Matlab 圖像處理相關函數命令大全

2021-02-20 圖像處理知識庫

一、通用函數:

colorbar  顯示彩色條

語法:colorbar \ colorbar('vert') \ colorbar('horiz') \ colorbar(h) \ h=colorbar(...) \ colorbar(...,'peer',axes_handle)

getimage 從坐標軸取得圖像數據

語法:A=getimage(h) \ [x,y,A]=getimage(h) \ [...,A,flag]=getimage(h) \ [...]=getimage

imshow 顯示圖像

語法:imshow(I,n) \ imshow(I,[low high]) \ imshow(BW) \ imshow(X,map) \ imshow(RGB)\ imshow(...,display_option) \ imshow(x,y,A,...) \ imshow filename \ h=imshow(...)

montage 在矩形框中同時顯示多幅圖像

語法:montage(I) \ montage(BW) \ montage(X,map) \ montage(RGB) \ h=montage(...)

immovie 創建多幀索引圖的電影動畫

語法:mov=immovie(X,map) \ mov=immovie(RGB)

subimage 在一副圖中顯示多個圖像

語法:subimage(X,map) \ subimage(I) \ subimage(BW) \  subimage(RGB) \ subimage(x,y,...) \ subimage(...)

truesize 調整圖像顯示尺寸

語法:truesize(fig,[mrows mcols]) \ truesize(fig)

warp 將圖像顯示到紋理映射表面

語法:warp(X,map) \ warp(I ,n) \ warp(z,...) warp(x,y,z,...) \  h=warp(...)

zoom 縮放圖像

語法:zoom on \ zoom off \ zoom out \ zoom reset \ zoom \ zoom xon \ zoom yon\ zoom(factor) \ zoom(fig,option)

 

二、圖像文件I/O函數命令

imfinfo  返回圖形圖像文件信息

語法:info=imfinfo(filename,fmt) \ info=imfinfo(filename)

imread  從圖像文件中讀取(載入)圖像

語法:A=imread(filename,fmt) \ [X,map]=imread(filename,fmt) \ [...]=imread(filename) \ [...]=imread(URL,...) \ [...]=imread(...,idx) (CUR,ICO,and TIFF only) \ [...]=imread(...,'frames',idx) (GIF only) \ [...]=imread(...,ref) (HDF only) \ [...]=imread(...,'BackgroundColor',BG) (PNG only) \ [A,map,alpha] =imread(...) (ICO,CUR,PNG only)

imwrite  把圖像寫入(保存)圖像文件中

語法:imwrite(A,filename,fmt) \ imwrite(X,map,filename,fmt) \ imwrite(...,filename) \ imwite(...,Param1,Val1,Param2,Val2...)

imcrop  剪切圖像

語法:I2=imcrop(I) \ X2=imcrop(X,map) \ RGB2=imcrop(RGB) \ I2=imcrop(I,rect) \ X2=imcrop(RGB,rect) \ [...]=imcrop(x,y,...) \ [A,rect]=imcrop(...) \ [x,y,A,rect]=imcrop(...)

imresize  改變圖像大小

語法:B=imresize(A,m,method)

imrotate  旋轉圖像

語法:B=imrotate(A,angle,method) \ B=imrotate(A,angle,method,'crop')

 

三、像素和統計處理函數

corr2  計算兩個矩形的二維相關係數

語法:r=corr2(A,B)

imcontour 創建圖像數據的輪廓圖

語法:imcontour(I,n) \ imcontour(I,v) \ imcontour(x,y,...) \ imcontour(...,LineSpec) \ [C,h] =imcontour(...)

imfeature  計算圖像區域的特徵尺寸

語法:stats=imfeature(L,measurements) \ stats=imfeature(L,measurements,n)

imbist  顯示圖像數據的柱狀圖

impixel 確定像素顏色值

語法:P=impixel(I) \ P=impixel(X,map) \ P=impixel(RGB) \ P=impixel(I,c,r) \ P=impixel(X,map,c,r) \ P=impixel(RGB,c,r) \ [c,r,P]=impixel(...) \ P=impixel(x,y,I,xi,yi) \ P=impixel(x,y,RGB,xi,yi) \ P=impixel(x,y,X,map,xi,yi) \

[xi,yi,P]=impixel(x,y,...)

improfile 沿線段計算剖面圖的像素值

語法:c=improfile \ c=improfile(n) \ c=improfile(I,xi,yi) \ c=improfile(I,xi,yi,n) \  [cx,cy,c]=improfile(...)  \ [cx,cy,c,xi,yi]=improfile(...) \ [...]=improfile(x,y,I,xi,yi) \  [...]=improfile(x,y,I,xi,yi,n) \ [...]=improfile(...,method)

mean2 計算矩陣元素的平均值

語法:B=mean2(A)

pixval  顯示圖像像素信息

語法:pixval on

std2 計算矩陣元素的標準偏移

語法:b=std2(A)

 

四、圖像分析函數:

edge 圖像邊緣檢測

語法:BW=edge(I,'sobel') \ BW=edge(I,'sobel',thresh) \ BW=edge(I,'sobel',thresh,direction) \ [BW,thresh]=edge(I,'sobel',...) \ BW=edge(I,'prewitt') \ BW=edge(I,'prewitt',thresh) \ BW=edge(I,'prewitt',thresh,direction) \

[BW,thresh]=edge(I,'prewitt',...) \  BW=edge(I,'roberts') \ BW=edge(I,'roberts',thresh) \[BW,thresh]=edge(I,'roberts',...) \ BW=edge(I,'log') \ BW=edge(I,'log',thresh) \ BW=edge(I,'log',thresh,sigma) \ [BW,threshold]=edge(I,'log',...) \ BW=edge(I,'zerocross',thresh,h) \ [BW,thresh]=edge(I,'zerocross',...) \

BW=edge(I,'canny') \ BW=edge(I,'canny',thresh) \ BW=edge(I,'canny',thresh,sigma) \ [BW,threshold]=edge(I,'canny',...)

qtgetblk  獲取四叉樹分解的塊值

語法:[vals,r,c]=qtgetblk(I,S,dim) \ [vals,idx]=qtgetblk(I,S,dim)

qtsetblk 設置四叉樹分解中的塊值

語法:J=qtsetblk(I,S,dim,vals)

 

五、圖像增強函數

histeq 用柱狀圖均等化增強對比

語法:J=histeq(I,hgram) \ J=histeq(I,n) \ [J,T]=histeq(I,...) \ newmap=histeq(X,map,hgram) \ newmap=histeq(X,map)

imadjust 調整圖像灰度值或顏色映像表

語法:J=imadjust(I,[low_in ,high_in]),[low_out ,high_out],gamma) \ newmap=imadjust(map,[low_in ,high_in]),[low_out ,high_out],gamma) \ RGB2=imadjust(RGB1,...)

imnoise 增強圖像的渲染效果

語法:J=imnoise(I,type) \ J=imnoise(I,type,parameters)

medfilt2 進行二維中值過濾

語法:B=medfilt2(A,[m n]) \ B=medfilt2(A) \ B=medfilt2(A,'indexed',...)

ordfilt2 進行二維統計順序過濾

語法:B=ordfilt2(A,order,domain) \ B=ordfilt2(A,order,domain,S) \ B=ordfilt2(...,padopt)

wiener2 進行二維適應性去噪過濾處理

語法:J=wiener2(I,[m  n],noise) \ [J,noise]=wiener2(I,[m n])

 

六、線性濾波函數

conv2 進行二維卷積操作

語法:C=conv2(A,B) \ C=conv2(hcol,hrow,A) \ C=conv2(...,'shape')

convmtx2 計算二維卷積矩陣

語法:T=convmtx2(H,m,n) \ T=convmtx2(H,[m n])

convn 計算n維卷積

語法:C=convn(A,B) \ C=convn(A,B,'shape')

filter2 進行二維線性過濾操作

語法:Y=filter2(h,X) \ Y=filter2(h,X,shape)

fspecial 創建預定義過濾器

語法:h=fspecial(type) \ h=fspecial(type,parameters)

 

七、線性二維濾波設計函數

freqspace 確定二維頻率響應的頻率空間

語法:[f1,f2]=freqspace(n) \ [f1,f2]=freqspace([m n]) \ [x1 ,y1]=freqspace(...,'meshgrid') \ f=freqspace(N) \ f=freqspace(N,'whole')

freqz2 計算二維頻率響應

語法:[H,f1,f2]=freqz2(h,n1,n2) \ [H,fi,f2]]=freqz2(h,[n2,n1]) \ [H,fi,f2]]=freqz2(h,f1,f2]) \ [H,fi,f2]]=freqz2(h) \[...]=freqz2(h,...,[dx dy]) \ [...]=freqz2(h,...,dx) \ freqz2(...)

fsamp2 用頻率採樣法設計二維FIR過濾器

語法:h=fsamp2(Hd) \ h=fsamp2(f1,f2,Hd,[m n])

ftrans2 通過頻率轉換設計二維FIR過濾器

語法:h=ftrans2(b,t) \ h=ftrans2(b)

fwind1 用一維窗口方法設計二維FIR過濾器

語法:h=fwind1(Hd,win) \ h=fwind1(Hd,win1,win2) \ h=fwind1(f1,f2,Hd,...)

fwind2 用二維窗口方法設計二維FIR過濾器

語法:h=fwind2(Hd,win) \ h=fwind2(f1,f2,Hd,win)

 

八、圖像變換函數

dct2 進行二維離散餘弦變換(反餘弦變換用idct2)

語法:B=dct2(A) \ B=dct2(A,m.n) \ B=dct2(A,[m n])

dctmtx 計算離散餘弦傅立葉變換

語法:D=dctmtx(n)

fft2 進行二維快速傅立葉變換(反變換用ifft2)

語法:Y=fft2(X) \ Y=fft2(X,m,n)

fftn 進行n維快速傅立葉變換(反變換用ifftn)

語法:Y=ffn(X) \ Y=fftn(X,siz)

fftshift 快速傅立葉變換的DC組件移到光譜中心

語法:Y=fftshift(X) \ Y=fftshift(X,dim)

iradon 進行反radon變換

語法:I=iradon(P,theta) \ I=iradon(P,theta,interp,filter,d,n) \ [I,h]=iradon(...)

phantom 產生一個頭部幻影圖像

語法:P=phantom(def,n) \ P=phantom(E,n) \ [P,E]=phantom(...)

radon 計算radon變換

語法:R=radon(I,theta) \ [R,xp]=radon(...)

 

九、邊沿和塊處理函數

bestblk 確定進行塊操作的塊大小

語法:siz=bestblk([m n],k) \ [mb,nb]=bestblk([m n],k)

blkproc 實現圖像的顯示塊操作

語法:B=blkproc(A,[m n]),fun) \ B=blkproc(A,[m n],fun,P1,P2,...) \ B=blkproc(A,[m n],[mborder nborder],fun,...)

col2im 將矩陣的列重新組織到塊中

語法:A=col2im(B,[m n],[mm nn],block_type) \ A=col2im(B,[m n],[mm nn])

colfilt 利用列相關函數進行邊沿操作

語法:B=colfilt(A,[m n],block_type,fun) \ B=colfilt(A,[m n],block_type,fun,P1,P2,...) \ B=colfilt(A,[m n],[mblock nblock],...) \ B=colfilt(A,'indexed',...)

im2col 重調圖像塊為列

語法:B=im2col(A,[m n],block_type) \ B=im2col(A,[m n]) \ B=im2col(A,'indexed',...)

nlfilter 進行邊沿操作

語法:B=nlfilter(A,[m n],fun) \ B=nlfilter(A,[m n],fun,P1,P2,...) \ B=nlfilter(A,'indexed',...)

 

十、二進位圖像操作函數

applylut 在二進位圖像中利用lookup表進行行邊沿操作

語法:A=applylut(BW,LUT)

bwarea 計算二進位圖像對象的面積

語法:total=bwarea(BW)

bweuler 計算二進位圖像的歐拉數

語法:eul=bweuler(BW)

bwfill 填充二進位圖像的背景色

語法:BW2=bwfill(BW1,c,r,n) \ BW2=bwfill(BW1,n) \ [BW2,idx]=bwfill(...) \ BW2=bwfill(x,y,BW1,xi,yi,n) \ [x,y,BW2,idx,xi,yi]=bwfill(...) \  [BW2,idx]=bwfill(BW1,'holes',n)

bwlabel 標註二進位圖像中已連接的部分

語法:L=bwlabel(BW,n) \ [L,num]=bwlabel(BW,n)

bwmorph 提取二進位圖像的輪廓

語法:BW2=bwmorph(BW1,operation) \ BW2=bwmorph(BW1,operation,n)

bwperim 計算二進位圖像中對象的周長

語法:BW2=bwperim(BW1) \ BW2=bwperim(BW1,CONN)

bwselect 在二進位圖像中選擇對象

語法:BW2=bwselect(BW1,c,r,n) \ BW2=bwselect(BW1,n) \ [BW2,idx]=bwselect(...) \ BW2=bwselect(x,y,BW1,xi,yi,n) \ [x,y,BW2,idx,xi,yi]=bwselect(...)

dilate 放大二進位圖像

語法:BW2=dilate(BW1,SE) \ BW2=dilate(BW1,SE,alg) \ BW2=dilate(BW1,SE,...,n)

erode 弱化二進位圖像的邊界

語法:BW2=erode(BW1,SE) \ BW2=erode(BW1,SE,alg) \ BW2=erode(BW1,SE,...,n)

makelut 創建一個用於applylut函數的lookup表

語法:lut=makelut(fun,n) \ lut=makelut(fun,n,P1,P2,...)

 

十一、區域處理函數

roicolor 選擇感興趣的顏色區

語法:BW=roicolor(A,low,high) \ BW=rocicolor(A,v)

roifill 在圖像的任意區域中進行平滑插補

語法:J=roifill(I,c,r) \ J=roifill(I) \ J=roifill(I,BW) \ [J,BW]=roifill(...) \ J=roifill(x,y,I,xi,yi) \ [x,y,J,BW,xi,yi]=roifill(...)

roifilt2 過濾敏感區域

語法:J=roifilt2(h,I,BW) \ J=roifilt2(I,BW,fun) \ J=roifilt2(I,BW,fun,P1,P2,...)

roipoly 選擇一個敏感的多邊形區域

語法:BW=roipoly(I,c,r) \ BW=roipoly(I) \ BW=roipoly(x,y,I,xi,yi) \ [BW,xi,yi]=roipoly(...) \ [x,y,BW,xi,yi]=roipoly(...)

 

十二、顏色映像處理函數

brighten 增加或降低顏色映像表的亮度

語法:brighten(beta) \ brighten(h,beta) \ newmap=brighten(beta) \ newmap=brighten(cmap,beta)

cmpermute 調整顏色映像表中的顏色

語法:[Y,newmap]=cmpermute(X,map) \ [Y,newmap]=cmpermute(X,map,index)

cmunigue 查找顏色映像表中特定的顏色及相應的圖像

語法:[Y,newmap]=cmunigue(X,map) \ [Y,newmap]=cmunigue(RGB) \ [Y,newmap]=cmunique(I)

imapprox 對索引圖像進行近似處理

語法:[Y,newmap]=imapprox(X,map,n) \  [Y,newmap]=imapprox(X,map,tol) \ Y=imapprox(X,map,newmap) \[...]=imapprox(...,dither_option)

rgbplot 劃分顏色映像表

語法:rgbplot(cmap)

 

十三、顏色空間轉換函數

hsv2rgb 轉換HSV值為RGB顏色空間:M=hsv2rgb(H)

ntsc2rgb 轉換NTSC值為RGB顏色空間:rgbmap=ntsc2rgb(yiqmap) \ RGB=ntsc2rgb(YIQ)

rgb2hsv 轉換RGB值為HSV顏色空間:cmap=rgb2hsv(M)

rgb2ntsc 轉換RGB值為NTSC顏色空間:yiqmap=rgb2ntsc(rgbmap) \ YIQ=rgb2ntsc(RGB)

rgb2ycbcr 轉換RGB值為YCbCr顏色空間:ycbcrmap=rgb2ycbcr(rgbmap) \ YCBCR=rgb2ycbcr(RGB)

ycbcr2rgb 轉化YCbCr值為RGB顏色空間:rgbmap=ycbcr2rgb(ycbcrmap) \ RGB=ycbcr2rgb(YCBCR)

 

十四、圖像類型和類型轉換函數

dither 通過抖動增加外觀顏色解析度轉換圖像

語法:X=dither(RGB,map) \ BW=dither(I)

gray2ind 轉換灰度圖像為索引圖像

語法:[X,map]=gray2ind(I,n) \ [X,map]=gray2ind(BW,n)

grayslice 從灰度圖像為索引圖像

語法:X=grayslice(I,n) \ X=grayslice(I,v)

im2bw 轉換圖像為二進位圖像

語法:BW=im2bw(I,level) \ BW=im2bw(X,map,level) \ BW=im2bw(RGB,level)

im2double 轉換圖像矩陣為雙精度型

語法:I2=im2double(I1) \ RGB2=im2double(RGB1) \ I=im2double(BW) \ X2=im2double(X1,'indexed')

double 轉換數據為雙精度型

語法:double(X)

unit8 、unit16轉換數據為8位、16位無符號整型: i=unit8(x) \ i=unit16(x)

im2unit8 轉換圖像陣列為8位無符號整型

語法:I2=im2unit8(I1) \ RGB2=im2unit8(RGB1) \ I=im2unit8(BW) \ X2=im2unit8(X1,'indexed')

im2unit16 轉換圖像陣列為16位無符號整型

語法:I2=im2unit16(I1) \ RGB2=im2unit16(RGB1) \ I=im2unit16(BW) \ X2=im2unit16(X1,'indexed')

ind2gray 把檢索圖像轉化為灰度圖像

語法:I=ind2gray(X,map)

ind2rgb  轉化索引圖像為RGB真彩圖像

語法:RGB=ind2rgb(X,map)

isbw 判斷是否為二進位圖像

語法:flag=isbw(A)

isgray 判斷是否為灰度圖像

語法:flag=isgray(A)

isind 判斷是否為索引圖像

語法:flag=isind(A)

isrgb 判斷是否為RGB真彩色圖像

語法:flag=isrgb(A)

mat2gray 轉換矩陣為灰度圖像

語法:I=mat2gray(A,[amin amax]) \ I=mat2gray(A)

rgb2gray 轉換RGB圖像或顏色映像表為灰度圖像

語法:I=rgb2gray(RGB) \ newmap=rgb2gray(map)

rgb2ind 轉換RGB圖像為索引圖像

語法:[X,map]=rgb2ind(RGB,tol) \ [X,map]=rgb2ind(RGB,n) \ X=rgb2ind(RGB,map) \ [...]=rgb2ind(...,dither_option)

 

十五、新增圖像處理工具箱函數

adapthisteq 限制對比度直方圖均衡化: J=adapthisteq(I) \ J=adapthisteq(I,param1,val1,param2,val2...)

applycform 用於顏色空間變換 out=applyform(I,C)

bwboundaries 描繪二進位圖像邊界

語法: B=bwboundaries(BW) \ B=bwboundaries(BW,CONN) \ B=bwboundaries(BW,CONN,options) [BW,CONN,options] \ [BL]=bwboundaries(...) \ [BLNA]=bwboundaries()

bwtraceboundary 描述二進位圖像中的物體

B=bwtraceboundary(BW,P,fstep) \ B=bwtraceboundary(BW,P,fstep,CONN) \ B=bwtraceboundary(...N,dir)

decorrstrech 對多通道圖像進行去相關處理

語法:S=decorrstretch(I) \ S=decorrstretch(I,TOL)

dicomdict 獲取或讀取DICOM文件

語法:dicomdict('set',dictionary) \ dictionary=dicomdict('get')

getline 用滑鼠選擇ployline

語法:[x,y]=getline(fig) \ [x,y]=getline(ax) \ [x,y]=getline \ [x,y]=getline(...,'closed')

getpts 用滑鼠選擇像素點

語法:[x,y]=getpts(fig) \ [x,y]=getpts(ax) \ [x,y]=getpts

getrect 用滑鼠選擇矩陣

語法:rect=getrect(fig) \ rect=getrect(ax) \ rect=getrect(fig)

iccread 讀取ICC剖面

語法:P=iccread(filename)

im2java2d 將圖像轉換為Java緩衝圖像

語法:jimage=im2java2d(I) \ jimage=im2java2d(X,MAP)

imview 在圖像與藍旗中顯示圖像

語法:imview(I) \  imview(RGB) \ imview(X,map) \imview(I,range) \ imview(filename) \ imview(....'InitialMagnification',initial_mag) \ h=imview(...)  \  imview close all

ippl 檢查IPPL的存在

語法:TF=ippl \ [TF B]=ippl

iptdemos 顯示圖像處理工具箱中的索引圖像

lab2double、lab2unit16、lab2unit8 將L*a*b數據分別轉換為雙精度、16位數據、8位數據

makecform 創造一個色彩轉換結構

poly2mask 把多邊形區域轉換成mask區域

語法:BW=poly2mask(x,y,m,n)

unitlut 查找表中A像素值

語法:B=unitlut(A,LUT)

xyz2double、xyz2unit16 將顏色數據從XYZ轉換到雙精度、16進位。

語法:xyzd=xyz2double(XYZ) \ xyz16=xyz2unit16(xyz)

相關焦點

  • Matlab 圖像處理相關函數命令
    zoom 縮放圖像語法:zoom on \ zoom off \ zoom out \ zoom reset \ zoom \ zoom xon \ zoom yon\ zoom(factor) \ zoom(fig,option) 二、圖像文件I/O函數命令imfinfo
  • MATLAB中圖像處理的一些簡單函數
    是其對應的顏色矩陣,若進行圖像處理後不知道圖像數據的值域可以用[]代替map。 MATLAB圖像處理工具箱中提供的imadjust函數,可以實現上述的線性變換對比度增強。    這些函數包含im2doble、im2uint8和 im2uint16,這些函數可以自動的進行原始數據的重新標度和偏移.調用格式簡單,輸入為圖像矩陣,輸出為轉換後的圖像:如:以下命令將一個描述雙精度RGB1圖像的矩陣(數據範圍為[0,1]轉換為uint8的圖像矩陣([0,255]範圍內)RGB2=im2uint8(rgb1);也可以使用MATLAB函數對圖像存儲類型進行轉換
  • matlab處理圖像代碼
    2、灰度直方圖及直方圖均衡化灰度直方圖用於顯示圖像的灰度值分布情況,是數字圖像處理中最簡單和最實用的工具。MATLAB中提供了專門繪製直方圖的函數imhist()。用它可以很簡單的繪製出一幅圖像的灰度直方圖(見例2)。
  • 大神帶你玩轉matlab圖像處理(五)
    A:原圖像,B:結果圖將真彩色圖像B轉換為灰度圖像A。rgb2gray函數通過消除色調和飽和度信息,同時保留亮度,來將B圖像轉換為灰度圖。imbinarize使用256-bin圖像直方圖來計算Otsu的閾值。要使用其他直方圖,請參見otsuthresh。B=imbinarize(A,method)使用方法「 global」或「 adaptive」指定的閾值處理方法從圖像A創建二進位圖像。B=imbinarize(A,T)使用閾值T從圖像A創建二進位圖像。
  • Matlab命令大全
    MATLAB命令大全.docMATLAB命令大全管理命令和函數     help      在線幫助文件     doc      裝入超文本說明     what
  • 大神帶你玩轉matlab圖像處理(6)——Hough變換
    近段時間過冷水開始接觸一點點圖像處理的知識三維空間分布函數繪製實例推文就有關於讀取圖像上的數據程序處理。
  • 這6個命令助你玩轉matlab自定義函數
    matlab自帶的函數雖包羅萬象、但並不可能攬括一切,在實際編程過程中往往還需要編程者根據實際問題編寫適合解決當下問題的函數,這也就是所謂的自定義函數。,只要輸入麵粉、酵母、雞蛋、水等,經過麵包房加工處理,就能得到香噴噴的麵包。
  • 值得收藏 | 如何用matlab做出酷炫的圖像
    本文承接在matlab入門基礎操作介紹的兩篇推文之後,在matlab入門(下)中介紹了部分繪圖相關的操作,本文首先做一點簡單回顧,
  • 查看matlab中函數原始碼的方法
    現階段,很多同學都希望學習matlab軟體,但是目前很多matlab書籍都是純粹的matlab軟體介紹,或者偏向於專業背景比較強應用,與數學建模中的matlab應用背道而馳,無法滿足大家的需求。matlab作為算法式語言,如何用其將算法代碼化才是需要重視的課題。本專題基於以上考慮,推出了相應課程解決方案,滿足數模人的需求,are you ready?
  • MATLAB裡那些牛逼兮兮的命令
    1.在命令行敲入 dbstop if error,如果運行出現錯誤,matlab會自動停在出錯的那行,並且保存所有相關變量。再也不用設斷點了有沒有!!!2.bsxfun強大的、萬能的、不同維數的矩陣擴展混合運算,從此告別矩陣運算中的for循環。
  • MATLAB 中有哪些命令,讓人相見恨晚?
    裡所有以fun為後綴的命令都很好用,arrayfun,cellfun,structfun,等等@() 匿名函數使用函數式編程,在編寫以數學公式為主的程序中比傳統編程方法好得多set(gca,...)等所有與畫圖相關的命令都包含了千奇百怪的屬性和參數,非常實用,如著名的 set(gca,...)
  • 一文了解Matlab如何製作動態圖像
    首先,以之前介紹過的心形圖為例,來說明在matlab中如何將繪圖過程保存為gif動態圖像。1.gif文件,在matlab可以使用imwrite將圖像保存為gif,但需要將圖像數據保存為索引圖像。,frame2im函數將當前圖形保存為rgb圖像,rgb2ind函數將rgb圖像保存為索引圖像。
  • 數據挖掘Matlab零基礎自學學習路線圖
    MATLAB可以進行矩陣運算、繪製函數和數據、實現算法、創建用戶界面、連接其他程式語言的程序等,主要應用於工程計算、控制設計、信號處理與通訊、圖像處理、信號檢測、金融建模設計與分析等領域。matlab功能:數值分析、數值和符號計算、工程與科學繪圖、控制系統的設計與仿真、數字圖像處理、數位訊號處理、通訊系統設計與仿真、財務與金融工程等。
  • MATLAB中內置了哪些函數是本科生常用的?
    6 人贊同matlab用的比較多,但是水平比較渣,寫出來的代碼基本都是小白level的,也就是以能算通為目的,很少做語言和算法上的優化(因為目前處理過的東西都是數據量和計算量不大的東西,沒需求就沒動力做優化=。=)所以估計一些經驗比較適合題主這種同樣初入門的人。首先,matlab下寫代碼,牢記關鍵詞 矩陣運算。
  • 想通過視頻自學MATLAB的同學戳這裡!
    >《MATLAB圖像處理實例詳解》隨書附帶全部視頻下載(前四章無限制下載,其他章節提供給購買書籍用戶下載):MATLAB圖像處理實例詳解視頻第1章:數字圖像基礎MATLAB圖像處理實例詳解視頻第2章:MATLAB基礎MATLAB圖像處理實例詳解視頻第3章:MATLAB圖像處理基礎MATLAB圖像處理實例詳解視頻第
  • Matlab強大的數組處理功能如何解決圖像處理解析方案
    而在本項目開發過程中迴避了這個複雜的過程,轉而利用Matlab強大的數組處理功能將其解決。Matlab完善的圖形處理功能是其被科研人員所推崇的原因之一,但因其圖形擁有獨立的窗口,嚴重影響了整體界面美觀和用戶交互體驗,所以Matlab圖形嵌入是混合編程中不可迴避的問題。對此將通過實例介紹兩種圖形嵌入方法並分析說明其優缺點和相關細節。
  • matlab生成隨機數函數的20多個命令,你知道多少?「肥波貓」
    matlab生成隨機數函數的20多個命令,你知道多少?「肥波貓」rand(n):生成0到1之間的n階隨機數方陣 rand(m,n):生成0到1之間的m×n的隨機數矩陣 (現成的函數)betarnd 貝塔分布的隨機數生成器 binornd 二項分布的隨機數生成器
  • MATLAB圖像文件的操作
    圖8-1顯示了圖像處理工具箱中去相關延伸算法(上)、線條檢測(中)和基於分水嶺分割(下)等結果。圖8-1  圖像處理工具箱8.1  圖像文件的操作圖像處理工具箱支持多種設備生成的圖像,包括數位相機、圖像採集系統、衛星和空中傳感器、醫學成像設備、顯微鏡、望遠鏡和其他科學儀器。
  • Matlab|繪製函數圖像
    一、繪製圖像的常用思路在通常情況下,手動繪製函數圖像的基本思路是確定自變量的取值範圍、選取合適的自變量點、通過函數表達式得出對應的應變量的點、將這些點連接起來,即可得到大致圖像。使用Matlab繪製函數圖像也是使用這樣的思路,當自變量的點取得夠多時,連接這些點的圖形就越接近函數圖像。
  • Matlab | 點雲基本操作(一)
    這裡,我選擇的是matlab2020b作為環境,較低版本可能某些函數不能用(畢竟點雲也是最近幾年發展起來的)    打開matlab,在命令行輸入我們可以看到matlab其實將poindcloud封裝成一個類,如果想了解所有matlab裡的點雲函數,閱讀源碼是最好的選擇,但如果僅僅使用一些功能就大可不必(源碼有1k多行.QAQ),實際上matlab底層使用