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

一、实验目标与知识框架

本实验旨在通过MATLAB平台，帮助初学者掌握数字图像处理的基础操作技能。核心知识点包括：MATLAB图像处理工具箱的安装与配置、图像数据的读取与存储、图像显示与可视化、图像类型转换以及基础几何变换。这些内容是后续学习图像增强、分割、特征提取等高级技术的基础。

二、MATLAB图像处理环境配置

2.1 工具箱安装验证

MATLAB图像处理工具箱（Image Processing Toolbox）是执行图像操作的核心依赖。通过以下命令验证安装状态：

ver('images') % 检查图像处理工具箱版本

若未安装，需通过MATLAB附加功能管理器进行安装，或联系管理员获取许可证。

2.2 工作目录设置

建议创建专用实验目录，通过cd命令切换工作路径：

cd 'D:\MATLAB_ImageProcessing\Experiment1'

使用addpath可将常用函数目录添加至搜索路径，提升代码复用性。

三、图像数据基础操作

3.1 图像读取与存储

读取图像：使用imread函数支持多种格式（JPEG、PNG、BMP等）：

img = imread('cameraman.tif'); % 读取MATLAB自带示例图像

存储图像：imwrite函数可指定格式与质量参数：

imwrite(img, 'output.jpg', 'Quality', 90); % 存储为90%质量的JPEG

实践建议：处理前始终检查图像尺寸与类型：

whos img % 显示变量信息（尺寸、类型、字节数）

3.2 图像显示与可视化

基础显示：imshow是核心显示函数，支持灰度与彩色图像：

imshow(img); 
title('原始图像'); % 添加标题

多图对比：使用subplot实现分屏显示：

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

像素值查看：impixelinfo工具可交互查看坐标与灰度值，适合精确分析。

四、图像类型转换与处理

4.1 数据类型转换

MATLAB支持多种图像数据类型，常用转换函数包括：

• im2uint8：转换为8位无符号整数（0-255）
• im2double：转换为双精度浮点数（0.0-1.0）
• im2gray：彩色转灰度

典型应用场景：

% 彩色转灰度并归一化
gray_img = im2gray(img); 
normalized_img = im2double(gray_img);

4.2 几何变换操作

旋转与缩放：imrotate与imresize实现几何变换：

rotated_img = imrotate(img, 30, 'bilinear'); % 30度旋转
resized_img = imresize(img, 0.5); % 尺寸缩小50%

裁剪操作：通过矩阵索引实现：

cropped_img = img(50:200, 100:300); % 裁剪指定区域

参数优化建议：

• 旋转时优先选择'bilinear'插值以减少锯齿
• 缩放比例建议保持0.2-2.0范围，避免过度失真

五、基础图像处理实验

5.1 实验案例：图像直方图均衡化

步骤分解：

1. 读取并转换为灰度图像
2. 计算原始直方图
3. 应用直方图均衡化
4. 对比处理前后效果

完整代码：

% 读取图像
img = imread('pout.tif');
% 直方图均衡化
eq_img = histeq(img);
% 显示结果
subplot(2,2,1), imshow(img), title('原始图像');
subplot(2,2,2), imhist(img), title('原始直方图');
subplot(2,2,3), imshow(eq_img), title('均衡化图像');
subplot(2,2,4), imhist(eq_img), title('均衡化直方图');

5.2 实验案例：图像阈值分割

全局阈值处理：

level = graythresh(img); % 自动计算阈值
bw_img = imbinarize(img, level); % 二值化

局部阈值处理（适用于光照不均图像）：

bw_img_local = imbinarize(img, 'adaptive', 'Sensitivity', 0.4);

六、调试技巧与常见问题

6.1 内存管理优化

• 大图像处理时，使用clear及时释放内存
• 批量处理建议采用for循环结构，避免一次性加载过多数据

6.2 错误排查指南

• “Undefined function”错误：检查工具箱是否安装
• “Index exceeds matrix dimensions”：验证图像尺寸与索引范围
• 显示全黑/全白图像：检查数据类型是否在有效范围（如double类型需0-1）

七、扩展学习建议

1. 官方文档：MATLAB帮助文档中的”Image Processing Toolbox”章节
2. 实践项目：尝试处理自己拍摄的照片，观察不同参数的效果
3. 算法对比：实现手动阈值分割与graythresh自动阈值的对比分析

八、实验总结

本实验系统覆盖了MATLAB图像处理的基础操作，从环境配置到实际算法应用。通过直方图均衡化和阈值分割两个典型案例，读者可直观理解图像增强的原理。建议完成实验后，尝试修改参数观察效果变化，培养工程调试能力。

进阶方向：后续实验可深入学习空间滤波、频域处理等高级技术，构建完整的数字图像处理知识体系。