<> == 读取图像 == 用imread函数读取图像文件，文件格式可以是TIFF、JPEG、GIF、BMP、PNG等。比如{{{ >> f = imread('chestxray.jpg'); }}}读进来的图像数据被保存在变量f中。尾部的分号用来抑制输出。如果图片是彩色的，可以用rgb2gray转换成灰度图：{{{ >> f = rgb2gray(f); }}}然后可以用size函数看图像的大小{{{ >> size(f) }}}如果f是灰度图像，则可以用下面的命令把这个图像的大小赋给变量M和N{{{ >> [M, N] = size(f); }}}用whos命令查看变量的属性{{{ >> whos f }}} == 显示图像 == 用imshow显示图像{{{ imshow(f, G) }}}其中f是图像矩阵，G是像素的灰度级，G可以省略。比如{{{ >> imshow(f, [100 200]) }}}图像上所有小于等于100的数值都会显示成黑色，所有大于等于200的数值都会显示成白色。pixval命令可以用来查看图像上光标所指位置的像素值。{{{ pixval }}}例如{{{ >> f = imread('rose_512.tif'); >> whos f >> imshow(f) }}}如果要同时显示两幅图像，可以用figure命令，比如{{{ >> figure, imshow(g) }}}用逗号可以分割一行中的多个命令。imshow的第二个参数用一个空的中括号：{{{ >> imshow(h, []) }}} 可以使动态范围比较窄的图像显示更清楚。 == 写图像到文件 == 用imwrite将图像写到文件中去{{{ imwrite(f, 'filename') }}}文件名必须包括指明格式的扩展名。也可以增加第三个参数，显式指明文件的格式。比如{{{ >> imwrite(f, 'patient10_run1.tif', 'tif') }}}也可以写成{{{ >> imwrite(f, 'patient10_run1.tif') }}} 还可以有其他参数，比如jpeg图像还有质量参数：{{{ >> imwrite(f, 'filename.jpg', 'quality', q) }}}q是0到100之间的一个整数。对比不同质量的图像效果。用imfinfo命令可以查看一个图像的格式信息，比如{{{ >> imfinfo bubbles25.jpg }}}可以把图像信息保存到变量中{{{ >> K = imfinfo('bubbles25.jpg'); >> image_bytes = K.Width * K.Height * K.BitDepth / 8; >> compressed_bytes = K.FileSize; >> compression_ratio = image_bytes / compressed_bytes }}} == Matlab数据类型 == MATLAB的数据类型包括：{{{ double 双精度浮点 uint8 无符号8位整数 uint16 无符号16位整数 uint32 无符号32位整数 int8 有符号8位整数 int16 有符号16位整数 int32 有符号32位整数 single 单精度 char 字符 logical 逻辑型（二值） }}}数据类型转换{{{ B = data_class_name(A) }}}比如{{{ >> C = [1.4 1.5] >> D = uint8(C) }}}图像类型分为：{{{ Intensity image 灰度图 Binary image 二值图 Indexed image 索引图 RGB image 彩色图 }}}在灰度图中每个像素可以是整型、浮点型或者逻辑型。图像类型的像素类型可以转换 ||function|| to|| from|| ||im2uint8|| uint8|| logical,uint8,uint16,double|| ||im2uint16|| uint16|| logical,uint8,uint16,double|| ||mat2gray|| double|| double|| ||im2double|| double|| logical,uint8,uint16,double|| ||im2bw|| logical|| uint8,uint16,double|| 比如{{{ g = mat2gray(A, [Amin, Amax]); g = mat2gray(A); g = im2double(h); g = im2bw(f, T) }}}其中A是浮点型的图像，Amin和Amax是浮点数的范围，h和f是任意类型的图像，T是分割的阈值。 == 数组（向量） == 创建向量（数组）：{{{ >> v = [1 3 5 7 9 11 13] }}}用小括号对向量进行索引（取数组中的某个元素）：{{{ >> v(2) }}}转置（将行向量通过转置变成列向量）：{{{ >> w = v.' }}}取向量其中的一部分：{{{ >> v(1:3) 第1个到第3个 >> v(2:4) >> v(3:end) 第3个到最后一个 >> v(1:end) >> v(:) 全部 >> v(1:2:end) 第1个到最后一个，每次增加2 >> v(end:-2:1) 最后一个到第1个，每次减2 }}}其中end总是表示最后一个。{{{ >> x = linspace(1, 5, 10) >> v([1 4 5]) }}}linspace函数产生一个范围内的平均分布。 == 矩阵 == 创建矩阵{{{ >> A = [1 2 3; 4 5 6; 7 8 9] }}}取矩阵中的一个元素{{{ >> A(2, 3) }}}取矩阵中的一行或者一列{{{ >> C3 = A(:, 3) >> R2 = A(2, :) }}}取矩阵中某些行某些列{{{ >> T2 = A(1:2, 1:3) }}}对矩阵中某些元素进行赋值：{{{ >> B = A; >> B(:, 3) = 0 }}}用end表示最后一行或者最后一列：{{{ >> A(end, end) 最后一行最后一列 >> A(end, end-2) 最后一行倒数第三列 >> A(2:end, end:-2:1) 第2行到最后一行，最后一列到第一列，每次减2 >> E = A([1 3], [2 3]) 第1、3行，第2、3列 >> D = logical([1 0 0; 0 0 1; 0 0 0]) >> A(D) 取A中由D指定的位置上的元素 >> v = T2(:) 把矩阵变成一个向量 >> s = sum(A(:)) 求和 >> sum(sum(A)) }}}可以把矩阵操作用在图像上{{{ >> f = imread('filename'); >> fp = f(end:-1:1, :); 矩阵列倒转 >> imshow(fp) >> fc = f(257:768, 257:768); >> imshow(fc) >> fs = f(1:2:end, 1:2:end); >> imshow(fs) >> plot(f(512,:)) }}}矩阵可以是多维的，用size看矩阵大小，用ndims命令常看矩阵的维数{{{ >> size(A, 1) >> ndims(A) }}} == 常用的矩阵 == {{{ zeroes(M, N) ones(M, N) true(M, N) false(M, N) magic(M) rand(M, N) randn(M, N) }}}其中M、N表示矩阵的行数和列数。比如{{{ >> A = 5 * ones(3, 3) >> magic(3) >> B = rand(2, 4) }}} == 函数 == 可以把一系列的MATLAB语句或者一个带参数的函数放在扩展名叫做m的文件中。m文件可以用任何文本编辑器创建和编辑，只要用.m扩展名保存在MATLAB可以搜索到的路径里面。另一个创建和编辑函数的方法是在命令行输入edit命令，比如{{{ >> edit sumprod }}}这命令会编辑已经存在的sumprod.m文件，如果没有则自动在当前目录中创建一个sumprod.m并开始编辑。一个带函数的m文件有一下部分组成{{{ 函数定义行 H1行 帮助部分 函数体 注释 }}}函数定义行的格式是{{{ function [outputs] = name(inputs) }}}比如要写一个函数计算两个图像的和以及乘积{{{ function [s, p] = sumprod(f, g) }}}其中f和g是输入的图像，而s是和，p是乘积。返回值用中括号括起来，如果返回值只有一个，可以省略中括号。如果函数没有输出，则中括号和等号都可以省略。函数名字的命名规则和C语言是相同的。定义好的函数可以在命令行调用：{{{ >> [s, p] = sumprod(f, g); }}}也可以被其它函数调用。如果只有一个返回值，调用时中括号也是可以省略的，比如{{{ >> y = sum(x); }}}H1行是文本的第一行，是一个单行的注释，紧跟在函数定义行后面，之间不能有空行。比如{{{ % SUMPROD Computes the sum and product of two images. }}}百分号开始的文字表示注释。当使用帮助命令{{{ >> help function_name }}}时，这个H1行会被首先显示出来。如果使用lookfor命令，则会在所有H1行中查找指定的关键字。这一行应该提供这个函数功能的一个概述。帮助部分是紧跟在H1后的文本块，中间没有空行，用来提供对这个函数更详细的帮助说明。在使用help命令时会显示所有这部分内容。这部分内容由注释语句构成，全部由%开始。接下来第一个非注释语句表示函数体的开始。函数体包含进行计算的语句和给返回值赋值的语句。函数题中的所有注释（百分号开始的行）被认为是普通的注释，不是H1或者帮助部分。 == 运算符 == 运算符可以分为算术运算符，关系运算符和逻辑运算符。算术运算符分为矩阵算术运算符和数组算术运算符。{{{ + 矩阵和数组加法 plus(A, B) a+b, A+B - 矩阵和数组减法 minus(A,B) a-b, A-B .* 数组乘法 times(A,B) C=A.*B, 意味着C(I,J) = A(I,J)*B(I,J) * 矩阵乘法 mtimes(A,B) A*B, 表示线性代数中的矩阵运算,或者a*A ./ 数组右除 rdivide(A,B) C=A./B, 意味着C(I,J)=A(I,J)/B(I,J) .\ 数组左除 ldivide(A,B) C=A.\B, 意味着C(I,J)=B(I,J)/A(I,J) / 矩阵右除 mrdivide(A,B) A/B 意味着A*inv(B), inv是矩阵求逆 \ 矩阵左除 mldivide(A,B) A\B 意味着inv(A)*B .^ 数组指数 power(A, B) C=A.^B,意味着C(I,J)=A(I,J)^B(I,J) ^ 矩阵指数 mpower(A,B) 请查看帮助 .' 向量和矩阵转置 transpose(A) A.' ' 复数的共轭 ctranspose(A) A' + 单目加号 uplus(A) +A 与0+A相同 - 单目负号 uminus(A) -A 与0-A相同 }}}图像处理工具包还提供其他一些算术运算{{{ imadd 两个图像相加，或者一个图像加上一个常量 imsubstract 两个图像相减，或者一个图像减掉一个常量 immultiply 两个图像相乘，或者一个图像乘上一个常量 imdivide 两个图像相除，或者一个图像除以一个常量 imabsdiff 两个图像的差的绝对值 imcomplement 求一个图像的反色图 inlincomb 求一组图像的线性组合 }}}关系运算符包括{{{ < <= > >= == ~= }}}关系运算符的结果是逻辑型的矩阵，比如{{{ >> A = [1 2 3; 4 5 6; 7 8 9] >> B = [0 2 4; 3 5 6; 3 4 9] >> A == B >> A >= B }}}如果关系运算符两边都是矩阵，则要求两边的矩阵是同样大小的。或者一边是矩阵一边是常数，或者两边都是常数，那也是可以。{{{ >> A > 3 >> 3 ~= 4 }}}逻辑运算符包括与、或、非三个运算{{{ & AND | OR ~ NOT }}}在matlab中非0被认为是真，0被认为是假。比如{{{ A = [1 2 0; 0 4 5] B = [1 -2 3; 0 1 1] >> A & B }}}MATLAB还有其它一些逻辑运算函数：{{{ xor 异或 all 如果一整列都是真，则结果是真 any 如果一整列只要有一个是真，则结果是真 }}}比如{{{ >> xor(A, B) >> all(A) >> any(A) >> all(B) >> any(B) }}}一些重要的常量{{{ ans eps i(或者j) NaN或者nan pi realmax realmin computer version }}}MATLAB中一般常量的写法{{{ 3 -99 0.00001 9.6397238 1.60210e-20 6.02252e23 1i -3.14159j 3e5j }}} == 控制流 == 包括{{{ if if和else, elseif组合，条件执行一组语句 for 指定次数重复执行一组语句 while 按条件反复执行一组语句 break 终止for或者while循环 continue 马上开始下一次for或者while循环 switch switch和case,otherwise结合，按照条件值的不同执行不同的语句块 return 终止当前函数，返回到调用它的地方 try...catch 捕获异常状况 }}}if语句{{{ if expression1 statements1 elseif expression2 statements2 else statements3 end }}}for循环{{{ for index = start:increment:end statements end }}}比如{{{ count = 0; for k = 0:0.1:1 count = count +1 end }}}while循环{{{ while expression statements end }}}比如{{{ a = 10; b = 5; while a a = a - 1; while b b = b - 1; end end }}}switch语句{{{ switch switch_expression case case_expression statements case {case_expression1, case_expression2} statements otherwise statements end }}}比如{{{ switch newclass case 'uint8' g = im2uint8(f); case 'uint16' g = im2uint16(f); case 'double' g = im2double(f); otherwise error('Unknown or improper image class.') end }}}例子：写一个函数计算一幅灰度图像所有像素的平均值{{{ function av = average(A) %AVERAGE Computes the average value of an array % AV = AVERAGE(A) computes the average value of input array, A, % which must be a 1D or 2D array. % Check the validity of input. if ndims(A) > 2 error('The dimensions of the input cannot exceed 2.') end % Computes the average av = sum(A(:))/length(A(:)); }}}例子：比较各种不同的JPEG质量下的图像质量{{{ for q = 0:5:100 filename = sprintf('series_%3d.jpg', q); imwrite(f, filename, 'quality', q); end }}}其中sprintf语句和c语言的fprintf语句用法类似。例子：写一个函数从一个图像中取出一个矩形的子图。{{{ function s = subdim(f, m, n, rx, cy) %SUBDIM Extracts a subimage, s, from a given image, f. % The subimage is of size m-by-n, and the coordinates of its top, left % corner are (rx, cy). s = zeros(m, n); rowhigh = rx + m - 1; colhigh = cy + n - 1; xcount = 0; for r = rx:rowhigh xcount = xcount + 1; ycount = 0; for c = cy:colhigh ycount = ycount + 1; s(xcount, ycount) = f(r, c); end end }}}实际上这个功能可以用一个matlab语句就可以实现了。 == 循环优化 == 一些循环可以被转换成同样向量计算来代替，比如f(x)=Asin(x/2pi)，生成一个向量包含一组函数的值：{{{ for x = 1:M f(x) = A*sin((x-1)/(2*pi)); end }}}可以用下面两个语句来代替{{{ x = 0:M-1; f = A*sin(x/2(*pi)) }}}向量运算要比循环快得多。对于二维的情况，MATLAB提供了一个meshgrid函数{{{ [C, R] = meshgrid(c, r) }}}比如{{{ >> r = [0 1 2]; >> c = [0 1]; >> [C, R] = meshgrid(c, r) >> h = R.^2 + C.^2 }}}例子：f(x, y) = Asin(ux + vy)，生成一个矩阵，包含这个函数的值：{{{ function [rt, f, g] = twodsin(A, u0, v0, M, N) %TWODSIN compare for loops vs vectorization % The comparision is based on implementing the function % f(x, y) = Asin(u0x+v0y) for x = 0, 1, 2,..., M-1, and % y = 0, 1, 2, ..., N-1. The inputs to the function are % M and N and the constants in the function. tic for r = 1:M u0x = u0*(r-1); for c = 1:N v0y = v0*(c-1) f(r, c) = A*sin(u0x + v0y); end end t1 = toc; tic r = 0:M-1; c = 0:N-1; [C,R] = meshgrid(c, r); g = A*sin(u0*R + v0*C) t2 = toc; rt = t1/t2; }}}运行这个例子可以看出，向量计算至少比循环要快30倍。如果只是针对图像的一部分进行操作，可以简单的提取出来，比如{{{ rowhigh = rx + m - 1; colhigh = cy + n - 1; s = f(rx:rowhigh, cy:colhigh); }}}同样功能的程序，这个写法比前面例子看到的写法要快1000倍。 == 用户交互 == 函数disp用来提示用户一些信息。比如{{{ >> A = [1 2; 3 4]; >> disp(A) >> sc = 'Digital Image Processing.'; >> disp(sc) >> disp('This is another way to display text.') }}}input函数用来提示用户输入某些值：{{{ t = input('message') }}}这个函数可以显示message，并等待用户输入一个值，并存到t中。输入的值可以是MATLAB允许的任何类型的值。而如下的格式只接受字符串输入{{{ t = input('message', 's') }}}如果字符串中包含的都是数字，则可以用函数str2num进行转换{{{ n = str2num(t) }}}比如{{{ >> t = input('Enter your data: ', 's') >> class(t) >> size(t) >> n = str2num(t) >> size(n) >> class(n) }}}如果混合输入字符串和数值，可以全部按照字符串读入，再使用字符串处理函数strread，比如：{{{ >> t = '12.6, x2y, z'; >> [a, b, c] = strread(t, '%f%q%q', 'delimiter', ',') >> d = char(b) }}}其中%f表示浮点数，%q表示字符串。delimiter参数表示分割符。函数strcmp用来比较字符串，如果两个字符串相等返回真，否则返回假。lower函数可以把字符串中的大写字母全部变成小写，upper函数可以把字符串中所有小写字母全部变成大写。 == Cell数组和结构体 == Cell数组是指数组的元素本身还是一个数组，比如{{{ >> c = {'gause', [1 0; 0 1], 3} >> c{1} >> c{2} >> c{3} }}}结构体和Cell数组类似，但是其中的元素是用一个名字去访问的，比如{{{ >> S.char_string = 'gause'; >> S.matrix = [1 0; 0 1]; >> S.scalar = 3; >> S.matrix }}}