[toc]
灰度图像一维化
众所周知 灰度图像是由元素数值在 [0,255] 范围内的矩阵构成的，因此可以将一个nm的矩阵（分辨率nm）变成一个向量，即图像一维化。
常见的彩色图像由RGB三个通道组成（即有3个m*n的矩阵），因而操作其实也是类似的，三个通道分别处理再叠加即可。
直接拉伸
在图像处理中，有时候需要将图像拉抻成向量进行处理。上matlab代码
file_path = 'D:\train_data\';% 需要一维化图像的文件夹路径
img_path_list = dir(strcat(file_path,'*.jpeg'));%获取该文件夹中所有jpeg格式的图像
img_num = length(img_path_list);%获取图像总数量
data=zeros(img_num,600); %创建零矩阵，大小为img_num*600，600自己按需修改
I=cell(1,img_num);
if img_num > 0 %有满足条件的图像
for j = 1:img_num %逐一读取图像
image_name = img_path_list(j).name;% 图像名 ?
image = imread(strcat(file_path,image_name));
I{j}=image;
fprintf('%d %d %s\n',i,j,strcat(file_path,image_name));% 显示正在处理的图像名 ?
%图像处理过程
image_grey = rgb2gray(image); %将RGB图像转换成灰度图
[m,n]=size(image_grey); %获取图片分辨率大小，大小为m*n
B = reshape(image_grey,1,m*n); %根据图像分辨率拉伸成为长度m*n的向量
data(j,1:m*n) = B;
end
end
xlswrite( "D:\ONE.xlsx",data) %将一维化之后的图像数据保存为xlsx文件
希尔伯特曲线法
相比直接拉伸，用希尔伯特曲线的方法将图像一维化可以保留图像结构特征
%leftright.m
function [y] = leftright(x)
sizecol = size(x, 2);
y = zeros(sizecol);
for i = 1 : sizecol
y(:, i) = x(:, sizecol + 1 - i);
end
end
% show_curve.m
function show_curve(H)
size_col = size(H, 2);
map = zeros(size_col * size_col, 3);
count = 1;
for i = 1 : size_col
for j = 1 : size_col
map(count, 1) = i;
map(count, 2) = j;
map(count, 3) = H(i, j);
count = count + 1;
end
end
map = sortrows(map, 3);
plot(map(:,1), map(:, 2));
axis([0 size_col + 1 0 size_col + 1]);
end
H2 = [1 2; 4 3];
H = H2;
for i = 1 : 9
if mod(i, 2) == 0
H = [H, 4^i + H';
(4^(i + 1) + 1) - updown(H), (3 * 4^i + 1) - (leftright(H)')];
else
H = [H, (4^(i + 1) + 1) - leftright(H);
(4^i) + H', (3 * 4^i + 1) - leftright(H')];
end
H
end
% updwon.m
function [y] = updown(x)
sizerow = size(x, 1);
y = zeros(sizerow);
for i = 1 : sizerow
y(i, :) = x(sizerow + 1 - i, :);
end
end
