matlab图像数据类型转换

合集下载

matlab数据类型及转换

Matlab中有15种基本数据类型，主要是整型、浮点、逻辑、字符、日期和时间、结构数组、单元格数组以及函数句柄等。

1、整型：（int8；uint8；int16；uint16；int32；uint32；int64；uint64）通过intmax(class)和intmin(class) 函数返回该类整型的最大值和最小值，例如intmax(‘int8’)=127；2、浮点：（single；double）浮点数：REALMAX('double')和REALMAX('single')分别返回双精度浮点和单精度浮点的最大值，REALMIN('double')和REALMIN ('single')分别返回双精度浮点和单精度浮点的最小值。

3、逻辑:(logical)Logical：下例是逻辑索引在矩阵操作中的应用，将5*5矩阵中大于0.5的元素设定为0：A = rand(5);A(A>0.5)=0；4、字符:(char)Matlab中的输入字符需使用单引号。

字符串存储为字符数组，每个元素占用一个ASCII字符。

如日期字符：DateString=’9/16/2001’ 实际上是一个1行9列向量。

构成矩阵或向量的行字符串长度必须相同。

可以使用char函数构建字符数组，使用strcat函数连接字符。

例如，命令 name = ['abc' ; 'abcd'] 将触发错误警告，因为两个字符串的长度不等，此时可以通过空字符凑齐如：name = ['abc ' ; 'abcd']，更简单的办法是使用char函数：char(‘abc’,’abcd’)，Matlab自动填充空字符以使长度相等，因此字符串矩阵的列纬总是等于最长字符串的字符数.例如size(char(‘abc’,’abcd’))返回结果[2,4]，即字符串’abc’实际存在的是’abc ’，此时如需提取矩阵中的某一字符元素，需要使用deblank函数移除空格如name=char(‘abc’,’abcd’); deblank(name(1,:))。

matlab图像各种代码

1，二值化和阈值处理%图像二值化（选取一个域值，(5) 将图像变为黑白图像）I=imread('C:\Documents and Settings\Administrator\桌面\DIP-E1增强\DIP-E1增强\p12.tif'); bw=im2bw(I,0.5);%选取阈值为0.5subplot(1,3,1);imshow(I);title('原图');subplot(1,3,2);imshow(bw);title('显示二值图像');J=find(I<150);I(J)=0;J=find(I>=150);I(J)=255;subplot(1,3,3);imshow(I);title(' 图像二值化 ( 域值为150 ） ');2非线性变换%对数变换I=imread('C:\Documents and Settings\Administrator\桌面\DIP-E1增强\DIP-E1增强\p12.tif');I=mat2gray(I);%对数变换不支持uint8类型数据，将一个矩阵转化为灰度图像的数据格式(double)J=log(I+1);subplot(1,2,1);Imshow(I);%显示图像title('原图');subplot(1,2,2);Imshow(J);title('对数变换后的图像')3，反色变换I1=imread('C:\Documents and Settings\Administrator\桌面\DIP-E1增强\DIP-E1增强\p12.tif'); figure,imshow(I);title('原始图像');I2=imcomplement(I1);figure,imshow(I2);title('反色后图像');4.灰度图像均衡化I=imread('C:\Documents and Settings\Administrator\桌面\DIP-E1增强\DIP-E1增强\p12.tif');J=histeq(I);subplot(1,2,1),imshow(I);subplot(1,2,2),imshow(J);figure,subplot(1,2,1),imhist(I,64);subplot(1,2,2),imhist(J,64);一打开图片和灰阶化global imglobal xglobal yglobal zx=0.002;y=0.02;z=0.04;[filename,pathname]=...uigetfile();str=[pathname filename];im=imread(str);axes(handles.axes1);imshow(im);title();im = rgb2gray(im);axes(handles.axes2);imshow(im);title();二线性变换global im;global J;J=imadjust(im,[0.3,0.7],[]); axes(handles.axes1);imshow(im);title();axes(handles.axes2);imhist(im);title();axes(handles.axes3);imshow(J);title();axes(handles.axes4);imhist(J);title();三分段线性变换global im;global H;H=double(im);[M,N]=size(H);%½øÐÐ»Ò¶È±ä»»for i=1:Mfor j=1:Nif H(i,j)<=30H(i,j)=H(i,j);elseif im(i,j)<=150H(i,j)=(200-30)/(150-30)*(H(i,j)-30)+30;elseH(i,j)=(255-200)/(255-150)*(H(i,j)-150)+200;endendend%±ä»»ºóµÄ½á¹ûaxes(handles.axes1);imshow(im);title();axes(handles.axes2);imhist(im);title();axes(handles.axes3);imshow(uint8(H));title();axes(handles.axes4);imhist(uint8(H));title();四非线性变换global im;global J;global H;J=double (im) ;H=(log(J+1))/10;axes(handles.axes1);imshow(im);title();axes(handles.axes2);imhist(im);title();axes(handles.axes3);imshow(H);title();axes(handles.axes4);imhist(H);title();五生成灰度直方图global im;axes(handles.axes1);imshow(im);title();axes(handles.axes2);imhist(im);title();六直方图均衡化global im;global J;J=histeq(im);axes(handles.axes1);imshow(im);title();axes(handles.axes2);imshow(J);title();axes(handles.axes3);imhist(im);title();axes(handles.axes4);imhist(J);title一打开图片和灰阶化global imglobal xglobal yglobal zx=0.002;y=0.02;z=0.04;[filename,pathname]=...uigetfile();str=[pathname filename]; im=imread(str);axes(handles.axes1);imshow(im);title();im = rgb2gray(im);axes(handles.axes2);imshow(im);title();二线性变换global im;global J;J=imadjust(im,[0.3,0.7],[]); axes(handles.axes1);imshow(im);title();axes(handles.axes2);imhist(im);title();axes(handles.axes3);imshow(J);title();axes(handles.axes4);imhist(J);title();三分段线性变换global im;global H;H=double(im);[M,N]=size(H);%½øÐÐ»Ò¶È±ä»»for i=1:Mfor j=1:Nif H(i,j)<=30H(i,j)=H(i,j);elseif im(i,j)<=150H(i,j)=(200-30)/(150-30)*(H(i,j)-30)+30;elseH(i,j)=(255-200)/(255-150)*(H(i,j)-150)+200;endendend%±ä»»ºóµÄ½á¹ûaxes(handles.axes1);imshow(im);title();axes(handles.axes2);imhist(im);title();axes(handles.axes3);imshow(uint8(H));title();axes(handles.axes4);imhist(uint8(H));title();四非线性变换global im;global J;global H;J=double (im) ;H=(log(J+1))/10;axes(handles.axes1);imshow(im);title();axes(handles.axes2);imhist(im);title();axes(handles.axes3);imshow(H);title();axes(handles.axes4);imhist(H);title();五生成灰度直方图global im;axes(handles.axes1);imshow(im);title();axes(handles.axes2);imhist(im);title();六直方图均衡化global im;global J;J=histeq(im);axes(handles.axes1);imshow(im);title();axes(handles.axes2);imshow(J);title();axes(handles.axes3);imhist(im);title();axes(handles.axes4);imhist(J);title平滑处理用3*3屏蔽窗口的8近邻均值进行滤波for(int j=1;j<height-1;j++){for(int i=1;i<wide-1;i++){averg=0;averg=(int)((p_data[(j-1)*wide+(i-1)]+p_data[(j-1)*wide+i]+p_data[(j-1)*wide+(i+1)]+p_data[j*wide+(i-1)]+p_data[j*wide+i+1]+p_data[(j+1)*wide+(i-1)]+p_data[(j+1)*wide+i]+p_data[(j+1)*wide+i+1])/8); //求周围8近邻均值if(abs(averg-p_temp[j*wide+i])>127.5)p_temp[j*wide+i]=averg;}}利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理I=imread('aaa.jpg');imshow(I);J1=imnoise(I,'salt & pepper'); % 叠加椒盐噪声figure,imshow(J1);f=double(J1); % 数据类型转换，MATLAB不支持图像的无符号整型的计算g=fft2(f); % 傅立叶变换g=fftshift(g); % 转换数据矩阵[M,N]=size(g);nn=2; % 二阶巴特沃斯(Butterworth)低通滤波器d0=50;m=fix(M/2); n=fix(N/2);for i=1:Mfor j=1:Nd=sqrt((i-m)^2+(j-n)^2);h=1/(1+0.414*(d/d0)^(2*nn)); % 计算低通滤波器传递函数result(i,j)=h*g(i,j);endendresult=ifftshift(result);J2=ifft2(result);J3=uint8(real(J2));figure,imshow(J3); % 显示滤波处理后的图像归一化OTSU算法代码：I=imread(' E:\360Apps\tupian.bmp');th=graythresh(I);J=im2bw(I,th);imshow(I);subplot(122)imshow(J);Bernsen算法代码：clc;clear allclose allI=imread('****');[m,n] = size(I);I_gray=double(I);T=zeros(m,n);M=3;N=3;for i=M+1:m-Mfor j=N+1:n-Nmax=1;min=255;for k=i-M:i+Mfor l=j-N:j+Nif I_gray(k,l)>maxmax=I_gray(k,l);endif I_gray(k,l)<minmin=I_gray(k,l);endendendT(i,j)=(max+min)/2;endendI_bw=zeros(m,n);for j=1:nif I_gray(i,j)>T(i,j)I_bw(i,j)=255;elseI_bw(i,j)=0;endendendsubplot(121),imshow(I);subplot(122),imshow(I_bw);改进的Bernsen算法代码：clc;clear allclose allI=imread('****');I_gray=double(I);[m,n] = size(I);a=0.3;A=0;T1=0;S=0;for i=1:mfor j=1:nA=A+I_gray(i,j) ;endendA=A*0.9;while(S<A)T1=T1+1;for i=1:mfor j=1:nif(I_gray(i,j)==T1)S=S+I_gray(i,j);endendendendT2=zeros(m,n);T3=zeros(m,n);M=3;N=3;for i=M+1:m-Mfor j=N+1:n-Nmax=1;min=255;for k=i-M:i+Mfor l=j-N:j+Nif I_gray(k,l)>maxmax=I_gray(k,l);endif I_gray(k,l)<minmin=I_gray(k,l);endendendT2(i,j)=(max+min)/2;T3(i,j)=max-min;endendT4=medfilt2(T2,[M,N]);T5=(T1+T4)/2;I_bw=zeros(m,n);for i=1:mfor j=1:nif I_gray(i,j)>(1+a)*T1I_bw(i,j)=255;endif I_gray(i,j)<(1-a)*T1I_bw(i,j)=0;endif (1-a)*T1<=I_gray(i,j)<=(1-a)*T1 if T3(i,j)>a*T1if I_gray(i,j)>=T4(i,j)I_bw(i,j)=255;elseI_bw(i,j)=0;endelse if I_gray(i,j)>=T5(i,j)I_bw(i,j)=255;elseI_bw(i,j)=0;endendendendendsubplot(121),imshow(I);subplot(122),imshow(I_bw);。

matlab图像数据类型转换

如果转换前不满足这个分布规律，则使用uint8，将其自动切割至0～255（超过255的按255）最好使用mat2gray，这个函数可以把一个double类的任意数组转换成取值范围在[0,1]之间的，将一个矩阵转化为灰度图像的数据格式(double)另外,可以用isgray判断矩阵是否是一个图像数据矩阵。
图像数据在进行计算前要转化为double类型的，这样可以保证图像数据运算的精度。很多矩阵的很多矩阵数据也都是double的,要想显示其,必须先转换为图像的标准数据格式。如果转换前的数据符合图像数据标准（比如如果是double则要位于0～1之间，这个是由Matlab中的规定），那么可以直接使用im2uint8。
反之，imread根据文件中的图像种类作不同的处理。当文件中的图像为灰度图像时，imread把图像存入一个8位矩阵中，把色图矩阵转换为双精度矩阵，矩阵中每个元素值在[0，1]内；当为RGB图像时，imread把数据存入到一个8位RGB矩阵中。
！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！
uint 8:无符号的8位（8bit）整型数据（unit 都是存储型）
int ：整型数据
1、在MATLAB中，数值一般都采用double型（64位）存储和运算.
2、为了节省存储空间，MATLAB为图像提供了特殊的数据类型uint8（8位无符号整数），以此方式存储的图像称为8位型像。
3、函数image能够直接显示8位图像，但8位型数据和double型数据在image中意义不一样，
பைடு நூலகம்
总之，im2uint8、im2double要跟uint8、double区别开来。
double 就是简单地把一个变量类型转换成double类型，数值大小不变；

matlab数据类型转换函数

matlab数据类型转换函数Matlab是一种强大的数学计算软件，它支持多种数据类型，包括数字、字符、逻辑、结构体等。

在Matlab中，数据类型转换函数可以将一个数据类型转换为另一个数据类型，这对于数据处理和分析非常有用。

本文将介绍Matlab中常用的数据类型转换函数。

1. num2str和str2numnum2str函数可以将数字转换为字符串，而str2num函数可以将字符串转换为数字。

例如，将数字123转换为字符串可以使用以下代码：```num = 123;str = num2str(num);```将字符串"123"转换为数字可以使用以下代码：```str = "123";num = str2num(str);```2. int2str和str2intint2str函数可以将整数转换为字符串，而str2int函数可以将字符串转换为整数。

例如，将整数123转换为字符串可以使用以下代码： ```num = 123;str = int2str(num);```将字符串"123"转换为整数可以使用以下代码：```str = "123";num = str2int(str);```3. char和doublechar函数可以将数字数组转换为字符数组，而double函数可以将字符数组转换为数字数组。

例如，将数字数组[1,2,3]转换为字符数组可以使用以下代码：```num = [1,2,3];str = char(num);```将字符数组"123"转换为数字数组可以使用以下代码：```str = "123";num = double(str);```4. cell2mat和mat2cellcell2mat函数可以将单元格数组转换为普通数组，而mat2cell函数可以将普通数组转换为单元格数组。

MATLAB图像处理工具箱支持四种基本图像类型

MATLAB图像处理工具箱支持四种根本图像类型:索引图像、灰度图像、二进制图像和RGB图像。

MATLAB直接从图像文件中读取的图像为RGB图像。

它存储在三维数组中。

这个三维数组有三个面,依次对应于红(Red)、绿(Green)、蓝(Blue)三种颜色,而面中的数据如此分别是这三种颜色的强度值,面中的元素对应于图像中的像素点。

设所得矩阵为X三维矩阵(256,256,3) ,X(:,:,1)代表红颜色的2维矩阵 X(:,:,2)代表绿颜色的2维矩阵, X(:,:,3)代表兰颜色的2维矩阵。

[X, map]=imread('34.bmp');r=double(X(:,:,1)); %r是256 x 256的红色信息矩阵g=double(X(:,:,2)); %g是256 x 256的绿色信息矩阵b=double(X(:,:,3)); %b是256 x 256的兰色信息矩阵索引图像数据包括图像矩阵X与颜色图数组map,其中颜色图map是按图像中颜色值进展排序后的数组。

对于每个像素,图像矩阵X包含一个值,这个值就是颜色图数组map中的索引。

颜色图map为m×3双精度矩阵,各行分别指定红、绿、蓝(R、G、B)单色值,map=[RGB],R、G、B为值域为[0,1]的实数值,m为索引图像包含的像素个数。

对于一样的数据,采用uint8格式比双精度格式节省内存空间,从而更经济。

在MATLAB中如果索引图像的颜色图小于256行,如此它的图像矩阵以uint8格式存储,否如此以双精度格式存储。

一：imread:从图像文件夹中读取图像。

A =imread(FILENAME,FMT) 读取图像到A，如果文件是包含一灰度图像，A是一二维矩阵，如果文件是包含一真彩色图像〔RGB〕，A是一三维矩阵〔M-by-N-by-3〕。

FILENAME ：图像文件名；FMT：图像文件格式；文件必须在当前目录下，或在Matlab的一路径上。

Matlab数据类型及转换

例如size(char(‘abc’,’abcd’))返回结果[2,4]，即字符串’abc’实际存在的是’abc ’，此时如需提取矩阵中的某一字符元素，需要使用deblank函数移除空格如name =char(‘abc’,’abcd’); deblank(name(1,:))。
此外，Matlab同时提供一种更灵活的单元格数组方法，使用函数cellstr可以将字符串数组转换为单元格数组：
（2）构建单元格数组：函数方法
Cell函数。如：
B = cell(2, 3);
B(1,3) = {1:3};
（3）访问数据
通过索引可直接访问单元格数组中的数据元素，例如：
N{1,1} = [1 2; 4 5];
N{1,2} = 'Name';
N{2,1} = 2-4i;
N{2,2} = 7;
2、浮点：（single；double）
浮点数：REALMAX('double')和REALMAX('single')分别返回双精度浮点和单精度浮点的最大值，REALMIN('double')和REALMIN ('single')分别返回双精度浮点和单精度浮点的最小值。
3、逻辑:(logical)
Matlab数据类型及转换 (2011-05-16 15:10:59)转载▼
标签：杂谈分类：备忘录
Matlab中有15种基本数据类型，主要是整型、浮点、逻辑、字符、日期和时间、结构数组、单元格数组以及函数句柄等。
1、整型：（int8；uint8；int16；uint16；int32；uint32；int64；uint64）通过intmax(class)和intmin(class) 函数返回该类整型的最大值和最小值，例如intmax(‘int8’)=127；

MATLAB 图像处理命令使用

MATLAB 图像处理命令使用1.MATLAB中图像处理的一些简单函数A、imreadimread函数用于读入各种图像文件，其一般的用法为[X，MAP]=imread(‘filename’,‘fmt’)其中，X，MAP分别为读出的图像数据和颜色表数据，fmt为图像的格式，filename为读取的图像文件（可以加上文件的路径）。

例：[X，MAP]=imread（’flowers.tif’,’tif’）;比较读取二值图像，灰度图像，索引图像，彩色图像的X和MAP的特点，可以利用size 函数用来显示数组的维数，了解数据的特点。

B=size(a) 返回数组a 的维数。

B、imwriteimwrite函数用于输出图像，其语法格式为：imwrite(X,map,filename,fmt)imwrite(X,map,filename,fmt)按照fmt指定的格式将图像数据矩阵X和调色板map写入文件filename。

C、imfinfoimfinfo函数用于读取图像文件的有关信息，其语法格式为imfinfo(filename,fmt)imfinfo函数返回一个结构info，它反映了该图像的各方面信息，其主要数据包括：文件名（路径）、文件格式、文件格式版本号、文件的修改时间、文件的大小、文件的长度、文件的宽度、每个像素的位数、图像的类型等。

2.MATLAB中图像文件的显示imshowimshow函数是最常用的显示各种图像的函数，其语法如下：imshow(X,map)其中X是图像数据矩阵，map是其对应的颜色矩阵，若进行图像处理后不知道图像数据的值域可以用[]代替map。

（1）二进制（二值）图像显示方法，在MATLAB中一幅二值图像是uint8或双精度的，该矩阵仅包含0和1。

如果希望工具箱中的函数能将图像理解为二进制的，那么所有数据都要是逻辑数据，必须对其进行设置（将所有数据标志均设置on）.可以对数据利用“~”取反操作实现图像逆转即黑白反色。

matlab中imread函数的用法

matlab中imread函数的用法MATLAB中imread函数的用法MATLAB是一款强大的数学工具，用于矩阵计算、数据分析、绘图和图像处理。

imread 函数是用于读入图像文件的函数之一。

读入的图像可以是常见的各种格式，比如BMP、GIF、JPEG、PNG等。

语法格式：```img = imread(filename)img = imread(filename, fmt)```filename为图像所在路径和文件名，fmt为文件格式（可选）。

如果fmt省略，则MATLAB会自动检测图像文件的格式。

函数返回值：img：读入的图像矩阵imread函数的常见用法1. 读入 RGB 彩色图像RGB彩色图像保存为三通道的图像，分别是红、绿、蓝三个颜色通道，每个通道的值范围是 [0,255]。

读入RGB图像：```img = imread('example.jpg');```2. 读入灰度图像灰度图像只有一个通道，通道数为1，每个像素点的值在[0,255]之间。

读入灰度图像：```img = imread('example_gray.jpg');3. 指定图像格式如果图像文件的格式不支持自动检测，可以使用fmt参数来指定图像文件的格式，如JPEG格式：```img = imread('example.jpg', 'jpg');```4. 读入部分图像使用imread函数可以读入部分图像，只需要指定图像文件中某一部分的范围即可，例如：```img = imread('example.jpg','PixelRegion',{[1 10],[1 10],[]});```使用PixelRegion选项，可以选择只读入图像的某一区域，前两个参数指定所选区域的行和列的范围，第三个参数指定通道范围（如果是灰度图像则省略）。

Matlab数据类型及转换

（2）构建单元格数组：函数方法
Cell函数。如：
B = cell(2, 3);
B(1,3) = {1:3};
（3）访问数据
通过索引可直接访问单元格数组中的数据元素，例如：
N{1,1} = [1 2; 4 5];
N{1,2} = 'Name';
N{2,1} = 2-4i;
N{2,2} = 7;
c = N{1,2}
d = N{1,1}(2,2)
9、函数句柄
函数句柄是用于间接调用一个函数的Matlab值或数据类型。在调用其它函数时可以传递函数句柄，也可在数据结构中保存函数句柄备用。通过命令形式 fhandle = @functionname 可以创建函数句柄，例如 trigFun=@sin，或匿名函数sqr = @(x) x.^2;。
图像数据类型转换函数
默认情况下，matlab将图像中的数据存储为double型，即64位浮点数；matlab还支持无符号整型（uint8和uint16）；uint型的优势在于节省空间，涉及运算时要转换成double型。
1、整型：（int8；uint8；int16；uint16；int32；uint32；int64；uint64）通过intmax(class)和intmin(class) 函数返回该类整型的最大值和最小值，例如intmax(‘int8’)=127；
2、浮点：（single；double）
浮点数：REALMAX('double')和REALMAX('single')分别返回双精度浮点和单精度浮点的最大值，REALMIN('double')和REALMIN ('single')分别返回双精度浮点和单精度浮点的最小值。

matlab数据类型转换函数

MATLAB数据类型转换函数一、引言在MATLAB中，数据类型转换是编程过程中常用的操作之一。

数据类型转换函数允许将一个数据对象转换为另一种类型，以满足特定的需求。

本文将介绍MATLAB中的数据类型转换函数，包括函数的用途、语法和示例等。

二、数据类型转换函数的作用数据类型转换函数主要用于以下几个方面：1.将一种类型的数据转换为另一种类型，以满足特定的计算或显示要求；2.保证数据的精度和准确性；3.在不同的数据类型之间进行相互转换，以便进行不同类型的运算；4.将数据对象转换为特定格式，以便进行数据分析和处理。

三、常用的数据类型转换函数下面是MATLAB中常用的数据类型转换函数的介绍。

1. str2double()该函数用于将字符串转换为双精度浮点数的形式。

其语法如下：num = str2double(str)其中，str为输入的字符串，num为输出的双精度浮点数。

2. double()该函数用于将其他数据类型转换为双精度浮点数的形式。

其语法如下：num = double(data)其中，data为输入的数据对象，num为输出的双精度浮点数。

3. int8()、int16()、int32()、int64()这些函数用于将其他数据类型转换为指定位数的整型形式。

其语法如下：num = int8(data)num = int16(data)num = int32(data)num = int64(data)其中，data为输入的数据对象，num为输出的整型数据。

4. single()该函数用于将其他数据类型转换为单精度浮点数的形式。

其语法如下：num = single(data)其中，data为输入的数据对象，num为输出的单精度浮点数。

5. char()该函数用于将数值转换为字符数组的形式。

其语法如下：str = char(data)其中，data为输入的数据对象，str为输出的字符数组。

四、示例演示下面通过一些示例来演示这些数据类型转换函数的用法。

matlab多张bmp格式转换mat格式原理

matlab多张bmp格式转换mat格式原理引言：MATLAB是一种广泛用于数值计算和数据分析的高级编程环境，经常用于工程和科学领域的复杂算法实现。

其中，MATLAB支持多种图像格式，如BMP，JPG，PNG 等。

但是，为了进行更深入的分析和研究，通常我们会选择将图像数据转换为更通用的格式，如MATLAB的.mat格式。

多张BMP格式转换MAT格式的过程涉及到了图像处理和数据保存的相关知识。

一、BMP格式与MATLAB的.mat格式BMP是一种位图格式，是Windows操作系统中的标准图像文件格式。

它使用一个包含像素数据的连续缓冲区来表示图像，每个像素由一个或多个字节表示。

.mat文件是MATLAB中的一种数据存储格式，它使用矩阵结构来存储数据，适合于大规模数据的存储和分析。

二、BMP转MAT格式的原理1.读取BMP图像：首先，我们需要使用MATLAB的图像处理工具箱中的函数来读取BMP图像。

通常，我们可以使用imread函数来读取图像文件。

这个函数会将图像数据读入到一个矩阵中，矩阵的每一行表示图像的一行像素，每个元素表示该像素的颜色值。

2.转换数据类型：由于.mat文件支持任意数据类型的存储，我们需要将BMP 图像数据从原始的二进制数据类型转换为适合存储在矩阵中的数据类型。

通常，我们会将像素数据转换为双精度浮点数（double）类型，以便能够存储更大的数值范围和更高的精度。

3.创建矩阵：一旦我们有了BMP图像的数据，就可以创建一个新的矩阵来存储这些数据。

这个矩阵的大小应该与原图像的大小相同，以便能够完整地复制原图像的数据。

然后，我们将每个像素的颜色值复制到新矩阵的对应位置上。

4.保存到.mat文件：最后，我们使用MATLAB的save函数将新的矩阵保存到.mat文件中。

save函数会将矩阵的数据和其他相关信息一起保存到文件中，以便于以后读取和使用。

三、多张BMP转MAT格式的步骤对于多张BMP图像的转换，我们可以按照以下步骤进行：1.读取所有BMP图像：使用循环读取所有需要转换的BMP图像。

matlab图像类型转换

matlab中图像数据类型转换分类：matlab 2012-05-16 09:10 3662人阅读评论(2) 收藏举报matlabtiff图像处理存储image图形Matlab中的图像数据类型转换MATLAB中读入图像的数据类型是uint8，而在矩阵中使用的数据类型是double因此 I2=im2double(I1) :把图像数组I1转换成double精度类型；如果不转换，在对uint8进行加减时会产生溢出，可能提示的错误为：Function '*' is not defined for values of class 'uint8'。

图像数据类型转换函数默认情况下，matlab将图像中的数据存储为double型，即64位浮点数；matlab还支持无符号整型（uint8和uint16）；uint型的优势在于节省空间，涉及运算时要转换成double型。

im2double():将图像数组转换成double精度类型im2uint8():将图像数组转换成unit8类型im2uint16():将图像数组转换成unit16类型但是：对double型图像用im2uint8()，会出现问题。

double默认为0-1之间的数，uint8为0-255之间的数，如果数组uint8型x1=｛0，1，2｝，转化后为x2={0，0.5，1}；如果数组double型y1=｛0，1，2｝，转化后为y2=｛0，255，255｝；在用matlab工具箱做直方图处理时，图像必须为整型，即如果是double型，必须转化为整型解决办法：图像处理工具箱1. 图像和图像数据缺省情况下，MATLAB将图像中的数据存储为双精度类型(double)，64位浮点数，所需存储量很大；MATLAB还支持另一种类型无符号整型(uint8)，即图像矩阵中每个数据占用1个字节。

在使用MATLAB工具箱时，一定要注意函数所要求的参数类型。

Matlab课设_图像的输入输出及格式转换1

课程设计任务书学生姓名：专业班级：指导教师：工作单位：信息工程学院题目:利用MATLAB仿真软件进行图像的输入、输出和格式变换要求完成的主要任务:读取、保存和显示不同格式的图像，并进行图像格式的相互变换如索引图像、灰度图像、RGB图像和二值图像的相互转换课程设计的目的：1．理论目的课程设计的目的之一是为了巩固课堂理论学习，并能用所学理论知识正确分析信号处理的基本问题和解释信号处理的基本现象。

2．实践目的课程设计的目的之二是通过设计具体的图像信号变换掌握图像和信号处理的方法和步骤。

课程设计的要求：每个学生单独完成课程设计内容，并写出课程设计说明书、给出程序清单，最后通过课程设计答辩。

时间安排：指导教师签名：年月日系主任（或责任教师）签字：年月日目录摘要 (I)Abstract (II)1设计项目要求与说明 (1)1.1设计项目要求 (1)1.2Matlab简介及其在图像处理与分析的应用 (1)1.2.1Matlab简介 (1)1.2.2数字图像及其处理 (1)1.2.3Matlab在图像处理与分析的应用 (3)2软件流程分析 (6)2.1图像的读取 (6)2.2图像的显示 (6)2.2.1以图像形式输出（图像的显示） (6)2.2.2索引图像的显示 (7)2.2.3灰度图像的显示 (7)2.2.4二值图像的显示 (7)2.2.5RGB图像的显示 (7)2.2.6以图像文件的形式输出（图像文件形式之间的转换） (7)2.3图像的保存 (8)2.4图像类型的相互转换 (9)2.4.1RGB图像→灰度图像 (9)2.4.2RGB图像→索引图像 (9)2.4.3RGB图像→二值图像 (9)2.4.4索引图像→RGB图像 (9)2.4.5索引图像→灰度图像 (10)2.4.6灰度图像→索引图像 (10)2.4.7灰度图像→二值图像 (10)3调试分析 (11)3.1图像读取 (11)3.2图像显示 (12)3.2.1索引图像显示 (12)3.2.2灰度图像显示 (12)3.2.3二值图像显示 (13)3.2.4RGB图像显示 (13)3.3图像类型的相互转换 (14)3.3.1RGB图像→灰度图像 (14)3.3.2RGB图像→索引图像 (14)3.3.3RGB图像→二值图像 (15)3.3.4索引图像→灰度图像 (15)3.3.5灰度图像→索引图像 (16)3.3.6灰度图像→二值图像 (16)4附录（程序清单及使用图像） (17)4.1图像的读取 (17)4.2图像的显示 (17)4.2.1索引图像显示 (17)4.2.2灰度图像显示 (17)4.2.3二值图像显示 (17)4.2.4RGB图像显示 (17)4.3以图像文件的形式输出（图像文件形式之间的转换） (18)4.4图像类型的相互转换 (18)4.4.1RGB图像→灰度图像 (18)4.4.2RGB图像→索引图像 (18)4.4.3RGB图像→二值图像 (18)4.4.4索引图像→灰度图像 (18)4.4.5灰度图像→索引图像 (19)4.4.6灰度图像→二值图像 (19)4.5原图像 (19)5课程设计总结 (22)6参考资料 (23)摘要MATLAB语言是由美国MathWorks公司推出的计算机软件，经过多年的逐步发展与不断完善，现已成为国际公认的最优秀的科学计算与数学应用软件之一，是近几年来在国内外广泛流行的一种可视化科学计算软件。

MATLAB支持的几种图像文件格式

MATLAB支持的几种图像文件格式：⑴JPEG（Joint Photogyaphic Expeyts Group）：一种称为联合图像专家组的图像压缩格式。

⑵BMP（Windows Bitmap）：有1位、4位、8位、24位非压缩图像，8位RLE（Run length Encoded）的图像。

文件内容包括文件头（一个BITMAP FILEHEADER数据结构）、位图信息数据块（位图信息头BITMAP INFOHEADER和一个颜色表）和图像数据。

⑶PCX（Windows Paintbrush）：可处理1位、4位、8位、16位、24位等图像数据。

文件内容包括文件头、图像数据和扩展色图数据。

⑷TIFF（Tagged Iamge File Format）：处理1位、4位、8位、24位非压缩图像，1位、4位、8位、24位packbit压缩图像，1位CCITT压缩图像等。

文件内容包括文件头、参数指针表与参数域、参数数据表和图像数据四部分。

⑸PNG（Portable Network Graphics）：包括1位、2位、4位、8位和16位灰度图像，8位和16位索引图像，24位和48位真彩色图像。

⑹GIF（Graphics Interchange Format）：任何1位到8位的可交换的图像。

⑺HDF（Hierarchial Data Format）：有8位、24位光栅图像数据集。

⑻ICO（Windows Icon resource）：有1位、4位、8位非压缩图像。

⑼CUR（Windows Cursor resource）：有1位、4位、8位非压缩图像。

⑽XWD（X Windows Dump）：包括1位、8位Zpixmaps，XYBitmaps，XYPixmmmaps。

⑾RAS（Sun Raster image）：有1位bitmap、8位索引、24位真彩色和带有透明度的32位真彩色。

⑿PBM（Portable Bitmap）。

matlab数据类型及转换

Matlab中有15种基本数据类型，主要是整型、浮点、逻辑、字符、日期和时间、结构数组、单元格数组以及函数句柄等。

字符串存储为字符数组，每个元素占用一个ASCII字符。

如日期字符：DateString=’9/16/2001’ 实际上是一个1行9列向量。

构成矩阵或向量的行字符串长度必须相同。

可以使用char函数构建字符数组，使用strcat函数连接字符。

例如，命令 name = ['abc' ; 'abcd'] 将触发错误警告，因为两个字符串的长度不等，此时可以通过空字符凑齐如：name = ['abc ' ; 'abcd']，更简单的办法是使用char 函数：char(‘abc’,’abcd’)，Matlab自动填充空字符以使长度相等，因此字符串矩阵的列纬总是等于最长字符串的字符数.例如size(char(‘abc’,’abcd’))返回结果[2,4]，即字符串’abc’实际存在的是’abc ’，此时如需提取矩阵中的某一字符元素，需要使用deblank函数移除空格如name =char(‘abc’,’abcd’); deblank(name(1,:))。

图像类型转换函数

图像类型转换函数图像类型转换函数2010-05-07 20：54默认情况下，matlab将图象中的数据存储为double型，即64位浮点数；matlab还支持无符号整型(uint8和uint16)；uint型的优势在于节省空间，涉及运算时要转换成double型。

im2double()：将图象数组转换成double精度类型im2uint8()：将图象数组转换成unit8类型im2uint16()：将图象数组转换成unit16类型图像类型转换函数：dither()通过颜色抖动，把真彩图像转换成索引图像或灰度图象转换成二值图像gray2ind()将灰度图像(或二值图像)转换成索引图像grayslice()通过设定的阈值将灰度图象转换成索引图像im2bw()通过设定亮度阈值将灰度、真彩、索引图象转换成二值图像ind2gray()将索引图象转换成灰度图象ind2rgb()将索引图象转换成真彩色图像mat2gray()将一个数据矩阵转换成一幅灰度图象rgb2gray()将真彩转换成灰度图象rgb2ind()将真彩转换成索引图象图像类型与类型间的转换1。

索引图像：包括一个数据矩阵X和一个色图阵MAP。

矩阵元素值指向MAP中的特定颜色向量。

2。

灰度图像：数据矩阵I，I中的数据代表了颜色灰度值。

矩阵中的元素可以是double类型、8位或16位无符号的整数类型。

3。

RGB图像：即真彩图像。

矩阵中每个元素为一个数组，数组的元素定义了像素的红、绿、蓝颜色值。

RGB数组可以是double类型、8位或16位无符号的整数类型。

4。

二值图像：一个数据阵列，每个象素只能取0或1。

矩阵的基本运算行列式求值：det(A)矩阵加减：+、-矩阵相乘：*矩阵左除：A/B%相当于inv(A)*B矩阵右除：A\B%相当于A*inv(B)矩阵的幂：^矩阵转置：'矩阵求共轭(实部相同，虚部相反)：conj(X)矩阵求逆：inv(X)级数的求和与收敛symsum(fun,var,a,b)：其中fun是通项表达式，var为求和变量，a为求和起点，b为求和终点例如：I为1/[n*(2n+1)]从1到正无穷的和，求I syms n；f1=1/(n*(2*n+1))；I=symsum(f1,n,1,inf)计算结果为：I=2-2*log(2)空间曲面mesh()函数语法：mesh(Z)：mesh(X,Y,Z,C)：其中C是用来定义相应点颜色等属性的数组例：求x^2+y^2=z的空间曲面x=-4：4；y=x；[X,Y]=meshgrid(x,y)；%生成x,y坐标Z=X.^2+Y.^2；mesh(X,Y,Z)曲面图[x,y]=meshgrid(xa,ya)当xa,ya分别为m维和n维行向量，得到x和y均为n 行m列矩阵。

matlab数据类型及转换

Matlab中有15种基本数据类型，主要是整型、浮点、逻辑、字符、日期和时间、结构数组、单元格数组以及函数句柄等。

字符串存储为字符数组，每个元素占用一个ASCII字符。

如日期字符：DateString=’9/16/2001’ 实际上是一个1行9列向量。

构成矩阵或向量的行字符串长度必须相同。

可以使用char函数构建字符数组，使用strcat函数连接字符。

Matlab图像函数大全

Matlab中图像函数大全图像增强1. 直方图均衡化的 Matlab 实现1.1 imhist 函数功能：计算和显示图像的色彩直方图格式：imhist(I,n)imhist(X,map)说明：imhist(I,n) 其中，n 为指定的灰度级数目，缺省值为256；imhist(X,map) 就算和显示索引色图像 X 的直方图，map 为调色板。

用stem(x,counts) 同样可以显示直方图。

1.2 imcontour 函数功能：显示图像的等灰度值图格式：imcontour(I,n),imcontour(I,v)说明：n 为灰度级的个数，v 是有用户指定所选的等灰度级向量。

1.3 imadjust 函数功能：通过直方图变换调整对比度格式：J=imadjust(I,[low high],[bottom top],gamma)newmap=imadjust(map,[low high],[bottom top],gamma) 说明：J=imadjust(I,[low high],[bottom top],gamma) 其中，gamma 为校正量r，[low high] 为原图像中要变换的灰度范围，[bottom top]指定了变换后的灰度范围；newmap=imadjust(map,[low high],[bottom top],gamma) 调整索引色图像的调色板 map 。

此时若 [low high] 和[bottom top] 都为2×3的矩阵，则分别调整 R、G、B 3个分量。

1.4 histeq 函数功能：直方图均衡化格式：J=histeq(I,hgram)J=histeq(I,n)[J,T]=histeq(I,...)newmap=histeq(X,map,hgram)newmap=histeq(X,map)[new,T]=histeq(X,...)说明：J=histeq(I,hgram) 实现了所谓“直方图规定化”，即将原是图象 I 的直方图变换成用户指定的向量 hgram 。

matlab grey intensity变换

matlab grey intensity变换灰度图像是一种非常常见的图像类型，它由黑白颜色组成，通常用于图像处理和计算机视觉等领域。

在Matlab中，可以使用graythresh和im2bw等函数将图像转换为二值图像，但是在某些情况下，我们可能需要对图像的灰度进行操作，以更好地突出其特定特征或减少其噪音影响。

因此，本文将介绍Matlab中常用的灰度变换技术，包括线性变换、非线性变换和局部直方图均衡化等。

首先，我们在Matlab中读取一张灰度图像：```image = imread('lena.png');gray_image = rgb2gray(image);figure;imshow(gray_image)```接下来，我们将介绍三种常用的灰度变换方法。

1. 线性变换线性变换是最常见的图像灰度变换方法之一。

线性变换将每个像素的灰度值通过一个线性函数进行计算。

假设原始图像的最小灰度值为min_gray，最大灰度值为max_gray，线性变换函数为y = a * x + b，则新的灰度值f(x) = a * x + b（其中a和b是常数）。

通常，通过选择合适的a和b参数，可以将图像的整体对比度增强或减弱，使特定灰度级的像素更明显或更暗淡。

在这里，我们可以使用imadjust函数来实现线性调整：其中，第一个参数是原始图像，第二个参数是输入灰度值范围和输出灰度值范围之间的映射关系，第三个参数是调整后的输出灰度图像的范围。

非线性变换是一种更高级的图像灰度变换方法，它可以将输入像素的灰度映射到输出像素的非线性函数。

常用的非线性函数有幂律变换、对数变换和反相变换等。

（1）幂律变换幂律变换可以表达为新的灰度值f(x) = ax^γ（其中a和γ是常数，x是输入灰度值），主要用于改变图像的动态范围和对比度。

使用imadjust函数同样可以实现幂律变换：其中，第四个参数gamma设置为2表示进行二次幂变换。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

uint 8:无符号的8位（8bit）整型数据（unit 都是存储型）
int ：整型数据
1、在MATLAB中，数值一般都采用double型（64位）存储和运算.
2、为了节省存储空间，MATLAB为图像提供了特殊的数据类型uint8（8位无符号整数），以此方式存储的图像称为8位型像。

3、函数image能够直接显示8位图像，但8位型数据和double型数据在image中意义不一样，
4、对于索引图像，数据矩阵中的值指定该像素的颜色种类在色图矩阵中的行数。

当数据矩阵中的值为0时，表示用色图矩阵中第一行表示的颜色绘制；当数据矩阵中的值为1时，表示用色图矩阵中的第二行表示的颜色绘制该像素，数据与色图矩阵中的行数总是相差1。

所以，索引图像double型和uint8型在显示方法上没有什么不同，只是8位数据矩阵的值和颜色种类之间有一个偏差1。

调用格式均为image(x); colormap(map);
5、对于灰度图像，uint8表示范围[0，255]，double型表示范围[0，1]。

可见，double型和uint8型灰度图像不一样，二者转换格式为：
I8=uint8 (round (I64*255)); ！！double转换成uint 8
I64=double (I8)/255; ！！！uint转换成double
反之，imread根据文件中的图像种类作不同的处理。

当文件中的图像为灰度图像时，imread 把图像存入一个8位矩阵中，把色图矩阵转换为双精度矩阵，矩阵中每个元素值在[0，1]内；当为RGB图像时，imread把数据存入到一个8位RGB矩阵中。

！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！
MATLAB中读入图像的数据类型是uint8，而在矩阵中使用的数据类型是double
因此
I2=im2double(I1) :把图像数组I1转换成double精度类型；
如果不转换，在对uint8进行加减时会产生溢出
图像数据类型转换函数
默认情况下，matlab将图象中的数据存储为double型，即64位浮点数；matlab还支持无符号整型（uint8和uint16）；uint型的优势在于节省空间，涉及运算时要转换成double型。

im2double():将图象数组转换成double精度类型
im2uint8():将图象数组转换成unit8类型
im2uint16():将图象数组转换成unit16类型
！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！
默认情况下，matlab将图像中的数据存储为double型，即64位浮点数；matlab还支持无符号整型（uint8和uint16）；uint型的优势在于节省空间，涉及运算时要转换成double型。

但是，问题的真正的解释其实应该是这样的。

首先是在数据类型转换时候uint8和im2uint8的区别，uint的操作仅仅是将一个double类型的小数点后面的部分去掉；但是im2uint8是将输入中所有小于0的数设置为0，而将输入中所有大于1的数值设置为255，再将所有其他值乘以255。

图像数据在进行计算前要转化为double类型的，这样可以保证图像数据运算的精
度。

很多矩阵的很多矩阵数据也都是double的,要想显示其,必须先转换为图像的标准数据格式。

如果转换前的数据符合图像数据标准（比如如果是double则要位于0～1之间，这个是由Matlab中的规定），那么可以直接使用im2uint8。

matlab中用imshow()显示图像与图像矩阵的数据类型的关系
在matlab中，我们常使用imshow()函数来显示图像，而此时的图像矩阵可能经过了某种运算。

在matlab中，为了保证精度，经过了运算的图像矩阵I其数据类型会从unit8型变成double型。

如果直接运行imshow(I)，我们会发现显示的是一个白色的图像。

这是因为imshow()显示图像时对double型是认为在0~1范围内，即大于1时都是显示为白色，而imshow显示uint8型时是0~255范围。

而经过运算的范围在0-255之间的double型数据就被不正常得显示为白色图像了。

那么如何解决这个问题呢？笔者曾经用fix()函数把图像矩阵由实数形式转化成整数形式，但这样仍无法改变图像矩阵是double型的事实。

通过搜索，找到两个解决方法：imshow(I/256); -----------将图像矩阵转化到0-1之间imshow(I,[]); -----------自动调整数据的范围以便于显示（不明白原理！%lwb 添加内容：此处用了图像灰度拉伸方法，将图像最小的像素值变为0，最大的为255%）从实验结果看两种方法都解决了问题，但是从显示的图像看，第二种方法显示的图像明暗黑白对比的强烈些！不知什么原理！此外还找到一些方法，还没有试过，记录如下：
uint8和im2uint8的区别
图像数据在计算前需要转换为double,以保证精度; 很多矩阵数据也都是double的,要想显示其,必须先转换为图像的标准数据格式. 如果转换前的数据符合图像数据标准（比如如果是double则要位于0～1之间），那么可以直接使用im2uint8 如果转换前的数据分布不合规律，则使用uint8，将其自动切割至0～255（超过255的按255）最好使用mat2gray,将一个矩阵转化为灰度图像的数据格式(double) 另外,可以用isgray判断矩阵是否是一个图像数据矩阵
总之，im2uint8、im2double要跟uint8、double区别开来。

double 就是简单地把一个变量类型转换成double类型，数值大小不变；
比如 a=6 是个unit8类型的话，double(a)的结果还是6，不过现在这个6是double类型的。

函数im2double将输入转换成double类型。

如果输入是 uint8 unit16 或者是二值的logical 类型，则函数im2double 将其值归一化到0～1之间，当然就是double类型的了。

如果输入本身就是double类型，输出还是double类型，并不进行归一化。

！！！！！！！！！！！！！！！！！！！
imhist(I)
为图像，在灰度条上显示一个直方图。

直方图中bin的数目有图像的类型决定。

如果I是个灰度图像，imhist将使用默认值256个bins。

如果I是一个二值图像，imhist使用两bins。

imhist(I, n)
使用指定的n个bin来绘制直方图。

n同时也制定了颜色条的长度，如果是二值图像，n只能赋值为2。

imhist(X, map)
为索引文件显示直方图。

这个直方图在colormap图上显示像素值的分布。

colormap必须至少和X最大索引一样长。

[counts,x] = imhist(...)
bin应该是直方图直方的个数，要把灰度归为几类，有几个直方形，就有几个bin。

这样，如果设定了bins，那么其他颜色之类，应该以一种算法归于最近的bin。