MATLAB 编程/高级主题/工具箱和扩展/图像处理工具箱

图像处理工具箱简介

核心 MATLAB 包附带了一些基本的函数（将在后面介绍），这些函数可用于加载、保存图像以及对图像执行自定义函数。但是，通常需要对图像执行更复杂的操作。图像处理工具箱允许进行以下操作：

在 MATLAB 中直接可视化图像
色彩空间转换（例如，在 RGB、HSV、L*a*b* 等之间转换）
对象分组和数据收集
滤波和快速卷积
图像的傅里叶分析
图像算术
形态学操作

以及其他许多操作。

待办事项
这是一个相当不完整的介绍，扩展它以包含工具箱的其他功能

MATLAB 内置函数

要将图像加载到 MATLAB 中，您可以使用“导入数据”GUI（与文本文件或类似文件相同），也可以使用“imread”函数。要使用“imread”，您必须将图像所在的目录添加到目录列表中。然后使用以下语法：

>> myimage = imread('myimage.extension');

建议使用分号，尤其是这里，因为图像包含大量数据。

如果图像为彩色图像，MATLAB 默认情况下会将图像数据转换为 RGB 色彩空间（对于大多数与之兼容的数据格式）。单独的通道由图像的第三维表示。以下代码分离了图像的通道并指示每个通道的颜色。

>> redchannel = myimage(:,:,1);
>> greenchannel = myimage(:,:,2);
>> bluechannel = myimage(:,:,3);

注意
在对图像进行计算时必须小心，因为大多数图像格式都以 UINT8 类导入，而不是以 double 类导入，以节省空间。许多操作不能在 UINT8 数组（或多于两个维度的数组）上执行。其中一些可以通过使用 MATLAB 的图像算术函数来避免，但有时需要将图像或图像的一部分转换为double 类才能对其进行操作。

MATLAB 中的另一个默认函数可用于将图像保存到新文件。函数“imwrite”接受两种不同的语法：

>> imwrite(myimage, 'nameoffile.extension')

或者

>> imwrite(myimage, 'nameoffile', 'extension')

使用第二种语法时，不要在扩展名之前使用句点。有关导入和导出的支持文件类型，请参见 MATLAB 文档。

MATLAB 的图像算术函数

默认情况下，MATLAB 将大多数图像导入为uint8 类，该类不受原生加法、减法、乘法或除法函数的支持。为了克服这个问题，一种选择是将图像转换为double 类。但是，如果要使用大量图像，或者图像很大，这会导致内存问题。这也很慢。因此，MATLAB 在其算术函数中提供了一个更好的选择。MATLAB 可以使用其专门用于整数的算术函数执行以下操作（如果 A 或 B 为常量值，它们也适用）：

imadd(A, B)：添加两个图像 A 和 B（相当于 A + B，由于运算符重载，但这种语法在没有图像分析工具箱的情况下不起作用，因此不建议使用，因为它在没有工具箱的情况下会导致更难跟踪的错误，而不是“函数未找到”）
imsubtract(A, B)：减去两个图像 A 和 B（相当于 A - B，但同样不推荐使用，因为它在没有工具箱的情况下不起作用）
immultiply(A, B)：两个图像 A 和 B 的元素乘法。相当于 A.*B。
imdivide(A, B)：两个图像 A 和 B 的元素除法。相当于 A./B
imlincomb(K1, A1, K2, A2, ..., C)：图像 A1、A2 等的线性组合。这意味着您最终会得到 $K1*A1+K2*A2+...+C$ . 这比使用例如 $immultiply(K1,A1)+immultiply(K2,A2)$ 更有效，因为后者在每次操作后都会进行舍入，这会导致有时会产生明显的错误，而前者只在最后进行舍入。

图像可视化

要可视化图像或图像的一部分，请使用imshow 函数：

>> imshow(myimage);

这将显示图像的图形（通常缩小）。您不应该尝试复制此图像并将其粘贴到另一个程序中，因为生成的 RGB 值将不同。请改用 imwrite。

色彩空间转换和 cform

待办事项
描述“makecform”函数、cform 结构的格式以及如何执行此函数提供的色彩转换

关于色彩空间转换的说明

请注意，从 RGB 等设备特定的色彩空间转换为 LAB 或 XYZ 等非设备特定的空间时，不可避免地会产生一些误差。原因之一是 MATLAB 提供的 RGB 值通常使用来自相机的伽马进行编码（并在显示在屏幕上之前由显示器提供另一个伽马），这使得 RGB 和 LAB 值之间的关系取决于相机的内部结构，并且是非线性的（且难以准确确定）。作为近似值，人们通常可以使用幂律函数来获得未修改的 RGB 值，理论上这些值应该与每个像素的 LAB 值线性相关。

$R'=(R/255)^{1/\gamma }$

$G'=(G/255)^{1/\gamma }$

$B'=(B/255)^{1/\gamma }$

请注意，这些方程式假设 R、G 和 B 的范围在 0 到 255 之间，计算需要将 R、G 和 B 从默认的 uint8 类转换为 double 类。

图像滤波

MATLAB 使用两种方法之一，相关性或卷积，来滤除各种图像。这两种操作除了卷积在滤波前将滤波器矩阵旋转 180 度外，其余部分相同，而相关性则保持不变。

卷积

待办事项
展示计算原理

直接卷积使用 conv2 方法和 imfilter 函数来实现。对于图像，由于滤波器远小于图像，因此 imfilter 中实现的直接方法（使用 MEX 函数来提高速度）通常更快。

FFT 方法

可以证明，空间域中的卷积（如前所述）等效于傅里叶域中的乘法

$A{\mbox{ o }}B=F^{-}1(F(A)*F(B))$

其中 F 是傅里叶变换算子。如果 A 和 B 大小几乎相同，则对 A 和 B 都执行傅里叶变换，相乘，然后反转结果通常比直接执行计算更快。

为了使用此方法，需要用零填充 A 和 B 中较小的一个，以便 A 和 B 的大小相同。实际上，如果 A 和 B 都被填充以使其长度为 2 的幂，则此方法最快，因为 FFT 算法针对这些大小进行了优化。在形成填充后的矩阵 A' 和 B' 后，计算两个矩阵的 FFT（使用 fft2 函数），将它们相乘，然后反转它们以找到完整的卷积（填充了许多零）。以下是一些实现此方法的示例代码，并返回等效于 MATLAB 中 'same' 参数的卷积

待办事项
放入执行此操作的代码

使用图像分析工具箱

滤波器可以用于以不同的方式模糊图像，或使其更清晰。函数 fspecial 包含许多您可以用于这些目的的预定义滤波器。此函数的语法为

>> filter = fspecial(typeoffilter, parameters);

如果没有提供参数，则滤波器的默认大小取决于滤波器的类型；有关详细信息，请参见 MATLAB 文档页面。其他类型的滤波器也具有其他选项，例如高斯滤波器中的标准差。

待办事项
创建一些示例图像来显示每个滤波器的效果

您也可以通过简单地将滤波器定义为矩阵来使用自己的滤波器。

待办事项
简单介绍一下滤波器设计

为了滤除图像，MATLAB 用周围像素的加权平均值替换图像的每个像素。权重由滤波器的值决定，周围像素的数量由使用的滤波器的大小决定。MATLAB 包含一个用于执行滤波的函数：imfilter

>> newimage = imfilter(myimage, filter, parameters);

有几个可能的参数决定了 MATLAB 如何处理图像边缘的像素（因为边缘的加权平均值需要一些东西来权衡图像边界之外的东西）。这些包括用常量填充它（在 parameters 位置为 imfilter 提供一个数字），跨边界反射图像（parameters = 'symmetric'），假设图像具有周期性（parameters = 'circular'），或复制边界像素值（parameters = 'replicate'）。要使用哪种最佳方法取决于应用程序，因此最好对其进行试验。

您可以传递的另一个参数是相关性与卷积的选择。相关性是默认使用的；将 'conv' 传递给 imfilter 以使用卷积。请注意，相关性将旋转您的滤波器，如果它打算对图像产生特定方向的影响，请做好准备。