取（载入）图像 语法：A=imread(filename,fmt) \ [X,map]=imread(filename,fmt) \
基本界面 1-1、基本运算与函数 在MATLAB下进行基本数学运算，只需将运算式直接打入提示号（>>）之後，并按入Enter键即可。例如： >> (5*2+1.3-0.8)*10/25 ans =4.2000 MATLAB会将运算结果直接存入一变数ans，代表MATLAB运算後的答案（Answer）并显示其数值於萤幕上。 小提示：">>"是MATLAB的提示符号（Prompt），但在PC中文视窗系统下，由於编码方式不同，此提示符号常会消失不见，但这并不会影响到MATLAB的运算结果。 我们也可将上述运算式的结果设定给另一个变数x： x = (5*2+1.3-0.8)*10^2/25 x = 42
若要输入矩阵，则必须在每一列结尾加上分号（；），如下例： A = [1 2 3 4; 5 6 7 8; 9 1011 12]; A = 1 2 3 4 5 6 7 8 9 10 11 12 同样地，我们可以对矩阵进行各种处理： A(2,3) = 5 % 改变位於第二列，第三行的元素值 A = 1 2 3 4 5 6 5 8 9 10 11 12 B = A(2,1:3) % 取出部份矩阵B B = 5 6 5 A = [A B'] % 将B转置後以列向量并入A A = 1 2 3 4 5 5 6 5 8 6 9 10 11 12 5 A(:, 2) = [] % 删除第二行（：代表所有列） A = 1 3 4 5
5 5 8 6 9 11 12 5 A = [A; 4 3 2 1] % 加入第四列 A = 1 3 4 5 5 5 8 6 9 11 12 5 4 3 2 1 A([1 4], :) = [] % 删除第一和第四列（：代表所有行） A = 5 5 8 6 9 11 12 5 这几种矩阵处理的方式可以相互叠代运用，产生各种意想不到的效果，就看各位的巧思和创意。 小提示：在MATLAB的内部资料结构中,每一个矩阵都是一个以行为主（Column-oriented ）的阵列（Array）因此对於矩阵元素的存取，我们可用一维或二维的索引（Index）来定址。举例来说，在上述矩阵A中，位於第二列、第三行的元素可写为A(2,3) （二维索引）或A(6)（一维索引，即将所有直行进行堆叠後的第六个元素）。 此外，若要重新安排矩阵的形状，可用reshape命令： B = reshape(A, 4, 2) % 4是新矩阵的行数，2是新矩阵的列数 B = 5 8 9 12 5 6 11 5
图像处理函数详解——strel 功能：用于膨胀腐蚀及开闭运算等操作的结构元素对象(本论坛随即对膨胀腐蚀等操作进行讲解)。 用法：SE=strel(shape,parameters) 创建由指定形状shape对应的结构元素。其中shape的种类有 arbitrary' 'pair' 'diamond' 'periodicline' 'disk' 'rectangle' 'line' 'square' 'octagon 参数parameters一般控制SE的大小。 例子： se1=strel('square',6) %创建6*6的正方形 se2=strel('line',10,45) %创建直线长度10，角度45 se3=strel('disk',15) %创建圆盘半径15 se4=strel('ball',15,5) %创建椭圆体，半径15，高度5
图像处理函数详解——roipoly 功能：用于选择图像中的多边形区域。 用法：BW=roipoly(I,c,r) BW=roipoly(I) BW=roipoly(x,y,I,xi,yi) [BW,xi,yi]=roipoly(...) [x,y,BW,xi,yi]=roipoly(...) BW=roipoly(I,c,r)表示用向量c、r指定多边形各点的X、Y坐标。BW选中的区域为1，其他部分的值为0. BW=roipoly(I)表示建立交互式的处理界面。 BW=roipoly(x,y,I,xi,yi)表示向量x和y建立非默认的坐标系，然后在指定的坐标系下选择由向量xi，yi指定的多边形区域。 例子：I=imread('eight.tif'); c=[222272300270221194]; r=[21217512112175]; BW=roipoly(I,c,r); imshow(I)
数字图像处理 (实验报告) 专业：电子信息工程 学号：2009040201019 姓名：宋军 沈阳航空航天大学 电子信息工程学院 20012. 6
《数字图像处理》实验指导书 实验一、显示图像、读取文件格式 实验二、空间域图像增强 实验三、频率域图像增强 实验四、图像恢复 实验五、图像分割
实验一、显示图像、读取文件格式 一、实验目的 熟悉常用的图像文件格式； 熟悉图像矩阵的显示方法； 熟悉图像矩阵的插值方法 二、实验原理 1图像文件的存储格式 在计算机中，数据是以文件的形式存放在存储器中的，图像数据也不例外。图像文件是采用特定数据结构表示图像数据的文件，这种特定格式，就是该图像文件的格式，图像文件一般由文件头、色调数据和像素数据三部分组成。常用的图像文件格式：BMP、JPEG、TIFF、GIF。在windows操作系统下能够在显示器上显示上述常用的文件格式，但有些文件格式windows系统不支持显示，比如DICOM 医学影像文件格式。现在已有几十种常用的图像文件格式，它们是由计算机软件技术公司、计算机设备制造厂商等研究制订的，主要目的是为了图像信息交换和操作的方便性。 2图像的插值方法 在浏览图像的时候经常对图像进行缩放，然而对于不同的图像缩放方法，缩放的效果也不同。分别采用最邻近插值法、双线性插值和双三次插值法，可以发现在图像边缘处方块效应不同。 3所应用到的Matlab函数 imread 读图像文件函数； imwrite 写图像文件函数图像文件信息显示 Imfinfo 图像文件信息显示函数 Imshow 显示图像函数. Imresize 图像缩放函数 Dicomread 读取医学影像文件函数 Dicominfo 医学影像文件信息显示函数 rgb2gray图像文件转换函数 三、实验步骤 1 图像文件格式及显示 ?调用imread函数，读取硬盘中的图像文件； ?调用imshow函数，显示图像； ?调用imfinfo函数，显示图像文件信息； ?调用dicomread函数，读取医学影像文件 ?调用dicominfo函数，显示医学影像文件信息 2图像文件格式的转换 ?调用imread函数，读取硬盘中的图像文件； ?调用imshow函数，显示图像； ?调用imfinfo函数，显示图像文件信息； ?调用rgb2gray函数，进行文件格式的转换，将彩色.jpg文件转换成灰度图像； ?调用imfinfo函数，显示图像文件转换后的输出信息；
1.数字图像与连续图像相比具有哪些优点?连续图像f(x,y与数字图像I(c,r中各量的含义 是什么?它们有何联系和区别? (To be compared with an analog image, what are the advantages of a digital image? Let f(x,y be an analog image, I(r, c be a digital image, please give explanation and comparison for defined variables: f/I, x/r, and y/c 2.图像处理可分为哪三个阶段? 它们是如何划分的?各有什么特点? (We can divide "image processing" into 3 stages, what are they? how they are divided? What are their features? 答:低级处理---低层操作,强调图像之间的变换,是一个从图像到图像的过程; 中级处理---中层操作,主要对图像中感兴趣的目标进行检测和测量,从而建立对图像的描述,是一个从图像到数值或符号的过程; 高级处理---高层操作,研究图像中各目标的性质和相互联系,得出对图像内容含义的理解以及对原来客观场景的解释; 3.试从结构和功能等角度分析人类视觉中最基本的几个要素是什么?什么是马赫带效应? 什 么是同时对比度?它们反映了什么共同问题? (According to the structure and function of the eyes, what are the basic elements in human vision? What is the Mach Band Effect? What is Simultaneous Contrast? What common facts can we infer from both Mach Band Effect and Simultaneous Contrast? 答:人的视觉系统趋向于过高或过低估计不同亮度区域边界的现象称为“马赫带”效应;同时对比度指的是人的视觉系统对某个区域感觉到的亮度除了依赖于它本身的强度,还与背景有关.
最常用的一些图像处理Matlab源代 码 #1：数字图像矩阵数据的显示及其傅立叶变换 #2：二维离散余弦变换的图像压缩 #3：采用灰度变换的方法增强图像的对比度 #4：直方图均匀化 #5：模拟图像受高斯白噪声和椒盐噪声的影响 #6：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 #7：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 #8：图像的自适应魏纳滤波 #9：运用5种不同的梯度增强法进行图像锐化 #10：图像的高通滤波和掩模处理 #11：利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理 #12：利用巴特沃斯（Butterworth）高通滤波器对受噪声干扰的图像进行平滑处理 1.数字图像矩阵数据的显示及其傅立叶变换 f=zeros(30,30); f(5:24,13:17)=1; imshow(f, 'notruesize'); F=fft2(f,256,256); % 快速傅立叶变换算法只能处矩阵维数为2的幂次，f矩阵不 % 是，通过对f矩阵进行零填充来调整 F2=fftshift(F); % 一般在计算图形函数的傅立叶变换时，坐标原点在 % 函数图形的中心位置处，而计算机在对图像执行傅立叶变换 % 时是以图像的左上角为坐标原点。所以使用函数fftshift进 %行修正，使变换后的直流分量位于图形的中心； figure,imshow(log(abs(F2)),[-1 5],'notruesize');
2 二维离散余弦变换的图像压缩I=imread('cameraman.tif'); % MATLAB自带的图像imshow(I); clear;close all I=imread('cameraman.tif'); imshow(I); I=im2double(I); T=dctmtx(8); B=blkproc(I,[8 8], 'P1*x*P2',T,T'); Mask=[1 1 1 1 0 0 0 0 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]; B2=blkproc(B,[8 8],'P1.*x',Mask); % 此处为点乘(.*) I2=blkproc(B2,[8 8], 'P1*x*P2',T',T); figure,imshow(I2); % 重建后的图像 3.采用灰度变换的方法增强图像的对比度I=imread('rice.tif'); imshow(I); figure,imhist(I); J=imadjust(I,[0.15 0.9], [0 1]); figure,imshow(J); figure,imhist(J);
一些图像处理函数用法（精华） imshow imshow是用来显示图片的，如 I = imread('moon.tif'); figure,imshow(I); 而有时为了数据处理，要把读取的图片信息转化为更高的精度， I = double(imread('moon.tif')); 为了保证精度，经过了运算的图像矩阵I其数据类型会从unit8型变成double型。如果直接运行imshow(I)，我们会发现显示的是一个白色的图像。这是因为imshow()显示图像时对double型是认为在0~1范围内，即大于1时都是显示为白色，而imshow显示uint8型时是0~255范围。而经过运算的范围在0-255之间的double型数据就被不正常得显示为白色图像了。 有两个解决方法： 1、imshow(I/256); -----------将图像矩阵转化到0-1之间 2、imshow(I,[]); -----------自动调整数据的范围以便于显示 从实验结果看两种方法都解决了问题，但是从显示的图像看，第二种方法显示的图像明暗黑白对比的强烈些！图像为y,为何用imshow(uint8(y))和imshow(y,[])时的图像显示结果不同？ 回答: imshow(uint8(y))是按照256级灰度显示y得绝对数据。0表示黑色，255表示白色，y中大于255的值强制为255。 imshow(y,[])，将y中的最小值看作0(black)，最大值看作255(white) -->增加图像的对比度。 所以两者不同。 padarray 功能：填充图像或填充数组。 用法：B = padarray(A,padsize,padval,direction) A为输入图像，B为填充后的图像, padsize给出了给出了填充的行数和列数，通常用[r c]来表示, padval和direction分别表示填充方法和方向。 它们的具体值和描述如下： padval：'symmetric' 表示图像大小通过围绕边界进行镜像反射来扩展； 'replicate' 表示图像大小通过复制外边界中的值来扩展； 'circular' 图像大小通过将图像看成是一个二维周期函数的一个周期来进行扩展。 direction：'pre' 表示在每一维的第一个元素前填充； 'post' 表示在每一维的最后一个元素后填充；
图像处理的基本步骤 针对不同的目的，图像处理的方法不经相同。大体包括图像预处理和图像识别两大模块。 一、图像预处理： 结合识别复杂环境下的成熟黄瓜进行阐述，具体步骤如下： · 图像预处理阶段的流程图 对以上的图像流程进行详细的补充说明: 图像预处理的概念: 将每一个文字图像分检出来交给识别模块识别，这一过程称为图像预处理。 图像装换和图像分割以及区域形态学处理都是属于图像处理的基本内容之一。 图像转换：方法：对原图像进行灰度化处理生成灰度矩阵——降低运算速度（有具体的公式和方程），中值滤波去噪声——去除色彩和光照的影响等等。 图像分割：传统方法：基于阈值分割、基于梯度分割、基于边缘检测分割和基于区域图像割等方法。脉冲耦合神经网络 （ＰＣＮＮ）是针对复杂环境下 图像采集 图像采集中注意采集的方法、工具进行介绍。目的是怎样获取有代表性的样本。（包括天气、相机的位置等） 对采集的图像进行特征分析 目标的颜色和周围环境的颜色是否存在干涉的问题、平整度影响相机的拍摄效果、形状 图像转换 图像分割 区域形态学处理
的有效分割方法，分割的时候如果将一个数字图像输入ＰＣＮＮ，则能基于空间邻近性和亮度相似性将图像像素分组，在基于窗口的图像处理应用中具有很好的性能。 区域形态学处理：对ＰＣＮＮ分割结果后还存在噪声的情况下，对剩余的噪声进行分析，归类属于哪一种噪声。是孤立噪声还是黏连噪声。采用区域面积统计法可以消除孤立噪声。对于黏连噪声，可以采用先腐蚀切断黏连部分，再膨胀复原目标对象，在进行面积阙值去噪，通过前景空洞填充目标，最后通过形态学运算，二值图像形成众多独立的区域，进行各连通区域标识，利于区域几何特征的提取。 二、图像识别： 针对预处理图像提取 目标特征 建立LS SVM分类器 得到结果 图像识别流程图 提取目标特征：目标特征就是的研究对象的典型特点，可以包括几何特征和纹理特征。 对于几何特征采用的方法：采用LS-SVM支持向量机对几何特征参数进行处理，通过分析各个参数的分布区间来将目标和周围背景区分开，找出其中具有能区分功能的决定性的几何特征参数。 纹理特征方法：纹理特征中的几个参数可以作为最小二乘支持向量机的辅助特征参数，提高模型的精准度。 最小二乘支持向量机介绍：首先选择非线性映射将样本从原空间映射到特征空间，以解决原空间中线性不可分问题，在此高维空间中把最优决策问题转化为等式约束条件，构造最优决策函数，并引入拉格朗日乘子求解最优化问题，对各个变量求偏微分。 LS SVM分类器：对于p种特征选择q个图像连通区域，作为训练样本。依
图像显示 colorbar 显示彩条 getimage 由坐标轴得到图像数据 ice（DIPUM）交互彩色编辑 image 创建和显示图像对象 imagesc 缩放数据并显示为图像 immovie 由多帧图像制作电影 imshow 显示图像 imview 在Image Viewer中显示图像montage 将多个图像帧显示为矩阵蒙太奇movie 播放录制的电影帧 rgbcube 显示一个彩色RGB立方体subimage 在单个图形中显示多幅图像truesize 调整图像的显示尺寸 warp 将图像显示为纹理映射的表面 图像文件输入/输出 Dicominfo 从一条DICOM消息中读取元数据Dicomread 读一幅DICOM图像 Dicomwrite 写一幅DICOM图像 Dicom-dict.txt 包含DICOM数据字典的文本文件Dicomuid 产生DICOM唯一的识别器 Imfinfo 返回关于图像的文件的信息
Imread 读图像文件 Imwrite 写图像文件 图像算术 Imabsdiff 计算两幅图像的绝对差 Imadd 两幅图像相加或把常数加到图像上Imcomplement 图像求补 Imdivide 两幅图像相除，或用常数除图像Imlincomb 计算图像的线性组合 Immultiply 两幅图像相乘或用常数乘图像Imsubtract 两幅图像相减，或从图像中减去常数几何变换 Checkerboard 创建棋盘格图像 Findbounds 求几何变换的输出范围 Fliptform 颠倒TFORM结构的输入/输出Imcrop 修剪图像 Imresize 调整图像大小 Imrotate 旋转图像 Imtransform 对图像应用几何变换 Intline 整数坐标线绘制算法Makersampler 创建重取样器结构 Maketform 创建几何变换结构（TFORM）Pixeldup（DIPUM）在两个方向上复制图像的像素
附录MATLAB图像处理命令 1．applylut 功能： 在二进制图像中利用lookup表进行边沿操作。 语法： A = applylut(BW,lut) 举例 lut = makelut('sum(x(:)) == 4',2); BW1 = imread('text.tif'); BW2 = applylut(BW1,lut); imshow(BW1) figure, imshow(BW2) 相关命令： makelut 2．bestblk 功能： 确定进行块操作的块大小。 语法： siz = bestblk([m n],k) [mb,nb] = bestblk([m n],k) 举例 siz = bestblk([640 800],72) siz = 6450
MATLAB 高级应用——图形及影像处理 330 相关命令： blkproc 3．blkproc 功能： 实现图像的显式块操作。 语法： B = blkproc(A,[m n],fun) B = blkproc(A,[m n],fun,P1,P2,...) B = blkproc(A,[m n],[mborder nborder],fun,...) B = blkproc(A,'indexed',...) 举例 I = imread('alumgrns.tif'); I2 = blkproc(I,[8 8],'std2(x)*ones(size(x))'); imshow(I) figure, imshow(I2,[]); 相关命令： colfilt, nlfilter,inline 4．brighten 功能： 增加或降低颜色映像表的亮度。 语法： brighten(beta) newmap = brighten(beta) newmap = brighten(map,beta) brighten(fig,beta) 相关命令：
Matlab中常见函数的用法 1size（）函数 1）s=size(A), 当只有一个输出参数时，返回一个行向量，该行向量的第一个元素时矩阵的行数，第二个元素是矩阵的列数。 2）[r,c]=size(A), 当有两个输出参数时，size函数将矩阵的行数返回到第一个输出变量r，将矩阵的列数返回到第二个输出变量c。 3）size(A,n) 如果在size函数的输入参数中再添加一项n，并用1、2或者3为n赋值，则 size将返回矩阵的行数或列数。其中r=size(A,1)该语句返回的时矩阵A的行数， c=size(A,2) 该语句返回的时矩阵A的列数。如果A为一个二维数组，则可以将其看成一个第三维为1的数组，即size（A，3）的返回值为1。 2padarray（）函数 B = padarray(A,padsize,padval,direction) A为输入图像，B为填充后的图像，padsize给出了给出了填充的行数和列数，通常用[r c]来表示。padval和direction分别表示填充方法和方向。它们的具体值和描述如下：Padval选项：'symmetric'表示图像大小通过围绕边界进行镜像反射来扩展； 'replicate'表示图像大小通过复制外边界中的值来扩展； 'circular'图像大小通过将图像看成是一个二维周期函数的一个周期来进行扩展。Direction选项：'pre'表示在每一维的第一个元素前填充； 'post'表示在每一维的最后一个元素后填充； 'both'表示在每一维的第一个元素前和最后一个元素后填充，此项为默认值。 若参量中不包括direction，则默认值为'both'；若参量中不包含padval，则默认用0来填充。若参量中不包括任何参数，则默认填充为零且方向为'both'。在计算结束时，图像会被修剪成原始大小。 3 meshgrid（）函数 meshgrid用于从数组a和b产生网格。生成的网格矩阵A和B大小是相同的，它也可以是更高维的。该函数在使用matlab进行3-D图形的绘制方面有着广泛的应用。 [A,B]=Meshgrid(a,b),生成size(b)*size(a)大小的矩阵A和B。A矩阵相当于a从一行重复增加到size(b)行，B矩阵相当于把b转置成一列再重复增加到size(a)列。因此命令等效于A=ones(size(b))*a;B=b'*ones(size(a)) 实例：a=[1:2]；a =12；b=[3:5]；b =345；[A,B]=meshgrid(a,b) A = 1 2 1 2 1 2 B = 3 3 4 4 5 5 4 find（）函数 find函数用于找到非零元素的索引和值。 1）ind = find(X) 找出矩阵X中的所有非零元素，并将这些元素的线性索引值（linear indices：按列）
1、图像的变换 ①fft2：fft2函数用于数字图像的二维傅立叶变换，如：i=imread('104_8.tif'); j=fft2(i); ②ifft2:：ifft2函数用于数字图像的二维傅立叶反变换，如： i=imread('104_8.tif'); j=fft2(i); k=ifft2(j); 2、模拟噪声生成函数和预定义滤波器 ①imnoise：用于对图像生成模拟噪声，如： i=imread('104_8.tif'); j=imnoise(i,'gaussian',0,0.02);%模拟高斯噪声 ②fspecial：用于产生预定义滤波器，如： h=fspecial('sobel');%sobel水平边缘增强滤波器 h=fspecial('gaussian');%高斯低通滤波器 h=fspecial('laplacian');%拉普拉斯滤波器 h=fspecial('log');%高斯拉普拉斯（LoG）滤波器 h=fspecial('average');%均值滤波器 2、图像的增强 ①直方图：imhist函数用于数字图像的直方图显示，如： i=imread('104_8.tif'); imhist(i); ②直方图均化：histeq函数用于数字图像的直方图均化，如： i=imread('104_8.tif'); j=histeq(i); ③对比度调整：imadjust函数用于数字图像的对比度调整，如：i=imread('104_8.tif'); j=imadjust(i,[0.3,0.7],[]); ④对数变换：log函数用于数字图像的对数变换，如： i=imread('104_8.tif'); j=double(i);
8种常用图像处理算法（函数）------以下所有函数均放在https://www.doczj.com/doc/b515969.html,p下 1.图像镜像 void CCimageProcessingView::OnGeomTrpo() { //获取指向文档的指针 CCimageProcessingDoc* pDoc = GetDocument(); //指向DIB的指针 LPSTR lpDIB; //锁定DIB lpDIB = (LPSTR) ::GlobalLock((HGLOBAL) pDoc->GetHDIB()); //设置光标状态为等待状态 BeginWaitCursor(); //调用VertMirror函数镜像图象 if (VertMirror(lpDIB)) { //设置文档修改标记 pDoc->SetModifiedFlag(TRUE); //更新所有视图 pDoc->UpdateAllViews(NULL); } else { //提示信息 MessageBox("实现图象镜像失败！"); } //解除锁定 ::GlobalUnlock((HGLOBAL) pDoc->GetHDIB()); //结束光标等待状态 EndWaitCursor(); } * 函数名称： * * VertMirror() * * 参数: * * LPSTR lpDIB //指向源DIB图像指针 * * 返回值: * * BOOL //镜像成功返回TRUE，否则返回FALSE。 *
* 说明: * * 该函数用来实现DIB图像的垂直镜像。 * BOOL WINAPI VertMirror(LPSTR lpDIB) { //原图象宽度 LONG lWidth; //原图象高度 LONG lHeight; //原图象的颜色数 WORD wNumColors; //原图象的信息头结构指针 LPBITMAPINFOHEADER lpbmi; //指向原图象和目的图象的像素的指针 LPBYTE lpSrc,lpDst; //平移后剩余图像在源图像中的位置（矩形区域） CRect rectSrc; //指向原图像像素的指针 LPBYTE lpDIBBits; //指向复制图像像素的指针 LPBYTE lpNewDIBBits; //内存句柄 HLOCAL h; //循环变量 LONG i; //图像每行的字节数 LONG lLineBytes; //获取图象的信息头结构的指针 lpbmi=(LPBITMAPINFOHEADER)lpDIB; //找到图象的像素位置 lpDIBBits=(LPBYTE)::FindDIBBits(lpDIB); //获取图象的宽度 lWidth=::DIBWidth(lpDIB); //获取图象的高度 lHeight=::DIBHeight(lpDIB); //获取图象的颜色数 wNumColors=::DIBNumColors(lpDIB); //计算图像每行的字节数 lLineBytes = WIDTHBYTES(lWidth *(lpbmi->biBitCount)); // 暂时分配内存，以保存新图像 h= LocalAlloc(LHND, lLineBytes); // 分配内存失败，直接返回 if (!h)
matlab对图像操作函数的详解 一. 读写图像文件 1. imread imread函数用于读入各种图像文件，如：a=imread('e:\w01.tif') 注：计算机E盘上要有w01相应的.tif文件。 2. imwrite imwrite函数用于写入图像文件，如：imwrite(a,'e:\w02.tif',’tif’) 3. imfinfo imfinfo函数用于读取图像文件的有关信息，如：imfinfo('e:\w01.tif') 二. 图像的显示 1. image image函数是MATLAB提供的最原始的图像显示函数（主要彩色显示图象），如： a=[1,2,3,4;4,5,6,7;8,9,10,11,12]; image(a); 2. imshow imshow函数用于灰度图像文件的显示，如： i=imread('e:\w01.tif'); imshow(i); 3. colorbar colorbar函数用显示图像的颜色条。 通常，颜色映象进行过调节，把数据从最小扩展到最大，也就是说整个颜色映象都用于绘图。有时也许想改变颜色使用的方法。函数caxis代表颜色轴，因为颜色增加了另一个维数，它允许对数据范围的一个子集使用整个颜色映象或者对数据的整个集合只使用当前颜色映象的一部分。 [cmin,cmax]=caxis返回映射到颜色映象中第一和最后输入项的最小和最大的数据。它们通常被设成数据的最小值和最大值。比如，函数mesh(peaks) 会画出函数peaks的网格图，并把颜色轴caxis设为[-6.5466，8.0752]，即Z的最小值和最大值。这些值之间的数据点，使用从颜色映象中经插值得到的颜色。如： i=imread('e:\w01.tif'); imshow(i); colorbar; 4 .figure figure函数用于设定图像显示窗口，如：figure(1)；/figure(2)； 5.imagesc(a); caxis([-3 8]) ; colorbar; 标尺标度从-3，到8 显示标度尺。 三. 图像的变换 1. fft2 fft2函数用于数字图像的二维傅立叶变换，如： i=imread('e:\w01.tif'); j=fft2(i); 2. ifft2 ifft2函数用于数字图像的二维傅立叶反变换，如： i=imread('e:\w01.tif');
中考数学函数经典试题集锦 1、已知：m n 、是方程2 650x x -+=的两个实数根，且m n <，抛物线2 y x bx c =-++的图像经过点A(,0m )、B(0n ，). (1) 求这个抛物线的解析式； (2) 设（1）中抛物线与x 轴的另一交点为C,抛物线的顶点为D ，试求出点C 、D 的坐标和△ BCD 的面积；（注：抛物线2 y ax bx c =++(0)a ≠的顶点坐 标为2 4(,)24b ac b a a --） (3) P 是线段OC 上的一点，过点P 作PH ⊥x 轴，与抛物线交于H 点，若直线BC 把△PCH 分成面积之比为2：3的两部分，请求出P 点的坐标. [解析] （1）解方程2 650,x x -+=得125,1x x == 由m n <，有1,5m n == 所以点A 、B 的坐标分别为A （1，0）,B （0，5）. 将A （1，0）,B （0，5）的坐标分别代入2 y x bx c =-++. 得105b c c -++=?? =?解这个方程组，得4 5b c =-??=? 所以，抛物线的解析式为2 45y x x =--+ （2）由2 45y x x =--+，令0y =，得2 450x x --+= 解这个方程，得125,1x x =-= 所以C 点的坐标为（-5，0）.由顶点坐标公式计算，得点D （-2，9）. 过D 作x 轴的垂线交x 轴于M. 则1279(52)22DMC S ?= ??-= 12(95)142MDBO S =??+=梯形，125 5522 BOC S ?=??= 所以，2725141522 BCD DMC BOC MDBO S S S S ???=+-=+-=梯形. （3）设P 点的坐标为（,0a ） 因为线段BC 过B 、C 两点，所以BC 所在的值线方程为5y x =+.
图像处理和图像识别中常用的OpenCV函数 2011-02-21 19:25:42|分类：默认分类|字号订阅 1、cvLoadImage：将图像文件加载至内存； 2、cvNamedWindow：在屏幕上创建一个窗口； 3、cvShowImage：在一个已创建好的窗口中显示图像； 4、cvWaitKey：使程序暂停，等待用户触发一个按键操作； 5、cvReleaseImage：释放图像文件所分配的内存； 6、cvDestroyWindow：销毁显示图像文件的窗口； 7、cvCreateFileCapture：通过参数设置确定要读入的AVI文件； 8、cvQueryFrame：用来将下一帧视频文件载入内存； 9、cvReleaseCapture：释放CvCapture结构开辟的内存空间； 10、cvCreateTrackbar：创建一个滚动条； 11、cvSetCaptureProperty：设置CvCapture对象的各种属性； 12、cvGetCaptureProperty：查询CvCapture对象的各种属性； 13、cvGetSize：当前图像结构的大小； 14、cvSmooth：对图像进行平滑处理； 15、cvPyrDown：图像金字塔，降采样，图像缩小为原来四分之一； 16、cvCanny：Canny边缘检测； 17、cvCreateCameraCapture：从摄像设备中读入数据； 18、cvCreateVideoWriter：创建一个写入设备以便逐帧将视频流写入视频文件； 19、cvWriteFrame：逐帧将视频流写入文件； 20、cvReleaseVideoWriter：释放CvVideoWriter结构开辟的内存空间； 21、CV_MAT_ELEM：从矩阵中得到一个元素；