基于matlab的计算机视觉应用

1、基础功能：

（1）在命令行窗口输入‘doc 函数’，如图：

（2）弹出页面即为函数的功能，如图：

shell
在命令行窗口输入代码时，若不须要输出结果，则在代码句末尾加‘;’，再回车；若须要输出结果，则直接回车便可。如图：

数组
在命令行窗口输入‘clc’，会清空命令行窗口。如图：

函数
matlab中第一个值从1开始计数。ui

2、项目一：

width = 19;
sigma = 3;
gaus = fspecial('gaussian', width, sigma); 
%h = fspecial(type，para)
%type指定算子的类型，para指定相应的参数
%gaussian为高斯低通滤波器

surf(gaus)
%surf命令绘制着色的三维曲面
axis off
%关闭全部的坐标轴标签、刻度、背景

运行程序，输出如图：

spa

3、项目二：

width = 19;
sigma = 3;
gaus = fspecial('gaussian', width, sigma);
%函数fspecial(type，para)：创建预约义的二维滤波模板。
%其中，type：算子的类型，para：相应的参数
%gaussian为高斯低通滤波器

imagesc(gaus)
%采用线性映射会对数据进行缩放后，显示图像
colormap (hot)
%函数绘制表面图时，colormap(即色图)决定图片的颜色。

运行程序，输出如图：

命令行

4、项目三：

width = 19;
sigma = 3;
gaus = fspecial('gaussian', width, sigma);
%函数fspecial(type，para)：创建预约义的二维滤波模板。
%其中，type：算子的类型，para：相应的参数
%gaussian为高斯低通滤波器
g = imfilter(gaus, gaus, 'symmetric', 'same');
%对任意类型数组或多维图像进行滤波
%I = imfilter(f, w, filtering_mode, boundary_options, size_optinos)；
%I为滤波结果,f是输入图像，w为滤波模板
%filtering_mode为滤波模式，boundary_options为边界选项，size_optinos为大小选项
figure;imshow(g, []);
%imshow(I,[low high])显示灰度图像I，以二元素向量 [low high] 形式指定显示范围。

sigma = 16;
noise = randn(size(g))*sigma;
%randn（n）返回一个n*n的随机项的矩阵。若是n不是个数量，将返回错误信息。
g_n = gaus + noise;
figure;imshow(g_n, []);
%自动调整数据的范围以便于显示。

运行程序，输出如图：

3d

5、项目四：

im_R = imread('E:\Matlab\rabbit.jpg');
%读取图像
im_R_g = rgb2gray(im_R);
%函数rgb2gray：将图像转换为灰度图像
im_r_g = double(im_R_g);
%将图像转换为double型进行运算
im_r_g(7, 9)
%索引特定像素的灰度值
figure;imshow(im_R)
figure;imshow(im_R_g, [40 100])
%显示灰度值在[LOW HIGH]范围内的图像

运行程序，输出如图：

code

6、项目五：

img_M = imread('E:\Matlab\mouse.jpg');
%imread:读取图像
figure;imshow(img_M)
%imshow:显示图像
[X Y] = ginput(4);
%ginput(n):可以从当前轴标识n个点,并在x和y列矢量中返回这些点的x和y坐标
X2 = [X(1:2); X(1:2)];
Y2 = [Y(1); Y(1); Y(3) + 50; Y(3) + 50];
%取出X中第一、二、一、2的值赋给X2，取出Y中第一、一、三、3的值进行相应
%matlab中第一个值从1开始计数
tform = maketform('projective', [X Y], [X2 Y2]); 
%函数maketform(a,b)：建立TFORM结构体。
%其中，a:但愿执行变换的类型，b:变换矩阵。
%’projective’：投影变换。
img_M_out = imtransform(img_M, tform, 'bicubic');
%函数imtransform(a，tform,b)：图像的空间变换，返回变换后的图像。a：输入变换的图像，b：TFORM结构体
%'bicubic'为三次插值
figure;imshow(img_M_out)
%显示图像

运行程序，输出如图：

orm

7、项目六：

img = imread('E:\Matlab\cat.jpg')

se = translate(strel(1), [20 10]);
%translate(SE, [y y])：
%将图像img向下、向右移动20、10个位置
img_m = imdilate(img, se);
%imdilate(img, se)：利用膨胀函数平移图像img
img_t = imrotate(img_m, 45);
%imrotate(img, theta):将图像img旋转theta度
img_e = imresize(img_t, 0.5);
%imresize(img, s)：将图像img放大s倍

figure;imshow(img)
title('原图');
figure;imshow(img_m)
title('平移');
figure;imshow(img_t)
title('旋转');
figure;imshow(img_e)
title('放缩');

运行程序，输出如图：blog

8、做业一：

文件一：a1_script.m

img = imread('4.1.05.tiff');
%img = imread(‘filename’)：根据文件名filename读取尺寸为M*N的灰度或彩色图像数据，储存在数组img中。
%若文件为灰色图像，则img是M*N的数组；若文件名为彩色图像，A是M*N*3的数组。
figure; imshow(img);
% imshow()：将图像以原始尺寸显示。
title('RGB');
%设置图片标题。

img_g = rgb2gray(img);
%将彩色图像转换为灰度图像
figure; imshow(img_g);
title('Gray');

img_process = my_similarity(img, 100, -10, 20, 0.2);
%img_process为my_similarity的实际输出参数。
figure; imshow(img_process);
title('Process');

文件二：my_similarity.m

function [img_p_inter] = my_similarity(img, dx, dy, theta, s)
%function [输出]= fun(输入)：定义函数my_similarity，fun为函数名，参数为img、dx、dy、theta、s。
%img_p_inter为my_similarity的形式输出参数。

V = [linspace(1, 1, 256); 1:1:256];
%定义图片的坐标矩阵V（不含像素值），用于变换。
%[;]'：将行数为2的矩阵进行转置。
%linspace(x1, x2, n)：在区间(x1, x2)中生成n个等距点。
%x1:a:x2：在区间(x1, x2)中生成间距为a的点。                                                          
for j = 2:256
    A1 = [linspace(j, j, 256); 1:1:256];
    V = cat(2, V, A1); 
    %x1:x2：在区间(x1, x2)中生成默认间距为1的点。
    %x1:a:x2：在区间(x1, x2)中生成间距为a的点。
    %cat(dim, A, B)：按dim来联结A和B两个数组。
    %dim为1，[A; B]；dim为2，[A, B]；dim为3，A、B为两层。
end

M1 = linspace(dx, dx, 65536);
%linspace(x1, x2, n)：在区间(x1, x2)中生成n个等距点。
M2 = linspace(dy, dy, 65536);
%linspace(x1, x2, n)：在区间(x1, x2)中生成n个等距点。

M = [M1; M2];
%定义平移变换矩阵。
R = [cosd(theta), -sind(theta); sind(theta), cosd(theta)];
%定义旋转变换矩阵。
S = [s, 0; 0, s];
%定义缩放变换矩阵。
V_M = M + V;
%对图片进行平移。
V_M_R = R * V_M;
%对图片进行关于原点的逆时针旋转。
V_M_R_S = S * V_M_R;
%对图片进行缩放。

V_M_R_S_INT = uint8(V_M_R_S);
%uint8(x)：u(无符号)+int（整型）+8（8位二进制）。把大于255的数强制置为255，而小于255且大于0的数则保持不变，小于0的数强制置为0。
%uint16的范围是0—65535，uint8的范围是0—255。
V_M_R_S_INT = V_M_R_S_INT + uint8(ones(2, 65536)); 
%ones(M, N):产生一个M*N的全1矩阵。
%整型化
%“V_M_R_S中各元素+1”的缘由：因为uint8的范围为[0,255]，而在matlab定义坐标是从1开始的。%


img_p = uint8(cat(3, ones(256, 256), ones(256, 256), ones(256, 256)));
%cat(dim, A, B)：按dim来联结A和B两个数组。
%dim为1，[A; B]；dim为2，[A, B]；dim为3，A、B为两层。
%ones(M, N):产生一个M*N的全1矩阵。

for p = 1:3
    k = 1;
    for m = 1:256
        for n = 1:256
            img_p(V_M_R_S_INT(1, k), V_M_R_S_INT(2, k), p) = img(m, n, p);
            %将img的R、G、B三层的像素值赋给img_p
            k = k + 1;
        end
    end
end
%对虚拟图片进行像素填充。
%p：RGB维数，k：循环次数，m：坐标x，n：坐标y。
%变量img存放了R、G、B三层的像素值。
%V_M_R_S_INT：2行65536列的矩阵，存放4.1.05.tiff的各像素点位置信息。


Vq1 = interp2(single(img_p(:, :, 1)), 3);
%interp2:二维网格数据的插值
%interp2(V,k):将每一个维度上样本值之间生成2^k-1个插入点。V为single类型。
%matlab用single类型存储数据,single类型占4个字节;用double类型存储数据,double类型占4个字节。
Vq2 = interp2(single(img_p(:, :, 2)), 3);
Vq3 = interp2(single(img_p(:, :, 3)), 3);
img_p_inter = uint8(cat(3, Vq1, Vq2, Vq3));
%cat(dim, A, B)：按dim来联结A和B两个数组。
%dim为1，[A; B]；dim为2，[A, B]；dim为3，A、B为两层。
%插值
end

运行程序a1_script，输出如图：

位置变换过程当中各矩阵，如图：

像素填充过程当中各矩阵，如图：