如何在MATLAB中将图像划分为块？

自 blockproc起 （以及已弃用的 blkproc ）都是Image Processing Toolbox中的功能，我想我会添加一个基本的MATLAB解决方案，不需要其他工具箱...

如果要将矩阵划分为子矩阵，一种方法是使用 mat2cell 分解矩阵并将每个子矩阵存储在单元阵列的单元中.对于您的情况，语法如下所示：

C = mat2cell(I, [128 128], [128 128]);

C 现在是2 x 2单元格阵列，每个单元格存储 I的128 x 128子矩阵 .如果要对每个单元执行操作，则可以使用功能 cellfun .例如，如果要取每个子矩阵中值的平均值，则可以执行以下操作：

meanValues = cellfun(@(x) mean(x(:)), C);

第一个参数是匿名函数的函数句柄，该函数首先将每个子矩阵整形为列向量，然后取均值.输出是每个子矩阵的平均值的2×2矩阵.如果您将函数传递给 cellfun 为每个单元创建不同大小或类型的输出，然后 cellfun 连接它们会遇到问题，并会引发错误：

??? Error using ==> cellfun
Non-scalar in Uniform output, at index 1, output 1.
Set 'UniformOutput' to false.

如果添加 ..., 'UniformOutput', false); 到 cellfun的通话结束 ，则在上述情况下的输出将改为2 x 2单元格数组，其中包含对每个子矩阵执行操作的结果。

blockproc 是 blkproc的新名称 （已弃用）.它可用于将功能应用于图像中的每个块.例如，如果您想将矩阵I划分为8x8的块并计算每个块的平均值，则可以这样做：

B=blockproc(I, [8 8], @(x) mean(x.data(:)));

然后

B是一个包含块均值的矩阵。

这里要注意两件事：

The specifier [8 8] 指定块的size，而不是块的number。

在传递给 blockproc的函数之外，您无法访问自身的块 .如果您自己需要块，则必须按照Adrien的建议进行操作：

A1=I(1:128, 1:128);
A2=I(129:256, 1:128);
A3=I(1:128, 129:256);
A4=I(129:256, 129:256);

当然，在实际程序中，您可能应该使用循环来完成此操作。

p

如果 myImage 是您的256x256图片，不是吗

image_top_left = myImage(1:128,1:128);
image_top_right = myImage(1:128,129:256);
image_bottom_left = myImage(129:256,1:128);
image_bottom_right = myImage(129:256,129:256);

？

最好让您的程序适用于所有尺寸的图像，而不仅仅是256 * 256。

[row, col]=size(your_image); mr = round(row/2); % median of rows mc = round(col/2); % median of columns % Now divide your image and call each of them separately and do what ever you want top_left = your_image(1:mr , 1:mc); top_right = your_image(1:mr , (mc+1):col); bot_left = your_image((mr+1):row , 1:mc); bot_right = your_image((mr+1):row , (mc+1):col); % final stage is to combining these parts again to return to its original shape Back_to_original = [top_left,top_right ; bot_left,bot_right];

％hope这将对您有用.