pythonmatlab圖像處理

⑴ 使用python或者Matlab程序，文件夾里提取圖片，每隔100張提取一個圖片。

用matlab就能做到，把文件夾發過來，我可以給你寫程序。

⑵ 針對繪圖方面的需求，matlab，python和R哪個更加強大

繪圖的話，matlab功能強大且代碼非常簡潔，操作也很方便（相對於python和R來說），但缺點是曲線有鋸齒，不光滑，不太美觀。
python的matlabplot繪圖曲線沒有鋸齒，比較光滑，但3D的繪圖比matlab麻煩。
R我不熟悉，估計跟python差不多。

如果是簡單的繪圖，建議使用matlab。如果是專業的繪圖需要，建議用python的其他繪圖庫（seaborn用法跟matplotlab相似，圖形很漂亮；
pygal和bokeh的優點是可交互，圖形也比較好看；
geoplotlib用於繪制地理圖形，比如一些地圖；
ggplot簡單易學，但圖形不如seaborn美觀）

⑶ matlab和python的區別

都不難，都很好上手。具體學那個，就得根據你本身的需要了。

matlab和Python的上手程度其實差不多，matlab和Python相較於其他編程軟體都很好掌握。

Python語言的優勢：

Python相對於Matlab最大的優勢：免費。可能國內不是很在乎這個，但國外這個是很關鍵的。

Python次要的優勢：開源。你可以大量更改科學計算的演算法細節。可移植性，Matlab必然不如Python，不過這方面需求一般不是很高。

第三方生態，Matlab不如Python，比如說3D的繪圖工具包，GUI，更方便的進行，使用GPU，Functional等等;長期來講，Python的科學計算生態要比Matlab好。Python語言更加優美，如果有一定的OOP需求，構建較大一點的科學計算系統，直接用Python比用Matlab方案要簡潔很多;而Python作為一種通用編程語言，可以做Web開發、網路爬蟲、腳本、人工智慧、機器學習等，用途是非常廣泛的。

Matlab的優勢

Matlab可以說是一個工具，學術界大量使用它來做模擬，做研究的話更容易找到代碼參考。語法相對Python更靈活一些，Matlab寫程序基本不用套路。

Matlab可以進行矩陣運算、繪制函數和數據、實現演算法、創建用戶界面、連接其他編程語言的程序等，主要應用於工程計算、控制設計、信號處理與通訊、圖像處理、信號檢測、金融建模設計與分析等領域。

⑷ 在醫學圖像領域，python可以取代matlab嗎

python完全能取代Matlab。實際上身邊很多人就不用Matlab做醫學圖像方面的research
有幾個原因。
Python有人說是個glue語言，就是可以把一些其他語言寫成的腳本，軟體等，用python做個wrapper。醫學圖像經常需要處理大量文件，多個目錄，各種預處理，需要各種不同的軟體。Matlab不擅長處理這些，python更好。
如果直接用python寫演算法，scikit0-image等python的工具已經具備基本的圖像處理的而功能。Matlab裡面有些所謂高級演算法，一般也用不著。如果處理3D的數據，演算法包當然首推ITK。樓上說的ITKSnap就是基於ITK的。這個跟matlab沒關系。文件格式，Python支持nifti等很多格式。
另一個3D slicer處理三維圖像的軟體，也是有python介面的。 這是主流的醫學圖像的開源軟體。還有個Mevislab，好像也有python介面。
python作圖和Matlab相比，差不多，看個人喜好。
我在boston Mabla工作的同學說，他們公司現在Matlab都不怎麼開發，專注企業用戶，專注simulink了。
上邊有人問「值化、邊緣檢測、濾波、骨骼化、形態學上的膨脹與腐蝕、成像後的數據格式轉化」，這些都可以在python裡面做，ITK還有python借口，可以處理三維圖像，當然也可以處理二維。
未來是python的。

⑸ Python實操：手把手教你用Matplotlib把數據畫出來

作者：邁克爾·貝耶勒（Michael Beyeler）

如需轉載請聯系華章 科技

如果已安裝Anaconda Python版本，就已經安裝好了可以使用的 Matplotlib。否則，可能要訪問官網並從中獲取安裝說明：

http://matplotlib.org

正如使用np作為 NumPy 的縮寫，我們將使用一些標準的縮寫來表示 Matplotlib 的引入：

在本書中，plt介面會被頻繁使用。

讓我們創建第一個繪圖。

假設想要畫出正弦函數sin(x)的線性圖。得到函數在x坐標軸上0≤x＜10內所有點的值。我們將使用 NumPy 中的 linspace 函數來在x坐標軸上創建一個從0到10的線性空間，以及100個采樣點：

可以使用 NumPy 中的sin函數得到所有x點的值，並通過調用plt中的plot函數把結果畫出來：

你親自嘗試了嗎？發生了什麼嗎？有沒有什麼東西出現？

實際情況是，取決於你在哪裡運行腳本，可能無法看到任何東西。有下面幾種可能性：

1. 從.py腳本中繪圖

如果從一個腳本中運行 Matplotlib，需要加上下面的這行調用：

在腳本末尾調用這個函數，你的繪圖就會出現！

2. 從 IPython shell 中繪圖

這實際上是互動式地執行Matplotlib最方便的方式。為了讓繪圖出現，需要在啟動 IPython 後使用所謂的%matplotlib魔法命令。

接下來，無須每次調用plt.show()函數，所有的繪圖將會自動出現。

3. 從 Jupyter Notebook 中繪圖

如果你是從基於瀏覽器的 Jupyter Notebook 中看這段代碼，需要使用同樣的%matplotlib魔法命令。然而，也可以直接在notebook中嵌入圖形，這會有兩種輸出選項：

在本書中，將會使用inline選項：

現在再次嘗試一下：

上面的命令會得到下面的繪圖輸出結果：

如果想要把繪圖保存下來留作以後使用，可以直接在 IPython 或者 Jupyter Notebook 使用下面的命令保存：

僅需要確保你使用了支持的文件後綴，比如.jpg、.png、.tif、.svg、.eps或者.pdf。

作為本章最後一個測試，讓我們對外部數據集進行可視化，比如scikit-learn中的數字數據集。

為此，需要三個可視化工具：

那麼開始引入這些包吧：

第一步是載入實際數據：

如果沒記錯的話，digits應該有兩個不同的數據域：data域包含了真正的圖像數據，target域包含了圖像的標簽。相對於相信我們的記憶，我們還是應該對digits稍加 探索 。輸入它的名字，添加一個點號，然後按Tab鍵：digits.<TAB>，這個操作將向我們展示digits也包含了一些其他的域，比如一個名為images的域。images和data這兩個域，似乎簡單從形狀上就可以區分。

兩種情況中，第一維對應的都是數據集中的圖像數量。然而，data中所有像素都在一個大的向量中排列，而images保留了各個圖像8×8的空間排列。

因此，如果想要繪制出一副單獨的圖像，使用images將更加合適。首先，使用NumPy的數組切片從數據集中獲取一幅圖像：

這里是從1797個元素的數組中獲取了它的第一行數據，這行數據對應的是8×8=64個像素。下面就可以使用plt中的imshow函數來繪制這幅圖像：

上面的命令得到下面的輸出：

此外，這里也使用cmap參數指定了一個顏色映射。默認情況下，Matplotlib 使用MATLAB默認的顏色映射jet。然而，在灰度圖像的情況下，gray顏色映射更有效。

最後，可以使用plt的subplot函數繪制全部數字的樣例。subplot函數與MATLAB中的函數一樣，需要指定行數、列數以及當前的子繪圖索引（從1開始計算）。我們將使用for 循環在數據集中迭代出前十張圖像，每張圖像都分配到一個單獨的子繪圖中。

這會得到下面的輸出結果：

關於作者：Michael Beyeler，華盛頓大學神經工程和數據科學專業的博士後，主攻仿生視覺計算模型，用以為盲人植入人工視網膜（仿生眼睛），改善盲人的視覺體驗。 他的工作屬於神經科學、計算機工程、計算機視覺和機器學習的交叉領域。同時他也是多個開源項目的積極貢獻者。

本文摘編自《機器學習：使用OpenCV和Python進行智能圖像處理》，經出版方授權發布。