【MATLAB Image Processing Toolbox 入门教程一】快速入门之“图像导入导出”与“检测图像中的圆”

写在前面：2020.10 转博的第一个月，本科自动化专业，硕士光电科学与工程专业，博士光学工程专业。我目前还认为自己是一个本科生，因为我只拿到了本科的学位证书。硕士期间做的项目和图像处理无关，自学MATLAB Iamge Processing Toolbox是想增加自己学习的范围，不知道哪天用得上。想要更新这个系列一是为了给自己接下来几年的学习做个记录，二是真切希望自己能坚持下来。我深知想要顺利博士毕业或者说符合博士的身份，只学习这些是不够的，希望社区大佬轻喷，另外希望与大家共同进步。

MATLAB Image Processing Toolbox 简介

MATLAB帮助中心文档这样描述：
“Image Processing Toolbox? 为图像处理、分析、可视化和算法开发提供了一套全面的参考标准算法和工作流 App。您可以使用深度学习和传统图像处理技术执行图像分割、图像增强、去噪、几何变换和图像配准。工具箱支持处理二维、三维和任意大的图像。
Image Processing Toolbox App 可让您自动完成常见的图像处理工作流。您可以交互方式分割图像数据、比较图像配准技术，以及对大型数据集进行批量处理。利用可视化函数和 App，您可以探查图像、三维体和视频；调整对比度；创建直方图；以及对关注区域 (ROI) 执行操作。
您可以通过在多核处理器和 GPU 上运行算法来提高算法的执行速度。许多工具箱函数支持桌面原型和嵌入式视觉系统部署的 C/C++ 代码生成。”

总结就是：MATLAB图像处理工具箱可以对您的任意尺寸图像实现任意的操作（废话）。

MATLAB Image Processing Toolbox 的知识架构

Image processing toolbox包括以下几个内容：

1 Image processing toolbox快速入门：基础知识的学习；
2 导入、导出和转换：图像数据的导入和导出，图像类型的转换换；
3 显示和探查：用于图像的显示和探查的交互性工具；
4 几何变换和图像配准：使用强度相关性、特征匹配或控制点映射来缩放、旋转、执行其他 N 维变换和对齐图像；
5 图像滤波和增强：对比度调整、形态学滤波、去模糊、基于关注区域的处理；
6 图像分割与分析：区域分析、纹理分析、像素和图像统计量；
7 深度学习进行图像处理：使用卷积神经网络执行图像处理任务，例如去除图像噪声和基于低分辨率图像创建高分辨率图像，此时需要用到deep learning toolbox;
8 三维体图像处理：对三维体数据进行滤波、分割和其他图像处理操作；
9 代码生成：为工具箱函数生成 C 代码和 MEX 函数；
10 GPU运算：在图形处理单元（GPU）运行图像处理代码。

作者目前也不知道各个模块具体的作用，可能等我有幸更新完所有模块的时候才有资格说这些。有基础的可以根据上面的大概描述选择自己感兴趣的部分继续学习。

对MATLAB Image Toolbox做完介绍，下面开始进行第一部分Image processing toolbox快速入门的学习。

Image Processing Toolbox快速入门

1 基本图像的导入、处理和导出

1.1 图像的读入和显示

MATLAB中使用imread和imshow来进行读取图片和显示图片的操作，类似于OpenCV。
从工作区读图片：

I=imread('1.jpg')

此时，图片1.jpg就已经读入，I为表示图片的数组。

显示图片：

imshow(I)

之前读入的图片就可以显示出来。

1.2 检查图像在工作区的显示方式

可以使用whos指令，检查imread读入的图像在工作区的存储方式，说白了就是查看数组I的大小尺寸数据类型等，这些在工作区中也可以查看。
在MATLAB命令行窗口继续输入

whos I

可以得到：

1.3 提高图像对比度

使用imhist函数查看图像的像素强度分布，但注意，imhist只能查看灰度图像的直方图，所以称为灰度直方图。使用rgb2gray将RGB图像转成灰度图像，继续输入：

J=rgb2gray(I);
imhist(J);

即得到赵云-龙胆的灰度图J及其灰度直方图。


灰度直方图反映了图像的对比度强弱，直方图分布范围越宽，表明对比度越强，反之则越弱。

histeq函数用于直方图均衡化，可增强图像的对比度。
继续输入：

K=histeq(J);
figure;imshow(K);
figure;imhist(K);

可以得到直方图均衡化后的灰度图像及其直方图。


可以看出，处理后的灰度图像黑白对比更加明显，灰度直方图的分布范围更加广泛。

1.4 将图片写入磁盘

使用imwrite将图片K写入磁盘：

imwrite(K,'ok.jpg');

即可将图片写入MATLAB当前工作文件夹。
如果想要将图片写入任意指定的文件夹，就在两个单引号中间输入完整的路径。

我们可以使用imfinfo函数查看文件夹中图片的信息，例如图片的尺寸大小、格式、颜色类型等。
继续输入

imfinfo('ok.jpg');

得到

能看出，返回的图片信息类型是数组类型。

2 检测和测量图像中的圆形对象

本小节中说明MATLAB检测图像中圆形对象的imfindcircles函数的使用方法，并通过viscircles函数将检测到的圆标注出来。

2.1 加载图像和确定搜索圆的范围

为了方便实例，本次采用的图片是MATLAB自带的“彩色薯片”，首先是imread读入图片，并用imshow显示。

 srcImage=imread('coloredChips.png');imshow(srcImage);

这张图作为圆形对象的识别范例真是完美，既有颜色对比强烈的蓝色和红色薯片，也有和背景颜色近似的黄色，更重要的是，图中有一些重叠交错的圆，贴近实际情况中的目标检测，这也是比较具有挑战性的地方。

载入图片之后，接下来确定搜索圆的半径范围，这里采用的是imdistline函数。接着输入：

d=imdistline;

可以看出在之前载入的彩色薯片图像上多了一个类似标尺的玩意，我们可以拖动这个标尺，移动标尺两边的方框，用于测量图像中圆形的直径，此处只需要测量一个大概的半径范围即可。


随意测量了两个，直径在40-50个像素，所以半径范围为20-25，当然保险起见，也可以设置大一点，这个区间[20,25]要记住，下面的圆形识别时需要用到，但要注意，确定了半径范围之后别忘记删除imhistline工具，也就是上面的对象d。

delete(d);

2.2 初步尝试圆识别

在圆识别之前，让我们先熟悉使用的函数：imfindcircles.

[centers,radii]=imfindcircles(A,radiusRange);

A即为输入的rgb图像，radiusRange就是上一步我们确定的搜索圆的大概半径，返回的centers和radii为检测到的圆心位置和对应的圆半径。
我们在MATLAB中输入：

[centers,radii]=imfindcircles(srcImage,[20,25]);

但却发现，返回的圆心和半径居然是空数组。没关系，这是正常现象，只是没检测到圆罢了，至少我们会简单使用imfindcircles这个函数了，但到底怎么才能检测到圆，继续往下看。

2.3 深入imfindcircles函数

让我们深究一下imfindcircles这个函数，通过MATLAB帮助文档，我们发现有这个语法：

[centers,radii,metric]=imfindcircles(A,radiusRange,Name,Value);

参数A和radiusRange已经在上面说过了，后面的Name是传递给imfindcircles函数的参数名称，value是对应的参数值。
具体的Name有：ObjectPolarity/Method/Sensitivity/EdgeThreshold。我们逐个参数分析：
1 ObjectPolarity
此参数用于指定检测的目标与背景之间的亮度关系。具体的值和含义为：
‘bright’(default)：搜索比背景更亮的圆形对象；
‘dark’：搜索比背景更暗的圆形对象。

那么，我们怎么确定目标比背景更亮还是更暗呢？可以用下面的方法：
使用rgb2gray将彩色薯片转成灰度图。

grayImage=rgb2gray(srcImage);imshow(grayImage)

可以看出，灰度图中大部分圆比背景颜色更深，更暗，所以对于这张图的ObjectPolarity参数，设置为’dark’更合适。

2 Method
此参数用于指定累加器数组的算法，有下面两个值：
‘PhaseCode’(default)：Atherton和Kerbyson的相位编码方法；
‘TwoStage’：这个算法使用的是两段圆霍夫变换。

3 Sensitivity
此参数设置圆形霍夫变换累加器数组的检测敏感度，此参数对于两个Method参数均有效果。默认值为0.85，可以设置为0-1内的数字。
较高的敏感度可以检测到弱圆和被遮挡的圆，但也会增加误检测的风险。

4 EdgeThreshold
此参数用于确定图像中边缘像素的梯度阈值，将阈值设置为较低的值时，imfindcircles会检测到更多的圆形对象（具有弱边和强边）。随着阈值值的增加，它会检测到较少具有弱边的圆。一般默认情况下，imfindcircles使用函数graysthresh自动选择边缘渐变阈值。

在返回的参数列表里，我们发现还多了一个参数metric。此参数返回的是检测到的圆的强度，圆强度是圆中心的相对强度。

MATLAB帮助文档里列出使用imfindcircles函数的几个tips：
①当输入的最小半径小于5时，imfindcircles的检测精度会受到影响。
②使用默认的算法（PhaseCode）会比TwoStage在半径近似时速度更快。
③两种检测算法都有其优缺点，检测结果因输入图片而异。
④当圆的圆心在图片外时，imfindcircles函数检测不到此圆。
⑤在检测二值图片时，imfindcircles函数会对其预处理，同样，检测rgb图片时，imfindcircles函数也会将其先转为灰度图像。

2.4 再次尝试圆识别

深入了解imfindcircles函数中各个参数的作用后，接下来进行真正的圆识别，并通过viscircles函数将检测到的圆在原图像中显示出来。

在MATLAB中输入：

 [centers,radii]=imfindcircles(srcImage,[20,25],'ObjectPolarity','dark','Sensitivity',0.9)；imshow(srcImage);h=viscircles(centers,radii);

我们发现，有部分圆已经被检测出来了。继续增大检测灵敏度：

 [centers,radii]=imfindcircles(srcImage,[20,25],'ObjectPolarity','dark','Sensitivity',0.92)；
delete(h);%删除之前画的圆h=viscircles(centers,radii);

可以看出，这次检测到了更多的圆。让我们尝试使用另外一种检测方法，其他参数不变：

 [centers,radii]=imfindcircles(srcImage,[20,25],'ObjectPolarity','dark','Sensitivity',0.92,'Method','twostage')；
delete(h);h=viscircles(centers,radii);

这次，除了比背景亮的黄色圆没有被检测出来之外，其他的圆都被检测出来了。
可以看出，使用TwoStage算法在灵敏度0.92时能检测更多的圆。一般来说，两种算法是互补的，有不同的优点。默认的PhaseCode方法速度更快，抗噪声，稳定性强，但想要达到与TwoStage算法相同的检测效果，则需要更高的灵敏度，我们采用默认算法，在0.95灵敏度下检测试试看：

 [centers,radii]=imfindcircles(srcImage,[20,25],'ObjectPolarity','dark','Sensitivity',0.95)；
delete(h);h=viscircles(centers,radii);

效果和TwoStage算法在灵敏度0.92下的检测结果一样。

2.5 完善圆识别

经过上面几个步骤的检测，除了比背景更亮的黄色薯片，其他都被检测出来了，下面我们来检测黄色圆，将ObjectPolarity参数设置为bright：

 [centers,radii]=imfindcircles(srcImage,[20,25],'ObjectPolarity','bright','Sensitivity',0.95);
delete(h);h=viscircles(centers,radii);

有三个黄色圆被检测出来，还有一个边界较为模糊的圆没有被检测。我们将灵敏度调到0.95时，这个圆可以被检测，但除此之外还有橙色和蓝色的圆被检测出来，有兴趣的同学可以试一下。
那么如何做到在不重复检测的情况下检测到这个黄色的圆呢？一个我们忽视的参数EdgeThreshold派上了用场。边界模糊的黄色圆具有更低的边缘梯度，默认的边缘梯度值不能将这个圆的边缘识别出来，所以我们要降低边缘梯度的值：

 [centers,radii]=imfindcircles(srcImage,[20,25],'ObjectPolarity','bright','Sensitivity',0.92,'EdgeThreshold',0.1);
delete(h);h=viscircles(centers,radii);

可以看出，所有的黄色圆都被检测处出来了（虽然还有个绿色。。。）。

2.6 绘制检测出来的所有圆

本节将MATLAB识别圆的完整代码列出，仅供参考

srcImage=imread('coloredChips.png');
imshow(srcImage);
d=imdistline;
delete(d);
[centersDark,radiiDark]=imfindcircles(srcImage,[20,25],'ObjectPolarity','dark','Method','TwoStage','Sensitivity',0.92);
hDark=viscircles(centersDark,radiiDark,'EdgeColor','G'); %设定画出的圆的边界为绿色，其中EdgeColor不同版本不同，博主用的2014，新版本的MATLAB用Color即可。
[centersBright,radiiBright]=imfindcircles(srcImage,[20,25],'ObjectPolarity','bright','Sensitivity',0.92,'EdgeThreshold',0.1);
hBright=viscircles(centersBright,radiiBright,'EdgeColor','B');

大功告成，所有的圆都被检测出来了。
大家可以尝试改一下imfindcircles函数中各种参数的值，看看有没有惊人的结果。

第一次写文章，难免由排版不好看、错误的地方，尽请指正。