MATLAB 程式設計/高階主題/工具箱和擴充套件/影像處理工具箱

影像處理工具箱簡介

核心 MATLAB 包附帶了一些基本的函式（將在後面介紹），這些函式可用於載入、儲存影像以及對影像執行自定義函式。但是，通常需要對影像執行更復雜的操作。影像處理工具箱允許進行以下操作：

在 MATLAB 中直接視覺化影像
色彩空間轉換（例如，在 RGB、HSV、L*a*b* 等之間轉換）
物件分組和資料收集
濾波和快速卷積
影像的傅立葉分析
影像算術
形態學操作

以及其他許多操作。

待辦事項
這是一個相當不完整的介紹，擴充套件它以包含工具箱的其他功能

MATLAB 內建函式

要將影像載入到 MATLAB 中，您可以使用“匯入資料”GUI（與文字檔案或類似檔案相同），也可以使用“imread”函式。要使用“imread”，您必須將影像所在的目錄新增到目錄列表中。然後使用以下語法：

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

建議使用分號，尤其是這裡，因為影像包含大量資料。

如果影像為彩色影像，MATLAB 預設情況下會將影像資料轉換為 RGB 色彩空間（對於大多數與之相容的資料格式）。單獨的通道由影像的第三維表示。以下程式碼分離了影像的通道並指示每個通道的顏色。

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

注意
在對影像進行計算時必須小心，因為大多數影像格式都以 UINT8 類匯入，而不是以 double 類匯入，以節省空間。許多操作不能在 UINT8 陣列（或多於兩個維度的陣列）上執行。其中一些可以透過使用 MATLAB 的影像算術函式來避免，但有時需要將影像或影像的一部分轉換為double 類才能對其進行操作。

MATLAB 中的另一個預設函式可用於將影像儲存到新檔案。函式“imwrite”接受兩種不同的語法：

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

或者

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

使用第二種語法時，不要在副檔名之前使用句點。有關匯入和匯出的支援檔案型別，請參見 MATLAB 文件。

MATLAB 的影像算術函式

預設情況下，MATLAB 將大多數影像匯入為uint8 類，該類不受原生加法、減法、乘法或除法函式的支援。為了克服這個問題，一種選擇是將影像轉換為double 類。但是，如果要使用大量影像，或者影像很大，這會導致記憶體問題。這也很慢。因此，MATLAB 在其算術函式中提供了一個更好的選擇。MATLAB 可以使用其專門用於整數的算術函式執行以下操作（如果 A 或 B 為常量值，它們也適用）：

imadd(A, B)：新增兩個影像 A 和 B（相當於 A + B，由於運算子過載，但這種語法在沒有影像分析工具箱的情況下不起作用，因此不建議使用，因為它在沒有工具箱的情況下會導致更難跟蹤的錯誤，而不是“函式未找到”）
imsubtract(A, B)：減去兩個影像 A 和 B（相當於 A - B，但同樣不推薦使用，因為它在沒有工具箱的情況下不起作用）
immultiply(A, B)：兩個影像 A 和 B 的元素乘法。相當於 A.*B。
imdivide(A, B)：兩個影像 A 和 B 的元素除法。相當於 A./B
imlincomb(K1, A1, K2, A2, ..., C)：影像 A1、A2 等的線性組合。這意味著您最終會得到 $K1*A1+K2*A2+...+C$ . 這比使用例如 $immultiply(K1,A1)+immultiply(K2,A2)$ 更有效，因為後者在每次操作後都會進行舍入，這會導致有時會產生明顯的錯誤，而前者只在最後進行舍入。

影像視覺化

要視覺化影像或影像的一部分，請使用imshow 函式：

>> imshow(myimage);

這將顯示影像的圖形（通常縮小）。您不應該嘗試複製此影像並將其貼上到另一個程式中，因為生成的 RGB 值將不同。請改用 imwrite。

色彩空間轉換和 cform

待辦事項
描述“makecform”函式、cform 結構的格式以及如何執行此函式提供的色彩轉換

關於色彩空間轉換的說明

請注意，從 RGB 等裝置特定的色彩空間轉換為 LAB 或 XYZ 等非裝置特定的空間時，不可避免地會產生一些誤差。原因之一是 MATLAB 提供的 RGB 值通常使用來自相機的伽馬進行編碼（並在顯示在螢幕上之前由顯示器提供另一個伽馬），這使得 RGB 和 LAB 值之間的關係取決於相機的內部結構，並且是非線性的（且難以準確確定）。作為近似值，人們通常可以使用冪律函式來獲得未修改的 RGB 值，理論上這些值應該與每個畫素的 LAB 值線性相關。

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

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

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

請注意，這些方程式假設 R、G 和 B 的範圍在 0 到 255 之間，計算需要將 R、G 和 B 從預設的 uint8 類轉換為 double 類。

影像濾波

MATLAB 使用兩種方法之一，相關性或卷積，來濾除各種影像。這兩種操作除了卷積在濾波前將濾波器矩陣旋轉 180 度外，其餘部分相同，而相關性則保持不變。

卷積

待辦事項
展示計算原理

直接卷積使用 conv2 方法和 imfilter 函式來實現。對於影像，由於濾波器遠小於影像，因此 imfilter 中實現的直接方法（使用 MEX 函式來提高速度）通常更快。

FFT 方法

可以證明，空間域中的卷積（如前所述）等效於傅立葉域中的乘法

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

其中 F 是傅立葉變換運算元。如果 A 和 B 大小几乎相同，則對 A 和 B 都執行傅立葉變換，相乘，然後反轉結果通常比直接執行計算更快。

為了使用此方法，需要用零填充 A 和 B 中較小的一個，以便 A 和 B 的大小相同。實際上，如果 A 和 B 都被填充以使其長度為 2 的冪，則此方法最快，因為 FFT 演算法針對這些大小進行了最佳化。在形成填充後的矩陣 A' 和 B' 後，計算兩個矩陣的 FFT（使用 fft2 函式），將它們相乘，然後反轉它們以找到完整的卷積（填充了許多零）。以下是一些實現此方法的示例程式碼，並返回等效於 MATLAB 中 'same' 引數的卷積

待辦事項
放入執行此操作的程式碼

使用影像分析工具箱

濾波器可以用於以不同的方式模糊影像，或使其更清晰。函式 fspecial 包含許多您可以用於這些目的的預定義濾波器。此函式的語法為

>> filter = fspecial(typeoffilter, parameters);

如果沒有提供引數，則濾波器的預設大小取決於濾波器的型別；有關詳細資訊，請參見 MATLAB 文件頁面。其他型別的濾波器也具有其他選項，例如高斯濾波器中的標準差。

待辦事項
建立一些示例影像來顯示每個濾波器的效果

您也可以透過簡單地將濾波器定義為矩陣來使用自己的濾波器。

待辦事項
簡單介紹一下濾波器設計

為了濾除影像，MATLAB 用周圍畫素的加權平均值替換影像的每個畫素。權重由濾波器的值決定，周圍畫素的數量由使用的濾波器的大小決定。MATLAB 包含一個用於執行濾波的函式：imfilter

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

有幾個可能的引數決定了 MATLAB 如何處理影像邊緣的畫素（因為邊緣的加權平均值需要一些東西來權衡影像邊界之外的東西）。這些包括用常量填充它（在 parameters 位置為 imfilter 提供一個數字），跨邊界反射影像（parameters = 'symmetric'），假設影像具有周期性（parameters = 'circular'），或複製邊界畫素值（parameters = 'replicate'）。要使用哪種最佳方法取決於應用程式，因此最好對其進行試驗。

您可以傳遞的另一個引數是相關性與卷積的選擇。相關性是預設使用的；將 'conv' 傳遞給 imfilter 以使用卷積。請注意，相關性將旋轉您的濾波器，如果它打算對影像產生特定方向的影響，請做好準備。