1. 读入并显示一幅图像
clear %清除所有的工作平台变量 close all %关闭已打开的图形窗口
I=imread ('pout.tif'); %读取图像pout.tif(该图像是图像处理工具箱自带的图像)，
%存储在一个名为I的数组中
imshow(I) %显示图像I
2. 检查内存中的图像
whos %查看图像数据I是如何存储在内存中的。
3. 实现直方图均衡化
figure %生成一个新的图形窗口，避免后面的图像覆盖前面图像的显示 imhist(I) %创建描述图像I灰度分布的直方图 I2=histeq(I); %将图像的灰度值扩展到整个灰度范围，从而提高图像数组I的对比度。 figure,imshow(I2) %显示修改过的图像I2
figure,imhist(I2) %显示拓展后的灰度值的分布情况
4. 保存图像
imwrite(I2,'pout.png'); %将图像I2以PNG图像文件格式保存到磁盘
5. 检查新生成文件的内容
imfinfo('pout2.png') %观察保存的图像文件信息
图像处理的高级应用
主要对一幅灰度图像rice.tif进行一些较为高级的操作为例说明整个过程。 1. 读取和显示图像
clear %清除所有的工作平台变量 close all %关闭已打开的图形窗口
I=imread('rice.png'); %读取图像rice.png (该图像是图像处理工具箱自带的图像) imshow(I) %显示图像
2. 估计图像背景
background=imopen(I,strel('disk',15)); %对图像I进行形态学开操作，删除那些不完全包括
%在半径为15的圆盘中的对象，实现对背景亮度的估计
figure,imshow(background)
figure,surf(double(background(1:8:end,1:8:end))),zlim([0 255]); %以表面形式显示背景
3. 从原始图像中减去背景图像
I2=imsubtract(I,background); %将背景图像background从原始图像I中减去 figure,imshow(I2)
4. 调节图像对比度
I3=imadjust(I2,stretchlim(I2),[0 1]); %调节图像的对比度 figure,imshow(I3);
5. 使用阈值操作将图像转换为二进制图像 level=graythresh(I3); bw=im2bw(I3,level); figure,imshow(bw)
6. 检查图像中的对象个数
[labeled,numObjects]=bwlabel(bw,4); %确定图像中的米粒个数 numObjects 101
7. 检查标记矩阵
grain=imcrop(labeled) %选择并显示已标记的对象和部分背景内的像素 RGB_label=label2rgb(labeled,@spring,'C','shuffle');
%将标记矩阵显示为一副伪彩色的索引图像，在伪彩色的彩色图像中， %标记矩阵中的每一个对象都将被映射为相关调色板中的不同颜色
imshow(RGB_label);
8.计算图像中对象的统计属性
graindata=regionprops(labeled,'basic')
%测量图像或者区域的属性，并返回一个结构数组。当用于一个标记图像时，%它还为每一个标记分量创建一个结构元素。
graindata(51).Area %显示第51个元素的属性
graindata(51).BoundingBox,graindata(51).Centroid %寻找最近的边缘和中心
allgrains=[graindata.Area]; %创建一个新的向量allgrains，其包含每个米粒的范围 allgrains(51) %查看第51个元素的范围
max(allgrains) %获取最大的米粒大小
biggrain=find(allgrains==404) %返回最大米粒的标记号
mean(allgrains) %获取米粒的平均大小
hist(allgrains,20) %绘制包含20个柱的直方图
图像格式：是存储图像采用的文件格式。不同的操作系统、不同的图像处理软件，所支持的图像格式都有可能不同。
在实际应用中经常会遇到的图像格式有：BMP、GIF、TIFF、PCX、JPEG、PSD、PCD、
WMF等。
*(1) BMP(Bitmap)文件 *(2)GIF文件 *(3)TIF文件 *(4)JPEG文件
图像类型：是指数组数值与像素颜色之间定义的关系，它与图像格式概念有所不同。 在MATLAB图像处理工具箱中，有五种类型的图像：
(1) 二进制图像
在一幅二进制图像中，每一个像素将取两个离散数值(0或1)中的一个，从本质上说，这两个数值分别代表状态“开”(on)或“关”(off)。
二进制图像仅使用unit8或双精度类型的数组来存储。
在图像处理工具箱中，任何返回一幅二进制图像的数组均使用unit8逻辑数组存储该图像，并且使用一个逻辑标志来指示unit8逻辑数组的数据范围。
若逻辑状态为“开”（on），数组范围为[0,1]；若为“关”（off），则数组范围为[0,255]。
(2) 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，索引图像包含有一个数据矩阵X和一个颜色映射（调色板）矩阵map。数据矩阵：可以是unit8、unit16、双精度类型的；
颜色映射矩阵map：是一个m×3的数据矩阵，其中每个元素的值均为[0,1]之间的双精度浮点型数据，map矩阵的每一行分别表示红色、绿色和蓝色的颜色值。
索引图像可把像素值直接映射为调色板数值，每一个像素的颜色通过使用X的数值作为map的下标来获得，如值1指向矩阵map中的第一行，值2指向第二行，依此类推。
颜色映射通常与索引图像存储在一起，当装载图像时，MATLAB自动将颜色映射表与图像同时装载。
图像矩阵与颜色映射表之间的关系依赖于图像数据矩阵的类型。
如果图像数据矩阵是双精度类型，则数据1指向矩阵map中的第一行，数据值2将指向map中的第二行，依此类推；
如果图像矩阵是unit8或unit16类型时，将产生一个偏移，即数值0表示矩阵map中的第一行，数据值1将指向map中的第二行，依此类推。
(3) 灰度图像
灰度图像通常由一个unit8、unit16、双精度类型的数组来描述，其实质是一个数据矩阵I，该矩阵中的数据均代表了在一定范围内的灰度级，每一个元素对应于图像的一个像素点，通常0代表黑色，1、255、65 535（针对不同存储类型）代表白色。
(4) 多帧图像
多帧图像是一种包含多幅图像或帧的图像文件，又称为多页图像或图像序列。 在MATLAB中，它是一个四维数组，其中第四维用来指定帧的序号。
在一个多帧图像数组中，每一幅图像必须有相同的大小和颜色分量，每一幅图像还要使用相同的调色板。另外，图像处理工具箱中的许多函数（如：imshow）只能对多幅图像矩阵的前两维或三维进行操作，也可以对四维数组使用这些函数，但是必须单独处理每一帧。如果将一个数组传递给一个函数，并且数组的维数超过该函数设计的超作维数，那么得到的结果是不可预知的。
(5) RGB图像
RGB图像又称为真彩色图像，它是利用R、G、B三个分量表示一个像素的颜色，R、G、B分别代表红、绿、篮3种不同的颜色，通过三基色可以合成出任意颜色。所以对一个尺寸为n×m的彩色图像来说，在MATLAB中则存储为一个n×m×3的多维数据数组，其中数组中的元素定义了图像中的每一个像素的红、绿、篮颜色值。图形文件格式把RGB图像存储
为24位的图像，红、绿、篮分量分别占用8位。
MATLAB的RGB数组可以是双精度的浮点型、8位或16位无符号的整数类型。在一个双精度类型的RGB数组中，每一个颜色分量都是一个[0,1]范围内的数值。如：颜色分量为(0,0,0)的像素将显示为黑色；颜色分量为(1,1,1)的像素将显示为白色。每一个像素的三个颜色分量都存储在数组的第三维中。如：像素（10，5）的红、绿、篮颜色值分别保存在元素RGB(10,5,1)、RGB(10,5,2)、RGB(10,5,3)中。
例：创建一个简单的RGB图像，该图像包含某一范围内不中断的红、绿、篮颜色分量，另外，
针对每一个颜色分量各创建一幅图像来加以对比： RGB=reshape(ones(64,1)*reshape(jet(64),1,192),[64,64,3]); R=RGB(:,:,1); G=RGB(:,:,2); B=RGB(:,:,3);
subplot(2,2,1);imshow(R); subplot(2,2,2);imshow(G); subplot(2,2,3);imshow(B); subplot(2,2,4);imshow(RGB);
(1)图像颜色浓淡处理（图像抖动）
X=dither(RGB,map) %通过抖动算法将真彩色图像RGB按指定的颜色（调色板）map转换
成索引色图像X
X=dither(RGB,map,Qm,Qe)
%利用给定的参数Qm，Qe从真彩色图像RGB中产生索引色图像X。
%Qm表示沿每个颜色轴反转颜色图的量化（即对于补色各颜色轴）的位数， %Qe表示颜色空间计算误差的量化误差。
%如果Qe 注意： 输入图像可以是双精度类型或8位无符号类型，其他参数必须是双精度类型。 如果输出的图像是二值图像或颜色种类少于256的索引图像时，为uint8类型，否则为doule型。 例：由RGB图像产生一个索引图像 使用索引图像chess.met的颜色图map，通过抖动map中的颜色，产生RGB图像autumn.tif的近似索引图像。 load chess; RGB=imread('autumn.tif'); subplot(1,2,1);imshow(RGB); Y=dither(RGB,map) subplot(1,2,2);imshow(Y,map); (2)灰度图像转换为索引图像 [X,map]=gray2ind(I,n) %按指定的灰度级数n和颜色图map，将灰度图像I转换成索引色 %图像X，n的默认值为64。 例：将灰度图像pout.tif转化成索引图像X，颜色图分别为gray(128)和gray(16)。 I=imread('pout.tif'); [I1,map1]=gray2ind(I,128); [I2,map2]=gray2ind(I,16); subplot(1,3,1);imshow(I1,map1); subplot(1,3,2);imshow(I2,map2); subplot(1,3,3);imshow(I); (3)索引图像转换为灰度图像 I=ind2gray(X,map) %将具有颜色图map的索引色图像X转换成灰度图像I，去掉了图像的 %色度和饱和度，仅保留了图像的亮度信息。 %输入图像可以是double或unit8类型。 例：将一幅索引图像trees.mat转换成灰度图像。 load trees I=ind2gray(X,map); subplot(1,2,1);imshow(X,map); subplot(1,2,2);imshow(I); (4)RGB图像转换为灰度图像 I=rgb2gray(RGB) %将真彩色图像RGB转换成灰度图像I。 Newmap=rgb2gray(map) %将颜色图map转换成灰度级颜色图。 注意：如果输入的是真彩色图像，则图像可以是8位无符号类型或双精度类型，输出图像I 与输入图像类型相同。 如果输入的是颜色图，则输入和输出的图像均为双精度类型。 *例：将RGB图像flowers.tif转换为灰度图像。 RGB=imread('flowers.tif'); figure(1);imshow(RGB) figure(2);Y=rgb2gray(RGB);imshow(Y) (5)RGB图像转换为索引图像 [X,map]=rgb2ind(RGB) %直接将RGB图像转换为具有颜色图map的矩阵X. [X,map]=rgb2ind(RGB,tol) %用均匀量化的方法将RGB图像转换为索引图像X. [X,map]=rgb2ind(RGB,n) %使用最小方差量化的方法将RGB图像转换为索引图像， %map中包括至少n个颜色。 X=rgb2ind(RGB,map) %通过将RGB中的颜色与颜色图map中最相近的颜色匹配， %将RGB图像转换为具有map颜色图的索引图像。 […]=rgb2ind(…,dither_option) %通过dither_option参数来设置是否抖动。dither_option为dither表示使用抖动，以达到 %较好的颜色效果；缺省时为nodither，使用了新颜色图中最接近的颜色来画原图的颜色。 *例：将RGB图像flowers.tif转换为索引图像。 RGB=imread('flowers.tif'); figure(1);imshow(RGB) figure(2);Y=rgb2ind(RGB,128);imshow(Y)