图像处理中的matlab使用

图像的矩阵表示

类和图像类型
虽然使用的是整数坐标, 但 MATLAB 中的像素值(亮度)并未限制为整数。 表 1-1 列出了 MATLAB 和图像处理工具箱为描述像素值而支持的各种类。 表中的前 8 项是数值型的数据类,第 9 项称为字符类, 最后一项称为逻辑类。
uint8 和 logical 类广泛用于图像处理, 当以 TIFF 或 JPEG 图像文件格式读取图像时,会用到这两个类。 这两个类用1个字节表示每个像素。某些科研数据源, 比如医学成像, 要求提供超出 uint8 的动态范围:针对此类数据, 会采用 uint16 和 int16 类。 这两个类为每个矩阵元素使用2 个字节。针对计算灰度的操作, 比如傅立叶变换(见第 3 章), 使用 double 和single 浮点类。 双精度浮点数每个数组元素使用8 个宇节, 而单精度浮点数使用 4 个字节。尽管工具箱支持 int8 、 uint32 和 int32 类, 但在图像处理中并不常用

算子

一般我们用字母M和N分别表示矩阵中的行与列。1x N
矩阵被称为行向量, M*1矩阵被称为列向量, 1*1矩阵则被称为标量。

Matlab 图像类型及其存储方式

在介绍数字图像的分类时, 曾提及一些主要的图像类型。 本节将介绍这些主 要的图像类型在Matlab中是如何存储和表示的, 主要包括亮度图像、 RGB 图像、 索引图像、二值图像和多帧图像。

1、亮度图像(Intensity Image)
亮度图像即灰度图像。 Matlab使用二维矩阵存储亮度图像,矩阵中的每个元素直接表示 一个像素的亮度〈灰度〉信息。 例如, 一个 200 像素× 300 像素的图像被存储为一个 200 行 300 列的矩阵,可以使用 1.1.5小节介绍的选取矩阵元素〈或子块〉的方式来选择图像中的一个像素或一个区域.

如果矩阵元素的类型是双精度的, 则元素的取值范围是从 0 到 1 :如果是 8 位无符号整数,则取值范围从0到255。数据0表示黑色,而1(或255)表示最大亮度〈通常为白色〉

2、RGB 图像(RGBlmage)
RGB 图像使用3个一组的数据表达每个像素的颜色, 即其中的红色、绿色和蓝色分量。
在Matlab 中, RGB 图像被存储在一个m ×n×3的三维数组中。对于图像中的每个像素, 存
储的三个颜色分量合成像素的最终颜色。例如, RGB 图像I 中位置在11 行40 列的像素的
RGB 值为I( 11,40.1:3 )。或I( 11,40,:),该像素的红色分量为I(11,40,1),蓝色分量为I( 11,40,3 )。
而I (:,:,1 )则表示整个的红色分量图像.

RGB 图像同样可以由观精度数组或8 位无符号整数数组存储。图1.6 是一个使用双精度
数组存储ROB 图像的例子。

3、索引图像(indexed Image)
索引图像往往包含两个数组,一个图像数据矩阵(Image Matrix )和一个颜色索引表( Colormap )。对应于图像中的每一个像素, 图像数据数组都包含一个指向颜色索引表的索 引值。
颜色索引表是一个m× 3 的双精度型矩阵, 每一行指定一种颜色的 3 个 RGB 分量,即color = [R G B]。 其中 R、G、 B 是实数类型的现精度数, 取值0~ 1。 0 表示全黑, 1 表示最大亮度。 图 1.7 是一个索引图像的实例, 需要注意的是, 图像中的每个像素都用整数表示, 其含义为颜色索引表中对应颜色的索引。

图像数据矩阵和颜色索引表的关系取决于图像数据炬阵中存储的数据类型是双精度类
型还是8位无符号整数。
如果图像数据使用双精度类型存储, 则像索数据1表示颜色索引表中的第一行, 像素数
据2表示颜色索引表中的第二行, 以此类推。如果图像数据使用8位无符号整数存储, 则存
在一个额外的偏移量-1, 像素数据0表示颜色索引表中的第一行, 而1表示索引表中的第二
行, 以此类推。
8 位方式存储的图像可以支持256 种颜色(或256 级灰度〉。因1.7 中, 数据矩阵使用的
是双精度类型, 所以没有偏移量. 数据5表示颜色表中的第5种颜色。

4、二值图像( Binary Image)
在二值图像中, 像素的颜色只有两种取值: 黑或白。Matlab 将二值图像存储为一个二维
矩阵, 每个元素的取值只有0和1两种情况,0表示黑色, 而1表示白色。
二值图像可以被看作是一种特殊的只存在黑和白两种颜色的亮度图像, 当然, 也可以将
二值图像看作是颜色索引表中只存在两种颜色〈黑和白〉的索引图像。

Matlab 中使用uint8 型的逻辑数组存储二值图像, 通过一个逻辑标志表示数据有效范围是0到1,而如果逻辑标志未被置位,则有效范围为0到255。

5、多帧图像( Multlframe Image Array)
实际应用中, 可能需要处理多幅按时间或视角方式连续排列的图像, 我们把这种图像称
之为多帧图像(所谓“ 帧” 就是影像动画中最小单位的单幅影像,画面〉。例如核磁共振成像数
据或视频片断. Matlab提供了在同一个矩阵中存储多帧图像的方法, 实际上就是在图像矩阵
中增加一个维度来代表时间或视角信息. 例如, 一个拥有5 张连续的400 像素× 300 像素的
RGB图像的多帧连续片断的存储方式是一个400× 300 × 3× 5 的矩阵, 一组同样大小的灰皮
图像则可以使用一个400× 300 × 1× 5 的矩阵来存储.

如果多帧图像使用索引图像的方式存储,则只有图像数据矩阵被按多帧形式存储, 而颜
色索引表只能公用。因此, 在多帧索引图像中, 所有的索引图像公用一个颜色索引表, 进而
只能使用相同的颜色组合。

默认情况下,matlab将绝大多数数据存储为双精度类型〈ω 位浮点数)以保证运算的精
确性. 而对于图像而言, 这种数据类型在图像尺寸较大时可能并不理想。例如, 一张1000
像萦见方的图像拥有一百万个像素, 如果每个像索用64位二进制数表示, 则总共需要大约
8MB的内存空间.
为了减小图像信息的空间开销, 可以将图像信息存为8 位无符号整型数(uint8)和16
位无符号整型数( uint16 )的数组, 这样只需要双精度浮点数八分之一或四分之一的空间。
在上述3种存储类型中双精度和 uint8 使用最多, uint16 的情况与 uint8 大致类似.

Matlab的图像转换

有时必须将图像存储格式加以转换才能使用某些图像处理函数。例如,当使用某些Matlab
内置的滤镜时, 需要将索引图像转换为RGB 图像或者灰度图像, Matlab 才会将图像滤镜应
用于图像数据本身, 而不是索引图像中的颜色索引值表〈这将产生无意义的结果〉.
Matlab 提供了一系列存储格式转换函数,如表1.11 所示.它们的名字都便于记忆,例如,
ind2gray 可以将索引图像转化为灰度图像。

也可以使用一些矩阵操作函数实现某些格式转换。例如.下面的语句可以将一幅灰度图
像转换为RGB图像.
RGBIMAGE = CAT(3, GRAY, GRAY, GRAY);

2. 图像数据类型转换
Matlab 图像处理工具箱中支持的默认图像数据类型是uint8, 使用imread函数读取的
图像文件一般都为uint8类型。然而, 很多数学函数如sin等并不支持double以外的类
型, 例如, 当试图对uint8 类型直接使用sin函数进行操作时, Matlb会提示如下的错
误信息

sin(D):
H? Undehned functioii <!>i; methodsinfor; input a,rguments of type- ’uint8'

针对这种情况, 除了使用1.1.4 小节介绍的强制类型转换方法外, 还可利用图像处理工
具箱中的内置图像数据类型转换函数. 内置转换函数的优势在于它们可以帮助处理数据偏移
量和归一化变换, 从而简化了编程工作.
一些常用的图像类型转换函数如表1.12所示

图像的输入输出和显示

matlab可以处理以下的图像文件类型: BMP、HDF、JPEG、PCX、TIFF、XWD、ICO、
GIF、CURo 可以使用imread和imwrite函数对国像文件进行读写操作,使用imfinfo函数来
获得数字图像的相关信息.

1. imread函数
imread函数可以将指定位置的图像文件读入工作区。对于除索引图像以外的情况,其原
型为:
A =imread(FileNAME, FMT);

2. IMWRITE函数
imwrite函数用于将指定的图像数据写入文件中,通过指定不同的保存文件扩展名,起到
图像格式转换的作用〈参见例2.4 ). 其调用格式为:
imwite(A, FileName,FMT);
• FILENAME参数指定文件名(不必包含扩展名).
• FMT参数指定保存文件所采用的格式.

存储索引图像时,还需要一并存储颜色索引表,则此时IMWRITE函数的使用方法应为:
imwrite(A, HAP, FILENAME, FMT);

3. imfinfo函数
imfinfo函数可以读取图像文件中的某些属性信息〈比如修改日期、大小、
格式、高度、宽度、色深、颜色空间、存储方式等。其调用格式为:
imfinfo(FileName,FMT);
参数说明
• FILENAME 参数指定文件名.
• FMT 参数是可选参数, 用于指定文件格式.

图像的显示
一般使用imshow函数来显示图像, 该函数可以创建一个图像对象, 并可以自动设置图
像的诸多属性,从而简化编程操作。这里介绍imshow函数的几种常见调用方式.

1.imshow函数
imshow函数用于显示工作区或图像文件中的图像.在显示的同时可控制部分效果〈参见
例12.6), 常用的调用形式为:

2.多帧图像的显示
在显示多帧图像时,可以显示多帧中的一帧,或者将它们显示在同一个窗口内,也可以
将多帧图像转化成电影播放出来. 这3种方式的实现如例1.8所示。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/493836.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

AI洞观 | 一文读懂2018安博会四大趋势

来源&#xff1a; 网易智能10月23-26日&#xff0c;2018年安博会在北京顺义举行。这是全球规模最大&#xff0c;最具影响力的安防展会之一&#xff0c;据安博会官方介绍&#xff0c;本次展会总面积超过10万平方米&#xff0c;展位数突破5000个&#xff0c;云集了国内外上千家安…

图像的点运算

对于一个数字图像处理系统来说&#xff0c; 一般可以将处理流程分为3个阶段。在获取原始图像 后&#xff0c; 首先是图像预处理阶段&#xff0c; 其次是特征抽取阶段&#xff0c;最后才是识别分析阶段。预处理阶段尤 为重要&#xff0c; 这个阶段处理不好则直接导致后面的工作…

量子计算技术发展迅猛,商业潜力初现!如何把握量子计算时代的新机遇?

来源&#xff1a;蓝驰创投编译&#xff1a;全球君摘要&#xff1a;通用量子计算机一旦实现&#xff0c;将对通信安全、导航、成像以及人工智能、生物制药、新材料研发等诸多领域产生颠覆性影响&#xff0c;带来国家安全和社会经济发展的极大变革。通用量子计算机一旦实现&#…

分段线性变换与直方图修正

本文主要包括以下内容 分段线性变换两种实用的直方图修正技术:直方图均衡化和直方图规定化本章的典型案例分析 基于直方图均衡化的图像灰度归一化直方图匹配 分段线性变换 分段线性变换有很多种&#xff0c; 包括灰度拉伸、 灰度窗口变换等&#xff0c; 本节仅讲述最为常用…

图像的几何变换

包含相同内容的两幅图像可能由于成像角度、透视关系乃至镜头自身原因所造成的几何失 真而呈现出截然不同的外观&#xff0c;这就给观测者或是图像识别程序带来了困扰。通过适当的几何变 换可以最大程度地消除这些几何失真所产生的负面影响&#xff0c;有利于我们在后续的处理…

交叉科学不仅不是边缘学科,反而应是科研主流

来源&#xff1a;科学网摘要&#xff1a;“信息时代将走过数字化、网络化、智能化等几个阶段&#xff0c;从现在分界将信息时代和智能时代划分成两个时代有点牵强。”“信息时代将走过数字化、网络化、智能化等几个阶段&#xff0c;从现在分界将信息时代和智能时代划分成两个时…

空间域图像增强

图像增强是数字图像处理相对简单却最具艺术性的领域之一&#xff0c;增强的目的是消除噪声&#xff0c; 显现那些被模糊了的细节或简单突出一幅图像中我们感兴趣的特征。一个简单例子是增强图 像的对比度&#xff0c; 使其看起来更加一目了然。增强是图像处理中非常主观的领域…

wordpress增删改查

wordpress 焦点图插件-增删改查操作 2012-02-01 15:39:14分类&#xff1a; 系统运维 该插件在wordpress-3.3.1-zh_CN版本下开发&#xff0c;主要用于在后台管理首页焦点图&#xff08;图片轮播&#xff09;。存放焦点图信息的表 focusphoto(id,photourl,linkto,title,descripti…

AI改变现代商业的25种方式

来源&#xff1a;财富编译 | Geek AI、微胖、茜茜现在&#xff0c;是时候真正了解 AI 未来。关于人工智能引起的焦虑 - 就业问题是其主要来源 - 现实是&#xff0c;没有人知道未来会如何。原因是&#xff0c;我们永远无法预见人类的聪明才智&#xff0c;以及全世界数百万企业家…

中值滤波与图像锐化

本文主要包括以下内容 中值滤波及其改进算法图像锐化&#xff0c; 包括梯度算子、拉普拉斯算子、高提升滤波和高斯-拉普拉斯变换本章的典型囊例分析 对椒盐噪声的平滑效果比较Laplacian与LoG算子的锐化效果比较 中值滤波 中值滤波本质上是一种统计排序滤波器&#xff0e; …

5G手机“狂奔而来”,业内预计明年二季度全面上市

来源&#xff1a; 全天候科技作者&#xff1a;张超&#xff0c;编辑&#xff1a;舒虹随着科技快速发展、网络不断升级&#xff0c;智能手机的“5G时代”正狂奔而来。10月25日&#xff0c;台湾电子时报援引行业消息人士称&#xff0c;芯片、手机厂商等正在加快进度&#xff0c;预…

傅立叶变换学习

空间域和频率域为我们提供了不同的视角&#xff0e; 在空域中&#xff0e; 函数的自变量&#xff08;x, y&#xff09;被视为二维空间中的一点&#xff0c; 数字图像J(x, y&#xff09;即为一个定义在二维空间中的矩形区域上的离散函数&#xff1a;换一个角度&#xff0c; 如果…

盘点互联网大厂AI战略变迁,开发者将怎样pick前进路线?

来源&#xff1a;AI科技大本营随着各大企业相继试水“全面 AI”&#xff0c;人工智能在技术落地层面也开始持续深入&#xff0c;泛人工智能时代正在逼近。越来越多的发展趋势表明&#xff0c;未来的人工智能将逐步迈入广泛普及阶段&#xff0c;继而深入影响人类日常的生产生活方…

人脸识别最全知识图谱—清华大学出品

来源&#xff1a;智东西摘要&#xff1a;全面解析人脸识别技术原理、领域人才情况、技术应用领域和发展趋势。自20世纪下半叶&#xff0c;计算机视觉技术逐渐地发展壮大。同时&#xff0c;伴随着数字图像相关的软硬件技术在人们生活中的广泛使用&#xff0c;数字图像已经成为当…

频率域波图像增强

本文主要包括以下内容 频率域图像增强高通滤波器和低通滤波器本章的典型案例分析 利用频域滤波消除周期噪声 频域滤波基础 频域滤波与空域滤波的关系 傅立叶变换可以将图像从空域变换到频域&#xff0c;而傅立叶反变换则可以将图像的频谱逆变换为空域图像&#xff0c;即人…

挑战者联盟!谁会成为最赚钱的人工智能公司

来源&#xff1a; 网易智能摘要&#xff1a;每一波重大科技浪潮都会产生为数不多的价值几百亿乃至数千亿美元的极具价值的公司&#xff0c;而当一项重大的新技术出现时&#xff0c;通常都很难预测谁将成为最大的赢家。纵观科技行业的历史&#xff0c;大多数科技浪潮的价值和收入…

彩色图像处理

彩色基础 什么是彩色 彩色是物体的一种属性&#xff0c;就像纹理、形状、重量一样&#xff0e; 通常&#xff0c; 它依赖于3个方面的因素&#xff1a; 光源一一照射光的谱性质或谱能量分布&#xff0e;物体&#xff0d;一被照射物体的反射性质&#xff0e;成像接收器&#…

IBM Watson失败的4大原因

来源&#xff1a;大数医达被称为“认知计算”革命性代表的IBM Watson从诞生那一刻起&#xff0c;就一直在被质疑中发展&#xff0c;在发展中被质疑。近日&#xff0c;坊间传言IBM Watson健康部门将裁员50%-70%&#xff0c;甚至也有传言说&#xff0c;整个健康部门将被关闭&…

[Android源码]Android源码之高仿飞鸽传书WIFI热点搜索与创建(一)

&#xff08;本文详情来源&#xff1a;android源码 http://www.eoeandroid.com/thread-296427-1-1.html 转载请注明出处&#xff01;&#xff09; [Android源码分享]飞鸽传书的Android客户端相信大部分同学都看过并且用过吧&#xff1f;我这里就小小的还原一下一个小模块&am…

谷歌智慧城市之困

来源&#xff1a;网易智能 摘要&#xff1a;谷歌母公司Alphabet旗下创新城市部门Sidewalk Labs目前在信息隐私问题上陷入了困境。他们失去了数据信托首席专家和顾问安卡瓦吉安&#xff08;Ann Cavoukian&#xff09;&#xff0c;该机构将批准和管理多伦多概念智能社区Quayside内…