MATLAB数字图像处理

一.准备工作

1.安装MATLAB

2.熟悉界面

写代码主要使用两个地方，一个是编辑器，另一个是命令行窗口，各自有各自的功能和用法。

编辑器是用来编写和运行MATLAB代码文件的工具，它可以让您创建、修改、保存和调试代码文件。编辑器只能通过点运行或者选中要用的代码后右键“执行所选代码”或者在命令行窗口中输入文件名的方式运行。编辑器中的代码文件通常以.m为扩展名，它们可以是脚本文件或函数文件。编辑器还提供了一些方便的功能，如语法高亮、断点设置、代码折叠等。

命令行窗口是用来执行一条条单独命令的工具，它可以让您进行各种计算操作，也可以使用命令打开各种MATLAB工具，还可以查看各种命令的帮助说明等。命令行窗口的指令行“头首”的“>>”是自动生成的，为运算提示符，表示MATLAB处于准备就绪阶段；在运算提示符后输入命令以后，按enter键，就会在命令行窗口出现相应的结果，并会将结果保存在工作区窗口。

3.编辑器常用快捷键

这里是一些个人常用的快捷键：

Ctrl + A：全选代码
Ctrl + I：自动对齐代码（整理缩进）
Ctrl + R：注释选中的代码
Ctrl + T：取消注释选中的代码
Ctrl + Z：撤销改动
Ctrl + Y：取消撤销
Ctrl + F：查找或替换变量名、函数名
Ctrl + W：关闭当前的程序文本文件
Ctrl + PageUp/PageDown：在编辑器窗口中切换文件
Ctrl + G：直接跳至某行
F1：打开当前光标处的函数的帮助文档
Ctrl + F1：显示当前光标处的函数的参数信息提示
F5：保存并直接运行程序
F9：执行选中的代码段
F10：单步执行
F11：进入子函数
Shift + F11：退出子函数
F12：设置或取消断点

二.图像变换

图像处理是图像处理和图像分析的一个重要分支，它将图像从空间域变换到变换域，然后在变换域对图像进行处理和分析。常用的图像变换有傅里叶变换、DCT变换、小波变换等。

下面以傅里叶变换演示图像。

先准备一张图片test.jfif，键入下面代码：

close all;
clear all;
I = imread('test.jfif');
I_fft = fft2(I);
figure('NumberTitle','off','Name','傅里叶变换演示程序',...
'MenuBar', 'none', 'Color','w' );
axes_121 = subplot(1,2,1);
imshow(I);
axes_122 = subplot(1,2,2);
imshow(log(abs(fftshift(I_fft))), []);
title(axes_121, '原始图像', 'Color','r', 'BackgroundColor','y');
title(axes_122, '傅里叶变换后图像','Color','r','BackgroundColor','y');

如果你准备的图像是彩色的，在傅里叶变换以后可能会导致图像的灰度值超出了可显示的范围，导致出现下面的结果：

这时候可以修改一下代码，先将改变原图像的灰度值，再进行傅里叶变换：

close all;
clear all;
I = imread('test.jfif');
I1=rgb2gray(I);//转换灰度值
I_fft = fft2(I1);
figure('NumberTitle','off','Name','傅里叶变换演示程序',...
'MenuBar', 'none', 'Color','w' );
axes_121 = subplot(1,2,1);
imshow(I);
axes_122 = subplot(1,2,2);
imshow(log(abs(fftshift(I_fft))), []);
title(axes_121, '原始图像', 'Color','r', 'BackgroundColor','y');
title(axes_122, '傅里叶变换后图像','Color','r','BackgroundColor','y');

结果如下：

三.图像编码压缩

图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许失真的条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。

准备一张灰白图片，代码参考如下：

close all;clear all;
I = imread('r.png');
I = rgb2gray(I);
I = im2double(I);
T = dctmtx(8);
dct = @(block_struct) T * block_struct.data * T';
B =blockproc(I,[8 8],dct);
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 = blockproc(B,[8 8],@(block_struct) mask .* block_struct.data);
invdct = @(block_struct) T' * block_struct.data * T;
I2 = blockproc(B2,[8 8], invdct);
figure('NumberTitle','off','Name','基于离散余弦变换的图像压缩',...
'MenuBar','none', 'Color','w');
axes_121 = subplot(1,2,1);
imshow(I);
axes_122 = subplot(1,2,2);
imshow(I2);
imwrite(I,'压缩前.png');
imwrite(I2,'压缩后.png');
info_before = imfinfo('压缩前.png');
info_after = imfinfo('压缩后.png');
title(axes_121, sprintf('压缩前(FileSize= %d bytes)',...
info_before.FileSize), 'Color','r','BackgroundColor','y');
title(axes_122, sprintf('压缩后 (FileSize= %d bytes)',...
info_after.FileSize), 'Color', 'r', 'BackgroundColor', 'y');

结果如下：

去文件夹下可以查看压缩后的图像，可看到压缩前后图像的字节大小得到改变。

如果使用的图片不是灰白图片，这里会出现报错：

BLOCKPROC 在计算用户提供的函数句柄 FUN 时遇到错误。

错误的原因是:

错误使用  * 
用于矩阵乘法的维度不正确。请检查并确保第一个矩阵中的列数与第二个矩阵中的行数匹配。要执行按元素相乘，请使用 '.*'。

出错 @(block_struct)T*block_struct.data*T'

出错 blockprocFunDispatcher (第 13 行)
        output_block = fun(block_struct);

出错 blockprocInMemory (第 97 行)
    ur_output = blockprocFunDispatcher(fun,block_struct,trim_border);

出错 blockproc (第 251 行)
    result_image = blockprocInMemory(source,fun,options);

出现这个问题的原因是该代码中的函数句柄不适用于彩色图像。

@(block_struct) T * block_struct.data * T'

其中 T 是一个 8×8 的 DCT 矩阵， block_struct.data 是一个 8×8×3 的 RGB 图像块。

四.图像增强和复原

图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，它所做的仅仅是突出图像中所感兴趣的部分。如强化图像的高频分量，以使图像中物体轮廓清晰，细节明显；如强化低频分量以降低噪声的影响。图像复原要求对图像降质的原因有一定的了解，一般来讲应根据降质过程建立“降质模型” ，再采用某种滤波方法，恢复或重建原来的图像。

五.图像分割

图像分割是数字图像处理中的关键技术之一。图像分割的目的在于将图像中有意义的特征部分提取出来，这些特征包括图像中的边缘、区域等，它们是进一步进行图像识别、分析和理解的基础。虽然已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，该技术分支始终是图像处理中的研究热点之一。

六.图像描述

图像描述是图像识别和理解的必要前提。对于最简单的二值图像可采用其几何特征来对物体的特性进行描述，对于一般的图像，通常采用基于二维形状的的描述方法（包括边界描述和区域描述两大类方法）。对于特殊的纹理图像可采用二维纹理特征来对其进行描述。随着图像处理研究的不断深入，对于三维物体描述的研究工作已然发展迅猛，研究者们相继提出了体积描述、表面描述和广义圆柱体描述等方法。

close all; clear all;
image = rgb2gray(imread('b.jpg'));
offsets = [zeros(40, 1) (1 :40)'];
glcms = graycomatrix(image, 'Offset',offsets);
stats = graycoprops(glcms, 'Contrast Correlation');
figure('NumberTitle','off','Name','纹理特征提取',...
'MenuBar','none','Color','w');
subplot(1, 2, 1);
imshow(image);
subplot(1, 2, 2);
plot([stats.Correlation], 'LineWidth', 3);
title('Texture Correlation as a function of offset');
xlabel('Horrizontal Offset');
ylabel('Correlation');