MATLAB数字图像处理入门：基础命令与操作实践

一、实验目标与预备知识

本实验旨在通过MATLAB平台，使读者掌握数字图像处理的基本流程与常用命令，包括图像的输入输出、格式转换、几何变换及基本算术运算等。实验前需确保已安装MATLAB软件，并熟悉其基本操作界面与编程语法。

核心概念：

• 数字图像：由像素组成的二维矩阵，每个像素具有特定的灰度或颜色值。
• MATLAB图像处理工具箱：提供丰富的图像处理函数，支持多种图像格式（如BMP、JPEG、PNG等）。

二、常用MATLAB图像处理命令

1. 图像读取与显示

（1）图像读取
使用imread函数读取图像文件，支持多种格式。

img = imread('lena.jpg'); % 读取JPEG格式图像

（2）图像显示
通过imshow函数显示图像，结合title添加标题。

imshow(img);
title('原始图像');

（3）多图像对比显示
使用subplot函数在同一窗口显示多幅图像。

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

2. 图像类型转换

MATLAB支持多种图像类型（如uint8、double、logical等），需根据处理需求进行转换。
（1）灰度图像转换
使用rgb2gray函数将彩色图像转为灰度图像。

gray_img = rgb2gray(img); % 彩色转灰度

（2）数据类型转换

• im2double：将图像转为双精度浮点型（范围[0,1]）。
• im2uint8：将图像转为8位无符号整型（范围[0,255]）。

  double_img = im2double(gray_img); % 转为双精度
  uint8_img = im2uint8(double_img); % 转回8位整型

3. 图像几何变换

（1）图像旋转
使用imrotate函数实现图像旋转，指定旋转角度与插值方法。

rotated_img = imrotate(img, 45, 'bilinear'); % 旋转45度，双线性插值

（2）图像缩放
通过imresize函数调整图像大小，支持比例缩放或指定目标尺寸。

scaled_img = imresize(img, 0.5); % 缩小为原图的50%

（3）图像裁剪
直接通过矩阵索引实现裁剪。

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

4. 图像算术运算

（1）加法运算
使用imadd或直接+实现图像叠加，需确保图像尺寸一致。

img_add = imadd(img1, img2); % 图像相加

（2）减法运算
用于图像差分或背景去除。

img_sub = imsubtract(img1, img2); % 图像相减

（3）乘法与除法
实现图像掩模或归一化操作。

masked_img = immultiply(img, mask); % 图像与掩模相乘

三、实验操作步骤

实验1：图像读取与显示

1. 使用imread读取图像文件。
2. 通过imshow显示图像，并添加标题。
3. 尝试读取不同格式的图像（如BMP、PNG）。

实验2：图像类型转换与灰度处理

1. 读取彩色图像，使用rgb2gray转为灰度图像。
2. 将灰度图像转为双精度类型，进行数学运算（如加常数）。
3. 观察不同数据类型对运算结果的影响。

实验3：图像几何变换

1. 对图像进行旋转（45度、90度）与缩放（0.5倍、2倍）。
2. 裁剪图像的指定区域，并显示结果。
3. 比较不同插值方法（如’nearest’、’bilinear’）的效果差异。

实验4：图像算术运算

1. 加载两幅尺寸相同的图像，进行加法与减法运算。
2. 创建二值掩模，与图像进行乘法运算，提取感兴趣区域。
3. 分析算术运算在图像增强中的应用场景。

四、实验结果与分析

1. 图像显示：成功读取并显示多幅图像，验证imread与imshow的兼容性。
2. 类型转换：灰度转换后图像维度从3（RGB）降为2，双精度转换后像素值范围变为[0,1]。
3. 几何变换：旋转后图像可能出现黑边，缩放过大导致模糊，裁剪需确保索引不越界。
4. 算术运算：加法运算可能溢出（需限制结果范围），减法运算可用于运动检测。

五、常见问题与解决方案

1. 图像读取失败：检查文件路径是否正确，支持格式是否匹配。
2. 显示全黑/全白图像：检查数据类型是否超出显示范围（如double类型需在[0,1]内）。
3. 几何变换失真：选择合适的插值方法，避免过度缩放。
4. 算术运算维度不匹配：确保参与运算的图像尺寸一致。

六、扩展应用与启发

1. 批量处理：结合dir函数遍历文件夹，批量读取与处理图像。
2. 交互式操作：使用imtool工具实现图像的交互式缩放、测量等功能。
3. 性能优化：对大图像处理时，可考虑分块处理或使用并行计算工具箱。

通过本实验，读者可系统掌握MATLAB中图像处理的基础命令与操作流程，为后续学习图像增强、滤波、分割等高级技术奠定坚实基础。建议结合实际项目（如人脸识别、医学影像分析）进一步实践，深化对数字图像处理原理的理解。