MATLAB数字图像处理初步

数字图像处理实验一 MATLAB数字图像处理初步一、显示图像1．利用imread( )函数读取一幅图像，假设其名为lily.tif，存入一个数组中；2．利用whos 命令提取该读入图像flower.tif的基本信息；3．利用imshow()函数来显示这幅图像；实验结果如下图：源代码：>>I=imread('lily.tif')>> whos I>> imshow(I)二、压缩图像4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息；5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件,设为lily.jpg；语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。

6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flily.bmp。

7．用imread()读入图像Sunset.jpg和Winter.jpg；8．用imfinfo()获取图像Sunset.jpg和Winter.jpg的大小；9．用figure,imshow()分别将Sunset.jpg和Winter.jpg显示出来，观察两幅图像的质量。

其中9的实验结果如下图：源代码：4~6(接上面两个) >>I=imread('lily.tif')>> imfinfo 'lily.tif'；>> imwrite(I,'lily.jpg','quality',20);>> imwrite(I,'lily.bmp');7~9 >>I=imread('Sunset.jpg');>>J=imread('Winter.jpg')>>imfinfo 'Sunset.jpg'>> imfinfo 'Winter.jpg'>>figure(1),imshow('Sunset.jpg')>>figure(2),imshow('Winter.jpg')三、二值化图像10．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。

第一部分数字图像处理实验一图像的点运算实验1.1 直方图一．实验目的1．熟悉matlab图像处理工具箱及直方图函数的使用；2．理解和掌握直方图原理和方法；二．实验设备1.PC机一台；2.软件matlab。

三．程序设计在matlab环境中，程序首先读取图像，然后调用直方图函数，设置相关参数，再输出处理后的图像。

I=imread('cameraman.tif');%读取图像subplot(1,2,1),imshow(I) %输出图像title('原始图像') %在原始图像中加标题subplot(1,2,2),imhist(I) %输出原图直方图title('原始图像直方图') %在原图直方图上加标题四．实验步骤1. 启动matlab双击桌面matlab图标启动matlab环境；2. 在matlab命令窗口中输入相应程序。

书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的直方图函数，设置参数；最后输出处理后的图像；3．浏览源程序并理解含义；4．运行，观察显示结果；5．结束运行，退出；五．实验结果观察图像matlab环境下的直方图分布。

(a)原始图像 (b)原始图像直方图六．实验报告要求1、给出实验原理过程及实现代码；2、输入一幅灰度图像，给出其灰度直方图结果，并进行灰度直方图分布原理分析。

实验1.2 灰度均衡一．实验目的1．熟悉matlab图像处理工具箱中灰度均衡函数的使用；2．理解和掌握灰度均衡原理和实现方法；二．实验设备1.PC机一台；2.软件matlab；三．程序设计在matlab环境中，程序首先读取图像，然后调用灰度均衡函数，设置相关参数，再输出处理后的图像。

I=imread('cameraman.tif');%读取图像subplot(2,2,1),imshow(I) %输出图像title('原始图像') %在原始图像中加标题subplot(2,2,3),imhist(I) %输出原图直方图title('原始图像直方图') %在原图直方图上加标题a=histeq(I,256); %直方图均衡化，灰度级为256subplot(2,2,2),imshow(a) %输出均衡化后图像title('均衡化后图像') %在均衡化后图像中加标题subplot(2,2,4),imhist(a) %输出均衡化后直方图title('均衡化后图像直方图') %在均衡化后直方图上加标题四．实验步骤1. 启动matlab双击桌面matlab图标启动matlab环境；2. 在matlab命令窗口中输入相应程序。

实验一MATLAB数字图像处理初步一、实验目的1、熟悉及掌握在MATLAB中能够处理哪些格式图像。

2、熟练掌握在MATLAB中读取图像，并获取图像的大小、颜色、高度、宽度等等相关信息。

3、掌握在MATLAB中按照指定要求存储一幅图像的方法。

4、熟悉数字图像矩阵的格式转换二、实验原理及知识点1、数字图像的表示和类别一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标，f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。

灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。

例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。

因此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。

图像关于x和y坐标以及振幅连续。

要将这样的一幅图像转化为数字形式，就要求数字化坐标和振幅。

将坐标值数字化成为取样；将振幅数字化成为量化。

采样和量化的过程如图1所示。

因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。

作为MATLAB基本数据类型的数值数组本身十分适于表达图像，矩阵的元素和图像的像素之间有着十分自然的对应关系。

图1 图像的采样和量化根据图像数据矩阵解释方法的不同，MATLAB把其处理为4类： 亮度图像(Intensity images)二值图像(Binary images)索引图像(Indexed images)RGB图像(RGB images)(1) 亮度图像一幅亮度图像是一个数据矩阵，其归一化的取值表示亮度。

若亮度图像的像素都是uint8类或uint16类，则它们的整数值范围分别是[0，255]和[0，65536]。

若图像是double类，则像素取值就是浮点数。

规定双精度型归一化亮度图像的取值范围是[0，1](2) 二值图像一幅二值图像是一个取值只有0和1的逻辑数组。

而一幅取值只包含0和1的uint8类数组，在MATLAB中并不认为是二值图像。

使用Matlab技术进行图像处理的基本步骤使用Matlab进行图像处理的基本步骤在数字时代，图像处理成为了一个热门的话题，越来越多的人开始使用计算机进行图像处理。

在众多图像处理软件中，Matlab无疑是最受欢迎的之一。

它不仅提供了强大的图像处理功能，还提供了友好的用户界面，使得图像处理变得更加简单。

本文将介绍使用Matlab进行图像处理的基本步骤。

第一步：读入图像图像处理的第一步是读入待处理的图像。

Matlab提供了多种读取图像文件的函数，最常用的是imread函数。

其中，imread函数需要传入图像文件的路径作为参数，然后返回一个表示图像的矩阵。

例如，我们可以使用以下代码读入一张名为"image.jpg"的图像：```Matlabimage = imread('image.jpg');```第二步：显示图像读入图像后，我们通常需要将其显示在屏幕上，以便进一步的处理。

Matlab提供了imshow函数用于显示图像。

以下是显示图像的示例代码：```Matlabimshow(image);```通过调用imshow函数，Matlab会自动弹出一个窗口，将图像显示在其中。

第三步：图像预处理在进行进一步的图像处理之前，通常需要对图像进行一些预处理操作，以使后续处理更加准确。

常见的图像预处理操作包括灰度化、去噪和平滑等。

下面我们以灰度化为例进行说明。

灰度化是指将彩色图像转化为灰度图像，使得每个像素只有一个灰度值。

在Matlab中，我们可以使用rgb2gray函数将彩色图像转化为灰度图像。

以下是灰度化的示例代码：```Matlabgray_image = rgb2gray(image);```通过调用rgb2gray函数，我们可以将图像image转化为灰度图像，并保存在gray_image中。

第四步：图像处理经过预处理后，我们可以开始进行具体的图像处理操作。

Matlab提供了丰富的图像处理函数，涵盖了图像增强、图像滤波、边缘检测等多个领域。

数字图像处理matlab课程设计一、教学目标本课程的教学目标是使学生掌握数字图像处理的基本理论和方法，学会使用MATLAB软件进行图像处理和分析。

通过本课程的学习，学生应达到以下具体目标：1.理解数字图像处理的基本概念、原理和算法。

2.熟悉MATLAB图像处理工具箱的使用。

3.能够运用数字图像处理的基本算法解决实际问题。

4.能够使用MATLAB进行图像处理和分析，撰写相关的程序代码。

情感态度价值观目标：1.培养学生的创新意识和团队协作精神。

2.培养学生对数字图像处理技术的兴趣，提高其综合素质。

二、教学内容根据课程目标，本课程的教学内容主要包括以下几个部分：1.数字图像处理基本概念：图像处理的基本概念、图像数字化、图像表示和图像变换。

2.图像增强和复原：图像增强、图像去噪、图像复原。

3.图像分割和描述：图像分割、图像特征提取和描述。

4.图像形态学：形态学基本运算、形态学滤波、形态学重建。

5.MATLAB图像处理工具箱的使用：MATLAB图像处理工具箱的基本功能、常用图像处理函数。

6.图像处理实例分析：结合实际案例，分析数字图像处理技术的应用。

三、教学方法为了实现课程目标，本课程将采用以下教学方法：1.讲授法：通过讲解图像处理的基本概念、原理和算法，使学生掌握图像处理的基本知识。

2.案例分析法：通过分析实际案例，使学生了解数字图像处理技术在实际中的应用。

3.实验法：通过上机实验，使学生熟练掌握MATLAB图像处理工具箱的使用，提高学生的实际操作能力。

4.讨论法：学生进行课堂讨论，激发学生的思维，培养学生的创新意识和团队协作精神。

四、教学资源为了支持教学内容和教学方法的实施，本课程将采用以下教学资源：1.教材：《数字图像处理（MATLAB版）》。

2.参考书：相关领域的经典教材和论文。

3.多媒体资料：教学PPT、视频教程等。

4.实验设备：计算机、MATLAB软件、图像处理相关硬件设备。

五、教学评估本课程的评估方式包括平时表现、作业、考试等多个方面，以全面、客观、公正地评价学生的学习成果。

数字图象处理MATLAB程序数字图象处理是指对数字图象进行各种操作和处理，以改善图象的质量、增强图象的特征、提取图象的信息等。

MATLAB是一种强大的数值计算和数据可视化软件，也是数字图象处理领域常用的工具之一。

本文将介绍如何使用MATLAB编写数字图象处理程序的标准格式。

一、引言在引言部份，需要对数字图象处理的背景和意义进行简要介绍。

可以从以下几个方面进行描述：1. 数字图象处理的定义和作用；2. 数字图象处理在各个领域的应用，如医学影像、遥感图象等；3. MATLAB在数字图象处理中的重要性和优势。

二、问题描述在问题描述部份，需要明确说明本文将要解决的具体问题。

可以从以下几个方面进行描述：1. 需要进行的数字图象处理操作，如图象增强、图象滤波、图象分割等；2. 需要处理的图象的特点和要求，如图象的大小、图象的格式等；3. 需要实现的目标和效果。

三、方法与算法在方法与算法部份，需要详细介绍用于解决问题的具体方法和算法。

可以从以下几个方面进行描述：1. 图象预处理：对图象进行去噪、灰度化、尺寸调整等预处理操作；2. 图象增强：使用直方图均衡化、滤波器等方法增强图象的对照度和清晰度；3. 图象分割：使用阈值分割、边缘检测等方法将图象分割为不同的区域；4. 特征提取：提取图象的纹理特征、形状特征等；5. 图象重建：根据处理后的图象进行图象重建和修复。

四、MATLAB程序实现在MATLAB程序实现部份，需要给出具体的代码实现，并附上详细的注释。

可以从以下几个方面进行描述：1. 导入图象：使用MATLAB的图象处理工具箱中的函数导入图象；2. 图象预处理：使用MATLAB的函数对图象进行预处理；3. 图象增强：使用MATLAB的函数对图象进行增强；4. 图象分割：使用MATLAB的函数对图象进行分割；5. 特征提取：使用MATLAB的函数提取图象的特征；6. 图象重建：根据处理后的图象进行图象重建和修复。

实验一Matlab图像处理工具箱的初步练习一. 实验目的1. 掌握有关数字图像处理的基本概念；2. 熟悉Matlab图像处理工具箱；3. 熟悉使用Matlab进行数字图像的读出和显示；4. 熟悉运用Matlab指令进行图像旋转和缩放变换。

二. 练习1. 文件的读入与显示(1) 运行Matlab。

(2) MATLAB窗口构成：在缺省的情况下，由三个窗口组成。

命令窗口(command window)、命令历史（command history）、工作空间（workspace）。

注意：缺省窗口的设置步骤为：MATLAB菜单/view选项/Desktop layout/default。

(3) 调入一个文件：i=imread('pout.tif')；%注意：前面的“%”是用于注释的，不会被执行，只是说明这个语句的作用。

此时的i出现在什么窗口？是什么类型的变量？大小是多少？(4) 显示这幅图：imshow(i)；(5) 将变量i转置成j，即j=i'；显示j即imshow(j)；%在胸前左侧花纹怎么会跑到右边的呢？举一个例子加以验证：设a=[1 2 3 4 5；6 7 8 9 10；11 12 13 14 15]；b=a’；此时的b与a有什么区别？(6) 写入到一个新的图像文件'abc.tif'中，即imwrite(j，'abc.tif')。

(7) 清除变量命令：clear执行这个命令后，workspace窗口中的变量有没有？怎么验证？(8) 清除用户开设的窗口命令：close all(9) 调入图像文件'abc.tif'并显示。

问题：(1) 操作符“’”是图像的转置的意思，转置两次后，是否回到原图像？(2) 命令后的符号“；”所起的作用是什么？(3) 命令是否可以大写母？2. 灰度图像分别选择不同的灰度级（如2、4、16、64、128个）来显示同一幅图像（如testpat1.tif）。

MATLAB数字图像处理实验--图像基本运算一、实验目的1.理解图像点运算、代数运算、几何运算的基本定义和常见方法；2.掌握在MTLAB中对图像进行点运算、代数运算、几何运算的方法；3.掌握在MATLAB中进行插值的方法4.运用MATLAB语言进行图像的插值缩放和插值旋转5.进一步熟悉了解MATLAB语言的应用。

二、实验设备与软件1.PC计算机系统2.MATLAB软件，包括图像处理工具箱(Image Processing Toolbox)3.实验图片三、实验内容及结果分析3.1图像的点运算选择pout.tif作为实验图像，实验原理及内容参照《MATLAB图像处理编程及应用》程序代码：I=imread('pout.tif');figure;subplot(1,3,1);imshow(I);title('原图');J=imadjust(I,[0.3;0.6],[0.1;0.9]);subplot(1,3,2);imshow(J);title('线性扩展');I1=double(I);I2=I1/255;C=2;K=C*log(1+I2);subplot(1,3,3);imshow(K);title('非线性扩展');M=255-I;figure;subplot(1,3,1);imshow(M);title('灰度倒置');N1=im2bw(I,0.4);N2=im2bw(I,0.7);subplot(1,3,2);imshow(N1);title('二值化阈值0.4');subplot(1,3,3);imshow(N2);title('二值化阈值0.7');执行结果：原图线性扩展非线性扩展灰度倒置二值化阈值0.4二值化阈值0.7实验1结果图3.2图像的代数运算选择两幅图像，一幅是原图像，一幅为背景图像，采用正确的图像代数运算方法，分别实现图像叠加、混合图像的分离和图像的局部显示效果。

实验1——Matlab图像处理初步
实验目的：熟悉Matlab语言关于图像处理的基本操作
实验内容：练习imread、imshow、iminfo、imwrite、subplot、for等命令以及矩阵计算有关命令。

实验要求：
1、读取并显示cameraman.tif图像（提示：imread）。

2、将图像中间的1/3部分（如图）分别作如下处理，其余部分不变
a) 每个像素点的值都乘以2，即f(x,y)=2*f(x,y)，显示处理前后的图像（提
示：imshow），同一个图像窗口左右显示（提示：subplot），左边显示原
始图像，右边显示处理后图像，处理后图像保存为cameraman1.bmp（提
示：imwrite）
b) 每个像素点取反色，即f(x,y)=255-f(x,y);显示处理前后的图像，同一个
图像窗口上下显示（提示：subplot），上边显示原始图像，下边显示处理
后图像，处理后图像保存为cameraman2.bmp（提示：imwrite）
3、撰写实验报告并附上所用程序和结果。

f=imread('cameraman.tif');
[m n]=size(f);
g=f;
r=round(m/3);
c=round(n/3);
for i=r:2*r
for j=c:2*c
g(i,j)=2*f(i,j);
end
end
subplot(2,1,1),imshow(f);
subplot(2,1,2),imshow(g);
imwrite(g,'cameraman1.bmp','bmp');
2013-12-16。

matlab 数字图像处理课程设计一、课程目标知识目标：1. 掌握Matlab中数字图像处理的基本概念和常用算法；2. 学习并理解数字图像处理中的图像增强、边缘检测和图像分割等关键技术；3. 了解数字图像处理在实际应用中的发展及其在各领域的应用。

技能目标：1. 能够运用Matlab软件进行数字图像的读取、显示和保存等基本操作；2. 熟练运用Matlab实现图像增强、边缘检测和图像分割等算法；3. 能够运用所学知识解决实际问题，对图像进行处理和分析。

情感态度价值观目标：1. 培养学生对数字图像处理的兴趣，激发学生的学习热情；2. 培养学生的团队合作意识和创新精神，使其在学习和实践中不断探索新知识；3. 使学生认识到数字图像处理技术在科技发展和国防建设中的重要作用，增强学生的社会责任感和使命感。

课程性质：本课程为选修课，适用于高年级本科生或研究生。

课程内容紧密结合实际，强调实践操作和动手能力。

学生特点：学生已具备一定的编程基础和数学知识，对数字图像处理有一定了解，但实践能力有待提高。

教学要求：注重理论与实践相结合，强调学生的主体地位，鼓励学生积极参与讨论和动手实践。

通过课程学习，使学生能够将所学知识应用于实际问题中，提高解决实际问题的能力。

二、教学内容1. 数字图像处理基础- 图像的基本概念、类型和表达方式- Matlab中图像的读取、显示和保存- 图像的数学变换：灰度变换、几何变换2. 图像增强- 线性滤波和非线性滤波- 图像锐化技术- 频域滤波：低通滤波、高通滤波3. 边缘检测- 边缘检测的基本原理- 常用边缘检测算子：Sobel、Prewitt、Roberts、Canny4. 图像分割- 阈值分割法- 区域分割法- 边缘分割法5. 应用案例分析- 图像增强在医学图像处理中的应用- 边缘检测在机器视觉中的应用- 图像分割在目标识别中的应用教学内容安排与进度：1. 数字图像处理基础（2周）2. 图像增强（3周）3. 边缘检测（2周）4. 图像分割（3周）5. 应用案例分析（2周）本教学内容基于教材章节进行组织，涵盖数字图像处理的核心知识点，注重理论与实践相结合，旨在提高学生的实际操作能力。

Matlab图像处理入门教程导言：在当下科技迅猛发展的时代，图像处理已经成为了计算机科学领域中的重要一环。

而Matlab作为一种强大的科学计算软件，为图像处理提供了丰富的工具和函数，使得图像处理变得更加方便和高效。

本文将介绍Matlab图像处理的基本概念和常用技术，帮助读者入门图像处理领域。

第一部分：Matlab图像处理基础一、Matlab图像处理的概念图像处理是指利用计算机对图像进行数字化处理，包括图像的获取、增强、压缩、分割、识别等一系列技术。

Matlab作为一种强大的数学计算软件，可以通过编写脚本或函数来实现各种图像处理功能。

二、Matlab图像处理的基本操作1. 读取和显示图像使用imread函数可以读取图像文件，并通过imshow函数显示图像。

例如：```img = imread('image.jpg');imshow(img);```2. 灰度转换将彩色图像转换为灰度图像可以简化图像处理的过程，可以使用rgb2gray函数实现。

例如：gray_img = rgb2gray(img);imshow(gray_img);```3. 图像增强图像增强是指改善图像的质量以使其更容易分析和理解的过程。

Matlab提供了丰富的图像增强函数，例如对比度增强、直方图均衡化等。

例如：```enhanced_img = imadjust(gray_img);imshow(enhanced_img);```4. 图像滤波图像滤波是指通过一定的滤波器对图像进行平滑或者增强某些特征。

Matlab提供了多种图像滤波函数，例如均值滤波、中值滤波等。

例如：```filtered_img = medfilt2(gray_img);imshow(filtered_img);```5. 图像分割图像分割是指将图像划分为若干个区域，每个区域内的像素具有相似的特征。

Matlab提供了多种图像分割算法，例如阈值分割、边缘检测等。

使用Matlab进行图像拍摄与图像处理的实践方法1. 引言人类对于图像的处理和分析，一直是科学和技术领域中的重要课题。

随着数字图像处理技术的不断发展，Matlab成为了研究者们图像处理的利器。

本文将探讨如何使用Matlab进行图像拍摄与图像处理，以帮助读者更好地理解并应用这一工具。

2. 图像拍摄图像拍摄是获取数字图像的第一步。

在拍摄过程中，摄影师需要注意一些关键因素，例如光线条件、曝光时间和焦距等。

Matlab提供了图像采集工具箱，可以与数码相机或摄像机相连，并实时获取图像数据。

通过该工具箱，用户可以调整曝光时间、白平衡和对焦等设置，以满足实际需求。

3. 图像处理预处理图像拍摄后，图像预处理是必不可少的一步。

预处理可以帮助提高图像质量，并减少后续处理的复杂度。

Matlab提供了一系列的图像处理函数，可以实现预处理任务，例如灰度化、平滑滤波和直方图均衡化等。

通过这些函数，用户可以根据需要调整图像的亮度、对比度和细节等参数，以获取更好的效果。

4. 图像处理主要技术图像处理主要包括图像增强、图像复原和图像分割等技术。

Matlab提供了丰富的工具箱和函数，可以实现这些技术的应用。

例如，Matlab中的imadjust函数可以对图像进行亮度和对比度调整，imfilter函数可以实现各种滤波操作，imsharpen函数可以增强图像的边缘和细节等。

通过灵活使用这些函数，用户可以根据实际情况选择合适的方法，并通过实验不断优化处理结果。

5. 图像处理案例为了更好地理解和应用Matlab进行图像处理，下面将介绍一个实际的案例：人脸识别。

人脸识别是一种常见的图像处理应用，可以应用于安防系统、人机交互和身份认证等领域。

Matlab提供了人脸检测工具箱和人脸识别工具箱，可以帮助用户进行人脸检测和特征提取等操作。

用户可以通过这些工具箱，选择适当的算法和参数，实现人脸识别任务。

在具体实现过程中，用户需要先采集包含多张人脸的图像样本，并建立人脸数据库。

使用MATLAB进行图像处理的步骤引言图像处理是一门研究如何对图像进行数字化处理和分析的技术，它在日常生活中得到了广泛的应用。

MATLAB作为一种强大的数学计算软件，具有丰富的图像处理功能，可以帮助用户快速、准确地处理图像数据。

本文将介绍使用MATLAB 进行图像处理的步骤，帮助读者初步了解图像处理的基本原理与方法。

一、加载图像数据使用MATLAB进行图像处理的第一步是加载待处理的图像数据。

在MATLAB 中，可以使用imread函数来读取图像文件并将其存储为矩阵形式。

例如，可以使用以下代码读取一个名为image.jpg的图像文件：```matlabimage = imread('image.jpg');```二、图像灰度化在进行图像处理之前，通常需要将图像转换为灰度图像。

这是因为灰度图像只包含亮度信息，更加简化了后续处理的复杂度。

可以使用rgb2gray函数将彩色图像转换为灰度图像。

以下是一个示例代码：```matlabgrayImage = rgb2gray(image);```三、图像增强图像增强是指通过一系列处理技术，改善图像的质量、清晰度和对比度。

在MATLAB中，有许多算法和函数可用于对图像进行增强，如直方图均衡化、滤波等。

下面是一些常用的图像增强函数的示例代码：直方图均衡化：```matlabenhancedImage = histeq(grayImage);```图像滤波：```matlabfilteredImage = imgaussfilt(grayImage, 1);```四、图像分割图像分割是将图像分成多个非重叠的区域，每个区域内具有类似的特征。

分割技术在许多图像处理应用中发挥着重要作用，如目标检测、边缘检测等。

MATLAB提供了多种图像分割算法，包括基于阈值的分割、基于边缘的分割等。

以下是一些常用的图像分割函数的示例代码：基于阈值的分割：```matlabthreshold = graythresh(enhancedImage);bwImage = imbinarize(enhancedImage, threshold);```基于边缘的分割：```matlabedgeImage = edge(enhancedImage, 'Canny');```五、图像特征提取图像特征提取是从图像中提取出一些具有代表性的特征，以便进行后续的模式识别、目标检测等任务。

实验1 数字图像处理的MATLAB基础一、实验目的通过本实验使学生掌握使用MATLAB 进行数字图像处理的基本语句。

二、实验原理本实验是基于数字图像处理课程中的数字图像基本概念来设计的。

本实验的准备知识：MATLAB 语言基础；数字图像的基本概念。

其中会涉及到的命令包括MATLAB 基本语句和图像处理工具箱内的函数。

图像文件读取对文件操作，一定要注意文件格式。

不同文件格式的读取和存储方式都不相同，读出的数据也不同。

如MATLAB 环境下，读取图像使用命令imread，一定要指明图像文件格式参数。

A=imread('G:\Images\coins. jpg',‘JPG');B= imread('G:\Images\coins. bmp',‘BMP');常用函数用于数字图像基本处理的函数：imread; imshow, imwriteA＝imread(filename,fmt) 读入图像文件；imwrite(A,filename,fmt) 输出图像；imshow(I,n) 图像显示。

上述函数的详细使用方法可以通过MATLAB 命令窗下运行help 命令查看。

例如查看函数imread 的使用方法，可以在命令窗中键入help imread就可以看到该函数的详细使用方法和示例。

今后其它用到的函数，也请学生自行查看该函数的用法。

三、实验内容(一) 复习MATLAB基本命令、基本绘图方法和编程方法1、输入A=[7 1 5；2 5 6；3 1 5]，B=[1 1 1; 2 2 2; 3 3 3]，在命令窗口中执行下列表达式，掌握其含义：A(2, 3) A(:,2) A(3,:) A(:,1:2:3) A(:,3).*B(:,2)A(:,3)*B(2,:) A*B A.*B A^2 A.^2 B/A B./A2、同屏绘制正弦曲线y=sin(x)、余弦曲线y=cos(x)、y=sin(x)cos(x)、y=sin(x)+cos(x) 的图像。