matlab常用函数备忘录（持续更新）

最新推荐文章于 2023-02-18 15:59:41 发布

转载最新推荐文章于 2023-02-18 15:59:41 发布 · 177 阅读

1 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/hujingshuang/p/5119011.html

文章标签：

#matlab #人工智能

本文详细介绍了Matlab中的mat2gray、fspecial、mvnrnd等常见函数的使用方法及实例，包括图像处理、滤波算子生成、多元正态分布随机数据生成等内容，通过具体代码展示了函数的应用场景。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言：

本博文用于记录matlab中一些常见的函数，以便备忘，会持续更新。

1、mat2gray()

用来归一化二维矩阵的，这在图像处理中会经常用得到，详情请查看其MATLAB源代码。

在MATLAB中输入一个3*3大小的矩阵，经mat2gray()之后得到一个归一化后的矩阵。语句如下：

>> a=[1,2,3;2,3,4;3,4,5]

a =

     1     2     3
     2     3     4
     3     4     5

>> b=mat2gray(a)

b =

         0    0.2500    0.5000
    0.2500    0.5000    0.7500
    0.5000    0.7500    1.0000

从而可知，mat2gray()的原理是，找出矩阵a中的最大值Vmax与最小值Vmin，则元素之间最长距离为D=Vmax-Vmin。

b(i,j)=(a(i,j)-Vmin)/D；

上述代码中，Vmin=a(1,1)=1，Vmax=a(3,3)=5，D=4。故：归一化之后元素为矩阵b中的值。

2、fspecial()

用来生成滤波算子的模板，在图像滤波中也经常用到。详情请查看其MATLAB源代码，下面以高斯为例。

用MATLAB生成一个5*5，δ=1.6的高斯滤波模板，语句如下：

>> fspecial('gaussian',[5 5],1.6)

ans =

    0.0165    0.0297    0.0361    0.0297    0.0165
    0.0297    0.0534    0.0649    0.0534    0.0297
    0.0361    0.0649    0.0789    0.0649    0.0361
    0.0297    0.0534    0.0649    0.0534    0.0297
    0.0165    0.0297    0.0361    0.0297    0.0165

可以看出，此函数产生的高斯核是经过归一化的。

3、mvnrnd()

用来生成多元正态分布的随机数据。

引用方法有：

R = mvnrnd(MU,SIGMA)
r = mvnrnd(MU,SIGMA,cases)

其中MU是均值向量，SIGMA为协方差矩阵（若是一元情况，则MU为正态分布中的μ，SIGMA为正态分布中的σ^2）,返回值R为随机产生的一个向量（该向量服从给定参数的多元正态分布）。若还带有参数cases，cases表示生成向量的个数，因此r是一个矩阵。

下面举例说明：

>> r=mvnrnd([2 3],[1 0;0 1],100);
plot(r(:,1),r(:,2),'r.')
axis([-5 10 -5 10]);

此代码中，给定参数为：均值向量MU=[2 3]，协方差矩阵SIGMA=[1 0;0 1]（很显然此处协方差矩阵是一个二阶的单位矩阵），cases为100（即100个向量），生成的矩阵r应为100x2的矩阵。

输出结果：

如果改协方差矩阵为SIGMA=[1 0.8;0.8 1]，则说明两个维度之间存在相关性，这种相关是正相关；若SIGMA=[1 -0.8;-0.8 1]则是负相关的。

>>r1=mvnrnd([2 3],[1 0.8;0.8 1],100);
r2=mvnrnd([2 3],[1 -0.8;-0.8 1],100);
figure;hold on;
plot(r1(:,1),r1(:,2),'r.');%红色点为正相关的一组数据
plot(r2(:,1),r2(:,2),'b.');%蓝<span style="font-family: Arial, Helvetica, sans-serif;">色点为负相关的一组数据</span>
axis([-5 10 -5 10]);

输出结果：