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

引言

数字图像处理作为计算机视觉、医学影像、遥感监测等领域的核心技术，其实现离不开强大的工具支持。MATLAB凭借其丰富的图像处理工具箱和简洁的编程环境，成为初学者入门数字图像处理的理想平台。本实验旨在通过系统讲解MATLAB中常用的图像处理命令及基础操作方法，帮助读者建立扎实的实践基础。

一、MATLAB图像处理环境准备

1.1 图像处理工具箱安装

MATLAB的Image Processing Toolbox提供了200余个图像处理专用函数。安装时需确保：

• MATLAB版本≥R2018a（推荐最新版本）
• 在附加功能管理器中勾选”Image Processing Toolbox”
• 验证安装：在命令窗口输入ver，查看输出列表是否包含”Image Processing Toolbox”

1.2 工作目录设置

建议创建专用实验目录，通过cd命令切换：

cd 'D:\MATLAB_ImageProcessing\Experiment1';

或使用MATLAB当前文件夹浏览器进行可视化操作。

二、图像基础操作命令

2.1 图像读取与显示

imread函数是图像读取的核心命令，支持格式包括JPEG、PNG、BMP等：

I = imread('cameraman.tif'); % 读取图像
whos I % 查看图像数据属性

显示图像时，imshow函数提供多种显示模式：

imshow(I); % 原始显示
imshow(I,[0 150]); % 指定显示范围（适用于灰度图）
figure, imshow(I); % 在新窗口显示

2.2 图像信息获取

通过imfinfo可获取图像详细信息：

info = imfinfo('peppers.png');
disp(['图像尺寸：' num2str(info.Width) '×' num2str(info.Height)]);
disp(['颜色类型：' info.ColorType]);

2.3 图像格式转换

imwrite函数支持多种格式转换：

% 将灰度图转换为JPEG
I_gray = rgb2gray(imread('peppers.png'));
imwrite(I_gray,'peppers_gray.jpg','Quality',90);
% 索引图像转换示例
[X,map] = imread('trees.tif');
imwrite(X,map,'trees_converted.png');

三、图像基本变换操作

3.1 几何变换

imresize实现图像缩放：

I_small = imresize(I,0.5); % 缩小为50%
I_large = imresize(I,2); % 放大为200%
I_custom = imresize(I,[100 200]); % 指定输出尺寸

imrotate实现图像旋转：

I_rot45 = imrotate(I,45,'bilinear','crop'); % 45度旋转
I_rot90 = imrotate(I,90,'nearest'); % 90度旋转

imcrop实现图像裁剪：

I_cropped = imcrop(I,[50 50 200 200]); % 裁剪矩形区域[xmin ymin width height]

3.2 颜色空间转换

MATLAB提供12种颜色空间转换方法：

% RGB转HSV
I_rgb = imread('peppers.png');
I_hsv = rgb2hsv(I_rgb);
% 灰度转二值图像
I_gray = rgb2gray(I_rgb);
I_bw = imbinarize(I_gray,0.5); % 阈值0.5

四、图像算术运算

4.1 基本算术操作

A = im2double(imread('cameraman.tif'));
B = im2double(imread('rice.png'));
% 图像加法（需尺寸相同）
C_add = imadd(A,B); % 等价于 A + B
% 图像减法
C_sub = imsubtract(A,B); % 等价于 A - B
% 图像乘法（用于掩模操作）
mask = zeros(size(A));
mask(50:150,50:150) = 1;
C_mult = immultiply(A,mask);

4.2 逻辑运算应用

% 创建二值掩模
BW = imread('text.png');
BW_inv = imcomplement(BW); % 图像取反
% 逻辑与操作（提取特定区域）
region = BW & BW_inv; % 实际应用中需设计合理掩模

五、实验实践建议

1. 参数调试技巧：使用imshowpair对比处理前后图像

   imshowpair(I,I_rot45,'montage'); % 并排显示

2. 性能优化方法：

   • 对大图像使用blockproc进行分块处理
   • 预分配矩阵内存减少动态扩展
   • 使用gpuArray加速计算（需Parallel Computing Toolbox）

3. 错误处理机制：

   try
    I = imread('nonexistent.jpg');
   catch ME
    disp(['读取错误：' ME.message]);
    % 替代方案
    I = imread('cameraman.tif');
   end

六、典型应用案例

案例：图像拼接

% 读取两幅有重叠区域的图像
I1 = imread('left.jpg');
I2 = imread('right.jpg');
% 手动选择匹配点（实际应用中可使用特征点匹配）
points1 = [50 50; 150 200]; % I1中的点
points2 = [10 60; 160 210]; % I2中的对应点
% 计算变换矩阵（需Computer Vision Toolbox）
tform = estimateGeometricTransform2D(...
    points2, points1, 'projective');
% 创建拼接后的画布
outputView = imref2d([size(I1,1)+size(I2,1) size(I1,2)+size(I2,2)]);
% 执行变换
I_registered = imwarp(I2,tform,'OutputView',outputView);
% 混合图像
alpha = 0.5; % 混合权重
I_blend = imlincomb(alpha,I1,(1-alpha),I_registered(1:size(I1,1),1:size(I1,2)));
imshow(I_blend);

七、常见问题解答

1. 图像显示全黑/全白：检查数据类型是否为uint8（0-255）或double（0-1）
2. 内存不足错误：使用clear释放变量，或分块处理大图像
3. 颜色异常：确认颜色空间转换是否正确，特别是索引图像处理

八、进阶学习路径

完成本实验后，建议继续学习：

1. 图像滤波与增强（实验二内容）
2. 图像分割技术
3. 特征提取与匹配
4. 深度学习在图像处理中的应用

通过系统掌握本实验介绍的MATLAB图像处理基础命令，读者已具备进行简单图像处理任务的能力。建议结合实际项目，通过不断实践深化对数字图像处理原理的理解。