《MATLAB图像处理超级学习手册》一一2.3 MATLAB矩阵寻访

简介:

本节书摘来自异步社区出版社《MATLAB图像处理超级学习手册》一书中的第2章,第2.3节,作者:MATLAB技术联盟 , 张岩 更多章节内容可以访问云栖社区“异步社区”公众号查看。

2.3 MATLAB矩阵寻访

MATLAB图像处理超级学习手册
在MATLAB中,矩阵寻访主要有下标寻访、单元素寻访和多元素寻访,下面将对其进行一一介绍。

2.3.1 下标寻访
MATLAB中矩阵的下标表示与常用的数学习惯相同,使用分别表示行和列的“双下标”(Row-Column Index),矩阵中的元素都有对应的第几行、第几列。这种表示方法简单直观,几何概念比较清晰。

【例2-6】利用上下标来寻访矩阵元素。

>>a=[1 2 3;4 5 6;7 8 9]
>>a(1,1)
>>a(2,2)
>>a(3,3)
a =
   1   2   3
   4   5   6
   7   8   9
ans =
   1
ans =
   5
ans =
   9

2.3.2 单元素寻访
MATLAB中,必须指定两个参数,即其所在行数和列数,才能访问一个矩阵中的单个元素。例如,访问矩阵M中的任何一个单元素时,M=(row,column)。row和column分别代表行数和列数。

【例2-7】对矩阵M进行单元素寻访。

>>M=randn(3)
>>x= M (1,2)
>>y= M (2,3)
>>z= M (3,3)
M =
  0.3714  -1.0891  1.1006
  -0.2256  0.0326  1.5442
  1.1174  0.5525  0.0859
x =
  -1.0891
y =
  1.5442
z =
  0.0859

2.3.3 多元素寻访
矩阵多元素的寻访,包括寻访该矩阵的某一行或某一列的若干元素,访问整行、整列元素,访问若干行或若干列的元素,以及访问矩阵所有元素等。示例如下。

M (1:k,n):表示矩阵M中第n列的1~k的元素,冒号表示矩阵中的多个元素。

N(m,:):表示矩阵N中第m行的所有元素。

【例2-8】对矩阵M进行多元素寻访。

>>M=randn(4)
>>M(1,:)%访问第1行所有元素
>>M(1:3,:)%访问第1~3行所有元素
>>M(:,2) %访问第2列所有元素
>>M(:)%访问所有元素
M =
  0.1978  0.8351  -1.1480  -0.6669
  1.5877  -0.2437  0.1049  0.1873
  -0.8045  0.2157  0.7223  -0.0825
  0.6966  -1.1658  2.5855  -1.9330
ans =
  0.1978  0.8351  -1.1480  -0.6669
ans =
  0.1978  0.8351  -1.1480  -0.6669
  1.5877  -0.2437  0.1049  0.1873
  -0.8045  0.2157  0.7223  -0.0825
ans =
  0.8351
  -0.2437
  0.2157
  -1.1658
ans =
  0.1978
  1.5877
  -0.8045
  0.6966
  0.8351
  -0.2437
  0.2157
  -1.1658
  -1.1480
  0.1049
  0.7223
  2.5855
  -0.6669
  0.1873
  -0.0825
  -1.9330
相关文章
|
11月前
OFDM深入学习及MATLAB仿真(二)
OFDM深入学习及MATLAB仿真
457 1
|
11月前
|
编解码 网络协议 前端开发
OFDM深入学习及MATLAB仿真(一)
OFDM深入学习及MATLAB仿真
1217 1
|
2月前
|
数据可视化 数据挖掘 BI
MATLAB学习之旅:数据统计与分析
在MATLAB中,我们掌握了数据导入、处理及插值拟合等基础技能。接下来,我们将深入数据统计与分析领域,学习描述性统计量(如均值、标准差)、数据分布分析(如直方图、正态概率图)、数据排序与排名、数据匹配查找以及数据可视化(如箱线图、散点图)。这些工具帮助我们挖掘数据中的有价值信息,揭示数据的奥秘,为后续数据分析打下坚实基础。
|
2月前
|
数据建模 数据处理
MATLAB学习之旅:数据建模与仿真应用
在MATLAB的学习中,我们已掌握基础操作、数据处理与统计分析。接下来将进入数据建模与仿真应用阶段,学习如何构建和验证现实世界的模型。我们将从定义模型结构和参数入手,涵盖线性回归、动态系统建模等内容,并通过仿真和实际数据对比评估模型的准确性和可靠性。最终,这些技能将帮助我们在科学研究和工程应用中解决复杂问题。
|
11月前
|
机器学习/深度学习 数据安全/隐私保护 计算机视觉
matlab学习(二)
matlab学习(二)
|
6月前
|
Serverless
MATLAB中的矩阵与向量运算
【10月更文挑战第2天】本文全面介绍了MATLAB中的矩阵与向量运算,包括基本操作、加减乘除、转置、逆矩阵、行列式及各种矩阵分解方法。通过丰富的代码示例,展示了如何利用矩阵运算解决线性方程组、最小二乘法拟合、动态系统模拟和电路分析等问题。掌握这些运算不仅提升编程效率,还能在工程计算和科学研究中发挥重要作用。
285 1
|
8月前
|
计算机视觉
【图像处理】基于灰度矩的亚像素边缘检测方法理论及MATLAB实现
基于灰度矩的亚像素边缘检测方法,包括理论基础和MATLAB实现,通过计算图像的灰度矩来精确定位边缘位置,并提供了详细的MATLAB代码和实验结果图。
212 6
|
8月前
|
计算机视觉
【图像处理】基于Zernike矩的亚像素边缘检测理论及MATLAB实现
基于Zernike矩的亚像素边缘检测理论,并提供了相应的MATLAB代码实现,包括定义7x7的Zernike模板、图像处理、边缘检测和连通域分析等步骤。
171 1
|
10月前
|
机器学习/深度学习 存储 移动开发
MATLAB数据类型和运算符+矩阵创建
MATLAB数据类型和运算符+矩阵创建
143 1
|
10月前
|
机器学习/深度学习 数据可视化 算法
探索MATLAB世界:掌握基础知识与实用技能(1. MATLAB环境与基本操作 2. 数据类型与变量 3. 条件与循环,1. 数据分析与统计 2. 图像处理与计算机视觉 3. 信号处理与控制系统)
探索MATLAB世界:掌握基础知识与实用技能(1. MATLAB环境与基本操作 2. 数据类型与变量 3. 条件与循环,1. 数据分析与统计 2. 图像处理与计算机视觉 3. 信号处理与控制系统)
112 0

热门文章

最新文章