什么是Matlab？特点是什么？
1）MATLAB是MATrix LABoratory的缩写，是一款由美国MathWorks公司推出的商业数学软件。是一种用于算法开发、数据可视化、数据分析以及数值计算的高级语言和交互式环境。
2）除了矩阵运算、绘制函数/数据、图像等常用功能外，还可以创建GUI以及对C、C++、Java和FORTRAN等语言的支持。3）主要包括MATLAB主程序、Simulink、Toolbox三大部分。
特点：1）友好的编程环境2）自然的程序语言3）强大的科学计算能力4）出的可视化功能5）丰富的工具箱6）全方位的帮助系统
操作界面：命令窗口、工作空间窗口、当前目录窗口、历史命令窗口、一个或多个图形窗口、浏览器
打开Help：View菜单中的Help选项、启动平台的树状列表中选择Help项、在Help菜单中选择Matlab Help菜单项、打开help路径查看html形式的help、在命令界面输入doc
图像的数字化：将连续调的模拟图像经采样量化后转换成数字图像的过程。
从模拟图像—→采样—→量化—→编码—→到数字图像
模拟图像：对现实世界的连续表达。 数字化意味着数字图像是现实世界的近似表达。
数字图像：以有限的二维数值点形式表达的图像。 基本单元为像元（Pixel）。
* 通常，每个像元由一个灰度级来表达，其含义可以是颜、高度、透明度等。 * 通常的图像格式包括：每点1样（B&W、Grayscale、Color？）、每点3样（R、G、B）、每点4样（ R、G、B 、Alpha）
数字图像处理：【Digital Image Processing （DIP）】又称计算机图像处理，为达到某种目的，利用计算机对数字图像进行的处理过程。DIP的两个主要目的铜污染：目视解译、机器感知
数字图像处理的三个层次：低级(狭义的图像处理)、中级(图像处理)、高级(图像理解)
位深：是指图片中一个像素点占多少位，常见的有8位、24位、32位，就是说分别用这么大的空间来表示一个点的颜。位深度越大则图片的彩越丰富，但图片占的空间也大。 详细解释：
计算机之所以能够表示图形，是采用了一种称作“位”( bit ) 的记数单位来记录所表示图形的数据。当这些数据按照一定的编排方式被记录在计算机中，就构成了一个数字图形的计算机文件。“位”( bit )是计算机存储器里的最小单元，它用来记录每一个像素颜的值。图形的彩越丰富，“位”的值就会越大。每一个像素在计算机中所使用的这种位数就是“位深度”。
第二讲：数字图像处理基础
像素间的基本关系：邻域、邻接性、连通性、区域和边界、距离度量
邻域（三种）：4-邻域：当前像素点4个水平和垂直方向上的相邻像素 、D-邻域：当前像素点4个对角线像素、8-邻域：4邻域和D邻域的合集；；在进行邻域处理时采用空间卷积技术（掩膜技术），即在原图像上移动“活动窗口”逐块进行局部运算，以实现平滑和锐化。
基于像素的图像操作：算术运算：加、减、乘、除；逻辑运算：与、或、非
数字图像的MATLAB表示法：
数字图像模型：数字图像可以表示为一个二维函数f(x,y),其中x,y是空间（平面）坐标，f是（x,y）处的亮度值（DN值、灰度）。
图像类型：灰度图像（Gray-scale images）、二值图像（Binary images）、索引图像（Indexed images）、RGB图像（RGB images）
图像/数据类型转换：数据类型转换的通用语法：B = data_class_name( A )
IPT中进行图像类型转换的函数：im2uint8、im2uint16、im2double、im2single、mat2gray、im2bw
数组与数组索引：标准数组生成函数zeros(M, N)、ones(M, N)、true(M, N)、false(M, N)、magic(M)、eye(M) 、rand(M, N) 、randn(M, N)
向量索引：存取单一元素：V(index) ； 转置（.'） ； 存取数据块（:）：v(2:4)、v(3:end)、 v(:)、v(1:2:end)、v(end:−2:1)、v([1 4 5]) ； 等差数列生成函数：乐益民linspace(a, b, n)
矩阵索引：存取单一元素：V(i, j)
存取数据块：A([1 2], [1 2 3])、A(1:2, 1:3)、A(2, :)、A(:, 3)
生成列向量：v = T2(:)
求和：col_sums = sum(A)、total_sum = sum(A(:))
逻辑索引：D = logical([1 0 0; 0 0 1; 0 0 0])、A(D)、A(D) = [30 40]、A(D) =100
索引矩阵（续）：线性索引；MATLAB存储矩阵并非以它形状的形式，而是一个线性元素列；尺寸为[r c]的矩阵A，A(i, j)的线性序号为 (j-1)*r + i ；行列索引、线性索引相互转化的函数：sub2ind/ind2sub。
第三讲：图像增强
图像增强：论文网站不考虑图像降质的原因，根据具体的应用目的，采用一系列技术有选择地突出感兴趣的信息，同时抑制不需要的信息，以改善图像的视觉效果，更适于人机分析和处理，增强图像的解译力。
图像增强的分类：
空间域：直接对图像的像素灰度值进行操作。点运算【灰度变换、直方图修正法（均衡化、规定化）、局部统计法】邻域运算【图像平滑、图像锐化】 频率域：在图像的变换域中，对图像的变换值进行操作，然后经逆变换获得所需的增强结果。
彩增强：变换图像的彩，已达到增强的目的。【假彩增强、伪彩增强、彩变换】
代数运算：通过图像间的代数运算，达到增强图像的目的，如增强图像间的差异。
* 直方图（Histogram）（归一化）：数字图像中各灰度级与其出现的频数间的统计关系，可表示为：P(rk)=nk/n,k=1,2…L，其中，nk是图像中灰度级为rk的像素个数；n是图像的总像素个数；L是灰度级；p(rk)为灰度值rk出现的频率。
直方图概念：直方图是灰度级的函数，描述的是图像中个灰度级像素的个数，对数字图像来说，直方图实际就是灰度值概率密度函数的离散化图形。
直方图均衡化：通过原始图像的灰度非线性变换，使其直方图变成均匀分布，以增加图像灰度值的动态范围，从而达到增强图像整体对比度的目的，使图像变清晰。变换后的图像在每个灰度级上都具有大致相同的像元数目。 “中心思想”： 把原始图像的灰度直方图从比较集中的某个灰度区间变换到全部灰度范围内的均匀分布。
直方图与图像清晰性的关系：直方图反映了图像的清晰程度，当直方图均匀分布时，图像最清晰；我们可以利用变换直方图的方法来使图像更加清晰。
直方图均衡化的计算过程（重点）
1、列出原始图像和变换后图像的灰度级，i,j=1,2,…，L，L为灰度级数；
2、计算原图像的直方图
3、计算累积分布函数
本田思迪改装4、利用灰度变换函数计算变换后的灰度值，并四舍五入取整
5、确定灰度变换关系i→j，据此修正原图像的灰度值
6、计算变换后图像的直方图
第四讲：图像平滑与锐化
邻域运算（区别于点运算）是在像元的邻域上（而不是像元点本身）进行的简单运算。
简单的邻域运算包括：最小值、最大值、中值、平均值等。
图像平滑：在图像获取和传输过程中，受传感器和大气因素的影响会存在噪声，在图像上，这些噪声表现为一些亮点亮度过大的区域，为了抑制噪声，改善图像质量所做的处理。
（加权）均值滤波器→线性滤波器；统计排序滤波器→非线性滤波器 平滑→求和→积分
统计排序滤波器：统计排序滤波器是一种非线性空间滤波器，对应的中心像素值由滤波器所覆盖像素的统计排序（如最大值、最小值、中值等）所决定。中值滤波器最为常见。
特点：对椒盐（salt and pepper）噪声最有效，既可消除噪声又可保留图像的细节。
聚氨酯改性环氧树脂
图像锐化：也叫高通滤波，主要是增强图像中的高频部分，突出图像的边缘信息，提高图像细节的反差，所以也叫边缘增强，其结果与平滑相反。主要目的：突出图像中的细节或长翅目
者增强被模糊了的细节。锐化算子：Roberts算子、Sobel算子、拉普拉斯算子（二阶）、梯度锐化法。 锐化→相减→微分 锐化滤波可以借助计算图像的空间导数来完成。
方法：基于一阶导数的图像增强、基于二阶导数的图像增强、混合空间增强方法
一、二阶导数的特性：通过比较一阶导数与二阶导数的响应，可以得出以下结论：
(1)一阶导数通常会产生较宽的边缘；(2)二阶导数对细节有较强的响应，如细线和孤立点；
(3)一阶导数一般对灰度阶梯有较强的响应；(4)二阶导数对灰度级阶梯变化产生双响应。而且，二阶导数在图像中灰度值变化相似时，对线的响应要比对阶梯强，且点比线响应强。
利用拉普拉斯算子进行图像锐化的计算方法：
首先，利用拉普拉斯算子对原始图像进行滤波，得到滤波后的图像；
然后，将原始图像加（减）滤波结果图像，得到锐化图像。
* 均值滤波：将每个像元在以其为中心的区域内取平均值来代替该像素值，以达到去掉尖锐噪声和平滑图像的目的。
* 中值滤波：与平滑滤波不一样，它是将邻域中的像素按灰度级排序，取其中间值为输出像素。具体计算方法与模板卷积方法类似，仍采用活动窗口扫描的方法。取值时，将窗口内所有像元按灰度级排序，取中间值作为中间像元的值。所以M*N取奇数为好。
一般来说，图像灰度呈阶梯状变化时，取均值平滑比取中值滤波要明显的多。对于突出亮点的噪声干扰，中值滤波要优于取均值滤波。
第五讲：傅里叶变换
傅里叶变换的用途：效果增强、图像分析和信息提取、图像复原、图像压缩、作为理解其他变换的基础
利用傅里叶变换进行去噪的原理、步骤
* 空间域图像滤波称为平滑和锐化，强调像素与其周围相邻像素的关系，常用的方法是卷积运算。空间域复杂的卷积可以在频率域通过简单地乘法运算来快速实现。
* 在频率域：低通滤波起到平滑的作用（过低抑高），高通滤波起到锐化的作用（过高抑低）
* 高通滤波：高频位于边缘部分，突出边缘部分；低通滤波：边缘损失，有效抑制噪声（噪声一般在高频部分）强调了低频部分，图像会变的比较平滑。
傅里叶变换的原理：步骤：输入-预处理-傅里叶变换-频域滤波-傅里叶逆变换-后处理-图像
傅里叶变换指非周期函数的正弦和或余弦和乘以加权函数的积分表示，能把遥感图像从空间域变换到只包含不同频率信息的频率域中，对遥感图像进行傅里叶变换后，将得到一个频率域平面原图像上的灰度突变部位（如物体的边缘）、图像结构域复杂的区域、图像细节及干扰噪声等，变换后其大部分信息集中在高频区，原图像上灰度变化平缓的部位，如植被比较一致的平原、沙漠和海面等，变换后大多集中在低频区，在频域平面上，低频区位于中心部位，高频区位于低频的外围，即边缘部位。然后根据需要用一定的滤波器进行高频或低频滤波，傅里叶变换是可逆的，将所得频率函数再做反频率域变换，得到原图像。空间滤波和频域滤波本质是一样的，在空间域上做卷积相当于在频域上做乘积（滤波器与频域乘积）。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议