目錄
0. 概要
1. 圖像表示 Image Representation
1.1 圖像格式 Image format
1.2 圖像分辨率 resolution of image
1.3 圖像的編碼
1.4?Matlab圖像加載、顯示和保存
?1.5?Image?Information
1.6 圖像格式轉(zhuǎn)換
1.7 其它類型的像素
1.8 像素?cái)?shù)值格式
1.9 圖像數(shù)據(jù)的訪問(wèn)和引用
3. 點(diǎn)處理 Point Processing
3.1 關(guān)于像素值的處理 Value Manipulation
3.1.1 pixel scaling
3.1.2 Histogram
3.1.3 直方圖均衡 Histogram Equalisation
3.1.4 Thresholding
3.1.5 Colour Transforms
3.2 坐標(biāo)變換 Co-ordinate Manipulation
3.2.1 變換 transform
3.2.2 內(nèi)插
4. 區(qū)域處理 Region Processing
4.1 High Pass - Edge Detection
4.2 Low Pass – Smoothing
4.3 Morphology
5. 圖像處理 Image Processing
0. 概要
?? ? ? ? 基于Matlab的圖像處理基礎(chǔ)介紹。Matlab提供了豐富的圖像處理相關(guān)的工具箱，基于Matlab代碼實(shí)驗(yàn)可以使得圖像處理算法的理解變得更加簡(jiǎn)單直觀。
? ? ? ? 以下所介紹的一些matlab工具函數(shù)都限于篇幅只涉及其基本的用法，更豐富的參數(shù)設(shè)定等可以查閱matlab說(shuō)明。
1. 圖像表示 Image Representation
1.1 圖像格式 Image format
????????一副圖像可以看作就是一個(gè)像素（pixel）構(gòu)成的矩形陣列（rectangular array of pixels)。其中，每個(gè)像素代表針對(duì)對(duì)象場(chǎng)景的某個(gè)有限區(qū)域的某種屬性的測(cè)量結(jié)果。通常所用的屬性有兩種：
? ? ? ? (1) 區(qū)域內(nèi)的平均亮度（brightness），用一個(gè)值表示。這樣得到的屬性值特成為灰度值，由此得到的圖像是黑白圖像（或者灰度圖像，grey image），是單通道圖像。
? ? ? ? (2) 分別通過(guò)紅、綠、藍(lán)濾波器濾波后的亮度平均值，包含三個(gè)值。這樣得到的屬性分別記為R,G,B，所得到的圖像則是所謂三通道的（RGB）彩色圖像。
? ? ? ? 不管是灰度值，還是R、G、B值，它們都是亮度（brightness）值，通常都用8比特的整數(shù)表示，可以表示256種亮度等級(jí)。通常255表示白，0表示黑。
? ? ? ? 但是，亮度值非得是8比特嗎。當(dāng)然不是，這個(gè)其實(shí)是有歷史原因的，參見(jiàn)后文說(shuō)明。
1.2 圖像分辨率 resolution of image
? ? ? ? 當(dāng)我們談?wù)搱D像分辨率時(shí)，其實(shí)包含圖像的兩個(gè)方面的屬性。其一是像素的個(gè)數(shù)；其二則是每個(gè)像素表示的比特?cái)?shù)（對(duì)應(yīng)于亮度值的等級(jí)數(shù)）。
1.3 圖像的編碼
? ? ? ? 以時(shí)下流行的4K為例，其大小為4096*2196，考慮彩色圖像，有三個(gè)通道。因此一張4K分辨率的圖像的總的像素個(gè)數(shù)為：，八百多萬(wàn)個(gè)像素，兩千多萬(wàn)個(gè)亮度值，考慮8比特的亮度值表示，需要2G字節(jié)的內(nèi)存才能表示。
? ? ? ? 由這一個(gè)例子我們可以直觀地感受到原始圖像的存儲(chǔ)是需要巨大的存儲(chǔ)空間的。
? ? ? ? 研究者們發(fā)明了很多不同的壓縮方法對(duì)圖像數(shù)據(jù)進(jìn)行壓縮，包括利用圖像中存在大量冗余信息的特征的有效編碼方法，以及剔除圖像中視覺(jué)不敏感的一些不重要的信息（剔除后不會(huì)或不太會(huì)影響視覺(jué)觀感）。
? ? ? ? 具體有哪些圖像編碼方式超出本文范圍，這里就不啰嗦了。。。
????????
1.4?Matlab圖像加載、顯示和保存
? ? ? ? Matlab提供了imread(), imshow()，imwrite()用于圖像數(shù)據(jù)的加載、顯示和保存。可以自由地處理各種不同的圖像格式（通常圖像文件的后綴表示圖像格式）。
?
f = imread(‘image file name’);
????????讀入指定的圖像文件，其結(jié)果作為一個(gè)數(shù)組賦給變量f。調(diào)用size(f)可以知道它的size信息。
imshow(f, [low, high])
????????f表示要顯示的圖像，[low, high]表示所顯示的強(qiáng)度值范圍。如果不指定的話，則用缺省值[0,255]. 低于low的像素點(diǎn)顯示為黑色，高于high的像素點(diǎn)顯示為白色，相當(dāng)于做了clipping限幅處理。如果以imshow(f, [])的形式調(diào)用而不顯式指定low和high的話，會(huì)自動(dòng)地取像素值的最小值賦給low，最大值賦給high。這個(gè)自適應(yīng)地匹配圖像像素值范圍的顯示功能對(duì)于圖像中像素值范圍有限的情況非常有用。
imwrite(array name, ‘file name’)
????????將數(shù)組形式的圖像數(shù)據(jù)保存為指定文件名的圖像文件。
? ? ? ? 所保存的圖像格式由文件名中的后綴名推斷而得。也可以用另外一個(gè)參數(shù)進(jìn)行指定。如果指定的文件名的后綴不是代表一個(gè)有效的圖像格式的話，則必需用另外一個(gè)參數(shù)進(jìn)行指定。
? ? ? ? 如果指定的文件名的后綴不是代表一個(gè)有效的圖像格式，又使用了另外一個(gè)參數(shù)進(jìn)行指定的話，后者優(yōu)先度更高。
? ? ? ? 以上三個(gè)函數(shù)的基本使用方法參見(jiàn)如下代碼示例：
clear; close all; clc
filename = 'lena1'; % 非matlab內(nèi)置，需要提供該圖片文件
f = imread([filename '.jfif']);
fprintf('f size is (%d,%d,%d)\n',size(f));
figure; imshow(f);
imwrite(f,[filename '.bmp']);
imwrite(f,[filename '.tiff']);
imwrite(f,[filename '.jpg']);
% Display a grayscale image
I = imread('cameraman.tif'); % 'cameraman.tif'是matlab工具箱內(nèi)置的樣本圖片
figure;
subplot(1,2,1); imshow(I);
% Display a grayscale image, adjust the display range
subplot(1,2,2); h = imshow(I,[0 80]);
% imwrite(I,'cameraman.img'); % Don't work. Because '.img' is not a valid format postfix
imwrite(I,'cameraman.img','jpg'); % 指定為jpg格式，但是不如直接用imwrite(I,'cameraman.jpg')
imwrite(I,'cameraman.tiff','jpg'); % 第三個(gè)參數(shù)'jpg'指定的格式的優(yōu)先度更高
imwrite(I,'cameraman2.tiff'); % 不指定格式，得到的是tiff格式? ? ? ? 運(yùn)行以上代碼段可以得到以下結(jié)果：
f size is (240,320,3)
? 1.5?Image?Information
? ? ? ? Matlab提供了imfinfo()函數(shù)用于查詢圖像文件的基本信息。
? ? ? ? 比如說(shuō)在以上代碼示例中的最后兩條語(yǔ)句，特別是第一條語(yǔ)句生成的文件究竟是什么格式呢？
imwrite(I,'cameraman.tiff','jpg'); % 第三個(gè)參數(shù)'jpg'指定的格式的優(yōu)先度更高
imwrite(I,'cameraman2.tiff'); % 不指定格式，得到的是tiff格式
? ? ? ? 可以用以下兩條語(yǔ)句進(jìn)行查看：?
imfinfo('cameraman.tiff')
imfinfo('cameraman2.tiff')? ? ? ??
? ? ? ? 運(yùn)行結(jié)果表明兩者確實(shí)是不同的格式。?
?
1.6 圖像格式轉(zhuǎn)換
????????可以用I = rgb2gray(RGB)將真彩色圖像 RGB 轉(zhuǎn)換為灰度強(qiáng)度圖像 I。rgb2gray 函數(shù)通過(guò)消除色調(diào)和飽和度信息，同時(shí)保留亮度，將 RGB圖像轉(zhuǎn)換為灰度圖。
lena = imread('lena1.jfif');
lena_gray = rgb2gray(lena);
figure;
subplot(1,2,1);imshow(lena)
subplot(1,2,2);imshow(lena_gray)1.7 其它類型的像素
? ? ? ? 以上的例子說(shuō)明中都是假定像素值表示的是強(qiáng)度（Intensity）或者說(shuō)亮度（Brightness），但是其實(shí)也并不僅限于此。像素還可以為二進(jìn)制數(shù)，這樣的像素構(gòu)成的圖像稱為二進(jìn)制圖像（Binary Image），非黑即白。像素還可以表示索引值，基于這個(gè)索引值再去查找Look-Up-Table（LUT，查找表）獲取其真值。
1.8 像素?cái)?shù)值格式
? ? ? ? 前面說(shuō)過(guò)，一般的圖像中像素值大都是8比特表示，但是非得如此嗎？并不是。這個(gè)是由多方面原因的（歷史原因、路徑依賴等等）。8比特適合于計(jì)算機(jī)存儲(chǔ)（計(jì)算機(jī)存儲(chǔ)是按字節(jié)單位，1個(gè)字節(jié)就是8比特，恰好可以存儲(chǔ)8比特表示的一個(gè)像素的數(shù)據(jù)）；早期很多相機(jī)由于技術(shù)限制也無(wú)法獲取高于8比特精度的像素值?；絕大多數(shù)顯示裝置都是按照每個(gè)通道8比特的方式進(jìn)行設(shè)計(jì)和實(shí)現(xiàn)的，等等等等.
? ? ? ? 如上所示，8比特并不是必然的。隨著技術(shù)的發(fā)展，有越來(lái)越多的器件設(shè)備可以生成或者需要更高精度的像素表示。
? ? ? ? Matlab提供了方便的對(duì)像素值數(shù)值格式進(jìn)行變換的方法。
????????方法一類似于C語(yǔ)言中的type-cast，其語(yǔ)法如下：
B = data_class_name(A) % data_class_name為matlab所支持的數(shù)據(jù)類型名，比如說(shuō)：
B = uint8(A) % 將圖像A的數(shù)據(jù)格式轉(zhuǎn)換為uint8得到圖像B
? ? ? ? Matlab所支持的數(shù)據(jù)格式如下表所示：
? ? ? ? 另一種方法是matlab提供了一組函數(shù)用于圖像數(shù)據(jù)格式轉(zhuǎn)換，如下表所示（其用法不言自明，不再另行舉例）：
1.9 圖像數(shù)據(jù)的訪問(wèn)和引用
? ? ? ? 圖像數(shù)據(jù)在matlab中是以多維數(shù)組的形式表示，其中的個(gè)別像素、某個(gè)區(qū)域內(nèi)的像素、某個(gè)通道的數(shù)據(jù)等等的訪問(wèn)的基本方法就是多維數(shù)組中的部分?jǐn)?shù)據(jù)的訪問(wèn)方法。一些基本的數(shù)組訪問(wèn)方法如下所示：
A(first:last) % 取1維數(shù)組的從first到last的區(qū)間（inclusive, 下標(biāo)從1開(kāi)始，與python slicing略有不同）
A(first : step : last) % 取1維數(shù)組的從first到last的區(qū)間，步長(zhǎng)為step，相當(dāng)于下采樣。Step可以為負(fù)數(shù)，相當(dāng)于倒著取數(shù)。
fp = f(end : -1 : 1, :); % 將二維數(shù)組的第一維翻轉(zhuǎn)
fc = f(top : bottom, left : right); % 取二維數(shù)組的一個(gè)矩形區(qū)域
fs = f(1 : 2 : end, 1 : 2 : end);? % 對(duì)二維數(shù)組的兩個(gè)軸方向都進(jìn)行2倍下采樣
? ? ? ? 作為一個(gè)示例，參考以下代碼，將灰度圖像進(jìn)行了上下顛倒和左右顛倒處理：
% fp = f(end : -1 : 1, :); 表示將圖像上下顛倒
% fp = f(:, end : -1 : 1); 表示將圖像左右顛倒
figure;
subplot(1,2,1); imshow(I(end:-1:1,:));
subplot(1,2,2); imshow(I(:,end:-1:1));? ? ? ? 運(yùn)行結(jié)果如下。?
?????????
3. 點(diǎn)處理 Point Processing
????????點(diǎn)處理，顧名思義，就是以一個(gè)一個(gè)像素作為處理單位，針對(duì)每個(gè)像素的處理互相獨(dú)立互不影響。主要包括兩類處理，一種是關(guān)于像素值的處理；另一種是關(guān)于坐標(biāo)的處理。
3.1 關(guān)于像素值的處理 Value Manipulation
? ? ? ? 主要考慮針對(duì)表示強(qiáng)度（Intensity,?brightness (in a monochrome image) or colour (in a
multichannel image)）的像素值的處理。
3.1.1 pixel scaling
? ? ? ? matlab函數(shù)imadjust可以用于灰度圖像強(qiáng)度縮放。
J = imadjust(I) % 缺省設(shè)定，針對(duì)所有像素值中最高1%和最低1%飽和處理
J = imadjust(I,[low_in high_in],[low_out high_out]) % 將像素值從指定輸入范圍映射到指定輸出范圍，超出輸入范圍的像素值做飽和處理
J = imadjust(I,[low_in high_in],[low_out high_out],gamma) % gamma參數(shù)用于指定變換方式
? ? ? ? gamma參數(shù)為1表示線性縮放，大于1表示擴(kuò)張像素值較大的區(qū)間，小于1表示擴(kuò)張像素值較小的區(qū)間。imadjust()的幾種調(diào)用方式的效果如下所示：
I = imread('pout.tif'); % Matlab內(nèi)置樣本圖像
J1 = imadjust(I);
J2 = imadjust(I,[],[],1);
J3 = imadjust(I,[],[],2);
J4 = imadjust(I,[],[],0.5);
figure;
subplot(2,2,1); imshow(I)
subplot(2,2,2); imshow(J1)
subplot(2,2,3); imshow(J3)
subplot(2,2,4); imshow(J4)? ? ? ? ?運(yùn)行結(jié)果如下：
? ? ? ? 顯然缺省條件下的調(diào)用，以及gamma大于1的調(diào)用有助于提高圖像的對(duì)比度，而gamma小于1的調(diào)用則會(huì)導(dǎo)致對(duì)比度降低。
????????
? ? ? ? imadjust也可以用彩色圖像的色圖（colormap）調(diào)整，有點(diǎn)復(fù)雜，這里就跳過(guò)了。有興趣者自行查詢matlab幫助信息。
3.1.2 Histogram
? ? ? ? matlab函數(shù)imhist()可以對(duì)輸入圖像的像素值進(jìn)行直方圖分析。一般直方圖分析只針對(duì)灰度圖像進(jìn)行。代碼示例如下：
% 直方圖
I = imread('pout.tif'); % Matlab內(nèi)置樣本圖像
h = imhist(I, 100);
p = imhist(I, 100)*1.0/numel(I);
figure;
subplot(2,1,1); plot(h); % 直方圖
subplot(2,1,2); plot(p); % 歸一化的直方圖，等價(jià)于概率密度譜
3.1.3 直方圖均衡 Histogram Equalisation
????????直方圖均衡是將原圖像通過(guò)某種變換，得到一幅灰度直方圖為均勻分布的新圖像的方法。其基本思想是對(duì)在圖像中像素個(gè)數(shù)多的灰度級(jí)進(jìn)行展寬，而對(duì)像素個(gè)數(shù)少的灰度級(jí)進(jìn)行縮減。據(jù)稱直方圖均衡可以改善圖像的觀感。
% 直方圖均衡
I = imread('pout.tif'); % Matlab內(nèi)置樣本圖像
h = histeq(I, 100);
figure;
subplot(2,2,1); imshow(I); title('before historgram equalisation');
subplot(2,2,2); imshow(h); title('after historgram equalisation');
subplot(2,2,3); plot(imhist(I)); title('before historgram equalisation');
subplot(2,2,4); plot(imhist(h)); title('after historgram equalisation');
3.1.4 Thresholding
? ? ? ? Thresholding也稱為圖像的二值化處理，就是將圖像上的像素點(diǎn)的灰度值基于一個(gè)門(mén)限分別設(shè)置為0或255，也就是將整個(gè)圖像呈現(xiàn)出明顯的只有黑和白的視覺(jué)效果。
? ? ? ? 二值化處理常用于將圖像中的物體與其背景分離開(kāi)來(lái)。matlab函數(shù)im2bw()用于執(zhí)行此處理。
BW = im2bw(I,level)
BW = im2bw(X,cmap,level)
BW = im2bw(RGB,level)
????????BW?= im2bw(I,level)?將灰度圖像?I?轉(zhuǎn)換為二值圖像?BW，方法是將輸入圖像中亮度大于?level?的所有像素替換為值?1（白色），將所有其他像素替換為值?0（黑色）。此范圍與圖像的類的可能信號(hào)級(jí)別相關(guān)。因此，0.5?的?level?值對(duì)應(yīng)于類的最小值和最大值之間的中等強(qiáng)度值。
????????BW?= im2bw(X,cmap,level)?使用顏色圖?cmap?將索引圖像?X?轉(zhuǎn)換為二值圖像。
????????BW?= im2bw(RGB,level)?將真彩色圖像?RGB?轉(zhuǎn)換為二值圖像。
? ? ? ? ?新版本的matlab將采用imbinarize()函數(shù)替換掉im2bw()，代碼示例如下。彩色圖像和黑白圖像都可以做二值化處理。
% 二值化處理
lena = imread('plane.jpg');
BW = im2bw(lena,map,0.4);
figure;
subplot(2,2,1); imshow(lena,map);
subplot(2,2,2); imshow(BW);
I = imread('pout.tif');
Ibw = imbinarize(I,"adaptive");
subplot(2,2,3); imshow(I);
subplot(2,2,4); imshow(Ibw);
? ? ? ? ?二值化處理的一個(gè)關(guān)鍵參數(shù)是門(mén)限的選擇。雖然手動(dòng)選擇一個(gè)門(mén)限是一個(gè)可能的方案，但是最好還是基于待處理的圖像本身來(lái)決定門(mén)限比較好。
????????Gonzalez and Woods suggested this method:
????????1. Choose a threshold arbitrarily.
????????2. Threshold the image using it.
????????3. Compute the mean grey value of the pixels with intensities above and below the threshold, and then compute the average of these two values.
????????4. Use the new value to rethreshold the image.
????????5. Repeat steps 3 and 4 until the threshold changes by an insignificant amount.
????????Otsu suggested a method than minimised the between class variance. Matlab函數(shù)graythresh(A)實(shí)現(xiàn)的是Otsu的方法。
3.1.5 Colour Transforms
? ? ? ? 有多種表示顏色的方法，RGB是其中最常用的一種，但是卻不是最適合于圖像處理的顏色表示方法，因?yàn)镽GB是一種視覺(jué)非均一表示（a perceptually non-uniform representation）。這意味著如果給R/G/B加一個(gè)固定的offset，視覺(jué)觀感上的差異依賴于原始圖像中的R/G/B值。有點(diǎn)類似于說(shuō)缺乏平移不變性。
? ? ? ? 其它表示顏色的方法有YIQ（ntsc）、YCbCr、HSV等，matlab提供了不同顏色表示方法之間的變換工具：rgb2ntsc, ntsc2rgb, rgb2ycbcr, rgb2lab, rgb2xyz, rgb2hsv
3.2 坐標(biāo)變換 Co-ordinate Manipulation
? ? ? ? 坐標(biāo)變換的目的是使得原始圖像發(fā)生變形。比如說(shuō)，創(chuàng)建全景圖像（panoramic images）、對(duì)由于鏡頭畸變導(dǎo)致的圖像變形進(jìn)行補(bǔ)償?shù)鹊取?/p>
? ? ? ? 坐標(biāo)變換通常分為兩個(gè)階段進(jìn)行：
? ? ? ? step1: 計(jì)算像素的新的坐標(biāo)
? ? ? ? step2: 重采樣（resampling）或者內(nèi)插（interpolation）
3.2.1 變換 transform
????????有兩種變換方式：仿射變換（affine）和非線性變換。
? ? ? ? 仿射變換通過(guò)在變換矩陣中插入適當(dāng)?shù)闹祦?lái)實(shí)現(xiàn)，如下所示：
????????????????
? ? ? ? 某個(gè)軸可以被縮放、圖像整體可以被旋轉(zhuǎn)或者剪切（shear）處理，取決于a~i各參數(shù)的取值。Matlab中通過(guò)一個(gè)tform structure來(lái)實(shí)現(xiàn)變換，一個(gè)??tform structure 通過(guò)maketform()函數(shù)創(chuàng)建：
tform = maketform(transform_type, transform_parameters);?
????????transform_type 的取值包括： affine, projective, box, composite or custom.
????????transform_parameters 參數(shù)的取值依賴于transform_type. 對(duì)于仿射變換，變換參數(shù)就是如上所述的矩陣的9個(gè)元素。如下例所示：
T = [2 0 0; 0 3 0; 0 0 1];
tform = maketform('affine’, T); % Will be replaced by affine2d() or affine3d()? ? ? ? 非線性變換通常用于對(duì)由成像系統(tǒng)導(dǎo)致發(fā)生畸變的圖像進(jìn)行糾正的處理：
????????????????
3.2.2 內(nèi)插
????????在以上坐標(biāo)變換處理中，所計(jì)算出的新的坐標(biāo)并不總是整數(shù)。不能簡(jiǎn)單地對(duì)坐標(biāo)值做四舍五入的處理（這樣會(huì)帶來(lái)額外的distortion，甚至?xí)?dǎo)致某些輸出的像素沒(méi)有得到賦值。
????????需要用內(nèi)插的方式來(lái)計(jì)算在輸出圖像中的各個(gè)坐標(biāo)點(diǎn)上的像素值。
? ? ? ? matlab提供了tforminv()和imtransform()來(lái)進(jìn)行這種轉(zhuǎn)換計(jì)算。與tforminv()相對(duì)的是tformfwd()，tformfwd()通常很少使用。
????????res = tforminv(src, tform, interp);
? ? ? ? interp用于選擇插值方式，有以下三種選擇：
????????Nearest：uses the nearest neighbour pixel.使用最鄰近的像素值
????????Bilinear (the default)：uses a weighted average of the nearest 2 by 2 pixel neighbourhood.雙線性，使用最近的2x2鄰域的像素值的加權(quán)平均
????????Bicubic：uses a weighted average of the nearest 4 by 4 pixel neighbourhood. 雙三次插值，使用4x4鄰域內(nèi)像素值的加權(quán)平均。
4. 區(qū)域處理 Region Processing
4.1 High Pass - Edge Detection
Matlab圖像處理基礎(chǔ)(2)：區(qū)域處理，邊沿檢測(cè)基于Matlab的圖像處理基礎(chǔ)介紹。Matlab提供了豐富的圖像處理相關(guān)的工具箱，基于Matlab代碼實(shí)驗(yàn)可以使得圖像處理算法的理解變得更加簡(jiǎn)單直觀。 以下所介紹的一些matlab工具函數(shù)都限于篇幅只涉及其基本的用法，更豐富的參數(shù)設(shè)定等可以查閱matlab說(shuō)明。 本篇是本系列第二篇，介紹區(qū)域處理（Regional Processing），包括卷積、相關(guān)、高通濾波（邊沿檢測(cè)）、低通濾波（平滑）等。 上一篇參見(jiàn)：Matlab圖像處理基礎(chǔ)（part 1） 區(qū)https://blog.csdn.net/chenxy_bwave/article/details/127941390
4.2 Low Pass – Smoothing
4.3 Morphology
? ? ? ? coming soon...
5. 圖像處理 Image Processing
? ? ? ? 這里的“圖像處理”是狹義的說(shuō)法，是相對(duì)于以上點(diǎn)處理、區(qū)域處理而言的以圖像整體為對(duì)象的處理。
Fourier Transform
? ? ? ? coming soon...
參考文獻(xiàn)
[1] R.C. Gonzalez, R.E. Woods, S.L. Eddins, (2004) Digital Image Processing Using Matlab文章來(lái)源：http://www.zghlxwxcb.cn/news/detail-402386.html
[2] Tim Morris, Image Processing with Matlab, lecture note文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-402386.html
到了這里，關(guān)于Matlab圖像處理基礎(chǔ)(1)：圖像表示，點(diǎn)處理的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
