Matlab数字图像处理使用手册
张淑军，青岛科技大学
一． Matlab简介
1．简介
– 由美国MathWorks公司推出的计算机软件
– 目前最优秀的科学计算与数学应用软件之一
– Matrix Laboratory （矩阵实验室）的简称
2．软件功能
– 矩阵代数、微积分、应用数学、有限元法及科学计算
– 信号与系统、神经网络、小波分析及其应用
– 数字图像处理、计算机图形学、电子线路、电机学、自动控制与通信技术、物理、力学和机械振动……
3．特点
– 界面友好，编程效率高
» 矩阵为基本变量，语法结构简单，命令表达式接近于常用的数学公式
– 功能强大，可扩展
» 科学计算、数据分析与可视化系统仿真等
» 自动控制、信号处理、图像处理、模糊逻辑、财政金融等
– 图形功能灵活
» 二维和三维绘图功能
» 实验数据分析与图表绘制
4．运行界面
– 命令窗口：交互操作（输入数据和命令）；反馈运行结果
– 工作空间：主要查看定义的变量；保存和加载
– 命令历史记录：显示已执行的命令
– 当前目录：显示当前工作路径
5．相关文件
– mat文件：mat数据格式是matlab的数据存储的标准格式。可以调用matlab的子程序库，用c或fortan调用mat格式的数据。如：
» matopen 打开mat文件
» matclose 关闭mat文件
» magetfp 取得mat文件的c语言句柄
» matGetArray 取得一个数组
– m文件：编写Matlab源代码的文件。
– asv文件：是.m文件自动保存的时候产生的临时文件，程序非正常退出的时候恢复用的，可以用记事本打开看一下，如果matlab正常关闭的话，删掉没影响。在file-preference-Editor/debugger-autosave里可以改设置。
二． Matlab的安装
1. Win7系统必须安装Matlab 2006b或以上版本。
2. 其余系统可安装Matlab6.5和以上版本。
3. 务必安装帮助文件（Help），便于自学和检索。
三． Matlab常用工具箱
Matlab包含拥有数百个内部函数的主工具箱（Matlab Main Toolbox）和30多种工具箱（toolbox）。工具箱又可分为功能性工具箱和学科工具箱。
– 功能性工具箱：用来扩充Matlab的符号计算、可视化建模仿真、文字处理和实时控制等功能；
– 学科工具箱：是专业性比较强的工具箱，如图像处理工具箱（Image Processing Toolbox）、控制系统工具箱（Control System Toolbox）、信号处理工具箱(Signal Processing Toolbox)、神经网络工具箱（Neural Network Toolbox）等都属于此类。
开放性使得Matlabwin7显示隐藏文件广受用户欢迎。这些附加的工具箱，及单独提供的专用Matlab函数集，扩展了Matlab环境，以解决这些应用领域内特定类型的问题。
除内部函数外，所有Matlab主工具箱和各种工具箱都是可读、可修改的文件，用户通过对源代码的修改或加入自己编写的程序可构造新的专用工具箱。
图像处理工具箱是由一系列支持图像处理操作的函数组成的。所支持的图像处理操作有：图像的几何操作、邻域和区域操作、图像变换、图像恢复与增强、线性滤波和滤波器设计、变换（如DCT变换等）、图像分析和统计、二值图像操作等。举例说明：
1． 图像文件的读写和显示。Matlab提供了图像文件读入函数imread( )，用来读取如：bmp、tip、jpg、gif、pcx、tiff、gpeg、hdf、png等各种格式的图像文件；图像写入函数imwrite( )，图像显示函数image( )，imshow( )等。
2． 图像处理的基本运算。Matlab提供了图像的和、差等线性运算，以及卷积、相关、滤波等非线性运算。如：conv2(I, J)实现了I,J两幅图像的卷积。
3． 图像变换。Matlab提供了一维和二维离散傅立叶变换（DFT）、快速傅立叶变换（FFT）、离散余弦变换（DCT）及其反变换函数、连续小波变换（CWT）、离散小波变换（DWT）及其反变换等多种变换函数。
4． 图像分析和增强。针对图像的统计计算，Matlab提供了直方图均衡、中值滤波、对比度调整、图像校正、自适应滤波等对图像进行的处理。
5． 图像的数学形态学处理。针对二值图像，Matlab提供了丰富的数学形态学运算函数：腐蚀（Erode）、膨胀（Dilate）算子、以及在此基础上的开（Open）、闭（Close）算子、厚化（Thicken）、薄化（Thin）算子。
由相应的Matlab函数来实现不同的应用，使用时，只需要按照函数的调用语法正确输入函数参数即可。具体用法可参考Matlab的帮助文档。
Matlab的相关图像文件都放在：C:\MATLAB6p5\toolbox\images\imdemos 目录下。常用的例子：如rice.tif、cameraman.tif等。
四． 使用简单的Matlab命令进行DIP
在Matlab的命令窗口
1． 读图像文件
– i = imread（filename） %文件名用单引号；i是数组变量
– 如：i = imread（‘rice.tif’）
2． 查看图像文件信息
– info=imfinfo（filename）
– 信息包括：文件名（完整路径）；文件大小；图像的长和宽；XY方向分辨率。。。
3． 图像显示
– imshow（i） %i为用imread读取的图像数据
4． 增加颜条显示：
– colorbar
– 如：
>>a= imread（‘rice.tif’）
      >>colorbar
5． 显示直方图：imhist(I)
6． 直方图均衡化：J=histeq(I)
– 例:
>> I=imread('rice.tif');
>> J=histeq(I);%也可用J=histeq(I,64),指定均衡化后的图像灰度级为64
>> subplot(2,2,1),imshow(I); %显示原图像
>> subplot(2,2,2),imhist(I); %显示原直方图
>> subplot(2,2,3),imshow(J); %显示均衡化后的图像
>> subplot(2,2,4),imhist(J); %显示均衡化后的直方图
五． 编写m文件
新建一个m文件，将一系列相关的代码直接编写到m文件中，保存。Matlab以解释的方式执行m文件。
六． 注释和说明

【附录】Matlab图像处理函数大全
（一）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
索引图像 X 的直方图，map 为调板。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 imadjust 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) 调整索引图像的调板 map 。此时若 [low high] 和
[bottom top] 都为2×3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(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
图像调板的直方图均衡。

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：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,Na]＝size(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 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
：
        》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 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. 彩增强的 Matlab 实现
4.1 imfilter函数
功能：真彩增强
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
（二）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：
         A＝fft(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换。
        A＝fft2(X,MROWS,NCOLS)
其中，MROWS 和 NCOLS 指定对 X 进行零填充后的 X 大小。
        A＝fftn(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。
例子：图像的二维傅立叶频谱
% 读入原始图像
I＝imread('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 DCT 变换
格式：B=dct2(A)
        B=dct2(A,m,n)
        B=dct2(A,[m,n])
说明：B＝dct2(A) 计算 A 的 DCT 变换 B ，A 与 B 的大小相同；B＝dct2(A,m,n) 和 B=dct2(A,[m,n]) 通过对 A 补 0 或剪裁，使 B 的大小为 m×n。

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：B＝idct2(A) 计算 A 的 DCT 反变换 B ，A 与 B 的大小相同；B＝idct2(A,m,n) 和 B=idct2(A,[m,n]) 通过对 A 补 0 或剪裁，使 B的大小为 m×n。


2.3. dctmtx函数
功能：计算 DCT 变换矩阵
格式：D＝dctmtx(n)
说明：D＝dctmtx(n) 返回一个 n×n 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(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
-------------------------------------------------------------
(1) wcodemat 函数
功能：对数据矩阵进行伪彩编码
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 0～NB，缺省值 NB＝16；
      OPT 指定了编码的方式（缺省值为 'mat'），即：
                 OPT＝'row' ，按行编码
                 OPT＝'col' ，按列编码
                 OPT＝'mat' ，按整个矩阵编码
      ABSOL 是函数的控制参数（缺省值为 '1'），即：
                 ABSOL＝0 时，返回编码矩阵
                 ABSOL＝1 时，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
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,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=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。