数字图像处理原理与实践(MATLAB)入门教学：实验一 常用MATLAB图像处理命令与图像基本操作

一、实验目标与预备知识

本实验旨在帮助初学者掌握MATLAB环境下数字图像处理的基础操作，包括图像的读取、显示、类型转换、几何变换等核心功能。实验前需确保已安装MATLAB软件（建议R2018b及以上版本），并了解MATLAB基本语法和矩阵操作概念。数字图像处理的核心在于将图像视为二维矩阵进行数学运算，MATLAB提供的图像处理工具箱（Image Processing Toolbox）为此提供了强大的函数支持。

二、图像读取与显示操作

1. 图像读取命令

MATLAB使用imread函数读取图像文件，支持JPEG、PNG、BMP等常见格式：

img = imread('cameraman.tif'); % 读取MATLAB自带示例图像
whos img % 查看图像变量信息

该命令将图像数据存储为三维矩阵（RGB图像）或二维矩阵（灰度图像），数据类型通常为uint8（0-255范围）。

2. 图像显示方法

使用imshow函数显示图像，配合title添加说明：

imshow(img);
title('原始图像');

对于多图像对比显示，可采用subplot创建子图：

subplot(1,2,1), imshow(img1), title('图像1');
subplot(1,2,2), imshow(img2), title('图像2');

3. 像素信息获取

通过数据光标或impixelinfo函数查看像素值，也可直接访问矩阵元素：

pixel_value = img(100,150); % 获取(100,150)处像素值

三、图像类型转换操作

1. 灰度与彩色转换

将彩色图像转为灰度图像使用rgb2gray：

rgb_img = imread('peppers.png');
gray_img = rgb2gray(rgb_img);

反向转换可通过指定颜色映射实现：

ind_img = gray2ind(gray_img,256); % 转为索引图像
rgb_recon = ind2rgb(ind_img,jet(256)); % 使用jet色图重建

2. 数据类型转换

MATLAB图像处理常用数据类型包括：

• uint8：8位无符号整数（0-255）
• double：双精度浮点（0.0-1.0）
• logical：二值图像

转换函数示例：

double_img = im2double(img); % 转为[0,1]范围双精度
uint8_img = im2uint8(double_img); % 转回uint8
binary_img = imbinarize(gray_img); % 二值化

四、图像几何变换操作

1. 图像缩放

使用imresize函数进行尺寸调整：

scaled_img = imresize(img,0.5); % 缩小为50%
scaled_img = imresize(img,2); % 放大为200%

指定插值方法：

scaled_img = imresize(img,0.5,'bilinear'); % 双线性插值

2. 图像旋转

imrotate函数实现图像旋转：

rotated_img = imrotate(img,45); % 顺时针旋转45度
rotated_img = imrotate(img,30,'bilinear','crop'); % 裁剪至原尺寸

3. 图像裁剪

通过矩阵索引实现裁剪：

cropped_img = img(50:150,100:200); % 裁剪50-150行，100-200列

或使用imcrop交互式裁剪：

imshow(img);
rect = getrect; % 鼠标框选区域
cropped_img = imcrop(img,rect);

五、图像算术运算操作

1. 基本算术运算

图像加法（可用于多帧平均降噪）：

img_sum = img1 + img2; % 直接相加（可能溢出）
img_avg = imadd(img1,img2,'uint16')/2; % 安全相加后平均

图像减法（可用于运动检测）：

diff_img = imsubtract(img2,img1); % 计算差异

2. 逻辑运算

二值图像逻辑运算示例：

bw_and = binary_img1 & binary_img2; % 逻辑与
bw_or = binary_img1 | binary_img2; % 逻辑或
bw_not = ~binary_img1; % 逻辑非

六、实验建议与进阶方向

1. 参数调试实践：建议通过调整imresize的插值方法、imrotate的裁剪模式等参数，观察处理效果差异。
2. 批量处理实现：结合dir函数和循环结构，实现文件夹内所有图像的批量处理。
3. 性能优化：对于大图像处理，建议使用im2col等矩阵化操作替代循环，提升处理速度。
4. 错误处理：添加try-catch结构处理文件读取失败等异常情况。

七、实验总结

本实验系统掌握了MATLAB图像处理的基础操作框架：通过imread/imshow实现输入输出，利用类型转换函数确保数据兼容性，运用几何变换函数调整图像空间属性，最后通过算术运算实现基础图像增强。这些操作构成了数字图像处理的基石，为后续学习滤波、边缘检测、形态学处理等高级技术奠定了重要基础。建议读者自行尝试处理不同格式、尺寸的图像，加深对各命令参数的理解。