⑴ 我想知道怎麼使用matlab圖像處理工具箱啊
matlab有專門製作界面的工具，在界面的工具配上函數，還可以用.m文件，或者函數做，就是只有文件的。
⑵ matlab中與圖像處理有關的函數有哪些
這個函數比較多，你想要的話不妨留個郵箱我發給你
⑶ 使用MATLAB圖像處理工具函數對數字圖像進行分離時應注意什麼
給你個博客看有沒有用http://blog.sina.com.cn/s/blog_4ec6e1720100fy9w.html
⑷ matlab中是否有圖像處理工具箱如何用matlab將多個圖像疊加起來
可以用 hold on 命令
⑸ 我的MATLAB裝上後，圖像處理工具箱不能用
MATLAB
開放分類： 自然科學、數學、數學軟體、模擬
MATLAB是矩陣實驗室（Matrix Laboratory）之意。除具備卓越的數值計算能力外，它還提供了專業水平的符號計算，文字處理，可視化建模模擬和實時控制等功能。
MATLAB的基本數據單位是矩陣，它的指令表達式與數學,工程中常用的形式十分相似,故用MATLAB來解算問題要比用C,FORTRAN等語言完相同的事情簡捷得多.在新的版本中也加入了對C,FORTRAN,c++ ,JAVA的支持.可以直接調用,用戶也可以將自己編寫的實用程序導入到MATLAB函數庫中方便自己以後調用，此外許多的MATLAB愛好者都編寫了一些經典的程序，用戶可以直接進行下載就可以用，非常的方便。
MATLAB的基礎是矩陣計算,但是由於他的開放性,並且mathwork也吸收了像maple等軟體的優點,使MATLAB成為一個強大的數學軟體
當前流行的MATLAB 6.5/7.0包括擁有數百個內部函數的主包和三十幾種工具包(Toolbox).工具包又可以分為功能性工具包和學科工具包.功能工具包用來擴充MATLAB的符號計算,可視化建模模擬,文字處理及實時控制等功能.學科工具包是專業性比較強的工具包,控制工具包,信號處理工具包,通信工具包等都屬於此類.
開放性使MATLAB廣受用戶歡迎.除內部函數外,所有MATLAB主包文件和各種工具包都是可讀可修改的文件,用戶通過對源程序的修改或加入自己編寫程序構造新的專用工具包.
Matlab的官方網站：http://www.mathworks.com
Matlab的優勢和特點
（1）友好的工作平台和編程環境
MATLAB由一系列工具組成。這些工具方便用戶使用MATLAB的函數和文件，其中許工具採用的是圖形用戶界面。包括MATLAB桌面和命令窗口、歷史命令窗口、編輯器和調試器、路徑搜索和用於用戶瀏覽幫助、工作空間、文件的瀏覽器。隨著MATLAB的商業化以及軟體本身的不斷升級，MATLAB的用戶界面也越來越精緻，更加接近Windows的標准界面，人機交互性更強，操作更簡單。而且新版本的MATLAB提供了完整的聯機查詢、幫助系統，極大的方便了用戶的使用。簡單的編程環境提供了比較完備的調試系統，程序不必經過編譯就可以直接運行，而且能夠及時地報告出現的錯誤及進行出錯原因分析。
（2）簡單易用的程序語言
Matlab一個高級的距陣/陣列語言，它包含控制語句、函數、數據結構、輸入和輸出和面向對象編程特點。用戶可以在命令窗口中將輸入語句與執行命令同步，也可以先編寫好一個較大的復雜的應用程序(M文件)後再一起運行。新版本的MATLAB語言是基於最為流行的C＋＋語言基礎上的，因此語法特徵與C＋＋語言極為相似，而且更加簡單，更加符合科技人員對數學表達式的書寫格式。使之更利於非計算機專業的科技人員使用。而且這種語言可移植性好、可拓展性極強，這也是MATLAB能夠深入到科學研究及工程計算各個領域的重要原因。
（3）強大的科學計算機數據處理能力
MATLAB是一個包含大量計算演算法的集合。其擁有600多個工程中要用到的數學運算函數，可以方便的實現用戶所需的各種計算功能。函數中所使用的演算法都是科研和工程計算中的最新研究成果，而前經過了各種優化和容錯處理。在通常情況下，可以用它來代替底層編程語言，如C和C++ 。在計算要求相同的情況下，使用MATLAB的編程工作量會大大減少。MATLAB的這些函數集包括從最簡單最基本的函數到諸如距陣，特徵向量、快速傅立葉變換的復雜函數。函數所能解決的問題其大致包括矩陣運算和線性方程組的求解、微分方程及偏微分方程的組的求解、符號運算、傅立葉變換和數據的統計分析、工程中的優化問題、稀疏矩陣運算、復數的各種運算、三角函數和其他初等數學運算、多維數組操作以及建模動態模擬等。
⑹ 如何利用matlab及其圖像處理工具箱進行數字圖像處理 畢業論文
利用matlab及其圖像處理工具箱進行數字圖像處理 畢業論文，我還可以給!
⑺ matlab中圖像處理函數下面三個函數神馬意思啊
函數裡面缺控制語句，應該是判斷兩點之間的距離的。
⑻ MatLab圖像處理工具箱
7.0的圖像處理工具箱是有這兩個函數的，如果沒有估計是你安裝不全所致。
⑼ matlab圖像處理函數
function W = Classify(ImageFile)
% Step 1: Read image Read in
RGB = imread('C:\\test.bmp');%前提圖像在該目錄下
figure,
imshow(RGB),
title('Original Image');%原始圖像
% Step 2: Convert image from rgb to gray
GRAY = rgb2gray(RGB);
figure,
imshow(GRAY),
title('Gray Image');%灰度圖像
% Step 3: Threshold the image Convert the image to black and white in order
% to prepare for boundary tracing using bwboundaries.
threshold = graythresh(GRAY);
BW = im2bw(GRAY, threshold);
figure,
imshow(BW),
title('Binary Image');%二值圖像
% Step 4: Invert the Binary Image
BW = ~ BW;
figure,
imshow(BW),
title('Inverted Binary Image');%倒二值圖像
% Step 5: Find the boundaries Concentrate only on the exterior boundaries.
% Option 'noholes' will accelerate the processing by preventing
% bwboundaries from searching for inner contours.
[B,L] = bwboundaries(BW, 'noholes');
% Step 6: Determine objects properties
STATS = regionprops(L, 'all'); % we need 'BoundingBox' and 'Extent'
% Step 7: Classify Shapes according to properties
% Square = 3 = (1 + 2) = (X=Y + Extent = 1)
% Rectangular = 2 = (0 + 2) = (only Extent = 1)
% Circle = 1 = (1 + 0) = (X=Y , Extent < 1)
% UNKNOWN = 0
figure,
imshow(RGB),
title('Results');
hold on
for i = 1 : length(STATS)
W(i) = uint8(abs(STATS(i).BoundingBox(3)-STATS(i).BoundingBox(4)) < 0.1);
W(i) = W(i) + 2 * uint8((STATS(i).Extent - 1) == 0 );
centroid = STATS(i).Centroid;
switch W(i)
case 1
plot(centroid(1),centroid(2),'wO');
case 2
plot(centroid(1),centroid(2),'wX');
case 3
plot(centroid(1),centroid(2),'wS');
end
end
return