关于卷积论文范文资料

2017大学数学论文范文

由于特殊函数是数学分析中的一种重要工具，因此特殊函数的学习及应用非常重要。但是特殊函数往往不是用一种方法就能解决的，它是多种方法的灵活运用，也是各种思想方法的集中体现，因此难度较大。下面是我整理的关于几类特殊函数的性质及应用的数学论文范文，欢迎大家阅读。

几类特殊函数的性质及应用

【摘要】本文将对数学分析中特殊函数，诸如伽玛函数、贝塔函数贝塞尔函数等超几何数列函数，具有特殊的性质和特点，在现实中得到大量的运用的函数。本文主要以简单介绍以上三种特殊函数性质，及其在其它领域的应用，诸如利用特殊函数求积分，利用特殊函数解相关物理学问题。本文首先以回顾学习几类常见特殊函数概念、性质，从而加深读者理解，然后以相关实例进行具体分析，从而达到灵活应用的目的。

【关键词】特殊函数;性质;应用;伽马函数;贝塔函数;贝塞尔函数;积分

1.引言

特殊函数是指一些具有特定性质的函数，一般有约定俗成的名称和记号，例如伽玛函数、贝塔函数、贝塞尔函数等。它们在数学分析、泛函分析、物理研究、工程应用中有着举足轻重的地位。许多特殊函数是微分方程的解或基本函数的积分，因此积分表中常常会出现特殊函数，特殊函数的定义中也经常会出现积分。传统上对特殊函数的分析主要基于对其的数值展开基础上。随着电子计算的发展，这个领域内开创了新的研究方法。

由于特殊函数是数学分析中的一种重要工具，因此特殊函数的学习及应用非常重要。本文归纳出特殊函数性质、利用特殊函数在求积分运算中的应用、特殊函数在物理学科方面的应用，利用Matlab软件画出一些特殊函数的图形，主要包含内容有：定义性质学习，作积分运算，物理知识中的应用，并结合具体例题进行了详细的探究和证明。

特殊函数定义及性质证明

特殊函数学习是数学分析的一大难点,又是一大重点,求特殊函数包含很多知识点,有很多技巧,教学中可引导学生以探究学习的方式进行归纳、总结;一方面可提高学生求函数极限的技能、技巧;另一方面也可培养学生的观察、分析、归类的能力,对学生的学习、思考习惯,很有益处。

特殊函数性质学习及其相关计算，由于题型多变，方法多样，技巧性强，加上无固定的规律可循，往往不是用一种方法就能解决的，它是多种方法的灵活运用，也是各种思想方法的集中体现，因此难度较大。解决这个问题的途径主要在于熟练掌握特殊函数的特性和一些基本方法。下面结合具体例题来探究特殊函数相关性质及应用。

2.伽马函数的性质及应用

伽马函数的定义：

伽马函数通常定义是：这个定义只适用于的区域，因为这是积分在t=0处收敛的条件。已知函数的定义域是区间，下面讨论Г函数的两个性质。

Г函数在区间连续。

事实上，已知假积分与无穷积分都收敛，则无穷积分在区间一致收敛。而被积函数在区间D连续。Г函数在区间连续。于是，Г函数在点z连续。因为z是区间任意一点，所以Г函数在区间连续。

，伽马函数的递推公式

此关系可由原定义式换部积分法证明如下：

这说明在z为正整数n时，就是阶乘。

由公式(4)看出是一半纯函数，在有限区域内的奇点都是一阶极点，极点为z=0,-1,-2,...,-n,....

用Г函数求积分

贝塔函数的性质及应用

贝塔函数的定义：

函数称为B函数(贝塔函数)。

已知的定义域是区域，下面讨论的三个性质：

贝塔函数的性质

对称性：=。事实上，设有

递推公式：，有事实上，由分部积分公式，，有

即

由对称性，

特别地，逐次应用递推公式，有

而，即

当时，有

此公式表明，尽管B函数与Г函数的定义在形式上没有关系，但它们之间却有着内在的联系。这个公式可推广为

由上式得以下几个简单公式：

用贝塔函数求积分

例

解：设有

(因是偶函数)

例贝塔函数在重积分中的应用

计算，其中是由及这三条直线所围成的闭区域，

解：作变换且这个变换将区域映照成正方形：。于是

通过在计算过程中使用函数，使得用一般方法求原函数较难的问题得以轻松解决。

贝塞尔函数的性质及应用

贝塞尔函数的定义

贝塞尔函数：二阶系数线性常微分方程称为λ阶的贝塞尔方程，其中y是x的未知函数，λ是任一实数。

贝塞尔函数的'递推公式

在式(5)、(6)中消去则得式3，消去则得式4

特别，当n为整数时，由式(3)和(4)得：

以此类推，可知当n为正整数时，可由和表示。

又因为

以此类推，可知也可用和表示。所以当n为整数时，和都可由和表示。

为半奇数贝塞尔函数是初等函数

证：由Г函数的性质知

由递推公式知

一般，有

其中表示n个算符的连续作用，例如

由以上关系可见，半奇数阶的贝塞尔函数(n为正整数)都是初等函数。

贝塞尔函数在物理学科的应用：

频谱有限函数新的快速收敛的取样定理，.根据具体问题，利用卷积的方法还可以调节收敛速度，达到预期效果，并且计算亦不太复杂。由一个函数的离散取样值重建该函数的取样定理是通信技术中必不可少的工具，令

称为的Fourier变换。它的逆变换是

若存在一个正数b，当是b频谱有限的。对于此类函数，只要取样间隔，则有离散取样值(这里z表示一切整数：0,)可以重建函数，

这就是Shannon取样定理。Shannon取样定理中的母函数是

由于Shannon取样定理收敛速度不够快，若当这时允许的最大取样间隔特征函数Fourier变换：

以下取样方法把贝塞尔函数引进取样定理，其特点是收敛速度快，且可根据实际问题调节收敛速度，这样就可以由不太多的取样值较为精确地确定函数。

首先建立取样定理

设：

其中是零阶贝塞尔函数。构造函数：

令

经计算：

利用分部积分法，并考虑到所以的Fourier变换。

通过函数卷积法，可加快收敛速度，使依据具体问题，适当选取N，以达到预期效果，此种可调节的取样定理，计算量没有增加很多。取：

类似地

经计算：

经计算得：

则有：设是的Fourier变换，

记则由离散取样值

因为，故该取样定理收敛速度加快是不言而喻的，通过比较得，计算量并没有加大，而且N可控制收敛速度。

例，利用

引理：当

当

因为不能用初等函数表示，所以在求定积分的值时，牛顿-莱布尼茨公式不能使用，故使用如下计算公式

首先证明函数满足狄利克雷充分条件，在区间上傅立叶级数展开式为：

(1)

其中

函数的幂级数展开式为：

则关于幂级数展开式为： (2)

由引理及(2)可得

(3)

由阶修正贝塞尔函数

其中函数，且当为正整数时，取，则(3)可化为

(4)

通过(1)(4)比较系数得

又由被积函数为偶函数，所以

公式得证。

3.结束语

本文是关于特殊函数性质学习及其相关计算的探讨，通过对特殊函数性质的学习及其相关计算的归纳可以更好的掌握特殊函数在日常学习中遇到相关交叉学科时应用，并且针对不同的实例能够应用不同的特殊函数相关性质进行证明、计算，从而更加简洁，更加合理的利用特殊函数求解相关问题。有些特殊函数的应用不是固定的，它可以通过不止一种方法来证明和计算，解题时应通过观察题目结构和类型，选用一种最简捷的方法来解题。

参考文献：

[1] 王竹溪.特殊函数概论[M].北京大学出版社，，90-91.

[2] 刘玉琏.数学分析讲义(下册)[M].高等教育出版社，2003，331.

[3] 刘玉琏.数学分析讲义(下册)[M].高等教育出版社，2003，331.

[4]王坤.贝塔函数在积分计算中的应用.[J]科技信息，2012(34)

[5] 王纪林.特殊函数与数学物理方程[M].上海交通大学出版社，2000，96-98.

[6] 陶天方.由特殊函数表达的快速取样定理 [J]. 上海大学学报(自然科学版),1997,8(4):368-371.

[7]饶从军，王成.让数学建模活动促进数学教学改革[J].中央民族大学学报(自然科学版)，2004，2.

[8]赵宜宾.一类特殊函数定积分的求解[J].防灾技术高等专科学校学报,2010,1(3):38-39.

[9]董林.降次公式的探究—兼论一个猜想的证明[J].教学通报，.

[10] 李德新.利用对称原理计算定积分的三种方法[J].高等数学研究，2004，7(6)：41—42.

[11]翟忠信，龚东山.高等数学的教与学[J].高等理科教育，2004(6)：29—34.

[12]胡淑荣. 函数及应用[J]. 哈尔滨师范大学学报.2002,18(4):12~15.

matlab论文作者：佚名 转贴自：本站原创 点击数：21256 更新时间：2005-6-20 文章录入wuzechun基于MATLAB 的图像处理与分析X何希平1 , 张琼华2(1. 重庆工商大学实验实习中心,重庆400033 ; 2. 重庆工商大学图书馆,重庆400033)摘 要:介绍了MATLAB 图像处理工具箱中的函数,给出了图像处理与分析的技术实现,如用直方图均衡进行图像增强,通过形态学方法进行图像特征抽取与分析,借助于分水岭图像分割实现目标检测等。关键词:灰度图像;形态学变换;标记;分割;特征抽取中图分类号:TP 317. 4 文献标识码:AMATLAB6. 1(R12. 1) 是一套功能十分强大的工程计算及数据分析软件,其应用范围涵盖了数学、工业技术、电子科学、医疗卫生、建筑、金融、数字图像处理等各个领域。许多工程师和研究人员发现,MATLAB能迅速测试其构思,综合评测系统性能,并能借此快速设计出更多的解决方案,达到更高的技术要求。MATLAB 的图像处理工具箱,功能十分强大,支持的图像文件格式丰富,如3 . BMP , 3 . JPG, 3 . JPEG,3 . GIF , 3 . TIF , 3 . TIFF , 3 . PNG, 3 . PCX , 3 . XWD , 3 . HDF , 3 . ICO , 3 . CUR 等。利用MATLAB 所提理函数,并给出用MATLAB 实现图像处理与分析的应用技术实例。1 MATLAB 的图像处理工具概述MATLAB6. 1(R12. 1) 提供了20 类图像处理函数,涵盖了图像处理的包括近期研究成果在内的几乎所有的技术方法,是学习和研究图像处理的人员难得的宝贵资料和加工工具箱。这些函数按其功能可分为:图像显示;图像文件I/ O ;图像算术运算;几何变换;图像登记;像素值与统计;图像分析;图像增强;线性滤波;线性二元滤波设计;图像去模糊;图像变换;邻域与块处理; 灰度与二值图像的形态学运算;结构元素创建与处理;基于边缘的处理; 色彩映射表操作;色彩空间变换;图像类型与类型转换。2 应用MATLAB 工具箱进行图像分析处理2. 1 用直方图均衡实现图像增强当图像对比度较低,即灰度直方图分布区间较窄时,可用直方图均衡实现灰度分布区间展宽而达到图像增强的效果。下面是实现的源程序及相关功能的注解:%源程序:test1. mX 收稿日期:2003 - 02 - 27 ;修回日期:2003 - 03 - 30作者简介:何希平(1968 - ) ,男,四川人,博士生,重庆工商大学副教授,从事多媒体数据压缩、网络信息系统研究。. 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights , close all %清除所有内存变量、图形窗口I = imread(’pout. tif’); %将图像文件pout. tif 的图像像素数据读入矩阵Iimshow( I) %显示图像I ,图像对比度低,如图1afigure , imhist ( I) %在新图形窗口中显示图像I 的直方图,如图1c。可以注意到图像%亮度范围相当狭窄,并未完全覆盖可能的范围[0 ,255 ]I2 = histeq( I) ; %对图像I 做直方图均衡补偿在整个范围内展宽亮度值并输出到矩阵I2 ,因而改进了图像I 的对比度figure , imshow( I2) %在新图形窗口中显示新图像I2 , 如图1bfigure , imhist ( I2) %在新图形窗口中显示图像I2 的直方图, 如图1dimwrite ( I2 , ’pout2. png’); %将对比度调节的结果图像写入PNG格式的文件a 原图 b 直方图均衡结果图 c 原图像的直方图 d 结果图像的直方图图1 直方图均衡补偿消去图像噪声程序运行后,可得如图1 的对比图像。2. 2 用形态学方法进行图像处理与分析以rice. tif 为图像实例,介绍用形态学方法对灰度图像进行处理与分析的技术要点,即对灰度图像进行如下操作:去除图像的不均匀背景;用设置阈值的方法(thresholding) 将结果图像转换成二值图像;通过成分标记(components labeling) 返回图像中的目标对象属性,并计算目标对象的统计数字特征。其算法步骤描述如下:(1) 用工具箱函数imread 和imshow 读取和显示8 位灰度图,如图2a 。(2) 用形态学开运算(Morphological Opening) 估计背景。通过调用imopen 并对输入图像I 执行形态学开运算, 取半径为15 的圆盘结构元素,且结构元素通过函数strel 建立。形态学开运算有消除不能完全包含在半径为15 的圆盘内的目标对象的作用。注意到图像(如图2b) 中央的背景照度(background illumina2tion) 比底部要亮。(3) 用surf 指令察看背景图像。用Surf 指令创建近似背景的彩色表面图(如图2c) ,使人可以看到在一个矩形区域上的数学函数特征。在表面图中,[0 , 0 ] 表示原点, 或图像左上角,曲面图最高部分表示背景的最亮像素(从而rice. tif 的背景的最亮像素出现在图像中央行的附近,而最暗像素出现在图像的底部) 。(4) 从原图像中减去背景图像。须用图像处理工具箱的图像算术函数imsubtract 产生均匀的背景(如图2d) 。(5) 调节图像对比度。用imadjust 指令增大图像对比度(如图2e) 。imadjust 函数需要一个输入图像且也可带两个矢量: [ low high ] 和[ bottom top ] . 输出图像通过将输入图像中low 值映射到输出图像中的bot2tom 值、high 值映射到输出图像中的top 值,并将low 与high 间的值进行线性缩放而产生。(6) 对图像进行阈值处理。先调用graythresh ,自动计算一个适当的阈值;然后使用graythresh 返回的阈值,调用im2bw 执行阈值处理,将灰度图像转换成二值图像(如图2f) 。(7) 确定图像中的目标对象并予以标记。调用bwlabel 寻找连通成份而且用惟一的数字将他们分类标记。bwlabel 接受一个二值图像和指定各目标对象的连通性的值(4 或8 ,表示4 或8 连通) 作为输入。注意: 结果的准确性依赖于许多因素,包括: 目标对象的大小; 近似背景的准确程度; 是否设定连接3 2 第2 期 何希平等: 基于MATLAB 的图像处理与分析. 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights 原图b 背景性参数为4 或8 ; 是否任何目标对象均相接(在这种情况下他们可能被标记为同一目标对象) ;在该实例中, rice 的一些谷粒正好相接,因此bwlabel 把它们视为了同一目标对象。(8) 查看标记矩阵。看一看bwlabel 产生的标记的近似形状是有用的。调用imcrop 并用鼠标选择包含某一目标对象的一部分及其一些背景的部分图,则所选部分图的像素值会在MAT2LAB 窗口中返回。若查看上面的结果,你会看到c 背景的表面图d 原图与背景的差一个对象的一角标以某数字标记k ,这意味着它是第k 个被bwlabel 分类的目标对象。imcrop 函数也可带矢量指定剪裁矩形的坐标。在这种情况下,它不执行交互式操作。举例来说,rect = [15 25 10 10 ] ; roi = imcrop (labeled ,rect)这个调用指定一个剪裁矩形的左上角坐标始于(15 ,25) ,而且高度和宽度均为10 。一种查看标记矩阵的好方法是将它显示成e 图像对比度调节结果 f 阈值处理后的二值图一种假彩色索引图像(如图2g) 。在假彩色索引图像中,将标记矩阵中区分每一对象的数字映射成了相关色彩映射矩阵中的一种不同的颜色。当把一个标记矩阵看成一个RGB 图像时,图像中的对象是比较容易区别的。为此, 使用la2bel2rgb 函数。使用该函数时,可以指定色彩映射表,背景颜色,以及标记矩阵中的对象如何映射为色彩映射表中的颜色。(9) 测量图像中的对象属性。regionprops 指令可测量图像中的对象或区域的属性,并返回一g 假彩色标记图h 谷粒大小分布图图2 形态学图像处理的对比分析结果个结构数组。当将其作用于一个图像成分的标记矩阵时,它为每个成分建立一个结构元素,而每一结构元素包含一个标记成分的一些基本属性。regionprops 函数支持对许多不同的属性予以测量, 但是设定属性参数为’basic’旨在返回最常用的三个量: 面积(Area) , 质心或块中心(Centroid) 和边框(BoundingBox) 。边框Bounding2Box 表示能容纳一个区域(所举实例中的谷粒)的最小长方形, 为四元素矢量: [ left top widthheight ] 。(10) 在图像中计算目标对象的统计特性。使用MATLAB 函数max , mean , 和hist 可计算被阈值处理的目标对象的一些统计属性(如图2h) 。图像处理工具箱也有一些统计函数,如mean2 和std2 ,适用于图像数据,因为他们对二维空间的数据返回单一值。下面是算法实现的程序代码:%程序代码:test2. mclear , close all ,I = imread(’rice. tif’); imshow( I) %读取和显示8 位灰度图rice. tif4 2 重庆工商大学学报 (自然科学版) 第20 卷. 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights = imopen( I ,strel (’disk’,15) ) ; %取半径为15 的圆盘结构元素对图像用开运算估计背景figure ,imshow(background) %显示背景图figure , surf (double (background (1 :8 : end ,1 :8 : end) ) ) ,zlim( [ 0 255 ]) ; %显示背景的彩色表面图,对8 ×8 格点取样set(gca ,’ydir’,’reverse’);I2 = imsubtract ( I ,background) ; figure , imshow( I2) %从原图像中减去背景图像,并显示结果图I3 = imadjust ( I2 , stretchlim( I2) ,[0 1 ]) ;figure , imshow( I3) ; %调节图像对比度,并显示结果图level = graythresh( I3) ;bw = im2bw( I3 ,level) ; figure , imshow(bw) %将灰度图像转换成二值图像[ labeled ,numObjects ] = bwlabel(bw ,4) ; % 成分标记,4 具体指定4 - 连通成分.grain = imcrop (labeled) % 用鼠标选取实现交互式剪裁标记成分的一部分RGB-label = label2rgb(labeled , @spring , ’c’, ’shuffle’); %把一个标记矩阵转换成一个RGB 图像figure ,imshow(RGB-label) ;graindata = regionprops(labeled ,’basic’)%调用regionprops ,为rice 的每一经阈值处理%的谷粒返回一个基本属性的结构。由BoundingBox 的域返回四元素矢量: [ left top width height ]。graindata (51) . Area , graindata(51) .BoundingBox , graindata(51) . Centroidallgrains = [graindata. Area ] %用点号存取graindata 的所有元素的面积域并将该数据存入%新的矢量allgrains。这个步骤简化了对面积量的分析,因为不必使用域名存取面积。max(allgrains) %找最大谷粒的大小。allgrains 中的数据是一维的, 故函数mean 和std 是适用的。biggrain = find(allgrains = = ans) %使用find 指令返回该最大谷粒的成分标记mean(allgrains) %求平均粒径hist (allgrains ,20) %作包含20 个方柱的显示谷粒大小分布的直方图。直方图表明,在rice 图像中谷粒最通常的%大小在300 到400 个像素的范围内(如图2h) 。2. 3 用分水岭分割法检测连通目标在一个图像中检测目标是图像分割的一个例子。为分割连通目标,时常用Watershed 变换。如果把一幅图像看做一个具有山(高亮度) 和低谷(低亮度) 的表面,那么这个变换在一幅图像中找亮度低谷。实现包括下列步骤:(1) 读图像。读入图像afmsurf . tif , 它是一幅原子能显微镜下的衣料表面图像(如图3a) 。(2) 对比度最大化。注意到图像中有许多彼此连通的不同大小的对象。为使通过watershed 变换找到的低谷数目最小,我们使感兴趣的对象的对比度达到最大。对比度增强的一个常用的技术是综合应用top- hat 和bottom - hat 变换。top - hat 变换定义为原图像和它的开之差。图像的开是一与特定结构元素匹配的图像前景部分的集合(如图3b) 。bottom - hat 变换定义为在原图像和它的闭之间的差。图像的闭是一与特定结构元素匹配的图像背景的集合(如图3c) 。通用的结构元素是正方形,长方形,圆盘,菱形,球和线。既然图像中我们感兴趣的目标对象看起来像圆盘,我们用strel 函数建立一个半径为15 个像素的圆盘形结构元素。这个圆盘尺度是图像中的目标对象的平均半径的一个估计。(3) 图像相加减。看到top - hat 图像含有与结构元素匹配的对象的”巅峰”。相反,bottom - hat 图像显示出感兴趣的目标对象之间的间隙。为使目标对象与分隔它们的间隙之间的对比达到最大,用“原图+ top - hat 图像- bottom - hat 图像”得到增强的结果图(如图3d) 。(4) 转换感兴趣的对象。调用watershed 变换找出图像的亮度”低谷”,把imcomplement 函数作用于增强过的图像上,将感兴趣的目标对象转换为亮度低谷,得到增强图的补图(如图3e) 。(5) 检测亮度低谷。对所得补图运用imextendedmin 函数检测低于某特别阈值的所有亮度低谷。imextendedmin 函数的输出是一个二值(逻辑值) 图像(如图3f) 。二值图像中重要的是区域的位置而非区域的大小。用imimposemin 函数把补图改为只含有那些由imextendedmin 函数找到的低谷,并将低谷的像素值变为0 (8 位图像可能的深谷) (如图3g) 。(6) Watershed 分割。通过watershed 变换,可找出来所有含有强加给最小值的区域。用watershed 函数实现Watershed 分割。watershed 函数返回一个标记矩阵,它含有对应于watershed 区域的非负数。凡未落入5 2 第2 期 何希平等: 基于MATLAB 的图像处理与分析. 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.图3 用Watershed 分割法检测连通目标的图像渐近过程任何watershed 区域的像素均被赋予像素值0。用label2rgb把一个标记矩阵变为一幅图像(如图3h) 。(7) 从标记矩阵中抽取目标对象的特征。可用region2props 函数从标记矩阵中抽取特征。比如说,可以计算两个量(面积和方向) 并把他们看成彼此的一个函数。下面给出算法的实现代码:%程序代码:test3. mafm = imread (’afmsurf . tif’); figure , imshow(afm) , title (’surface im2age’);se = strel (’disk’, 15) ;Itop = imtophat (afm , se) ; figure , imshow( Itop , [ ]) , title (’top - hat im2age’);Ibot = imbothat (afm , se) ; figure , imshow( Ibot , [ ]) , title (’bottom - hatimage’);Ienhance = imsubtract (imadd ( Itop , afm) , Ibot) ; figure , imshow( Ien2hance) , title (’original + top - hat - bottom - hat’);Iec = imcomplement ( Ienhance) ; figure , imshow( Iec) , title (’complementof enhanced image’);Iemin = imextendedmin( Iec , 22) ; figure , imshow( Iemin) , title (’extend2ed minima image’);Iimpose = imimposemin ( Iec , Iemin) ; figure , imshow( Iimpose) , title ( ’imposed minima image’);wat = watershed( Iimpose) ;rgb = label2rgb(wat) ; figure , imshow(rgb) ;title (’watershed segmented image’);stats = regionprops (wat , ’Area’, ’Orientation’); area = [ stats ( :) .Area ] ; orient = [ stats( :) . Orientation] ;figure , plot (area , orient , ’b 3 ’); title (’Relationship of Particle Orienta2tion to Area’);xlabel (’particle area (pixels) ’); ylabel (’particle orientation (degrees) ’);参考文献:[1 ] 孙兆林.MATLAB 6. x 图像处理[M] . 北京:清华大学出版社,2002[2 ] 崔屹. 图像处理与分析———数学形态学方法及其应用[M] . 北京:科学出版社,2000[3 ] 张远鹏,董海,周文灵. 计算机图像处理技术基础[M] . 北京:北京大学出版社,1996Image processing and analysis based on MATLABHE Xi - ping1 , ZHANG Qiong - hua2(1. Center of Experiment and Practice ,ChongQing Technology and Business University ,ChongQing 400033 ,China ;2. Library , ChongQing Technology and Business University , ChongQing 400033 ,China)Abstract :This paper first introduces the functions of MATLAB image processing toolbox , then presents sometechniques in image processing and analysis , such as image enhancement by using histogram equalization , image fea2ture extracting and analysis with morphological methods , and objects detection through watershed image words : grayscale intensity image ; morphological transform; labeling ; segmentation ; feature extraction责任编辑:杨祖彬6 2 重庆工商大学学报 (自然科学版) 第20 卷. 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.收稿日期:2002208224MATLAB 及其在图像处理中的应用许志影,李晋平(中国矿业大学资源学院,江苏徐州 221008)摘要: 介绍了MATLAB 的特点和功能,分析了MATLAB 在图像处理中的应用,并结合实例说明了MATLAB 在图像处理中关键词: MATLAB ; 图像处理; 边缘提取中图分类号: TN911. 73 文献标识码: AMATLAB and Its Application to Digital Image ProcessingXU Zhi2ying ,LI Jin2ping(School of Resource & Geoscience ,China University of Mining and Technology ,Xuzhou 221008 ,China)Abstract :Introduces properties and functions of MATLAB ,and analyses its applications to digital image processing ,finally ,displays the a2bility of MATLAB in image processing with an :MATLAB ;image processing ;edge detectionMATLAB 软件由美国Math Works 公司于1984 年推出,历经十几年的发展和竞争,现已成为( IEEE) 国际公认的最优秀的科技应用软件之一。作为一个跨平台的软件,MATLAB 已推出Unix、Windows 9x/ NT、Linux 和Mac 等十多种操作系统平台下的版本,大大方便了在不同操作系统平台下的研究工作。目前基于Windows 系统的最新版本已上升到MATLAB6. 5 ,它继承了以往版本的优点,非常容易使用。现在,MATLAB 已经发展成为一个系列产品:MATLAB 主包和各种工具箱(TOOLBOX) 。目前已经推出了30 多个工具箱,这些工具箱可分为两大类:功能性工具箱和学科性工具箱。功能性工具箱主要用来扩充其符号计算功能、图示建模仿真功能、文字处理功能以及硬件实时交互功能,能用于多种学科。而学科性工具箱是专业比较强的,如控制工具箱、信号处理工具箱、图像处理工具箱和小波工具箱等多个学科的专业工具箱。借助于这些工具箱,各个层次的研究人员就可方便地进行研究工作,提高工作效率。本文将简要介绍MATLAB6. 5 及其在图像处理中的应用,希望对从事图像处理工作的研究人员有所帮助。1 MATLAB 概述MATLAB 最初是作为矩阵实验室(Matrix Labora2tory) 用来提供通往LINPACK和EISPACK矩阵软件包接口的。后来,它逐渐发展成为通用科技计算和图视交互系统的程序语言,其数据的基本单元是矩阵。它的指令表达与数学、工程中常用的习惯形式十分相似,从而使许多用C 或Fortran 实现起来十分复杂和费时的问题用MATLAB 就可以轻松地解决。MAT2LAB 的典型应用包括:数学计算、算法研究、数据分析和计算结果可视化、建模与仿真等。1. 1 MATLAB的特点MATLAB 有三大特点:一是功能强大。主要包括数值计算和符号计算、计算结果和编程可视化、数学和文字统一处理、离线和在线计算。二是界面友好,编程效率高。MATLAB 是一种以矩阵为基本单元的可视化程序设计语言,语法结构简单,数据类型单一,指令表达与标准教科书的数学表达式相近。三是开放性强。MATLAB 有很好的可扩充性,可以把它当成一种更高级的语言去使用。使用它很容易编写各种通用或专用应用程序。1. 2 MATLAB的主要功能MATLAB 之所以成为世界顶级的科学计算与数学应用软件,是因为它随着版本的升级与不断完善而具有愈来愈强大的功能。我的回答超过数字没办法