一、实验目标与背景

数字图像处理是计算机视觉、医学影像、遥感分析等领域的核心技术。MATLAB凭借其强大的矩阵运算能力和丰富的图像处理工具箱（Image Processing Toolbox），成为入门学习的高效平台。本实验聚焦MATLAB中常用的图像处理命令与基础操作，帮助初学者快速掌握图像处理的核心技能。

二、实验环境准备

1. 软件要求：MATLAB R2018a及以上版本，安装Image Processing Toolbox。
2. 数据准备：准备一张彩色图像（如.jpg、.png格式）和一张灰度图像，用于后续操作。

三、常用MATLAB图像处理命令详解

1. 图像读取与显示

（1）图像读取

MATLAB通过imread函数读取图像文件，支持多种格式（如JPEG、PNG、BMP等）。

% 读取彩色图像
img_color = imread('peppers.png');
% 读取灰度图像
img_gray = imread('cameraman.tif');

关键点：imread返回的图像数据为uint8类型（0-255范围），需注意后续运算的数值类型。

（2）图像显示

使用imshow函数显示图像，结合figure创建独立窗口。

figure;
imshow(img_color);
title('原始彩色图像');

扩展功能：通过subplot实现多图对比显示。

figure;
subplot(1,2,1); imshow(img_color); title('彩色图像');
subplot(1,2,2); imshow(img_gray); title('灰度图像');

2. 图像格式转换

（1）彩色转灰度

使用rgb2gray函数将RGB图像转换为灰度图像。

img_gray_converted = rgb2gray(img_color);

原理：灰度值通过加权平均计算（0.2989R + 0.5870G + 0.1140*B）。

（2）灰度转二值

通过imbinarize或设定阈值实现二值化。

% 全局阈值二值化
level = graythresh(img_gray); % 自动计算阈值
img_binary = imbinarize(img_gray, level);
% 或手动设定阈值
img_binary_manual = img_gray > 128;

应用场景：文字识别、目标分割等。

3. 图像像素操作

（1）访问像素值

通过索引直接访问或修改像素值。

% 获取(100,200)位置的RGB值
pixel_value = img_color(100,200,:);
% 修改(50,50)位置的灰度值为255（白色）
img_gray(50,50) = 255;

注意：MATLAB矩阵索引为(行,列)，与图像坐标系一致。

（2）图像裁剪与ROI提取

通过矩阵索引实现区域裁剪。

% 裁剪(100:200, 150:250)区域
roi = img_color(100:200, 150:250, :);
figure; imshow(roi); title('裁剪后的ROI');

4. 基础图像处理操作

（1）图像缩放

使用imresize调整图像尺寸。

% 缩放为原图的50%
img_scaled = imresize(img_color, 0.5);
% 指定输出尺寸（如200x200）
img_scaled_custom = imresize(img_color, [200 200]);

插值方法：默认双线性插值，可通过'method'参数指定（如'nearest'、'bicubic'）。

（2）图像旋转

通过imrotate实现旋转，支持任意角度。

% 顺时针旋转45度
img_rotated = imrotate(img_color, -45);
% 指定插值方法和裁剪模式
img_rotated_custom = imrotate(img_color, 30, 'bilinear', 'crop');

（3）直方图均衡化

使用histeq增强图像对比度。

img_eq = histeq(img_gray);
figure;
subplot(1,2,1); imhist(img_gray); title('原始直方图');
subplot(1,2,2); imhist(img_eq); title('均衡化后直方图');

原理：通过重新分配像素值使直方图均匀分布。

四、实验综合案例

任务：读取一张彩色图像，转换为灰度图，进行二值化，并裁剪特定区域。

% 1. 读取图像
img = imread('peppers.png');
% 2. 转换为灰度图
img_gray = rgb2gray(img);
% 3. 二值化
level = graythresh(img_gray);
img_binary = imbinarize(img_gray, level);
% 4. 裁剪ROI（如中心区域）
[rows, cols] = size(img_gray);
center_roi = img_binary(rows/4:3*rows/4, cols/4:3*cols/4);
% 5. 显示结果
figure;
subplot(1,3,1); imshow(img); title('原始图像');
subplot(1,3,2); imshow(img_binary); title('二值图像');
subplot(1,3,3); imshow(center_roi); title('裁剪后的ROI');

五、实验总结与建议

1. 数值类型：MATLAB图像数据默认为uint8，运算时需转换为double（如im2double）。
2. 工具箱函数：优先使用Image Processing Toolbox中的函数（如imfilter、edge），避免重复造轮子。
3. 调试技巧：通过whos查看变量信息，使用size和class检查数据维度和类型。
4. 扩展学习：尝试实现图像滤波（高斯滤波、中值滤波）、边缘检测（Sobel、Canny）等进阶操作。

实践建议：从简单操作入手，逐步结合多个命令完成复杂任务（如图像分割、特征提取），并记录每一步的结果以便调试。通过MATLAB的文档（doc imread）深入理解函数参数和返回值。