Matlab中image、imagesc和imshow函数用法解析

原文转自：http://blog.csdn.net/zhupananhui/article/details/16340345

1、显示RGB图像

相同点：这三个函数都是把m*n*3的矩阵中的数值当做RGB值来显示的。

区别：imshow将图像以原始尺寸显示，image和imagesc则会对图像进行适当的缩放（显示出来的尺寸大小）。

2、显示灰度图像

说明：先搞明白什么是索引图像？（灰度图像也是索引图像的一种）

当用Matlab中的imread函数将图像读入并存入矩阵时，我们知道如果是RGB图像，得到是m*n*3的矩阵，但如果是索引图像，得到就是m*n的矩阵，这个矩阵的每个元素只是1个数值，那么怎么确定它的RGB值来显示图像呢？这就需要colormap了，colormap是一个m*3的矩阵，每一行有3列元素构成RGB组，也就是一种颜色，一个m*3的colormap中有m中颜色，而索引图像存储的数值和colormap中的行号对应起来就可以像RGB那样显示图片了，至于对应方法，可以直接对应（比如1对应1,2对应2）也可以是线性映射对应（比如[-128,128]映射到[1,256]）。还有一点要说明的是，默认情况下每一个figure都有且仅有一个colormap,而且默认的是 jet(64)，可在figure窗口通过，edit->colormap...查看，另外在弹出的窗口colormap editor中，可通过Tools->Standard colormap来修改当前figure的colormap，这里是Matlab已经做好的一些colormap。

（1）当灰度图像转化成矩阵后，矩阵中的元素都介于[0,255]，下面我们结合具体实例来看看这三个函数的调用效果，并解释原因。代码：

[plain] view plaincopy

clear all;clc;close all;
img = imread('lenna.bmp');
% my picture is named lenna.bmp while yours may be not
I = rgb2gray(img);
% Attention: we use the axis off to get rid of the axis.
figure(1),image(I); %equals to imagesc(I,[1 64]);you can try it.
colorbar,title('show by image in figure1');axis off;
figure(2),imagesc(I);
%equals to imagesc(I,[min(I(:)) max(I(:))]);you can try it.
colorbar,title('show by imagesc in figure2');axis off;
%colormap(gray) %use this statement you can get a gray image.
figure(3),imshow(I),colorbar,title('show by imshow in figure3');

显示效果：

我们看到现象是image 和imagesc 显示出来是彩色的，只有imshow显示出来是灰度图像，为什么会出现这种情况呢？还记得前面所说的吗，索引图像是矩阵和colormap配合起来显示的，而每个figure默认使用的colormap 是jet(64)，而不是gray(gray和gray(64)是一样的)，这个jet(64)就使得figure1和figure2中显示出来时是彩色的，当然你也可以修改当前figure的colormap使用colormap(gray)（使用64个等级的灰度色图），或者colormap(gray(256))（使用256个等级的灰度色图，这就是调用imshow函数时使用的colormap，后面有讲解）。而figure3为什么会是灰度图像呢，这是因为当调用imshow来显示索引图像时，这个函数就会把当前的figure的colormap设置成gray(256),这下明白为什么会出现这种情况了吧。我们再仔细观察一下figure1和figure2会发现，figure2中人物的轮廓显示的还算可以，而figure1中则出现了大面积的红色的区域，人物的轮廓被抹掉了很多。

为什么会出现这样的情况呢？这就要说说索引图像矩阵中的数（以下简称矩阵中的数）和colormap中的索引（index）的对应关系了。

image：这个函数，直接把矩阵中的数当做索引值（我称为直接映射），例如colormap中索引为1的是颜色RGB1，索引为2的是颜色RGB2，……，索引为64的是颜色RGB64。那么矩阵中为1的数就显示成颜色RGB1，矩阵中为2的数就显示成颜色RGB2，……，矩阵中为64的数就显示成颜色RGB64，值得注意的是当矩阵中的数小于1时，此时该数也将被显示成颜色RGB1，同样，而矩阵中大于64的数将被显示成颜色RGB64（类似于信号处理里面的限幅，也可以认为是削顶或者削底了），这下我们就能明白为什么figure1中会出现大面积的红色区域，这说明这些地方的数值都大于等于64。

imagesc: 在figure2中我们用imagesc来显示图像与figure1相比能较好的显示出来，同样我们也得搞明白调用imagesc时矩阵的数和colormap中索引的对应关系，与image不同的是imagesc采用的不是直接映射而是线性映射，至于什么是线性映射，我粗略的说一下，比如把区间A = [0,a]映射到区间B = [0,b]我们对A中的元素做A/a*b就可以了，矩阵的数到colormap索引的线性映射大概就是这样，Matlab会自动获取矩阵中数的最小值和最大值，并把区间[Cmin,Cmax]映射到colormap的[最小索引，最大索引]比如[1,64],然后再根据这个对应关系把图像显示出来，具体的算法细节是Matlab确定的，当然也可以自己指定显示范围，比如一副索引图像I范围为[27,218]，而我只想显示[1 64 ],使用命令imagesc(I,[1 64])就可以了，如果你把上面程序中的imagesc(I)换成imagesc(I,[1,64])，那么figure2中的效果就和figure1中一样了，因为只是把[1,64]这个范围映射到色图，超过的都被认为是64。关于映射，我截图Matlab中imagesc的help页给大家看看，这里要自己慢慢体会哦，使用imagesc(I)这种线性映射就可以用到整个色图从而将图像较好的显示出来，这就是figure2中的显示效果比figure1中好的原因。

imshow：调用这个函数会把当前figure的colormap设置成gray（256），这个前面也有提到，我们先讨论矩阵元素是uint8型（范围：0~255，整数，一般使用imread和 rgb2gray返回的都是uint8型的），同样我们也要搞明白矩阵中的数和colormap中颜色索引的对应关系，imshow的功能是比较全的，它即可使用像image那样的直接映射，也可使用像imagesc那样的线性映射，当我们使用imshow(I)，即只有一个矩阵作为参数，这时采用的是直接映射，比如矩阵中元素0就显示成colormap中索引为1的颜色也就是黑色，矩阵中元素255就显示成colormap中索引为256的颜色也就是白色，（注意：uint8范围是0~255，而gray（256）的索引是1:256，当然这些我们只要了解就可以了，编程并不会用到，因为这些对应的细节Matlab已经帮我们做好了）如果这样调用imshow(I,[ ])，此时矩阵中的数和颜色表就是线性映射，为什么会这样，我解释一下，我们看这种调用方式和imagesc(I,[1 64])很相似，其实原理是一样的，第二个参数是一个向量，这个向量指定了矩阵中映射到颜色表的数的范围，也就是显示范围（Matlab里叫做display range）前面已经介绍了，Matlab中imshow的help中说如果采用imshow(I,[low high])调用imshow的话而且你用[ ]代替[low high]那么imshow会使用[min(I(:)) max(I(:))]作为显示范围，也就说I中的最小值会显示成黑色，最大值会显示成白色，这其实就是整个范围的线性映射（没有削顶也没有削底），此时的imshow(I,[ ])函数就相当于imagesc(I);

为了说明imshow不仅具有image的功能也具有imagesc的功能，同时体会一下直接映射和线性映射的区别，我们来写一段小程序来测试一下，程序如下：

[plain] view plaincopy

clear all;clc;close all;
img = imread('lenna.bmp');
I = rgb2gray(img);
figure(1),image(I); colormap(gray(256));
colorbar,title('show by image in figure1');axis off;
figure(2),imagesc(I);colormap(gray(256));
% We can see that the image showed in figure(2) is a little bright
% than in figure(1).
colorbar,title('show by imagesc in figure2');axis off;
% When we use the imshow, we do not need to set the colormap,
% because the imshow set the colormap to gray(256) automatically.
figure(3),imshow(I),colorbar,title('show by imshow(I) in figure3');
% The effectiveness in figure(3) is the same as in figure(1).
figure(4),imshow(I,[]),colorbar,title('show by imshow(I,[]) in figure3');
% The effectiveness in figure(4) is the same as in figure(2).

显示效果：

我们可以看出figure2中的图像比figure1中的图像要亮一些，而且，figure3中的显示效果和figure1中是一样的，figure4中的显示效果和figure2中是一样的，为什么会这样呢？这是因为image(I)和imshow(I)是将I中的值直接作为colormap(gray(256))中的索引，也就是我所说的直接映射，我这里读到的索引图像矩阵也就是I中的数值的范围是[27,218],也就是说直接映射显示I,只用到的色图(colormap)上[27,218]范围的颜色，（比如表示白色的索引255就没有用到），从右边的colorbar也可以看出来。但线性映射就不一样了，imagesc(I),和imshow(I,[ ])采用的就是线性映射，线性映射把[27,218]按照线性算法（Matlab写的）映射到色图索引[1,256]然后再显示出来，这样整个色图的颜色都被用到了，这里也可以认为把[27,218]放大到[1,256]，这就是figure2中显示效果比figure1中亮的原因。

小结：直接映射和线性映射的区别在于映射到色图的数值范围，如果是[min(I(:)) max(I(:))]就是线性映射，如果是0-255或者1-64或者0-1就是直接映射。这个数值范围就叫做显示范围（display range）。

3、最后再说说image，imagesc,imshow 在显示double型数据时的用法，

我们做图像处理就会对图像进行运算，使用uint8型数据精度不高，因为当运算结果超过255时会被认为是255，而负数就会被认为是0（注意在Matlab中数据默认采用double型（64位）进行存储和运算）所以，我们读到灰度图像后一般都会将图像转换成double型（I = double(I)）然后再参与运算，运算的结果有正有负，也有小数，正的还可能超过255，比如我经过运算后的得到图像矩阵I，假如I的范围是[-187,152]，当然你也可以用max(I(:))和min(I(:))去获取，这时怎么显示图像呢？image,imagesc,imshow 都可以用来显示double型数据的图像矩阵，主要区别如下：

image：将double型数据取整（正数取整就是把小数部分舍掉）然后使用直接映射的方法按照颜色表显示。

imagesc：这个函数很好，会对数据进行缩放再显示，也就是把显示范围自动设置成[min(I(:)) max(I(:))]，也就是线性映射。

imshow：这个函数调用方式不同，显示效果也不同，如下：

imshow(I)：直接调用，因为当图像为double型时imshow函数会把显示范围设置成[0 , 1],这样小于0的就变成黑色了，大于1的就变成白色了，所以处理不当就会出现全白的情况。

imshow( I/(max(I(:)))：针对直接调用imshow函数出现的问题，用max(I(:) ) 对图像矩阵进行归一化再显示，这样负数部分会变黑，正数部分还可以正常显示，但有一部分信息丢失了。

imshow(uint8(I))：这种方式把I转化成uint8，负数会被归零，超过255的被置为255，而且小数也会被round(四舍五入)，当参数为uint8型时，imshow函数把显示范围设置成[0,255]，这样图像虽然也能显示出来，但与原始数据相比来说，丢掉很多信息，但有时可能却是想要的结果，这个要看具体情况。

imshow(I,[ ])：这种方式就是把imshow的显示范围设置成[min(I(:)) max(I(:))]，也就是线性映射，相当于imagesc(I),colormap(gray(256))可以将整幅图像的信息显示出来。

综上所述，大家根据自己实际需要选用显示函数和对应的参数，这些是我自己研究学习的心得，表述难免有些疏漏，有发现严重错误的，可以给我留言，但可以给大家一个感性的认识，从云里雾里的困境里走出来。

Matlab中image、imagesc和imshow函数用法解析相关推荐

Matlab中的randperm和randsample函数用法总结
构建替代数据的时候,一种常见的思路是打乱原数据的排列次序,通过随机置换原数据的排列次序从而产生和原数据系列统计特征(如均值.方差.分布)一致的随机数据.具体到Matlab中,此思路的实现会涉及到两个命 ...
python中curve fit_scipy.optimize.curve_fit函数用法解析
在日常数据分析中,免不了要用到数据曲线拟合,而optimize.curve_fit()函数正好满足你的需求 scipy.optimize.curve_fit(f,xdata,ydata,p0=None ...
Matlab中imshow函数用法
目录语法说明示例显示灰度图像.RGB 图像.索引图像或二值图像 imshow函数的功能是显示图像. 语法 imshow(I)imshow(I,[low high])imshow(I,[])im ...
Matlab中print, fprint, fscanf, disp函数的用法
最近一直在用python,导致学习的一些函数就有点混淆,趁着这会儿看代码,就再回顾下Matlab中print, fprint, fscanf, disp函数的用法一.print() 函数可以把函数图 ...
Matlab—绘图保存为视频VideoWrite()函数用法与自定义视频尺寸
Matlab-绘图保存为视频VideoWrite()函数用法与自定义视频尺寸 1.早期版本的avifile()函数 Matlab中提供了将显示图形保存成视频的功能.早期的版本使用函数avifile() ...
matlab中load seamout,matlab中的save与load函数
matlab中的save与load函数用save函数,可以将工作空间的变量保存成txt文件或mat文件等. 比如: save peng.mat p j 就是将工作空间中的p和j变量保存在peng.m ...
邹检验 matlab,科学网—Matlab中一个很有用的函数：regionprops - 邹兴文的博文
Matlab中一个很有用的函数:regionprops 已有 6712 次阅读 2010-1-30 22:52 |个人分类:开发经验|系统分类:科研笔记| 有用的函数, regionprops Mat ...
函数调用matlab,Matlab中一个函数调用另外一个函数的操作方法
这篇文章为各位带来的内容是Matlab中一个函数调用另外一个函数相关的,对此感兴趣的用户可以去下文看看Matlab中一个函数调用另外一个函数的操作教程. Matlab中一个函数调用另外一个函数的操作方 ...
matlab怎么调用主函数,Matlab中一个函数调用另外一个函数的操作步骤
原创Matlab中一个函数调用另外一个函数的操作步骤编辑:小安来源:PC下载网时间:2019-11-18 13:27:35 最近很多伙伴才刚刚安装入手Matlab这款软件,而本节就重点介绍了关于M ...

Matlab中image、imagesc和imshow函数用法解析

Matlab中image、imagesc和imshow函数用法解析相关推荐

最新文章

热门文章