图像平移
对于图像的平移，MATLAB中是可以利用膨胀函数平移图像。
代码：
I = imread('a1.jpg');
se = translate(strel(1), [50 140]);%将一个平面结构化元素分别向下和向右移动30个位置
J = imdilate(I,se);%利用膨胀函数平移图像
subplot(121);imshow(I), title('原图')
subplot(122), imshow(J), title('移动后的图像');效果图：
这里我重点说平移的基本原理及代码实现。
首先，我们必须要知道图像是怎么平移的？图像可以看成二维矩阵，由很多的像素点组成，假设一个像素点的坐标为（1,2），我们向下平移2个像素，向右平移3个像素，那么目标坐标就是（3,5）。这个在二维坐标中很好得出结果，无非就是横纵坐标加减偏移地址罢了，但是在矩阵中怎么算呢？其实这里有几种方法，但思维都是一样的。看原理：
假设（x0,y0）是原图像的点，Tx是x方向偏移量，Ty是y方向偏移量（图像处理一般向下为x轴，向右为y轴）。那么（x1，y1）可以由下图矩阵计算。
通过上面的矩阵运算，我们对原图像的中的每一个像素点进行该变换（仅仅是位置变换），得到新的坐标，然后在新坐标下显示原图像。
代码(这个是copy别人的，她用的矩阵变换和我的不一样，但是原理相同)：
I=rgb2gray(imread('a1.jpg'));%读入图片并转化为灰度图
subplot(1,2,1),imshow(I),title('原图'); %建立窗口，显示灰度图I
[r,c]=size(I); %计算灰度图的大小，r表示行，c表示列，即通过size函数将灰度图I的行数存在矩阵的r中，列数存在矩阵的c中，这样就知道灰度图的大小是r×c
dst=zeros(r,c); %建立r×c的0矩阵（平移结果矩阵），初始化为零（黑色）
dx=50; %平移的x方向的距离，这里是竖直方向
dy=80; %平移的y方向的距离，这里是水平方向
tras=[1 0 dx;0 1 dy;0 0 1]; %平移变换矩阵
for i=1:r
for j=1:c
temp=[i;j;1]; %灰度图I要平移变换的点，这里用矩阵表示
temp=tras*temp; %矩阵相乘，得到三行一列的矩阵temp，即平移后的矩阵
x=temp(1,1); %把矩阵temp的第一行第一列的元素给x
y=temp(2,1); %把矩阵temp的第二行第一列的元素给y
if(x>=1&&x<=r)&&(y>=1&&y<=c)%判断所变换后得到的点是否越界
dst(x,y)=I(i,j); %得到平移结果矩阵，点(x,y)是由点(i,j)平移而来的，有对应关系
end
end
end
subplot(1,2,2),imshow(uint8(dst)),title('平移后'); %建立窗口，显示平移后的图效果图：
效果虽然达到了，但是，她的这种写法好像都变成了灰色图片。那么怎么得到和膨胀函数的效果一样呢？
这个也简单，我们只需要对原图像的三个通道分别平移，再合成就ok了（就是这么简单，哈哈）。
代码（这个才是我写的）：
t=imread('a1.jpg');
%分别提取三通道的矩阵
t_1=t(:,:,1)
t_2=t(:,:,2)
t_3=t(:,:,3)
%这里不能是[m,n]=size(t),我们是用三个二维矩阵合成一个三维图片（这里图片看出三维，毕竟有RGB）
[m,n,z]=size(t);
% 定义偏移量
dx=50;
dy=140;
%定义新矩阵 ，存储新坐标
r_1=zeros(m,n);
r_2=zeros(m,n);
r_3=zeros(m,n);
%martix 变换用的矩阵
martix=[1,0,dx;0,1,dy;0,0,1];
%坐标变换
for i=1:m
for j=1:n
tem=[i;j;1];
tem=martix*tem;
x=tem(1,1);
y=tem(2,1);
if(x>=1&&x<=m)&&(y>=1&&y<=n)
r_1(x,y)=t_1(i,j);
r_2(x,y)=t_2(i,j);
r_3(x,y)=t_3(i,j);
end
end
end
%得到三个新矩阵合成一张图片
rt=t
rt(:,:,1)=r_1;
rt(:,:,2)=r_2;
rt(:,:,3)=r_3;
%显示
subplot(1,2,1),imshow(t),title('原图');
subplot(1,2,2),imshow(rt),title('平移后');效果图：
