今天的文章的一部分持续使用MATLAB在数字图像处理教程系列。我大致涵盖主题在书中使用的命令使用MATLAB数字图像处理。

在MATLAB在处理图像时,重要的是要了解不同的数值数据类型可以发挥作用。

在MATLAB中最常见的数值数据类型双,这代表双精度浮点。的表示默认,当您输入号码到MATLAB。

(0.1 - 0.125 = 1.3)

0.1250 - 1.3000 = 0.1000

类(一)

ans =双

双精度浮点数的目的是近似的实数。一个合理的程度,一个人可以做算术计算这些数字使用MATLAB(和CPU或GPU的计算硬件)和得到相同的结果作为“真正的算术”(或“上帝的数学,”我听到克里夫说)的实数。

使用浮点数是非常有用的对于数学图像处理算法(如滤波、傅里叶变换,由模糊变清晰,颜色计算,和许多其他的)。

1997年之前,双在MATLAB是唯一一种数据类型。图像处理客户抱怨因为内存所需的这些数字。一个双精度浮点数需要64位,而许多人处理图像数据被用来只使用8位(甚至只是1位的二进制图像)来存储每个像素值。

用MATLAB 5和图像处理工具箱2 1997年,我们介绍了支持一个新的数据类型,金宝appuint8,这是一个缩写unsigned 8位整数。这些数据只需要8位代表一个数字,但能上演的的一组数字仅限于从0到255的整数。

你可以做一个MATLAB通过调用uint8函数。

b = uint8 (5)

b = 5

类(b)

ans = uint8

同时,你经常看到uint8当你调用的数量imread从文件读取图像。这是因为经常使用8位图像文件格式(压缩)来存储每个像素值。

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

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

类(rgb)

ans = uint8

几乎立即MATLAB 5和图像处理工具箱2之后,我们便开始听到来自顾客的科学数据存储使用16位值,所以8位是不够的(和64位双)仍然显得浪费。所以图像处理工具箱2.2在1999年添加支持金宝appuint16数字(无符号16位整数)。

但仍然是不够的。医学影像社区,可能是必要的签署16位数字。说很多,单精度浮点呢?

图像处理工具箱3 2001年,我们不再添加数据类型支持零散的,而是增加了对MATLAB中的所有数据类型的支持。金宝app这里是整个组的总结:

金宝app支持逻辑数据类型(唯一的值是0和1,1字节/数字)添加几年后。

另外两个数据类型出现了自那时以来,uint64和int64。相对较少的努力已经取得了支持这些图像处理的数据类型,有两个原因:金宝app

c = uint64 (184467440737095516)

c = 184467440737095516

d =双(c)

d = 1.8447 e + 17

e = uint64 (d)

e = 184467440737095520

e - c

ans = 4

当我追求这个话题进一步下一次,我将详细讨论数据类型转换:基本的MATLAB,加上图像处理工具箱处理额外的数据扩展的细节。

有关更多信息,请参见2.5节使用MATLAB数字图像处理。

得到了MATLAB代码

发表与MATLAB®R2012b

发表与MATLAB®R2012b