matlab如何截取图片 matlab 如何截取图片，matlab如何截取图片导出 _睿知

怎么用matlab截图啊？
1.先打开软件后，找到左上角的按钮，点击使用M编辑器。2.然后单击保存。3.然后复制一张图片到同一个文件夹。你可以创建程序。这里可以使用imread来读取，如图所示。引号包括文件名，包括作为相对路径的扩展名。4.为了实时看到效果，可以为输出添加imshow 。此处添加该语句是为了显示刚刚读入的彩色图片。5.最后，您需要保存处理结果，这可以通过使用图1的最后一行imwrite来完成。这句话里的名字可以自己设置，格式是扩展名，和原图不一样。6.运行后，可以找到如图所示的存储文件。
用matlab截取图像的一部分？
1.首先打开matlab，在命令行窗口输入a=[1 5 6 7] 。8 12 14 16;6 5 7]，创建一个3行4列的A矩阵，如下图所示。2.输入x=find(a10)并查找数组A中大于10的元素下标，如下图所示。3.按回车键后，可以看到已经找到了大于10的元素的下标。下标位置的计数是从一列开始，一列计数。4.输入a(x)=[]，删除数组A中所有大于10的元素，如下图所示。5.最后，按Enter键后，可以看到数组A大于10的所有元素都被删除了，如下图所示。
怎样用matlab从一张图片中截取一小张图片
1.假设有一个256*256的图与我的地图相交。将其提取出来并放入newMap 。2.从我的地图的(n，m)坐标中提取。用的坐标是右上角为原点，x水平向右，y垂直向下。3.图像是rgb %matlab的图像坐标是右上原点，X是垂直向下的Newmap (1:32，1:32，)=mymap (m: m 32-1，n: n 32-1，)；%如果要提取图像的蓝色newmap (1: 32，1: 32)=mymap (m: m 32-1，n: n 32-1，3)；%如果要提取图像的红色newmap (1: 32，1: 32)=mymap (m: m 32-1，n: n 32-1，1)；4.如果图像是灰度的newmap (1: 32，1: 32)=mymap (m: m 32-1，n:n 32-1)；

文章插图
matlab figure1窗口如何截图
1.打开matlab软件主界面，如图。2.进入编辑器，选择页面顶部的运行脚本，绘制Figure1，如图所示。3.然后在命令窗口输入clf，回车，这样Figure1窗口的内容就被清除了，如图所示。4.然后再次点击Run重新绘制图1，如图所示。5.也可以在命令窗口中输入plot(m，n)，然后回车重绘图像，如图所示。
如何用matlab进行图像的分割？
1.设置X向量的步长，以生成用于绘图的数据。2.划分图形窗口，并在其中绘制图形。具体如下图所示：3 。按[Enter]键查看生成的效果图：

文章插图
matlab二值图像截取
【matlab如何截取图片 matlab 如何截取图片，matlab如何截取图片导出】可以使用bwperim()函数进行轮廓提取。具体代码如下：% Read原图im=im Read(file path)；im show(im)；标题(“原图”)；%对二进制图像bw=im2bw(im)；%轮廓提取contour=bwperim(bw)；图imshow(等高线)；标题的原始图像(“轮廓”)和提取的轮廓分别如图1和图2所示。图1原图2轮廓2边缘可以借助edge()函数进行边界检测，算子可以选择canny、soble等。具体代码如下：% Read原图im=im Read(file path)；im show(im)；标题(“原图”)；%对二进制图像bw=im2bw(im)；%边界检测轮廓=边缘(bw，” canny “)；图imshow(等高线)；标题(“边界”)对图1的检测效果如图3所示：图3边缘检测结果参考[1]轮廓提取[2]matlab二值图像轮廓提取[3] Matlab二值图像轮廓提取===================================================================================来自：http://blog.sina.com.cn/s/blog_6f2d29af0101065p.html**注：填充时轮廓闭合连续im=im read ( %阅读原文图，imshow(im，[])；标题(“Raw”)；%显示原图im=im2bw(im)；%为二进制图像图，imshow(im，[])，title(” BW “)；%显示二进制图像im2=imfill(im，” holes “)；% padding im3=bwperim(im2)；%提取等高线图，imshow(im2，[])；标题(“)%显示图，imshow(im3，[])；1.Matlab简介Matlab是世界上最流行的科学和工程计算软件工具。它起源于矩阵运算，现已发展成为一种高度集成的计算机语言。有人称之为“第四代”计算机语言，它提供了强大的科学运算、灵活的编程流程、高质量的图形可视化界面设计以及与其他程序和语言的便捷接口。随着Matlab语言的功能越来越强大，不断适应新的需求，提出新的解决方案。可以预见，Matlab语言在科学运算、自动控制、科学绘图等领域将长期保持其独特的地位。2.几种常用的边缘检测算子边缘是图像最重要的特征。边缘是指周围像素灰度有台阶变化或屋顶变化的像素集合。边缘检测主要是对灰度变化的测量、检测和定位。有许多不同的边缘检测方法，同一种方法使用不同的滤波器。图像边缘检测是为了研究更好的边缘检测方法和算子。边缘检测的基本思想是(1)通过使用边缘增强算子来突出图像中的局部边缘，(2)通过设置阈值来定义像素的“边缘强度”并提取边缘点集。由于噪声和模糊性，被监控的边界可能在某一点变宽或断开。因此，边缘检测包括两个基本内容：I .用边缘算子提取反映灰度变化的边缘点集；二。去除一些边缘点或填充边缘点集中的边缘不连续点，并将这些边缘连接成一条完整的线。常用的检测算子有微分算子、拉普拉斯高斯算子和canny算子。Matlab图像处理工具箱中提供了边缘函数，利用上述算子检测灰度图像的边缘。2.1微分算子法经典的边缘提取方法称为微分算子法，它考察的是图像每个像素的某个邻域内灰度的变化，利用边缘邻域的一阶或二阶导数的变化规律，通过简单的方法检测边缘。导数算子可以突出灰度的变化。当对图像应用导数算子时，灰度变化大的点处的计算值较高。因此，我们将图像的导数算子的计算值作为相应的边界强度，这样我们就可以为这些导数值设置阈值来提取边界点集。一阶导数是最简单的导数算子。在已知点f(x，y)处，梯度grads (f (x，y))的幅度为：它们分别计算x和y方向的灰度变化率，但对每个像素做上述运算需要很大的计算量，所以在实际应用中，往往采用小面积模板卷积运算进行近似计算。
模板操作的思想是将分配给某个像素的值作为其自身灰度值和相邻像素灰度值的函数。在使用中，一个模板分别用于x和y方向。2.1.1Sobel算子Sobel算子是一种提取边缘的滤波算子。一个模板用于X和Y方向，两个模板组合形成一个梯度算子。x方向模板对垂直边缘影响最大，Y方向模板对水平边缘影响最大。图1罗贝尔算子模板2 . 1 . 2罗贝尔算子罗贝尔算子是一种梯度算子，用交叉差来表示梯度。它是一种利用局部差分算子寻找边缘的算子，对陡峭、低噪声的图像效果最好。模板如图2Robert算子模板2.1.3prewitt算子prewitt算子是一种加权平均算子，可以抑制噪声，但是像素平均相当于对图像进行同样的滤波，所以prewitt算子可以对边缘进行滤波。如图所示；图3prewitt算子模板代码如下：原始图像是三维编织复合材料的二维截面，对原始图像进行i=imread(“d1.jpg “)预处理；I2=im2 double(I)；ihd=RGB 2 gray(I2)；[thr，sorh，keepapp]=ddencmp(“den “，” wv “，ihd)；ixc=wdencmp(“gbl “，ihd，” sym4 “，2，thr，sorh，keep app)；图，imshow(ixc)，标题(“去噪图像”)；k2=medfilt2(ixc，[77])；图，imshow(k2)，标题(“中值滤波”)；isuo=imresize(k2，0.25，”双三次”)；%sobert，robert和prewitt算子检测图像边缘esobel=edge(isuo，” Sobel “)；erob=edge(isuo，” Roberts “)；eprew=edge(isuo，” prewitt “)；支线剧情(2，2，1)；imshow(isuo)；标题(“预处理图像”)；支线剧情(2，2，2)；imshow(埃索贝尔)；标题(“sobel算子提取”)；支线剧情(2，2，3)；imshow(erob)；标题(“roberts算子提取”)；支线剧情(2，2，4)；im show(eprew)；标题(“prewitt运算符提取”)；图4微分算子边缘检测结果2.2拉普拉斯算子拉普拉斯高斯算子是一种二阶导数算子，会在边缘产生陡峭的过零。上面说的梯度法是有方向性的，不可能在各个方向上对所有边缘都有相同的增强效果。而拉普拉斯算子是各向同性的，可以在任意方向锐化边界和线条，没有方向性。这是拉普拉斯算子区别于其他算法的最大优势。对于连续函数，其在该位置的拉普拉斯算子定义如下：在图像边缘检测中，为了操作方便，函数的拉普拉斯高斯算子也是借助模板来实现的。模板有一个基本要求：模板中心的系数为正，其他相邻的系数为负，所有系数之和应该为零。图5拉普拉斯算子模板2.3Canny边缘检测方法Canny边缘检测是一种比较新的边缘检测算子，具有良好的边缘监测性能，在图像处理中得到了广泛的应用。根据图像边缘检测的最优准则，设计了canny边缘检测算法：(1)首先利用2D高斯滤波模板进行卷积消除噪声；(2)用导数算子求图像沿两个方向的偏导数，得到梯度大小；(3)由(2)的结果计算梯度方向；(4)一旦知道了边缘方向，边缘的梯度方向大致可以分为水平、垂直、45四种。通过渐变的方向，可以找到这个像素在渐变方向上的相邻像素。(5)遍历图像。如果一个像素的灰度值与它前后两个像素在梯度方向上的灰度值相比不是最大的，那么这个像素值被设置为0，也就是说它不是边缘。(6)使用累积直方图计算两个阈值。大于高阈值的一定是边缘，小于低阈值的一定不是边缘。中间的一个取决于在该像素的相邻像素中是否有超过高阈值的边缘像素。如果有，那就是边缘，否则就不是边缘。
调用拉普拉斯算子和canny算子检测图像边缘的过程如下：elog=edge(isuo，” log “)；ecanny=edge(isuo，” canny “)；支线剧情(1，2，1)；imshow(elog)；标题(“日志运算符提取”)；支线剧情(1，2，2)；im show(ecanny)；标题(“canny运算符提取”)；图6canny算子和拉普拉斯算子检测结果3 。边缘检测结果与roberts算子检测方法相比，陡峭低噪声的图像处理效果更好，但Roberts算子提取边缘的结果是边缘较粗，所以边缘定位不是很准确。Sobel算子检测法对灰度渐变、噪声较多的图像有很好的效果，但Sobel算子在边缘定位上不是很准确，一幅图像的边缘有一个以上的像素。Prewitt算子检测法对灰度渐变、噪声较多的图像有很好的效果。但是边缘很宽，有很多不连续的地方。拉普拉斯算子法对噪声比较敏感，所以很少用于检测边缘，而是判断边缘像素是作为图像的亮区还是暗区。Canny方法不易受噪声干扰，能检测出真正的弱边缘。优点是使用两个不同的阈值分别检测强边缘和弱边缘，当弱边缘和强边缘相连时，弱边缘包含在输出图像中。参考文献[1]赵春辉。现代图像处理技术与Matlab实现[M].北京人民邮电出版社2001 。[2]阮。数字图像处理[M] 。北京：电子工业出版社，2001 。[3]何斌。数字图像处理[M] 。北京：人民邮电出版社，2001年提取图像BW1=edge(I，” Sobel “)；使用SOBEL算子的%边缘检测BW2=edge(I，‘Roberts’)；用Roberts算子的%边缘检测BW3=边缘(I，‘prewitt’)；用prewitt算子BW4=edge(I，“log”)进行的%边缘检测；使用对数算子BW5=edge(I，” canny “)的%边缘检测；使用canny算子h=f special(‘高斯’，5)的%边缘检测；BW6=edge(I，” canny “)；子情节(2，3，1)，im show(BW1)；标题(” sobeledgecheck “)；支线剧情(2，3，2)，im show(BW2)；标题(” sobeledgecheck “)；支线剧情(2，3，3)，im show(BW3)；标题(” prewrittedgecheck “)；支线剧情(2，3，4)，im show(BW4)；标题(” logedgecheck “)；支线剧情(2，3，5)，im show(BW5)；标题(” cannyedgecheck “)；支线剧情(2，3，6)，im show(BW6)；标题(” gasussiancannyedgecheck “)；%这是Canny算子经过高斯滤波后的边缘检测结果(注：代码中部分标点符号为中文模式。如果输入代码后标点符号显示为红色，则为中文标点符号。就把它们改回来)