Matlab 图像处理基础

一、图像处理的基本操作

1.从图形文件读取图像

pic = imread('C:\Users\Good\Pictures\m.jpg');

通过matlab自带的imread读入图像，函数内为图像的路径。如果图片在当前文件夹下，可以通过图片名直接导入。

pic = imread('m.jpg');

2.显示图像

imshow(pic);

通过上面的简单操作，我们已经可以在matlab中读入图像文件，并显示出来。接下来我们要对图像本身的一些问题进行原理性的讲述

二、关于图像

1.光的三基色

(1) 光的三基色，就是光的三种基础颜色（Red、Green、Blue），不可以通过其他颜色混合得到。但我们却可以通过将这三种颜色混合获得自然界中绝大部分颜色。

(2) 在matlab中，颜色的表示就是通过显示RGB相应的数值来表示颜色。通常情况下，RGB各有256级亮度，用数字表示为从0、1、2…直到255，共256级。每个基色分量直接决定显示设备的基色强度。

imfinfo('C:\Users\Good\Pictures\m.jpg') %获取图形文件的信息size(pic)

可以看出图像在matlab中就是一个 Height ✖ Width ✖ 3 的一个 uint8 类型的矩阵，其中 Height、Width 是图像的大小，也就是像素点。一个个像素点上其中3即为RGB的三个数值，用来表示该像素点的颜色，通过像素点的坐标来定位到像素点。

R = pic(:,:,1);G = pic(:,:,2);B = pic(:,:,3);

2.灰度图像

灰度是描述灰度图像内容的最直接的视觉特征。它指黑白图像中点的颜色深度，范围一般从0到255，白色为255，黑色为0，故黑白图像也称灰度图像。灰度图像矩阵元素的取值通常为[0,255]，因此其数据类型一般为8位无符号整数，这就是人们通常所说的256级灰度。

3.彩色图像转化成灰度图像

rgb2gray matlab的内置函数，用来将RGB图像或颜色图转换为灰度图。灰度图的图像矩阵是一个 Height ✖ Width ✖ 1 的一个 uint8 类型的矩阵。也就是将三基色RGB的数值转化为一维的灰度值，便于图像处理。彩色图像转换为灰度图像时，需要计算图像中每个像素有效的亮度值，其计算公式为：Y = 0.3R + 0.59G + 0.11B

turn_pic = rgb2gray(pic);pic = double(pic);  %需要转化类型，不然计算结果可能不同turn_pic(1,1)0.3*pic(1,1,1) + 0.59*pic(1,1,2) + 0.11*pic(1,1,3)

4.灰度图像转化为彩色图像

将灰度图像转换为彩色图像，称为灰度图像的伪彩色处理。

伪彩色处理技术的实现方式有很多，如：灰度分割法、灰度级-彩色变换法、滤波法等等。以下采用的是灰度级-彩色变换法，这是将来自传感器的灰度图像送入三个不同特征的R、G、B变换器，然后将三种变换器的不同输出分别送到彩色显示器进行显示的技术。

gray2rgb 函数可以将灰度图转化为彩色图，不过需要下载相关文件，需要的话可以自行搜索，而且执行效率很低。

映射关系如下，其中 R(x,y)、G(x,y)、B(x,y) 分别表示 R、G、B 的颜色值，f (x,y)表示特定点灰度图像的灰度值，f 是所选灰度图像的灰度值。

5. 二进制图像

二进制图像也称为二值图像，通常用一个二维数组来描述，1位表示一个像素，组成图像的像素值非0即1，没有中间值，通常0表示黑色，1表示白色。二进制图像一般用来描述文字或者图形，其优点是占用空间少，缺点是当表示人物或风景图像时只能描述轮廓。一般我们可以通过设置阈值来进行二进制图像转化，matlab中可以利用 im2bw 从灰度、索引、RGB图象创建二值图。

6.索引图像

索引图像是一种把像素值直接作为RGB调色板下标的图像。在MATLAB中，索引图像包含一个数据矩阵X和一个颜色映射（调色板）矩阵map。数据矩阵可以是8位无符号整型、16位无符号整型或双精度类型的。可以通过以下代码对索引图像和RGB图像进行转化：

IND = rgb2ind(pic,n); % pic为RGB图像矩阵，map为颜色映射矩阵，最多包含n个颜色。n必须小于或等于 65,536。RGB = ind2rgb(pic,map); % pic为索引图像矩阵，map为颜色映射矩阵

7.小结

2英文two和to发音相同，所以很多转换类函数都用2来命名而非to。比如 number to string， 不是命名为 numTostr 而是 num2str。记住英文缩写，我们就可以灵活使用各种函数进行图像转换。

三、利用插值法对图像进行放大处理

1.二维插值

二维插值是对两个变量的函数 z = f(x,y) 进行插值

求解二维插值的基本思路是：

常见的二维插值可以分为两种：网格结点插值和散乱数据插值。

二维插值处理图片，可以使放大后的图片的失真率降低，提升图片放大后的显示效果。

2.插值问题的出错总结

pic = imread('C:\Users\Good\Pictures\m.jpg');turn_pic = rgb2gray(pic);[m,n] = size(turn_pic);x0 = 1:m;y0 = 1:n;x = 1:0.5:(m+0.5);y = 1:0.5:(n+0.5);z = interp2(x0,y0,turn_pic,x,y,'cubic');

错误提示：

出错原因：x0, y0, X, Y 都是 double 类型的数据，但是 turn_pic 是 uint8 类型的数据。

错误修改：turn_pic = double(turn_pic);

修改后运行：

错误分析：

像这样的插值问题，最怕的就是矩阵的 size 不对应，参照我们插值时可以传入 meshgrid 生成的网格数据，我们不难知道，interp2 的插值方式，内部会自己利用 meshgrid 方式处理传入的数据。但我们知道 meshgrid 方式生成的网格数组与原数据矩阵 size 相反，所以要注意这个 size 问题。以代码为例：

[m,n] = size(turn_pic);x0 = 1:m;y0 = 1:n;

传入的x0，x，y0，y分别对应的是图像矩阵的行和列，利用 meshgrid 生成的网格面都与 turn_pic 的 size 正好相反。所以我们初始定义x，x0对应列，y，y0对应行，这样就可以避免 size 错误。

正确代码：

pic = imread('C:\Users\Good\Pictures\m.jpg');turn_pic = rgb2gray(pic);turn_pic = double(turn_pic);[m,n] = size(turn_pic);x0 = 1:n;y0 = 1:m;x = 1:0.5:(n+0.5);y = 1:0.5:(m+0.5);[X,Y] = meshgrid(x,y);z = interp2(x0,y0,turn_pic,X,Y,'cubic');z = uint8(z);imshow(z);

效果图：

3.网格点数据的生成

在matlab中，进行三维图像的绘制，一般要构造二维的网格面，再通过二维的网格面对应z值，绘制出三维的图像。

一般，我们常用meshgrid来构建二维的网格面。

meshgrid：二维和三维网格

用法：[X,Y]=meshgrid(x,y)

另一种用法 [X,Y]=meshgrid(x) 这等价于 [X,Y]=meshgrid(x,x)

其中x为n维向量，y为m维向量，x, y为 m ✖ n维的矩阵。它用于产生“二维变量的网格”。

下面举例说明：

x = 1:4;y = 1:3;[X,Y] = meshgrid(x,y);

ndgrid：N 维空间中的矩形网格

用法：

[X1,X2,...,Xn] = ndgrid(x1,x2,...,xn) 复制网格向量 x1,x2,...,xn 以生成 n 维满网格。

[X1,X2,...,Xn] = ndgrid(xg) 指定对所有维度使用单一网格向量 xg。您指定的输出参数的数目决定输出的维度 n。

两者的区别与联系：

ndgrid 支持从1维到n维，而 meshgrid 仅仅限制于2维和3维。在2维以及3维中，两个函数的坐标输出是一样的，[X,Y,Z] = meshgrid(x,y,z)等效于 [Y,X,Z] = ndgrid(y,x,z)，不同的地方在于输出数组的形状不一样。例如：x长度为 m，y长度为 n，meshgrid生成的二维网格 size 为 n✖m，而ndgrid为 m✖n。

---

参考文章：

彩色图像与灰度图像之间的转换

链接：

https://www.cnblogs.com/minisculestep/p/4878894.html