MATLAB在图像处理中的函数.docx

MATLAB在图像处理中的函数图像增强1. 直方图均衡化的 Matlab 实现1.1 imhist 函数功能：计算和显示图像的色彩直方图格式：imhist(I,n)imhist(X,map)说明：imhist(I,n) 其中，n 为指定的灰度级数目，缺省值为256；imhist(X,map) 就算和显示索引色图像 X 的直方图，map 为调色板。用 stem(x,counts) 同样可以显示直方图。1.2 imcontour 函数功能：显示图像的等灰度值图格式：imcontour(I,n),imcontour(I,v)说明：n 为灰度级的个数，v 是有用户指定所选的等灰度级向量。1.3 imadjust 函数功能：通过直方图变换调整对比度格式：J=imadjust(I,low high,bottom top,gamma)newmap=imadjust(map,low high,bottom top,gamma)说明：J=imadjust(I,low high,bottom top,gamma) 其中，gamma 为校正量r，low high 为原图像中要变换的灰度范围，bottom top 指定了变换后的灰度范围；newmap=imadjust(map,low high,bottom top,gamma) 调整索引色图像的调色板 map 。此时若 low high 和 bottom top 都为2×3的矩阵，则分别调整 R、G、B 3个分量。1.4 histeq 函数功能：直方图均衡化格式：J=histeq(I,hgram)J=histeq(I,n)J,T=histeq(I,.)newmap=histeq(X,map,hgram)newmap=histeq(X,map)new,T=histeq(X,.)说明：J=histeq(I,hgram) 实现了所谓“直方图规定化”，即将原是图象 I 的直方图变换成用户指定的向量 hgram 。hgram 中的每一个元素都在 0,1 中；J=histeq(I,n) 指定均衡化后的灰度级数 n ，缺省值为 64；J,T=histeq(I,.) 返回从能将图像 I 的灰度直方图变换成图像 J 的直方图的变换 T ；newmap=histeq(X,map) 和 new,T=histeq(X,.) 是针对索引色图像调色板的直方图均衡。2. 噪声及其噪声的 Matlab 实现imnoise 函数格式：J=imnoise(I,type)J=imnoise(I,type,parameter)说明：J=imnoise(I,type) 返回对图像 I 添加典型噪声后的有噪图像 J ，参数 type 和 parameter 用于确定噪声的类型和相应的参数。3. 图像滤波的 Matlab 实现3.1 conv2 函数功能：计算二维卷积格式：C=conv2(A,B)C=conv2(Hcol,Hrow,A)C=conv2(.,'shape')说明：对于 C=conv2(A,B) ，conv2 的算矩阵 A 和 B 的卷积，若 Ma,Nasize(A), Mb,Nb=size(B), 则 size(C)=Ma+Mb-1,Na+Nb-1; C=conv2(Hcol,Hrow,A) 中，矩阵 A 分别与 Hcol 向量在列方向和 Hrow 向量在行方向上进行卷积；C=conv2(.,'shape') 用来指定 conv2 返回二维卷积结果部分，参数 shape 可取值如下：full 为缺省值，返回二维卷积的全部结果；same 返回二维卷积结果中与 A 大小相同的中间部分；valid 返回在卷积过程中，未使用边缘补 0 部分进行计算的卷积结果部分，当 size(A)>size(B) 时，size(C)=Ma-Mb+1,Na-Nb+1。3.2 conv 函数功能：计算多维卷积格式：与 conv2 函数相同3.3 filter2函数功能：计算二维线型数字滤波，它与函数 fspecial 连用格式：Y=filter2(B,X)Y=filter2(B,X,'shape')说明：对于 Y=filter2(B,X) ，filter2 使用矩阵 B 中的二维 FIR 滤波器对数据 X 进行滤波，结果 Y 是通过二维互相关计算出来的，其大小与 X 一样；对于 Y=filter2(B,X,'shape') ，filter2 返回的 Y 是通过二维互相关计算出来的，其大小由参数 shape 确定，其取值如下：full 返回二维相关的全部结果，size(Y)>size(X)；same 返回二维互相关结果的中间部分，Y 与 X 大小相同；valid 返回在二维互相关过程中，未使用边缘补 0 部分进行计算的结果部分，有 size(Y)<size(X) 。3.4 fspecial 函数功能：产生预定义滤波器格式：H=fspecial(type)H=fspecial('gaussian',n,sigma) 高斯低通滤波器H=fspecial('sobel') Sobel 水平边缘增强滤波器H=fspecial('prewitt') Prewitt 水平边缘增强滤波器H=fspecial('laplacian',alpha) 近似二维拉普拉斯运算滤波器H=fspecial('log',n,sigma) 高斯拉普拉斯（LoG）运算滤波器H=fspecial('average',n) 均值滤波器H=fspecial('unsharp',alpha) 模糊对比增强滤波器说明：对于形式 H=fspecial(type) ，fspecial 函数产生一个由 type 指定的二维滤波器 H ，返回的 H 常与其它滤波器搭配使用。4. 彩色增强的 Matlab 实现4.1 imfilter函数功能：真彩色增强格式：B=imfilter(A,h)说明：将原始图像 A 按指定的滤波器 h 进行滤波增强处理，增强后的图像 B 与 A 的尺寸和类型相同。图像的变换1. 离散傅立叶变换的 Matlab 实现Matlab 函数 fft、fft2 和 fftn 分别可以实现一维、二维和 N 维 DFT 算法；而函数 ifft、ifft2 和 ifftn 则用来计算反 DFT 。这些函数的调用格式如下：Afft(X,N,DIM)其中，X 表示输入图像；N 表示采样间隔点，如果 X 小于该数值，那么 Matlab 将会对 X 进行零填充，否则将进行截取，使之长度为 N ；DIM 表示要进行离散傅立叶变换。Afft2(X,MROWS,NCOLS) 其中，MROWS 和 NCOLS 指定对 X 进行零填充后的 X 大小。Afftn(X,SIZE)其中，SIZE 是一个向量，它们每一个元素都将指定 X 相应维进行零填充后的长度。函数 ifft、ifft2 和 ifftn的调用格式于对应的离散傅立叶变换函数一致。例子：图像的二维傅立叶频谱% 读入原始图像Iimread('lena.bmp');imshow(I)% 求离散傅立叶频谱J=fftshift(fft2(I);figure;imshow(log(abs(J),8,10)2. 离散余弦变换的 Matlab 实现2.1. dct2 函数功能：二维 DCT 变换格式：B=dct2(A) B=dct2(A,m,n) B=dct2(A,m,n) 说明：Bdct2(A) 计算 A 的 DCT 变换 B ，A 与 B 的大小相同；Bdct2(A,m,n) 和 B=dct2(A,m,n) 通过对 A 补 0 或剪裁，使 B 的大小为 m×n。2.2. dict2 函数功能：DCT 反变换格式：B=idct2(A) B=idct2(A,m,n) B=idct2(A,m,n) 说明：Bidct2(A) 计算 A 的 DCT 反变换 B ，A 与 B 的大小相同；Bidct2(A,m,n) 和 B=idct2(A,m,n) 通过对 A 补 0 或剪裁，使 B 的大小为 m×n。2.3. dctmtx函数功能：计算 DCT 变换矩阵格式：Ddctmtx(n)说明：Ddctmtx(n) 返回一个 n×n 的 DCT 变换矩阵，输出矩阵 D 为 double 类型。3. 图像小波变换的 Matlab 实现3.1 一维小波变换的 Matlab 实现(1) dwt 函数功能：一维离散小波变换格式：cA,cD=dwt(X,'wname')cA,cD=dwt(X,Lo_D,Hi_D)说明：cA,cD=dwt(X,'wname') 使用指定的小波基函数 'wname' 对信号 X 进行分解，cA、cD 分别为近似分量和细节分量；cA,cD=dwt(X,Lo_D,Hi_D) 使用指定的滤波器组 Lo_D、Hi_D 对信号进行分解。(2) idwt 函数功能：一维离散小波反变换格式：X=idwt(cA,cD,'wname')X=idwt(cA,cD,Lo_R,Hi_R)X=idwt(cA,cD,'wname',L)X=idwt(cA,cD,Lo_R,Hi_R,L)说明：X=idwt(cA,cD,'wname') 由近似分量 cA 和细节分量 cD 经小波反变换重构原始信号 X 。'wname' 为所选的小波函数X=idwt(cA,cD,Lo_R,Hi_R) 用指定的重构滤波器 Lo_R 和 Hi_R 经小波反变换重构原始信号 X 。X=idwt(cA,cD,'wname',L) 和 X=idwt(cA,cD,Lo_R,Hi_R,L) 指定返回信号 X 中心附近的 L 个点。3.2 二维小波变换的 Matlab 实现二维小波变换的函数-函数名 函数功能-dwt2 二维离散小波变换wavedec2 二维信号的多层小波分解idwt2 二维离散小波反变换waverec2 二维信号的多层小波重构wrcoef2 由多层小波分解重构某一层的分解信号upcoef2 由多层小波分解重构近似分量或细节分量detcoef2 提取二维信号小波分解的细节分量appcoef2 提取二维信号小波分解的近似分量upwlev2 二维小波分解的单层重构dwtpet2 二维周期小波变换idwtper2 二维周期小波反变换-(1) wcodemat 函数功能：对数据矩阵进行伪彩色编码格式：Y=wcodemat(X,NB,OPT,ABSOL)Y=wcodemat(X,NB,OPT)Y=wcodemat(X,NB)Y=wcodemat(X)说明：Y=wcodemat(X,NB,OPT,ABSOL) 返回数据矩阵 X 的编码矩阵 Y ；NB 伪编码的最大值，即编码范围为 0NB，缺省值 NB16；OPT 指定了编码的方式（缺省值为 'mat'），即：OPT'row' ，按行编码OPT'col' ，按列编码OPT'mat' ，按整个矩阵编码ABSOL 是函数的控制参数（缺省值为 '1'），即：ABSOL0 时，返回编码矩阵ABSOL1 时，返回数据矩阵的绝对值 ABS(X)(2) dwt2 函数功能：二维离散小波变换格式：cA,cH,cV,cD=dwt2(X,'wname')cA,cH,cV,cD=dwt2(X,Lo_D,Hi_D)说明：cA,cH,cV,cD=dwt2(X,'wname')使用指定的小波基函数 'wname' 对二维信号 X 进行二维离散小波变幻；cA，cH,cV,cD 分别为近似分量、水平细节分量、垂直细节分量和对角细节分量；cA,cH,cV,cD=dwt2(X,Lo_D,Hi_D) 使用指定的分解低通和高通滤波器 Lo_D 和 Hi_D 分解信号 X 。(3) wavedec2 函数功能：二维信号的多层小波分解格式：C,S=wavedec2(X,N,'wname')C,S=wavedec2(X,N,Lo_D,Hi_D)说明：C,S=wavedec2(X,N,'wname') 使用小波基函数 'wname' 对二维信号 X 进行 N 层分解；C,S=wavedec2(X,N,Lo_D,Hi_D) 使用指定的分解低通和高通滤波器 Lo_D 和 Hi_D 分解信号 X 。(4) idwt2 函数功能：二维离散小波反变换格式：X=idwt2(cA,cH,cV,cD,'wname')X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R)X=idwt2(cA,cH,cV,cD,'wname',S)X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R,S)说明：X=idwt2(cA,cH,cV,cD,'wname') 由信号小波分解的近似信号 cA 和细节信号 cH、cH、cV、cD 经小波反变换重构原信号 X ；X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R) 使用指定的重构低通和高通滤波器 Lo_R 和 Hi_R 重构原信号 X ；X=idwt2(cA,cH,cV,cD,'wname',S) 和 X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R,S) 返回中心附近的 S 个数据点。(5) waverec2 函数说明：二维信号的多层小波重构格式：X=waverec2(C,S,'wname')X=waverec2(C,S,Lo_R,Hi_R)说明：X=waverec2(C,S,'wname') 由多层二维小波分解的结果 C、S 重构原始信号 X ，'wname' 为使用的小波基函数；X=waverec2(C,S,Lo_R,Hi_R) 使用重构低通和高通滤波器 Lo_R 和 Hi_R 重构原信号。图像处理工具箱1. 图像和图像数据缺省情况下，MATLAB将图像中的数据存储为双精度类型(double)，64位浮点数，所需存储量很大；MATLAB还支持另一种类型无符号整型(uint8)，即图像矩阵中每个数据占用1个字节。在使用MATLAB工具箱时，一定要注意函数所要求的参数类型。另外，uint8与double两种类型数据的值域不同，编程需注意值域转换。从uint8到double的转换-图像类型 MATLAB语句-索引色 B=double(A)+1索引色或真彩色 B=double(A)/255二值图像 B=double(A)-从double到uint8的转换-图像类型 MATLAB语句-索引色 B=uint8(round(A-1)索引色或真彩色 B=uint8(round(A*255)二值图像 B=logical(uint8(round(A)-2. 图像处理工具箱所支持的图像类型2.1 真彩色图像R、G、B三个分量表示一个像素的颜色。如果要读取图像中(100,50)处的像素值，可查看三元数据(100,50,1:3)。真彩色图像可用双精度存储，亮度值范围是0,1；比较符合习惯的存储方法是用无符号整型存储，亮度值范围0,2552.2 索引色图像包含两个结构，一个是调色板，另一个是图像数据矩阵。调色板是一个有3列和若干行的色彩映象矩阵，矩阵每行代表一种颜色，3列分别代表红、绿、蓝色强度的双精度数。注意：MATLAB中调色板色彩强度0,1，0代表最暗，1代表最亮。常用颜色的RGB值-颜色 R G B 颜色 R G B -黑 0 0 1 洋红 1 0 1白 1 1 1 青蓝 0 1 1红 1 0 0 天蓝 0.67 0 1绿 0 1 0 橘黄 1 0.5 0蓝 0 0 1 深红 0.5 0 0黄 1 1 0 灰 0.5 0.5 0.5 -产生标准调色板的函数-函数名 调色板-Hsv 色彩饱和度，以红色开始，并以红色结束Hot 黑色红色黄色白色Cool 青蓝和洋红的色度Pink 粉红的色度Gray 线型灰度Bone 带蓝色的灰度Jet Hsv的一种变形，以蓝色开始，以蓝色结束Copper 线型铜色度Prim 三棱镜，交替为红、橘黄、黄、绿和天蓝Flag 交替为红、白、蓝和黑-缺省情况下，调用上述函数灰产生一个64×3的调色板，用户也可指定调色板大小。索引色图像数据也有double和uint8两种类型。当图像数据为double类型时，值1代表调色板中的第1行，值2代表第2行如果图像数据为uint8类型，0代表调色板的第一行，值1代表第2行2.3 灰度图像存储灰度图像只需要一个数据矩阵。数据类型可以是double，0，1；也可以是uint8，0,2552.4 二值图像二值图像只需一个数据矩阵，每个像素只有两个灰度值，可以采用uint8或double类型存储。MATLAB工具箱中以二值图像作为返回结果的函数都使用uint8类型。2.5 图像序列MATLAB工具箱支持将多帧图像连接成图像序列。图像序列是一个4维数组，图像帧的序号在图像的长、宽、颜色深度之后构成第4维。分散的图像也可以合并成图像序列，前提是各图像尺寸必须相同，若是索引色图像，调色板也必须相同。可参考cat()函数 Acat(4,A1,A2,A3,A4,A5)3. MATLAB图像类型转换图像类型转换函数-函数名 函数功能-dither 图像抖动，将灰度图变成二值图，或将真彩色图像抖动成索引色图像gray2ind 将灰度图像转换成索引图像grayslice 通过设定阈值将灰度图像转换成索引色图像im2bw 通过设定亮度阈值将真彩色、索引色、灰度图转换成二值图ind2gray 将索引色图像转换成灰度图像ind2rgb 将索引色图像转换成真彩色图像mat2gray 将一个数据矩阵转换成一副灰度图rgb2gray 将一副真彩色图像转换成灰度图像rgb2ind 将真彩色图像转换成索引色图像-4. 图像文件的读写和查询4.1 图形图像文件的读取利用函数imread()可完成图形图像文件的读取，语法：A=imread(filename,fmt)X,map=imread(filename,fmt).=imread(filename).=imread(filename,idx) （只对TIF格式的文件）.=imread(filename,ref) （只对HDF格式的文件）通常，读取的大多数图像均为8bit，当这些图像加载到内存中时，Matlab就将其存放在类uint8中。此为Matlab还支持16bit的PNG和TIF图像，当读取这类文件时，Matlab就将其存贮在uint16中。注意：对于索引图像，即使图像阵列的本身为类uint8或类uint16，imread函数仍将颜色映象表读取并存贮到一个双精度的浮点类型的阵列中。4.2 图形图像文件的写入使用imwrite函数，语法如下：imwrite(A,filename,fmt)imwrite(X,map,filename,fmt)imwrite(.,filename)imwrite(.,parameter,value)当利用imwrite函数保存图像时，Matlab缺省的方式是将其简化道uint8的数据格式。4.3 图形图像文件信息的查询 imfinfo()函数5. 图像文件的显示5.1 索引图像及其显示方法一：image(X)colormap(map)方法二： imshow(X,map)5.2 灰度图像及其显示Matlab 7.0 中，要显示一副灰度图像，可以调用函数 imshow 或 imagesc （即 imagescale，图像缩放函数）(1) imshow 函数显示灰度图像使用 imshow(I) 或 使用明确指定的灰度级书目：imshow(I,32)由于Matlab自动对灰度图像进行标度以适合调色板的范围，因而可以使用自定义大小的调色板。其调用格式如下：imshow(I,low,high)其中，low 和 high 分别为数据数组的最小值和最大值。(2) imagesc 函数显示灰度图像下面的代码是具有两个输入参数的 imagesc 函数显示一副灰度图像imagesc(1,0,1);colormap(gray);imagesc 函数中的第二个参数确定灰度范围。灰度范围中的第一个值（通常是0），对应于颜色映象表中的第一个值（颜色），第二个值（通常是1）则对应与颜色映象表中的最后一个值（颜色）。灰度范围中间的值则线型对应与颜色映象表中剩余的值（颜色）。在调用 imagesc 函数时，若只使用一个参数，可以用任意灰度范围显示图像。在该调用方式下，数据矩阵中的最小值对应于颜色映象表中的第一个颜色值，数据矩阵中的最大值对应于颜色映象表中的最后一个颜色值。5.3 RGB 图像及其显示(1) image(RGB) 不管RGB图像的类型是double浮点型，还是 uint8 或 uint16 无符号整数型，Matlab都能通过 image 函数将其正确显示出来。RGB8 = uint8(round(RGB64×255); 将 double 浮点型转换为 uint8 无符号整型RGB64 = double(RGB8)/255; 将 uint8 无符号整型转换为 double 浮点型RGB16 = uint16(round(RGB64×65535); 将 double 浮点型转换为 uint16 无符号整型 RGB64 = double(RGB16)/65535; 将 uint16 无符号整型转换为 double 浮点型(2) imshow(RGB) 参数是一个 m×n×3 的数组5.4 二进制图像及其显示(1) imshow(BW)在 Matlab 7.0 中，二进制图像是一个逻辑类，仅包括 0 和 1 两个数值。像素 0 显示为黑色，像素 1 显示为白色。显示时，也可通过NOT()命令，对二进制图象进行取反，使数值 0 显示为白色；1 显示为黑色。 例如： imshow(BW)(2) 此外，还可以使用一个调色板显示一副二进制图像。如果图形是 uint8 数据类型，则数值 0 显示为调色板的第一个颜色，数值 1 显示为第二个颜色。例如： imshow(BW,1 0 0;0 0 1) 5.5 直接从磁盘显示图像可使用一下命令直接进行图像文件的显示： imshow filename其中，filename 为要显示的图像文件的文件名。如果图像是多帧的，那么 imshow 将仅显示第一帧。但需注意，在使用这种方式时，图像数据没有保存在Matlab 7.0 工作平台。如果希望将图像装入工作台中，需使用 getimage 函数，从当前的句柄图形图像对象中获取图像数据，命令形式为： rgb getimage;图像处理函数详解strel功能：用于膨胀腐蚀及开闭运算等操作的结构元素对象(本论坛随即对膨胀腐蚀等操作进行讲解)。用法：SE = strel(shape,parameters)创建由指定形状shape对应的结构元素。其中shape的种类有arbitrary''pair''diamond''periodicline''disk''rectangle''line''square''octagon参数parameters一般控制SE的大小。例子：se1 = strel('square',6)% 创建6*6的正方形se2 = strel('line',10,45)% 创建直线长度10，角度45se3 = strel('disk',15)% 创建圆盘半径15se4 = strel('ball',15,5)% 创建椭圆体，半径15，高度5图像处理函数详解roipoly功能：用于选择图像中的多边形区域。用法：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(.)BW = roipoly(I,c,r)表示用向量c、r指定多边形各点的X、Y坐标。BW选中的区域为1，其他部分的值为0.BW = roipoly(I)表示建立交互式的处理界面。BW = roipoly(x,y,I,xi,yi)表示向量x和y建立非默认的坐标系，然后在指定的坐标系下选择由向量xi，yi指定的多边形区域。例子：I = imread('eight.tif');c = 222 272 300 270 221 194;r = 21 21 75 121 121 75;BW = roipoly(I,c,r);imshow(I)figure, imshow(BW)图像处理函数详解roifilt2功能：用于对一个区域进行滤波。用法：J = roifilt2(h,I,BW)J = roifilt2(I,BW,fun)J = roifilt2(I,BW,fun,P1,P2,.)J = roifilt2(h,I,BW)表示使用滤波器h对图像I中用二值掩模BW选中的区域滤波。BW为和I大小相同的二值图像。J = roifilt2(I,BW,fun，P1,P2,.)表示用fun函数处理区域滤波图像I。参数P1、P2等为fun函数的输入参数。例子：I = imread('eight.tif');c = 222 272 300 270 221 194;r = 21 21 75 121 121 75;BW = roipoly(I,c,r);h = fspecial('unsharp');%指定滤波器J = roifilt2(h,I,BW);imshow(J), figure, imshow(J)图像处理函数详解roifill（ROIregion-of-interest）功能：对指定区域进行填充。用法：J = roifill(I,c,r)J = roifill(I)J,BW = roifill(.)J = roifill(x,y,I,xi,yi)x,y,J,BW,xi,yi = roifill(.)J = roifill(I,c,r) 填充由向量c,r指定的多边形，c和r分别为多边形的各顶点X、Y坐标。可用于擦除图像中的小物体。J = roifill(I)用于交互式处理界面。J = roifill(I,BW)用BW（和I大小一致）掩模填充此区域。如果为多个多边形，则分别执行插值填充。例子：I = imread('eight.tif');c = 222 272 300 270 221 194;r = 21 21 75 121 121 75;J = roifill(I,c,r);imshow(I)figure, imshow(J)图像处理函数详解roicolor功能：可以根据颜色选定区域。用法：BW = roicolor(A,low,high)BW = roicolor(A,v)BW = roicolor(A,low,high)色图范围为low high，返回这些像素选择区域。BW为大小和A相同的数组，若A中元素值在low high范围内，则返回值1，否则返回0.BW = roicolor(A,v)返回图像A中像素与向量v相匹配的区域，BW为二值图像，1值为A中与v相匹配的地方。例子：I = imread('rice.png'); BW = roicolor(I,128,255);imshow(I);figure, imshow(BW)matlab图像处理函数详解rgb2gray功能：将真彩色图像转换成灰度图像或者将彩色色图转换成灰度色图。用法：I = rgb2gray(RGB)newmap = rgb2gray(map)I = rgb2gray(RGB) 将真彩色图像RGB转换成灰度图像Inewmap = rgb2gray(map) 将彩色色图map转换成灰度色图newmap例子：X=imread(peppers.png);BW = rgb2gray(X);imview(BW)Matlab图像处理函数：regionprops这里给出在Matlab图像处理工具箱中非常重要的一个图像分析函数：regionprops。顾名思义：它的用途是get the properties of region，即用来度量图像区域属性的函数。语法STATS = regionprops(L,properties)描述测量标注矩阵L中每一个标注区域的一系列属性。L中不同的正整数元素对应不同的区域，例如：L中等于整数1的元素对应区域1；L中等于整数2的元素对应区域2；以此类推。返回值STATS是一个长度为max(L(:)的结构数组，结构数组的相应域定义了每一个区域相应属性下的度量。properties 可以是由逗号分割的字符串列表、饱含字符串的单元数组、单个字符串 'all' 或者 'basic'。如果 properties 等于字符串 'all'，则所有下述字串列表中的度量数据都将被计算，如果 properties 没有指定或者等于 'basic'，则属性: 'Area', 'Centroid', 和 'BoundingBox' 将被计算。下面的列表就是所有有效的属性字符串，它们大小写敏感并且可以缩写。 属性字符串列表AreaEquivDiameterMajorAxisLengthBoundingBoxEulerNumberMinorAxisLengthCentroidExtentOrientationConvexAreaExtremaPixelIdxListConvexHullFilledAreaPixelListConvexImageFilledImageSolidityEccentricityImage属性详细定义本部分将结合一个具体的例子说明各种字串相关属性的意义，矩阵取自在蚁蛉模式识别中做过预处理后的斑纹分割图像，如下图： 这是一幅二值图像，在应用regionprops函数之前必须将其标注，可以调用 bwlabel函数和伪彩色处理，标注后的图像如下图：下面基于以上的材料来考察属性的含义。 'Area'是标量，计算出在图像各个区域中像素总个数。注意：这个数值可能与由函数 bwarea 计算的值有轻微的不同。对于这样一个数值，我们可以使用它除以整个图像区域的像素个数而得到斑纹比例，可以作为模式识别的候选特征，并且这个特征是仿射不变的。在本例中最后计算出的面积向量是 3.8952,9.7213,17.663,3.5762,1.3432,1.6958,0.41974,0.41974,21.625,12.324,4.8187,1.5111/10000.'BoundingBox'是1行ndims(L)*2列的向量，即包含相应区域的最小矩形。BoundingBox 形式为 ul_corner width，这里 ul_corner 以 x y z . 的坐标形式给出边界盒子的左上角、boxwidth 以 x_width y_width . 形式指出边界盒子沿着每个维数方向的长度。本例的各部分区域最小矩形如下图！注意：请在这熟悉一下函数rectangle的使用方法。 'Centroid'是1行ndims(L)列的向量，给出每个区域的质心（重心）。 注意：Centroid 的第一个元素是重心水平坐标（x坐标）、第二个元素是重心垂直坐标（y坐标）。Centroid 所有其它元素则按照维顺序排列。下图采用以中心为圆心的小圆来演示质心检测的效果：图中各质心坐标（标准化后的）依次为： (x,y)=0.10478, 0.11883, 0.19586, 0.30701, 0.65712, 0.73165, 0.74548, 0.80624, 0.84546, 0.90554, 0.93477, 0.97611, 0.15576'MajorAxisLength'是标量，与区域具有相