imresize函数matlab_imresize函数用法

matlab中括号出现解析错误

% function operation

使用matlab时括号莫名其妙出现红色波浪线提示，如下所示：

imresize函数matlab_imresize函数用法

imresize函数matlab_imresize函数用法

imresize函数matlab_imresize函数用法

提示在括号处出set(gca,'XLim',xLimNew)现解析错误。

首先检查了语法，又检查了括号也是英文格式的，不知道为什么会出现提示“使用的MATLAB语法可能无效”。

！！！！！！后来发现是：后面忘记加“，”了，记录一下，长个记性吧！！！！！！！

分号有问题啊，函数M文件的格式，括号里要有变量啊，你加‘’表示注释啊

怎么使matlab画的图宽度设置为4cm

最顺利的条件下，程序运行到下面一行：

怎么使matlab画的图宽度设置为4cm。需对目标图像进行图形句柄对象和坐标轴句柄对象进行作即可。

说明:

首先我们需要清楚MATLAB对图形尺寸的几个定义，screen，默认为电脑显示屏幕，figure,matlab软件用于直观性图形输出的窗口个体，axes，在当前图窗中创建默认的笛卡尔坐标区，并将其设置为当前坐标区。

Matlab是面向对象的，等级的对象是screen，它定义了figure可以用的szie，screen下面是figure，figue就是你画图的时c=improfile(I,xi,yi,n) [cx,cy,c]=improfile(...) 候跳出来的那个新的对话窗口,如果figure变化，screen是不会跟着变化的，但screen变化的话，figure就要跟着变化了。

同样，figure下面是axes，axes是那个窗口figure里面你要画的东西，axes的大小和位置取决于figure，如果放大缩小figure的大小，里面的图像也会跟着变化的。

图像相关性 matlab

xuyuan008

Matlab 图像处理相关函数命令大全

set(gca,'XTickMode','auto','YTickMode','auto')

一、通用函数：

colorbar 显示彩色条

语法：colorbar colorbar('vert') colorbar('horiz')

colorbar(h) h=colorbar(...) colorbar(...,'peer',axes_handle)

getimage 从坐标轴取得图像数据

语法：A=getimage(h) [x,y,A]=getimage(h)

[...,A,flag]=getimage(h) [...]=getimage

imshow 显示图像

语法：imshow(I,n) imshow(I,[low high]) imshow(BW)

imshow(X,map) imshow(RGB) imshow(...,display_option) imshow(x,y,A,...)

imshow filename h=imshow(...)

montage 在矩形框中同时显示多幅图像

语法：montage(I) montage(BW) montage(X,map) montage(RGB)

h=montage(...)

immovie 创建多帧索引图的电影动画

语法：mov=immovie(X,map) mov=immovie(RGB)

subimage 在一副图中显示多个图像

语法：subimage(X,map) subimage(I) subimage(BW)

subimage(RGB) subimage(x,y,...) subimage(...)

truesize 调整图像显示尺寸

语法：truesize(fig,[mrows mcols]) truesize(fig)

warp 将图像显示到纹理映射表面

语法：warp(X,map) warp(I ,n) warp(z,...) warp(x,y,z,...)

h=warp(...)

zoom 缩放图像

语法：zoom on zoom off zoom out zoom reset zoom zoom

xon zoom yon zoom(factor) zoom(fig,option)

二、图像文件I/O函数命令

语法：=imf(filename,fmt)

=imf(filename)

imread 从图像文件中读取（载入）图像

语法：A=imread(filename,fmt) [X,map]=imread(filename,fmt)

[...]=imread(filename) [...]=imread(URL,...) [...]=imread(...,idx)

(CUR,ICO,and TIFF only) [...]=imread(...,'frames',idx) (GIF only)

[...]=imread(...,ref) (HDF only) [...]=imread(...,'BackgroundColor',BG) (PNG

only) [A,map,alpha] =imread(...) (ICO,CUR,PNG only)

imwrite 把图像写入（保存）图像文件中

语法：imwrite(A,filename,fmt) imwrite(X,map,filename,fmt)

imwrite(...,filename) imwite(...,Param1,Val1,Param2,Val2...)

imcrop 剪切图像

语法：I2=imcrop(I) X2=imcrop(X,map) RGB2=imcrop(RGB)

I2=imcrop(I,rect) X2=imcrop(RGB,rect) [...]=imcrop(x,y,...)

[A,rect]=imcrop(...) [x,y,A,rect]=imcrop(...)

imresize 改变图像大小

语法：B=imresize(A,m,mod)

imrotate 旋转图像

语法：B=imrotate(A,angle,mod)

B=imrotate(A,angle,mod,'crop')

三、像素和统计处理函数

corr2 计算两个矩形的二维相关系数

语法：r=corr2(A,B)

imcontour 创建图像数据的轮廓图

语法：imcontour(I,n) imcontour(I,v) imcontour(x,y,...)

imcontour(...,LineSpec) [C,h] =imcontour(...)

imfeature 计算图像区域的特征尺寸

语法：stats=imfeature(L,measurements)

stats=imfeature(L,measurements,n)

imbist 显示图像数据的柱状图

impixel 确定像素颜色值

语法：P=impixel(I) P=impixel(X,map) P=impixel(RGB)

[c,r,P]=impixel(...) P=impixel(x,y,I,xi,yi) P=impixel(x,y,RGB,xi,yi)

P=impixel(x,y,X,map,xi,yi)

[xi,yi,P]=impixel(x,y,...)

improfile

沿线段计算剖面图的像素值

语法：c=improfile c=improfile(n) c=improfile(I,xi,yi)

[cx,cy,c,xi,yi]=improfile(...) [...]=improfile(x,y,I,xi,yi)

[...]=improfile(x,y,I,xi,yi,n) [...]=improfile(...,mod)

mean2 计算矩阵元素的平均值

语法：B=mean2(A)

pixval 显示图像像素信息

语法：pixval on

std2 计算矩阵元素的标准偏移

语法：b=std2(A)

四、图像分析函数：

edge 图像边缘检测

语法：BW=edge(I,'sobel') BW=edge(I,'sobel',thresh)

BW=edge(I,'sobel',thresh,direction) [BW,thresh]=edge(I,'sobel',...)

BW=edge(I,'prewitt') BW=edge(I,'prewitt',thresh)

BW=edge(I,'prewitt',thresh,direction)

[BW,thresh]=edge(I,'prewitt',...)

BW=edge(I,'roberts') BW=edge(I,'roberts',thresh) [BW,thresh]=edge(I,'roberts',...) BW=edge(I,'log')

BW=edge(I,'log',thresh) BW=edge(I,'log',thresh,sigma)

[BW,threshold]=edge(I,'log',...) BW=edge(I,'zerocross',thresh,h)

[BW,thresh]=edge(I,'zerocross',...)

BW=edge(I,'canny') BW=edge(I,'canny',thresh)

BW=edge(I,'canny',thresh,sigma) [BW,threshold]=edge(I,'canny',...)

qtgetblk 获取四叉树分解的块值

语法：[vals,r,c]=qtgetblk(I,S,dim)

[vals,idx]=qtgetblk(I,S,dim)

语法：J=qtsetblk(I,S,dim,vals)

五、图像增强函数

histeq 用柱状图均等化增强对比

语法：J=histeq(I,hgram) J=histeq(I,n) [J,T]=histeq(I,...)

newmap=histeq(X,map,hgram) newmap=histeq(X,map)

imadjust 调整图像灰度值或颜色映像表

语法：J=imadjust(I,[low_in ,high_in]),[low_out

,high_out],gamma) newmap=imadjust(map,[low_in ,high_in]),[low_out

,high_out],gamma) RGB2=imadjust(RGB1,...)

imnoise 增强图像的渲染效果

语法：J=imnoise(I,type)

J=imnoise(I,type,parameters)

medfilt2 进行二维中值过滤

语法：B=medfilt2(A,[m n]) B=medfilt2(A)

B=medfilt2(A,'indexed',...)

ordfilt2 进行二维统计顺序过滤

语法：B=ordfilt2(A,order,domain) B=ordfilt2(A,order,domain,S)

B=ordfilt2(...,padopt)

wiener2 进行二维适应性去噪过滤处理

语法：J=wiener2(I,[m n],noise) [J,noise]=wiener2(I,[m

n])

conv2 进行二维卷积作

C=conv2(...,'shape')

convmtx2 计算二维卷积矩阵

语法：T=convmtx2(H,m,n) T=convmtx2(H,[m n])

convn 计算n维卷积

语法：C=convn(A,B) C=convn(A,B,'shape')

语法：Y=filter2(h,X) Y=filter2(h,X,shape)

fspecial 创建预定义过滤器

语法：h=fspecial(type) h=fspecial(type,parameters)

七、线性二维滤波设计函数

freqspace 确定二维频率响应的频率空间

语法：[f1,f2]=freqspace(n) [f1,f2]=freqspace([m n]) [x1

,y1]=freqspace(...,'meshgrid') f=freqspace(N)

f=freqspace(N,'whole')

freqz2 计算二维频率响应

语法：[H,f1,f2]=freqz2(h,n1,n2) [H,fi,f2]]=freqz2(h,[n2,n1])

[H,fi,f2]]=freqz2(h,f1,f2]) [H,fi,f2]]=freqz2(h) [...]=freqz2(h,...,[dx dy]) [...]=freqz2(h,...,dx)

freqz2(...)

我想，你应该首先知道如何用matlab读入一幅图像，

然后知道如何存储

你需要在存储的数据中提取哪些信息（比如你所说的灰度级）

如何处理这些信息（比如求各个方向的分量）

然后求图像相关，你作为通信的学生应该就了解了吧，搜一下，matlab也有些现成可以使用的函数的。

如何让Matlab画布大小与图形大小一致？

六、线性滤波函数

如何让Matlab画布大小与图形大小一致

'Visible','off');

问的是让图像和axes一样大，而不是axes和图像一样大。

如果是想让图像显示出来和axes一样大，就在调用imshow的时候加一个数 'fit'。如果图像长宽比例和axes不一样，显示结果会造成挤压变形。

如果lz是想让图像本身数据变的和axes一样大，就需要用imresize函数来改变图像尺寸。

我觉得这是Matlab在制图时候有默认坐标范围的缘故。

可以在plot的时候用函数axis([X1 X2 Y1 Y2])来调整画布的坐标范围。

X1和X2分别是横坐标的左右端点，Y1和Y2分别是纵坐标的上下端点。

首先plot一下你的图形，然后根据图形的边界数据来选择你的X1，X2和Y1，Y2。

这样一来，加上axis([X1 X2 Y1 Y2])函数定义画布坐标范围后，你就会得到你想要的图。详情也可以查看 axis 。

（注意：Matlab中定义axis的时候，四个参数都要输入，不能只定义横坐标或只定义纵坐标，不然会报错的）

希望我的回答能够对你有帮助 ^_^

matlab怎么把图像左右对称

handles.axes1是axyLimNew = yLim - panFactordiff(yLim);es1的句柄；

imresize()函数就可以实现任意尺寸的转换。这里小白要说，当你想知道一个函数的使用方法的时候，可以通过百度查看别人的例程，也可以用命令查看Matlab提供的例程。

下面的是从45度拍的一个圆形。。现在是椭圆了。用matlab把它旋转45度相当于正视看到的

case 'keypress'

如果考虑近大远小的话，其实图像不是椭圆，还要设计相% Make sure the figure has focus, and then press any of the following机的焦距，拍摄距离，想当复杂

如果认为相机拍摄距离足够远，远大于焦距，那么得到的图像近似于椭圆，

只要将扁的方向拉伸，或者长的方向压缩就好了

用imresize函数就好

但是这样图像还是会有是真的

matlab的axes大小随图像大小而改变

============================================================================================

和图像一样大。

如果lz是想让图像显示出来和axes一样大，就在调用imshow的时候加一个参数 'fit'。如果图像长宽比例和axes不一样，显示结果会造成挤压变形。

如果lz是想让图像本身数据变的和axes一样大，就需要用imresize函数来改变图像尺寸。

set(handles.axes1,'Position',[0，0,100,200]);

说明：

'Position'后的四个值分别为：axes1距离figure左语法：C=conv2(A,B) C=conv2(hcol,hrow,A) 边框的距离，距离figure上边框的距离，width为axes1的宽度，height为axes1的高度。

如何用MATLAB讲128128的图变成256256

P=impixel(I,c,r) P=impixel(X,map,c,r) P=impixel(RGB,c,r)

matlab软件画图、改图能力很强，改变图形的大小用imresize函数，原图

I大小为

128128，要改为256256，可用下面语句：

A=imresize(I,2);

或：

A=imresize(I,[256

2if nargin < 1,56]);

这两种语句对rgb,indexed,graymap格式的图都能达到同样的目的。

matlab中比较相似性，下面是我找到的一个代码，第二行就运行不出来，在哪里导入小白一个，求助呀

axis auto

你可这样运行：

picture1=imread('鱼块.jpg');%名可换

picture2=imread('鱼块.jBW1=edge(I,'sobel'); %用SOBEL算子进行边缘检测pg');%名可换

v=tineyesearch_hist(picture1,picture2)

怎么用MATLAB掌握图像平移、图像旋转和图像缩放的基本原理与实现方法

imf 返回图形图像文件信息

%图像平移(1)

figure,imshow(k2),title('中值滤波');

F=imread('p2.bmp');

se = translate(strel(1), [0 20]);

%参数[0 20]可以修改，修改后平移距离对应改变

J = imdilate(F,se);

figure;

imshow(J,[]);title('右移后图形');

%图像平移(2)

function outImage=immove(inImage,Tx,Ty)

[m, n] = size(inImage);

Tx=fix(Tx);

Ty=fix(Ty);

%move x

if (Tx<0)

[m, n] = size(inImage);

Tx=0;

end

%move y

if (Ty<0)

inImage=imcrop(inImage,[1,abs(Ty),m,n-abs(Ty)]);

[m, n] = size(inImage);

Ty=0;

end

outImage = zeros(m+Ty, n+Tx);

outImage(1+Ty:m+Ty,1+Tx:n+Tx) = inImage;

%图像旋转

%X,Y为其行列数

Image=imread('02.jpg');

Image=rgb2gray(Image);

angle=30;

%角度任意的一个数 表示30度

pai=3.14;

Angle=paiangle/180;

%转换一下角度的表示方法。

[X,Y]=size(Image);

%原图显示

subplot(2,1,1);

imshow(Image);

title('原图像');

%计算四个角点的新坐标，确定旋转后的显示区域

LeftTop(1,1)=-(Y-1)sin(Angle);

LeftTop(1,2)=(Y-1)cos(Angle);

LeftBottom(1,1)=0;

LeftBottom(1,2)=0;

RightTop(1,1)=(X-1)cos(Angle)-(Y-1)sin(Angle);

RightTop(1,2)=(X-1)sin(Angle)+(Y-1)cos(Angle);

RightBottom(1,1)=(X-1)cos(Angle);

RightBottom(1,2)=(X-1)sin(Angle);

%计算显示区域的行列数

Xnew=max([LeftTop(1,1),LeftBottom(1,1),RightTop(1,1),RightBottom(1,1)])-min([LeftTop(1,1),LeftBottom(1,1),RightTop(1,1),RightBottom(1,1)]);

Ynew=max([LeftTop(1,2),LeftBottom(1,2),RightTop(1,2),RightBottom(1,2)])-min([LeftTop(1,2),LeftBottom(1,2),RightTop(1,2),RightBottom(1,2)]);

% 分配新显示区域矩阵

ImageNew=zeros(round(Xnew),round(Ynew))+255;

%计算原图像各像素的新坐标

for indexX=0:(X-1)

for indexY=0:(Y-1)

ImageNew(round(indexXcos(Angle)-indexYsin(Angle))+round(abs(min([LeftTop(1,1),LeftBottom(1,1),RightTop(1,1),RightBottom(1,1)])))+1,1+round(indexXsin(Angle)+indexYcos(Angle))+round(abs(min([LeftTop(1,2),LeftBottom(1,2),RightTop(1,2),RightBottom(1,2)]))))=Image(indexX+1,indexY+1);

end

end

%显示

subplot(2,1,2);

imshow((ImageNew)/255)

promp=['旋转角度为：' int2str(angle) '的图像']

title(promp);

%图像缩放

function y=resize(a,mul,type)

%

%a:输入图像灰度值

%mul:缩放倍数

%type:1表示最邻近法，2表示双极性插值法

%画出缩放后图像并返回其灰度值

%

[m,n]=size(a);

m1=mmul;n1=nmul;

%

if type==1

for i=1:m1

for j=1:n1;

b(i,j)=a(round(i/mul),round(j/mul));

end

end

elseif type==2

for i=1:m1-1

for j=1:n1-1;

u0=i/mul;v0=j/mul;

u=round(u0);v=round(v0);

s=u0-u;t=v0-v;

b(i,j)=(a(u+1,v)-a(u,v))s+(a(u,v+1)-a(u,v))t+(a(u+1,v+1)+a(u,v)-a(u,v+1)-a(u+1,v))st+a(u,v);

end

end

end

%

b=uint8(b);

imshow(b);

title('处理后图像');

y=b;

matlab二值图像截取

一阶导数是最简单的导数算子。已知在点f（x,y）处，梯度grad(F(x,y))的幅度为：

可以使用bwperim()函数进行轮廓提取，具体代码如下：

%读取原图

原图和所提取的轮廓分别如图1和图2所示。

图1 原图

图2 轮廓

2 edge

可以借助edge()函数进行边界检测，算子可以选择canny，soble等等。具体代码如下：

%读取原图

对图1的检测效果如图3所示：

图3 edge检测结果

参考资料

[1]轮廓提取

[2]matlab 二值图像 外轮廓提取

[3]matlab 二进制图像轮廓提取

转自：

注意：填充时，轮廓线是闭合连续的

im=imread(filepath); %读取原图

1、Matlab简述

Matlab是上的科学与工程计算的软件工具，它起源于矩阵运算，已经发展成一种高度集成的计算机语言。有人称它为“”计算机语言，它提供了强大的科算、灵活的程序设计流程、高质量的图形可视化界面设计、便捷的与其它程序和语言接口的功能。随着Matlab语言功能越来越强大，不断适应新的要求并提出新的解决方法，可以预见，在科算，自动控制与科学绘图领域，Matlab语言将长期保持其的地位。

2、几种常用的边缘检测算子

边缘是图像的最重要的特征，。边缘是指周围像素灰度有阶跃变化或屋顶变化的那些像素的。边缘检测主要是灰度变化的度量、检测和定位。有很多种不同的边缘检测方法，同一种方法使用的滤波器也不尽相同。图像边缘检测就是研究更好的边缘检测方法和检测算子。

i. 用边缘算子提取出反映灰度变化的边缘点集

ii. 在边缘点中剔除某些边界点或填补边界间断点，并将这些边缘连接成完整的线

常用的检测算子有微分算子、拉普拉斯高斯算子和canny算子。

在Matlab图像处理工具箱中，提供了edge函数利用以上算子来检测灰度图像的边缘。

2.1微分算子法

经典的边缘提取方法是考察图像的每个像素的某个邻域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律，用简单的方法检测边缘，称为微分算子法。

导数算子具有突出灰度变化的作用，对图像运用导数算子，灰度变化较大的点处算得的值较高，因此我们将图像的导数算子运算值作为相应的边界强度，所以可以通过对这些导数值设置阈值，提取边界的点集。

它们分别求出了灰度在x和y方向上的变化率，但是要对每一个像素进行以上的运算，运算量较大，所以在实际应用中常用小区域模板卷积运算来进行近似计算。模板运算的想法是将赋予某一个像素的值作为它本身灰度值和相邻象素灰度值的函数。运用中，对x，y方向各用一个模板。

2.1.1 Sobel算子

Sobel算子是滤波算子的形式来提取边缘。X，Y方向各用一个模板，两个模板组合起来构成1个梯度算子。X方向模板对垂直边缘影响，Y方向模板对水平边缘影响。

图1 Sobel算子模板

2.1.2 robert算子

Robert算子是一种梯度算子，它用交叉的分表示梯度，是一种利用局部分算子寻找边缘的算子，对具有陡峭的低噪声的图像效果：

模板如图：

图2 Robert算子模板

2.1.3 prewitt算子

prewitt算子是加权平均算子，对噪声有抑制作用，但是像素平均相当于对图像进行地同滤波，所以prewitt算子对边缘的定位不如robert算子。模板如图；

图3 prewitt算子模板

代码如下：

原始图像为三位编织复合材料二维截面图，对原始图像进行前期处理

i=imread('d1.jpg');

i2=im2double(i);

ihd=rgb2gray(i2);

[thr,sorh,keepapp]=ddencmp('den','wv',ihd);

ixc=wdencmp('gbl',ihd,'sym4',2,thr,sorh,keepapp);

figure,imshow(ixc),title('消噪后图像 ');

k2=medfilt2(ixc,[7 7]);

isuo=imresize(k2,0.25,'bicubic');

%sobert、robert和prewitt算子检测图像边缘

esobel=edge(isuo,'sobel');

erob=edge(isuo,'roberts');

eprew=% arrow keys: pan the dataedge(isuo,'prewitt');

subplot(2,2,1);

imshow(isuo);title('前期处理图像');

subplot(2,2,2);

imshow(esobel);title('sobel算子提取');

subplot(2,2,3);

imshow(erob);title('roberts算子提取');

subplot(2,2,4);

imshow(eprew);title('prewitt算子提取');

图4 微分算子边缘检测结果

2.2 Laplacian算子

对一个连续函数

，它在位置

的拉普拉斯算子定义如下：

在图像边缘检测中，为了运算方便，函数的拉普拉斯高斯算子也是借助模板来实现的。其模板有一个基本要求：模板中心的系数为正，其余相邻系数为负，所有系数的和应该为零。

2.3 Canny边缘检测法

Canny边缘检测是一种比较新的边缘检测算子，具有很好的边缘监测性能，在图像处理中得到了越来越广泛的应用。它依据图像边缘检测准则设计canny边缘检测算法：

（1） 首先用2D高斯滤波模板进行卷积以消除噪声

（2） 利用导数算子找到图像灰度地沿着两个方向的偏导数

，并求出梯度的大小：

（3） 利用（2）的结果计算出梯度的方向

（5） 遍历图像，若某个像素的灰度值与其梯度方向上前后两个像素的灰度值相比不是的，那么这个像素值置为0，即不是边缘。

（6） 使用累计直方图计算两个阈值，大于高阈值的一定是边缘，小于低阈值的一定不是边缘，介于之间的，看这个像素的邻接像素中有没有超过高阈值的边缘像素，如果有的话那么它

就是边缘了，否则它就不是边缘。

调用Laplacian算子、canny算子检测法检测图像边缘的程序如下：

elog=edge(isuo,'log');

ecanny=edge(isuo,'canny');

subplot(1,2,1);

imshow(elog);title('log算子提取');

subplot(1,2,2);

imshow(ecanny);title('canny算子提取');

图6 canny算子、Laplacian算子检测结果

3.边缘检测结果比较

Roberts算子检测方法对具有陡峭的低噪声的图像处理效果较好，但是利用roberts算子提取边缘的结果是边缘比较粗，因此边缘的定位不是很准确。

Sobel算子检测方法对灰度渐变和噪声较多的图像处理效果较好，sobel算子对边缘定位不是很准确，图像的边缘不止一个像素。

Prewitt算子检测方法对灰度渐变和噪声较多的图像处理效果较好。但边缘较宽，而且间断点多。

Laplacian算子法对噪声比较敏感，所以很少用该算子检测边缘，而是用来判断边缘像素视为与图像的明区还是暗区。

Canny方法不容易受噪声干扰，能够检测到真正的弱边缘。优点在于，使用两种不同的阈值分别检测强边缘和弱边缘，并且当弱边缘和强边缘相连时，才将弱边缘包含在输出图像中。

参考文献

[1] 赵春晖.现代图像处理技术及Matlab实现[M].：邮电出版社，2001.

[2] 阮秋琦.数字图像处理学[M].：电子工业出版社，2001.

[3] 何斌.数字图像处理[M].：邮电出版社，2001

I=imread('lena.bmp');% 提取图像

BW2=edge(I,'roberts');%用Roberts算子进行边缘检测

BW3=edge(I,'prewitt'); %用prewitt算子进行边缘检测

BW4=edge(I,'log'); %用log算子进行边缘检测

BW5=edge(I,'canny'); %用canny算子进行边缘检测

h=fspecial('gaussian’,5);

BW6=edge(I,’canny’);

subplot(2,3,1), imshow(BW1);

title(‘sobel edge check’);

subplot(2,3,2), imshow(BW2);

title(‘sobel edge check’);

subplot(2,3,3), imshow(BW3);

title(‘prewitt edge check’);

subplot(2,3,4), imshow(BW4);

title(‘log edge check’);

subplot(2,3,5), imshow(BW5);

title(‘canny edge check’);

subplot(2,3,6), imshow(BW6);

title(‘gasussian&canny edge check’);%此为用高斯滤波后Canny算子边缘检测结果

（注意：代码中有一些标点是中文模式，若输入代码后标点显示红色，则为中文标点，改回来就行了）