今天的文章是一个使用MATLAB进行数字图像处理的连续教程系列．我大致按照书中使用的顺序来介绍主题利用MATLAB进行数字图像处理．

在MATLAB中处理图像时，了解不同的数值数据类型如何发挥作用是很重要的。

MATLAB中最常见的数值数据类型是双，代表双精度浮点数．它是你在MATLAB中输入数字时默认得到的数字表示。

A = [0.1 0.125 1.3]

A = 0.1000 0.1250 1.3000

类(一)

Ans = double

双精度浮点数用于近似实数集。在一定程度上，人们可以使用MATLAB(以及CPU或GPU上的计算硬件)对这些数字进行算术计算，并得到与实数上的“真正算术”(或“上帝的数学”，正如我听Cleve说的那样)相同的结果。

使用浮点数对数学图像处理算法(如滤波、傅里叶变换、模糊化、颜色计算等)非常有用。

在1997年之前双是MATLAB中唯一的数据类型。图像处理客户对此表示不满，因为这类数字需要内存。双精度浮点数需要64位，而许多处理图像数据的人习惯只使用8位(在二进制图像的情况下甚至只使用1位)来存储每个像素值。

在1997年的MATLAB 5和图像处理工具箱2中，我们引入了对一种新的数据类型的支持，金宝appuint8的缩写无符号8位整数．该数据只需要8位来表示一个数字，但可表示的数字集仅限于0到255之间的整数。

你可以在MATLAB中通过调用uint8函数。

B = uint8(5)

B = 5

类(b)

Ans = uint8

而且，你经常看到uint8电话号码imread从文件中读取图像。这是因为图像文件格式通常使用8位(在压缩之前)来存储每个像素值。

RGB = imread(“peppers.png”）;rgb (1:3, 1:4, 1)

Ans = 62 63 63 65 63 61 59 64 65 63 63 66

类(rgb)

Ans = uint8

几乎在MATLAB 5和图像处理工具箱2之后，我们开始听到客户使用16位存储科学数据，因此8位是不够的，64位是不够的双)似乎仍然是浪费。因此图像处理工具箱2.2在1999年增加了对金宝appuint16数字(无符号16位整数)。

但这还不够。医学影像界似乎是有必要的签署16位数字。还有，许多人说，单精度浮点数呢?

对于2001年的图像处理工具箱3，我们停止逐个添加数据类型支持，而是在当时添加了对MATLAB中所有数据类型的支持。金宝app以下是整个系列的总结:

金宝app支持逻辑数据类型(唯一的值是0和1，每个数字1个字节)是在几年后添加的。

此后又出现了另外两种数据类型，uint64而且int64．在图像处理中支持这些数据类型的工作相对较少，原因有二:金宝app

C = uint64(184467440737095516)

C = 184467440737095516

D = double(c)

D = 1.8447e+17

E = uint64(d)

E = 184467440737095520

E - c

Ans = 4

当我下次进一步讨论这个主题时，我将更多地讨论数据类型转换:MATLAB中的基本数据类型转换，以及处理数据缩放附加细节的图像处理工具箱中的数据类型转换。

有关更多信息，请参见第2.5节利用MATLAB进行数字图像处理．

获取MATLAB代码

发布与MATLAB®R2012b

发布与MATLAB®R2012b