0、小叙闲言

续第一章之后，对数字图像和图像处理略有了解。第二章内容有不少，书中编写了很多的函数，还是一样，只要沉下心看看，理清楚结构，看明白功能，个人觉得很容易看明白。同时书中的代码都有很多的注释，更加减少我们看代码的难度。耐心，静心，定会有所收获。

1、本章整体结构

本章内容很多，也有很多的数学知识，个人在学习的时候，碰到了好多困难，毕竟不是科班出生，而且也没有学习过数字信号处理，还好，线性代数和概率论学得还可以，但依旧有不少不理解的地方。下面也只能整理一下书中的知识要点，以后有新的领悟再来更新，看下面一章，关于离散傅里叶变换，好像更难。

2、书中例子

例2.1 主要是使用函数imadjust，来熟悉一下灰度处理，体验一把

>> imread('myimage.jpg');

>> f=imread('myimage.jpg');

>> g1 = imadjust(f, [ ], [ ]);

>> imshow(g1);

>> imshow(f);

>> g2 = imadjust(f, [0.5 0.75], [ ]);

>> figure;imshow(g2);

>> g3 = imadjust(f, [], [],);

>> figure;imshow(g3);

处理前后效果，还可以，f到g1的变换，就是对像素值进行了反转，也就是书中所讲的负片效果，对医学很有用。

g2图是将[0.5 0.75]间的像素线性变换到[0 1]之间，也就是进行了放大。那么这里有点疑问，我们的图像像素幅值区间不可能只是有[0.5 0.75]，这个参数的意义到底是什么呢？我对书中的理解如下，上面图中所用到的是uint8类型图像，因此图像幅值区间是[0 255],有一点编程基础的都应该清楚。所以对应uint8类型，它的实际区间为[0.5 0.75]*255=[127.5  191.25]。如果是对应是uint16类型，那么他的实际区间为[0.5 0.75]*(2^16-1)=[32767 49151]，也就是只取区间[32767 49151]像素幅值。再回到imadjust(f, [0.5 0.75], [0 1])，也就是将区间[127.5  191.25]映射到[0 255]，怎么一个映射法呢？默认的就是线性对应，由两点（两个区间形成两点）确定一条直线。如下图所示：

那么问题又来了，如果是区间[0.5 0.75]映射到[1 0]又是如何理解的呢，其实是一样的道理，做好点对点的对应关系，求出线性函数即可。如下图所示的对应关系，这也就解释了g1图效果的原因，从[0 1]映射到[1 0]，就是斜率为-1，x取值范围为[0 255]，完全就是一个线性明暗反转操作。

Low_High=strechlim(f),就是帮我们找到图像f中的像素幅值的最大值和最小值，如果f是一个单值图像，那么Low_High就是一个行向量（1*2的矩阵），如果f是一个彩色图像，那么Low_High就是一个3*2的矩阵。当我们找到f图像的最小，最大像素幅值后，再将其映射到整个像素区间[0 1],也就是书中所讲，实现对比度拉伸，可以得到不错的效果。如下图，从A图到D图，D图就是使用了strechlim(f),然后使用D=imadjust(f,Low_High,[0 1]);得到的图像，很是清晰。

书中的一个tofloat函数，很短，但写得很棒，我读了一下，并添加了一些自己的注释，代码如下。

 function [out, revertclass] = tofloat(in)

 %out=输入的图像参数(in)转化为float型数据点

 %revertclass=一个函数句柄可以将类型转回去

 identity = @(x) x;        %一个匿名函数的句柄，表示自身

 tosingle = @im2single;    %普通函数句柄 理解为函数指针也行

 tabel = {

         'uint8',     tosingle,   @im2uint8

         'uint16',    tosingle,   @im2uint16

         'int16',     tosingle,   @im2uint16

         'int16',     tosingle,   @logical

         'double',    identity,   identity

         'single',    identity,   identity

 };

 %在单元矩阵的第1列中找到输入参数类型的名字

 classIndex = find(strcmp(class(in), tabel(:, )));

 if isempty(classIndex)

     error('Unspported input image class.');

 end

 %在单元矩阵的第2列中找到索引处转为flaot型的函数句柄，进行转换

 out = tabel{classIndex, }(in);

 %在单元矩阵的第3列中找到索引处反转为原来类型函数句柄，进行转换

 revertclass = tabel{classIndex, };

运用例中的代码做两个图看看，练练手，效果如下：

h=imhist(f,);

horz = linspace(,,);

subplot(,,);bar(horz,h);

subplot(,,);stem(horz, h, 'fill');

3、个人对书中一些知识的理解

书中intrans函数的的结构如下，书中写了比较长的代码，但并不复杂。只是在下面结构基础上添加了一些逻辑判断，增加了代码的长度，算法不复杂。

本质就是对前面灰度变换方法的一个综合，书中函数代码写了很长，其实都很容易，大部分代码都是在做一个判断，减少函数的bug。

书中重新编写的g = gscale(f, method, low, high)函数，也就是实现前文所讲的，灰度全尺度拉伸变换，个人觉得其实配合，stretchlim函数和imadjust可以轻松完成此功能。

心得总结

学习本章，深深感受好数学功底太重要了，很多理论如果对数学没有一定的了解，很难理解原理。只能掌握一些关于图像处理的方法。这跟当年学习单片机是一样的，很多的电路原理都不太清楚，但是照着别人的方法和步骤来编程，一样可以取得想要的效果。当使用单片机多了，接触得更多了，慢慢以也就理解了。目前学习数字图像处理的我，正像是当年第一次接触单片机一样。很多图像处理的算法，虽然书上说了，但我还是不理解，只能照着书上的来，然后也得到了书上的效果。

在知乎上搜索如何学习数字图像处理这一话题时，有很多人跟我一样，也是不能理解其中的算法原理，有一些知乎的大神也给出了建议，第一次学习，书中诸多难以理解的算法，暂且可不用刨根问底。先掌握数字图像处理这一技能，而后理解数字图像处理这一心法，最后化为自己的内功。自身不是天才，无法一次就能掌握。