资源描述：
《MatLab学习总结材料》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、实用文档使图像符合信息提取要求、设计描述符需要的知识：第一部分数字图像基础第1章引言第2章图像量化基础第3章数学形态学概论第4章遥感图像常规处理第二部分遥感图像分析第5章图像变换与小波分析第6章图像分割第7章边缘检测与串行边界第8章纹理分析第9章形状分析构建多描述符空间、测试描述符、实施分类需要的知识：第三部分空间数据挖掘第10章空间数据挖掘基础第11章模糊集与模糊聚类大全实用文档第12章人工神经网络第13章决策树第14章支持向量机SVM一、概述matlab主要特点：（1）数据可视和图形化：图像一旦读入MAT
2、LAB，就以矩阵形式保存，可以在工作区查看矩阵的值，用绘图工具按钮选择表达图形等；这种图形化数据分析使测试算法的过程简单化。（2）高效简单的编程环境：直译式语言。（3）开放及可延伸的架构:内核采用C语言编写。 允许开发人员接触它的大多数源代码。（4）丰富的工具箱：MATLAB的工具箱提供了使用者在特别应用领域所需的许多函数，以简化开发人员的工作。现有工具箱包括：图像处理、统计分析、神经网络、模拟分析、最优化、模糊逻辑、小波分析等13个。在MATLAB中，数字图像经常采用矩阵(matrix)或阵列/数组(arr
3、ay）表达，矩阵或阵列元素代表图像的灰度值（或分色亮度值）。可以通过函数reshape()实现矩阵和阵列间的相互转换。大全实用文档可以通过数组下标访问像素的具体值。对于灰度图像，可用A(i,j)获得指定行列处的灰度值，比如指令A(2,5)将返回第2行第5列的灰度；对于GRB图像，可用A(i,j,k)或得指定行列处的分色亮度值，比如指令A(2,5,1),A(2,5,2)将分别返回第2行第5列的红、绿值；A(:,:,3)返回所有行列的蓝值（返回整个蓝色分量）等。大多数运算符对矩阵与阵列通用，少量阵列与矩阵运算可能
4、相混淆的操作使用有区别的运算符。imread()函数读取图像数据，imwrite()函数存储图像文件，figure另外打开一个图形输出窗口，subplot()用于在同一窗口显示多幅子图像，title()为输出图像加标题，Imshow()显示图像文件，rgb2gray()将RGB图像转换为灰度图像，im2bw()将灰度图像、索引图像或RGB图像转换为二值图像。二、图像量化基础1、考虑邻近像素的图像分析方法称为”邻域运算”；只考虑单个像素时称为“点运算”。常见的邻域运算：模板运算（卷积运算）滑动窗口运算块运算（固
5、定窗口）邻域运算常被用于空间滤波、平滑降噪、边缘提取、纹理提取、窗口统计等图像处理和分析操作中。2、邻域运算模板运算：大全实用文档模板运算的输出值由对应的输入像素及其邻域像素的值共同决定。这种运算通过模板（也称“卷积核”）实现。模板是远比图像尺寸小、具有规则形状的元素集。模板元素的值可以根据具体任务设计。模板边长一般为奇数，常用的模板尺寸为3×3，5×5，7×7等。通过MATLAB的滤波函数conv2()，可以实现以自制模板对二维图像的模板运算（或滤波运算）。例2.2定制滤波算子并对图像I滤波。I=imrea
6、d('mb.tif');H1=[1,1,1;0,0,0;1,1,1];%定制Prewitts算子（行向）H2=[1,0,1;1,0,1;1,0,1]%定制Prewitts算子（列向）C1=conv2(double(I),H1);%用H1对I做滤波C2=conv2(double(I),H2);imshow(C1
7、C2);3、邻域运算滑动窗口和图像块在遥感图像分析中，有些操作需要考虑一定尺寸邻域的统计特征。滑动窗口或图像块是一个像素子集，子集的像素由窗口中心像素的坐标和邻域尺寸决定。这个邻域范围常称为“窗口”区，
8、邻域的统计值常称为“窗口值”。滑动窗口操作通常采用特定的窗口尺寸和操作函数遍历全图像素。如果仅仅将图像按照窗口尺寸划分成若干矩形，并对各矩形做函数运算，则称为“块操作”。MATLAB滑动窗口或块操作函数colfilt.m大全实用文档该函数按指定窗口函数做滑动窗口或块操作。基本语法：B=colfilt(A,[mn],block_type,fun)B=colfilt(A,[mn],[mblocknblock],block_type,fun)B=colfilt(A,'indexed',...)其中：A为原图像，窗口
9、尺寸为m×n。fun为窗口函数，通常需定义为内联函数（参见A1.7.2和例2.4）；block_type是一个字串，可选值①'distinct'：“图像块”操作；②'sliding'：滑动窗口操作。[mblocknblock]指定附加窗口尺寸，以节省操作内存。如在图像边缘出现窗口越界，将越界元素以0补齐。4、图像采样图像采样的任务:获得目标和/或背景的图像特征值；获得训练集(trainingsets
