1.简述

      学习目标：  图像类型的转换

常用图像格式

图像格式：是存储图像采用的文件格式。不同的操作系统、不同的图像处理软件，所支持的图像格式都有可能不同。 在实际应用中经常会遇到的图像格式有：BMP、GIF、TIFF、PCX、JPEG、PSD、PCD、 WMF等。 (1) BMP(Bitmap)文件 (2)GIF文件 (3)TIF文件 (4)JPEG文件

MATLAB图像类型

图像类型：是指数组数值与像素颜色之间定义的关系，它与图像格式概念有所不同。 在MATLAB图像处理工具箱中，有五种类型的图像： 1. 二进制图像 在一幅二进制图像中，每一个像素将取两个离散数值(0或1)中的一个，从本质上说，这两个数值分别代表状态“开”(on)或“关”(off)。 二进制图像仅使用unit8或双精度类型的数组来存储。 在图像处理工具箱中，任何返回一幅二进制图像的数组均使用unit8逻辑数组存储该图像，并且使用一个逻辑标志来指示unit8逻辑数组的数据范围。 若逻辑状态为“开”（on），数组范围为[0,1]；若为“关”（off），则数组范围为[0,255]。

1. 索引图像 索引图像：是一种把像素值直接作为RGB调色板下标的图像。 在MATLAB中，索引图像包含有一个数据矩阵X和一个颜色映射（调色板）矩阵map。数据矩阵：可以是unit8、unit16、双精度类型的； 颜色映射矩阵map：是一个m×3的数据矩阵，其中每个元素的值均为[0,1]之间的双精度浮点型数据，map矩阵的每一行分别表示红色、绿色和蓝色的颜色值。 索引图像可把像素值直接映射为调色板数值，每一个像素的颜色通过使用X的数值作为map的下标来获得，如值1指向矩阵map中的第一行，值2指向第二行，依此类推。 颜色映射通常与索引图像存储在一起，当装载图像时，MATLAB自动将颜色映射表与图像同时装载。 图像矩阵与颜色映射表之间的关系依赖于图像数据矩阵的类型。 如果图像数据矩阵是双精度类型，则数据1指向矩阵map中的第一行，数据值2将指向map中的第二行，依此类推； 如果图像矩阵是unit8或unit16类型时，将产生一个偏移，即数值0表示矩阵map中的第一行，数据值1将指向map中的第二行，依此类推。
2. 灰度图像 灰度图像通常由一个unit8、unit16、双精度类型的数组来描述，其实质是一个数据矩阵I，该矩阵中的数据均代表了在一定范围内的灰度级，每一个元素对应于图像的一个像素点，通常0代表黑色，1、255、65 535（针对不同存储类型）代表白色。
3. 多帧图像 多帧图像是一种包含多幅图像或帧的图像文件，又称为多页图像或图像序列。 在MATLAB中，它是一个四维数组，其中第四维用来指定帧的序号。 在一个多帧图像数组中，每一幅图像必须有相同的大小和颜色分量，每一幅图像还要使用相同的调色板。另外，图像处理工具箱中的许多函数（如：imshow）只能对多幅图像矩阵的前两维或三维进行操作，也可以对四维数组使用这些函数，但是必须单独处理每一帧。如果将一个数组传递给一个函数，并且数组的维数超过该函数设计的超作维数，那么得到的结果是不可预知的。
4. RGB图像 RGB图像又称为真彩色图像，它是利用R、G、B三个分量表示一个像素的颜色，R、G、B分别代表红、绿、篮3种不同的颜色，通过三基色可以合成出任意颜色。所以对一个尺寸为n×m的彩色图像来说，在MATLAB中则存储为一个n×m×3的多维数据数组，其中数组中的元素定义了图像中的每一个像素的红、绿、篮颜色值。图形文件格式把RGB图像存储为24位的图像，红、绿、篮分量分别占用8位。 MATLAB的RGB数组可以是双精度的浮点型、8位或16位无符号的整数类型。在一个双精度类型的RGB数组中，每一个颜色分量都是一个[0,1]范围内的数值。如：颜色分量为(0,0,0)的像素将显示为黑色；颜色分量为(1,1,1)的像素将显示为白色。每一个像素的三个颜色分量都存储在数组的第三维中。如：像素（10，5）的红、绿、篮颜色值分别保存在元素RGB(10,5,1)、RGB(10,5,2)、RGB(10,5,3)中。

2.代码及运行结果

%%  将索引图像转换为RGB图像
clear all;
close all;
[X,map]=imread('trees.tif','tif'); %读取索引图像，X是数据，map是调色板
RGB=ind2rgb(X,map);                %将索引图像转换为RGB图像
figure;
imshow(RGB);                       %显示RGB图像
set(gcf,'position',[500,500,600,600]);    

%%  将RGB图像转换为索引图像
clear all;
close all;
RGB=imread('peppers.png');     %读取RGB图像
[X,map]=rgb2ind(RGB,12);       %将RGB图像转换为索引图像  调色板大小是12行  该值越大越清晰  
figure;
imshow(X,map);
set(gcf,'position',[400,400,600,600]);

 

%%  将RGB图像转换为灰度图像
clear all;
close all;
RGB=imread('peppers.png','png');
I=rgb2gray(RGB);
figure;
imshow(I);
set(gcf,'position',[300,300,500,500]);

 
%%  
clear all;
close all;
[X,map]=imread('trees.tif','tif');
newmap=rgb2gray(map);       %只将调色板转换为灰度
figure;
imshow(X,newmap);         %新的调色板，数据不变
set(gcf,'position',[400,400,600,600]);

%%
clear all;
close all;
X=imread('rice.png');     %读取一个灰度图像
Y=grayslice(X,12);        %将灰度图像转换为索引图像
figure;
imshow(Y,jet(12));         %通过调色板jet给图像上颜色
set(gcf,'position',[400,400,600,600]);

%%  将索引图像转换为灰度图像
clear all;
close all;
[X,map]=imread('trees.tif','tif');
I=ind2gray(X,map);
figure;
imshow(I);
set(gcf,'position',[400,400,600,600]);

%%   将RGB图像转换为二值图像
clear all;
close all;
RGB=imread('peppers.png');
bw=im2bw(RGB,0.4);    %  归一化阈值是0.4    二值图像只有黑色和白色
figure;
imshow(bw);
set(gcf,'position',[400,400,500,600]);

 

%%  
clear all;
close all;
A=rand(400,400);     %建立一个数据矩阵
I=mat2gray(A);       %将数据矩阵转换为灰度图像
figure;
imshow(I);            
set(gcf,'position',[200,200,400,300]);