---

MATLAB Image Processing Toolbox支持的图像类型有：二值图像、索引图像、灰度图像、彩色图像。本章所讲的内容就是这些图像类型的互相转换。

---

1 gray2ind函数

gray2ind函数的作用是将灰度图像或二值图像转化为索引图像，具体使用方法为：

[X,map]=gray2ind(I,c) 将灰度图像I转化为索引图像
[X,map]=gray2ind(BW,c) 将二值图像BW转化为索引图像

对于输入参数c，是索引图像colormap的颜色数。可以指定为1-65536之间的正整数，对于灰度图像，c默认为64；对于二值图像，c默认为2。
对于输出参数中的X，返回的是与输入灰度或二值图像相同维度的数值数组，若c小于等于256，则X的数值类型为uint8，否则为uint16；
对于输出参数的map，是与X相关联的颜色映射，是一个c×3的数值数组。

接下来我们在工作空间中读入一张灰度图像，将其转换为索引图像后显示出来。

I=imread('cameraman.tif');
[X,cmap]=gray2ind(I,16);
imshow(X,cmap);

2 ind2gray函数

I=ind2gray(X,cmap)
此函数将带有颜色表cmap的索引图像X转化为灰度图像I。ind2gray函数在保留索引图像亮度的同时删除了色调和饱和度信息。
此函数中的输入输出参数和第一节中gray2ind函数的参数含义相同，就不做赘述，直接上示例：

[X,map]=imread('trees.tif'); %在MATLAB工作空间中载入索引图像
I=ind2gray(X,map); %将索引图像转化为灰度图像
subplot(1,2,1);imshow(X,map);title('索引图像'); %显示索引图像
subplot(1,2,2);imshow(I);title('灰度图像'); %显示灰度图像

3 mat2gray函数

我们知道，图像在计算机中是以矩阵的形式存储的，mat2gray函数的作用就是将一个矩阵转化为灰度图像，使用方式为：

I=mat2gray(A,[amin amax]) 将矩阵A转化为灰度图像I，灰度值在0-1之间，0为黑，1为白。A中小于amin的元素值对应I中的0，大于amax的元素值对应I中的1，其余映射到[0 1]之间。
I=mat2gray(A) 和上式相比，相当于A中的最大值赋给amax，A中最小值赋给amin。

接下来，我们对mat2gray函数用法进行示例。
首先往MATLAB工作空间读入一张图像：

I=imread('rice.png');
figure;
imshow(I);

接着，对图像I进行滤波操作，返回一个数值矩阵，对于filter2函数，我们现在只要知道它能对矩阵进行滤波操作就可以，具体会在以后的图像滤波专题中讲解。

J=filter2(fspecial('sobel'),I); %fspecial的作用是创建一个预定义的二维滤波器，以后讲到滤波的时候会详解。
figure;
imshow(J);

接下来，我们使用mat2gray函数将其转为灰度图像：

K=mat2gray(J);
figure;
imshow(K);

可以看出，转换成灰度图像后，米粒的边缘更加明显了，这其实是滤波的作用，在以后的章节会详细介绍图像滤波和图像增强。

4 rgb2gray函数

此函数通过消除图像的色调和饱和度，将RGB图像或RGB颜色图转化为灰度图像或灰度颜色图。通过计算R、G、B三个分量的加权和，将RGB值转化为灰度值：0.2989 * R + 0.5870 * G + 0.1140 * B

I=rgb2gray(RGB) 将真彩色图像RGB转换成灰度图像I。RGB是m×n×3的数值数组，对应的I是m×n的数值数组
newmap=rgb2gray(map) 将彩色colormap转换为灰度colormap。map是[0 1]内数值组成的c×3数组，每行都是一个三元素RGB，对应三个红绿蓝分量。newmap也是[0 1]内数值组成的c×3数组，但是每行元素是相同的，所以每行都指定一个强度值。

示例1 读取RGB图像，转化成灰度图像并显示：

RGB=imread('peppers.png');
I=rgb2gray(RGB);
subplot(1,2,1);imshow(RGB);title('彩色图像');
subplot(1,2,2);imshow(I);title('灰度图像');

示例2 将RGB颜色图转化为灰度颜色图：

[X,map]=imread('corn.tif');
newmap=rgb2gray(map);
subplot(1,2,1);imshow(X,map);
subplot(1,2,2);imshow(X,newmap);

5 rgb2ind函数

此函数的作用是将RGB图像转为索引图像，具体的使用方法如下：

[X,cmap]=rgb2ind(RGB,Q) 使用具有 Q 种量化颜色的最小方差量化法并加入抖动，将 RGB 图像转换为索引图像 X，关联颜色图为 cmap。
[X,cmap]=rgb2ind(RGB,tol) 使用均匀量化法并加入抖动，将 RGB 图像转换为索引图像，容差为 tol。
X=rgb2ind(RGB,inmap) 使用逆颜色图算法并加入抖动，将 RGB 图像转换为索引图像，指定的颜色图为 inmap。
___ = rgb2ind(___,dithering) 启用或禁用抖动。

接下来我们对其中的输入输出参数进行讲解：

1. RGB 输入的彩色图像，是一个m×n×3的矩阵。
2. Q 最小方差量化法所用的量化颜色的数量，指定为小于65536的正整数。
3. tol 均匀量化法所用的容差，指定为[0 1]内的数。
4. inmap 输入的颜色图，指定为由范围 [0, 1] 内的值组成的 c×3 矩阵。inmap 的每行都是一个三元素 RGB，指定颜色图的单种颜色的红、绿和蓝分量。该颜色图最多有 65536 种颜色。
5. dithering 是否执行抖动，默认为’dither’（执行抖动），也可以指定为nodither。抖动以损失空间分辨率为代价来提高颜色分辨率，如果选择 ‘nodither’，则 rgb2ind 不执行抖动，此时，函数将原始图像中的每种颜色映射到新颜色图中最接近的颜色。
6. X 返回的索引图像，由非负整数组成的m×n矩阵。
7. cmap 返回的颜色图，由范围 [0, 1] 内的值组成的 c×3 矩阵。cmap 的每行都是一个三元素 RGB，指定颜色图的单种颜色的红、绿和蓝分量。该颜色图最多有 65536 种颜色。

对于上述所说的最小方差量化法、均匀量化法、逆颜色图算法，下面简要说明一下：

• 均匀量化 - 如果您指定 tol，则 rgb2ind 使用均匀量化来转换图像。均匀量化将 RGB 颜色立方体削减为较小的 tol 长度的立方体。例如，如果您指定 tol 为 0.1，则立方体的边缘为 RGB 立方体长度的十分之一。小立方体总数为：
  t = (floor(1/tol)+1)^3
  每个立方体表示输出图像中的一种颜色。因此，t 为颜色图的最大长度。rgb2ind 会删除不显示在输入图像中的任何颜色，因此实际颜色图可能小于 t。
• 最小方差量化 - 如果您指定 Q，则 rgb2ind 使用最小方差量化。最小方差量化将 RGB 颜色立方体削减为不同大小的较小块（未必是立方体），具体取决于这些颜色在图像中的分布情况。如果输入图像实际使用的颜色数少于指定的数量，则输出颜色图也会变小。
• 逆颜色图 - 如果您指定输入颜色图 inmap，则 rgb2ind 使用颜色图映射。逆颜色图算法可将指定颜色图量化为每个颜色分量 32 个不同色阶。然后，对于输入图像中的每个像素，查找量化的颜色图中最接近的颜色。

接下来，我们举一个rgb2ind函数的使用示例：

RGB=imread('ngc6543a.jpg');
imshow(RGB);
[X,map]=rgb2ind(RGB,32);
figure;
imshow(X,map);

6 label2rgb函数

在【MATLAB Image Processing Toolbox 入门教程二】快速入门之“亮度校正”和“目标识别”中我们简单使用过这个函数，它的功能是将标签矩阵转为RGB图像，本小节将对这个函数进行详细讲解。
label2rgb函数的使用方法为：

• RGB=label2rgb(L)：将标签图像L转化为RGB图像，以便可视化标记区域。label2rgb函数根据标签矩阵中对象的数量决定分配给每个对象的颜色。
• RGB=label2rgb(L,cmap)：指定在RGB图像中使用的颜色图cmap。
• RGB=label2rgb(L,cmap,zerocolor)：指定背景元素（标记为0的元素）的RGB颜色。
• RGB=label2rgb(L,cmap,zerocolor,order)：控制label2rgb如何为标签矩阵中的区域指定颜色。
• RGB = label2rgb(___,‘OutputFormat’,outputFormat)：这里的outputformat可以指定返回一个颜色列表，而不是返回RGB图像，具体的参数设置下面会讲解。

接下来对输入输出参数进行说明：

1. L：标签图像，一般是一个非负整数矩阵，标记为0的是背景，标记为1的是第一个对象，标记为2的是第二个对象，以此类推。可以使用watershed函数或者labelmatrix函数获得一个标签矩阵。
2. cmap：指定在生成的rgb图像中使用的颜色图。默认为‘jet’，也可以指定为MATLAB中预定义的颜色图。
3. zerocolor：填充标签矩阵中元素0的颜色，即背景的颜色。默认为[1 1 1]白色，也可以指定为表示RGB颜色的三元数组或者下图中所示的颜色图像缩写。
4. order：颜色顺序，指定为noshuffle(default)或shuffle。“noshuffle”顺序排列colormap颜色，以数字顺序标记矩阵区域。“shuffle”随机分配colormap颜色。
5. OutputFormat：RGB中返回的RGB数据的输出格式，指定为以下之一。
   ‘image’-返回一个RGB图像。如果输入标签矩阵L的大小为M×N，则输出RGB图像的大小为M×N×3。
   ‘triplets’-返回RGB颜色列表。输出的大小是一个C-by-3矩阵，其中包含输入标签矩阵中每个C标签的RGB三元组。

label2rgb函数示例：
此例中，我们将一个灰度图像转为标签矩阵，再转为RGB图像，并改变其中的参数观察RGB图像的变化。

I=imread('rice.png');
BW=imbinarize(I);
CC=bwconncomp(BW);
L=labelmatrix(CC);
RGB=label2rgb(L);
RGB1=label2rgb(L,'spring','c','shuffle');
RGB2=label2rgb(L,'colorcube','r','shuffle');
subplot(1,3,1);imshow(RGB);
subplot(1,3,2);imshow(RGB1);
subplot(1,3,3);imshow(RGB2);

7 imsplit函数

此函数的作用是将多通道图像分割成单独的图像，若图像I有k个通道，则函数返回一组图像，表示各个通道的图像。用法为：

[c1,c2,c3,...,ck]=imsplit(I);

利用此函数，我们可以将RGB图像中每个通道单独提取出来并显示：

I=imread('peppers.png');
imshow(I);
[R,G,B]=imsplit(I);
montage({R,G,B},'Size',[1,3]);

可以看出，红辣椒的信号主要在红色通道。黄色和绿色辣椒在红色和绿色通道中都有信号。图中的白色物体，如前景中的大蒜，在这三个通道中都有很强的信号。

8 grayslice函数

grayslice函数和gray2ind函数功能一样，都是将灰度图像转为索引图像，但是所不同的是，grayslice函数使用的方法是多级阈值法。此函数用法为：

• X=grayslice(I,N)：既然是多级阈值法，那阈值的数量决定了这个方法的质量，其中N就是阈值的数量，它是正标量，代表用于多级阈值化的阈值总数，grayslice函数根据N的值自动计算阈值。X是输出的索引图像，大小与输入的灰度图像I相等。
• X=grayslice(I,thresholds)：在此用法中，thresholds是指定的阈值集，grayslice函数利用指定的阈值集来对灰度图像I进行多级阈值化。

下面，我们举两个例子演示一下grayslice函数的用法。
第一个例子是用指定阈值的个数来将灰度图像转化为索引图像。

I=imread('snowflakes.png');
X=grayslice(I,16); %指定阈值数量为16
imshow(I); %显示原图I
figure;
imshow(X,jet(16)); %显示X

接下来这个例子，我们指定多级阈值的值，将灰度图像转为索引图像。

I=imread('coins.png');
thresholds=[45 65 84 108 134 157 174 189 206 228]; %指定多级阈值的值
X=grayslice(I,thresholds);
m=double(max(X(:)));
imshow(X,jet(m));

至此，MATLAB中一些常用的图像类型转换函数就讲解完毕了，我们下节见。