由于数字图像可以被看作为一个矩阵，因此可以用MATLAB来进行图像处理。本章简单介绍了几个常用到的图像处理函数。
1.读取影像 imread()
clear all;
clc;
img1=imread('xyy.png');以读取一张名为“xxy.png”的喜羊羊图片为例，可以看到MATLAB在将图像读取后以矩阵的形式进行了存储。
2.显示图像 imshow()
clear all;
clc;
img1=imread('xyy.png');
imshow(img1);结果为图像在一个figure中显示。
3.影像灰度直方图 imhist()
clear all;
clc;
img1=imread('jinx.jpg');
subplot(1,2,1);imshow(img1);
subplot(1,2,2);imhist(img1);使用“jinx.jpg”做演示，代码中的subplot()为在figure中各个分块位置创建坐标区。如（1,2,1）就是1*2这两个分块中的第一个。
结果如下：
4.直方图均衡化 histeq()
直方图均衡化（histogram equalization）是使变换后图像灰度值的概率密度为均匀分布的映射变换方法、通过直方图均衡化处理，图像对比图得到了提高。
计算公式为：频率映射=映射后的灰度级*原图像的累积频数/原图像的像素数=映射后的灰度级*原图像的频率
clear all;
clc;
img1=imread('jinx.jpg');
subplot(2,2,1);imshow(img1);
subplot(2,2,2);imhist(img1);
img2=histeq(img1);
subplot(2,2,3);imshow(img2);
subplot(2,2,4);imhist(img2);结果如下：
5.空间滤波 imfilter()
使用卷积运算对图像进行滤波。
例子中使用拉普拉斯算子对喜羊羊图片进行滤波操作，代码如下（前面的直方图均衡忘删了，请不要介意）：
clear all;
clc;
img1=imread('xyy.png');
subplot(2,2,1);imshow(img1);
subplot(2,2,2);imhist(img1);
img2=histeq(img1);
lapl=[0 1 0;1 -4 1;0 1 0];
img2=imfilter(img1,lapl);
subplot(2,2,3);imshow(img2);
subplot(2,2,4);imhist(img2);结果如图：
6.二值化分割阈值（threshold）函数 graythresh()
此函数使用最大类间方差法求得阈值，代码如下：
clear all;
clc;
img1=imread('xyy.png');
subplot(1,2,1);imshow(img1);
level=graythresh(img1);
subplot(1,2,2);imhist(img1);此时的阈值为：0.6118，该数值为归一化后的值，范围是0~1。
7.影像转二值图 im2bw()
一般使用上述的阈值即可实现该操作，代码如下：
clear all;
clc;
img1=imread('xyy.png');
subplot(1,2,1);imshow(img1);
level=graythresh(img1);
img2=im2bw(img1,level);
subplot(1,2,2);imshow(img2);效果如下图：
8.开运算 imopen()
使用同一个结构元素对图像先腐蚀后膨胀的运算称为开运算（open），又称开启。它具有消除图像中小于结构元素的细小目标、在纤细点处分离目标、平滑较大目标的边界而且不明显改变其面积的作用。
代码如下：
clear all;
clc;
img1=imread('jinx.jpg');
subplot(1,2,1);imshow(img1);
img2=imopen(img1,strel('disk',5));
img3=imsubtract(img1,img2);
subplot(1,2,2);imshow(img3);我们可以用它来提取背景，再使用imsubtract()函数减去此背景图像。（例子中的图片不太明显...）
更多内容大家可以前往MATLAB官方帮助文档查看。
参考文献：
韦玉春，汤国安，汪闽，杨昕等《遥感数字图像处理教程》（第三版）