原文轉自：http://blog.csdn.net/zhupananhui/article/details/16340345

1、顯示RGB影象

相同點：這三個函式都是把m*n*3的矩陣中的數值當做RGB值來顯示的。

區別：imshow將影象以原始尺寸顯示，image和imagesc則會對影象進行適當的縮放（顯示出來的尺寸大小）。

2、顯示灰度影象

說明：先搞明白什麼是索引影象？（灰度影象也是索引影象的一種）

 當用Matlab中的imread函式將影象讀入並存入矩陣時，我們知道如果是RGB影象，得到是m*n*3的矩陣，但如果是索引影象，得到就是m*n的矩陣，這個矩陣的每個元素只是1個數值，那麼怎麼確定它的RGB值來顯示影象呢？這就需要colormap了，colormap是一個m*3的矩陣，每一行有3列元素構成RGB組，也就是一種顏色，一個m*3的colormap中有m中顏色，而索引影象儲存的數值和colormap中的行號對應起來就可以像RGB那樣顯示圖片了，至於對應方法，可以直接對應（比如1對應1,2對應2）也可以是線性對映對應（比如[-128,128]對映到[1,256]）。還有一點要說明的是，預設情況下每一個figure都有且僅有一個colormap,而且預設的是 jet(64)，可在figure視窗通過，edit->colormap...檢視，另外在彈出的視窗colormap editor中，可通過Tools->Standard colormap來修改當前figure的colormap，這裡是Matlab已經做好的一些colormap。

（1）當灰度影象轉化成矩陣後，矩陣中的元素都介於[0,255]，下面我們結合具體例項來看看這三個函式的呼叫效果，並解釋原因。程式碼：

1. clear all;clc;close all;  
2. img = imread('lenna.bmp');  
3. % my picture is named lenna.bmp while yours may be not  
4. I = rgb2gray(img);  
5. % Attention: we use the axis off to get rid of the axis.  
6. figure(1),image(I); %equals to imagesc(I,[1 64]);you can try it.  
7. colorbar,title('show by image in figure1');axis off;  
8. figure(2),imagesc(I);  
9. %equals to imagesc(I,[min(I(:)) max(I(:))]);you can try it.  
10. colorbar,title('show by imagesc in figure2');axis off;  
11. %colormap(gray) %use this statement you can get a gray image.  
12. figure(3),imshow(I),colorbar,title('show by imshow in figure3');  

顯示效果：

     我們看到現象是image 和imagesc 顯示出來是彩色的，只有imshow顯示出來是灰度影象，為什麼會出現這種情況呢？還記得前面所說的嗎，索引影象是矩陣和colormap配合起來顯示的，而每個figure預設使用的colormap 是jet(64)，而不是gray(gray和gray(64)是一樣的)，這個jet(64)就使得figure1和figure2中顯示出來時是彩色的，當然你也可以修改當前figure的colormap使用colormap(gray)（使用64個等級的灰度色圖），或者colormap(gray(256))（使用256個等級的灰度色圖，這就是呼叫imshow函式時使用的colormap，後面有講解）。而figure3為什麼會是灰度影象呢，這是因為當呼叫imshow來顯示索引影象時，這個函式就會把當前的figure的colormap設定成gray(256),這下明白為什麼會出現這種情況了吧。我們再仔細觀察一下figure1和figure2會發現，figure2中人物的輪廓顯示的還算可以，而figure1中則出現了大面積的紅色的區域，人物的輪廓被抹掉了很多。

為什麼會出現這樣的情況呢？這就要說說索引影象矩陣中的數（以下簡稱矩陣中的數）和colormap中的索引（index）的對應關係了。

image：這個函式，直接把矩陣中的數當做索引值（我稱為直接對映），例如colormap中索引為1的是顏色RGB1，索引為2的是顏色RGB2，……，索引為64的是顏色RGB64。那麼矩陣中為1的數就顯示成顏色RGB1，矩陣中為2的數就顯示成顏色RGB2，……，矩陣中為64的數就顯示成顏色RGB64，值得注意的是當矩陣中的數小於1時，此時該數也將被顯示成顏色RGB1，同樣，而矩陣中大於64的數將被顯示成顏色RGB64（類似於訊號處理裡面的限幅，也可以認為是削頂或者削底了），這下我們就能明白為什麼figure1中會出現大面積的紅色區域，這說明這些地方的數值都大於等於64。

imagesc: 在figure2中我們用imagesc來顯示影象與figure1相比能較好的顯示出來，同樣我們也得搞明白呼叫imagesc時矩陣的數和colormap中索引的對應關係，與image不同的是imagesc採用的不是直接對映而是線性對映，至於什麼是線性對映，我粗略的說一下，比如把區間A = [0,a]對映到區間B = [0,b]我們對A中的元素做A/a*b就可以了，矩陣的數到colormap索引的線性對映大概就是這樣，Matlab會自動獲取矩陣中數的最小值和最大值，並把區間[Cmin,Cmax]對映到colormap的[最小索引，最大索引]比如[1,64],然後再根據這個對應關係把影象顯示出來，具體的演算法細節是Matlab確定的，當然也可以自己指定顯示範圍，比如一副索引影象I範圍為[27,218]，而我只想顯示[1 64 ],使用命令imagesc(I,[1 64])就可以了，如果你把上面程式中的imagesc(I)換成imagesc(I,[1,64])，那麼figure2中的效果就和figure1中一樣了，因為只是把[1,64]這個範圍對映到色圖，超過的都被認為是64。關於對映，我截圖Matlab中imagesc的help頁給大家看看，這裡要自己慢慢體會哦，使用imagesc(I)這種線性對映就可以用到整個色圖從而將影象較好的顯示出來，這就是figure2中的顯示效果比figure1中好的原因。

imshow：呼叫這個函式會把當前figure的colormap設定成gray（256），這個前面也有提到，我們先討論矩陣元素是uint8型（範圍：0~255，整數，一般使用imread和 rgb2gray返回的都是uint8型的），同樣我們也要搞明白矩陣中的數和colormap中顏色索引的對應關係，imshow的功能是比較全的，它即可使用像image那樣的直接對映，也可使用像imagesc那樣的線性對映，當我們使用imshow(I)，即只有一個矩陣作為引數，這時採用的是直接對映，比如矩陣中元素0就顯示成colormap中索引為1的顏色也就是黑色，矩陣中元素255就顯示成colormap中索引為256的顏色也就是白色，（注意：uint8範圍是0~255，而gray（256）的索引是1:256，當然這些我們只要瞭解就可以了，程式設計並不會用到，因為這些對應的細節Matlab已經幫我們做好了）如果這樣呼叫imshow(I,[ ])，此時矩陣中的數和顏色表就是線性對映，為什麼會這樣，我解釋一下，我們看這種呼叫方式和imagesc(I,[1 64])很相似，其實原理是一樣的，第二個引數是一個向量，這個向量指定了矩陣中對映到顏色表的數的範圍，也就是顯示範圍（Matlab裡叫做display range）前面已經介紹了，Matlab中imshow的help中說如果採用imshow(I,[low high])呼叫imshow的話而且你用[ ]代替[low high]那麼imshow會使用[min(I(:)) max(I(:))]作為顯示範圍，也就說I中的最小值會顯示成黑色，最大值會顯示成白色，這其實就是整個範圍的線性對映（沒有削頂也沒有削底），此時的imshow(I,[ ])函式就相當於imagesc(I);

為了說明imshow不僅具有image的功能也具有imagesc的功能，同時體會一下直接對映和線性對映的區別，我們來寫一段小程式來測試一下，程式如下：

1. clear all;clc;close all;  
2. img = imread('lenna.bmp');  
3. I = rgb2gray(img);  
4. figure(1),image(I); colormap(gray(256));  
5. colorbar,title('show by image in figure1');axis off;  
6. figure(2),imagesc(I);colormap(gray(256));  
7. % We can see that the image showed in figure(2) is a little bright  
8. % than in figure(1).  
9. colorbar,title('show by imagesc in figure2');axis off;  
10. % When we use the imshow, we do not need to set the colormap,  
11. % because the imshow set the colormap to gray(256) automatically.  
12. figure(3),imshow(I),colorbar,title('show by imshow(I) in figure3');  
13. % The effectiveness in figure(3) is the same as in figure(1).  
14. figure(4),imshow(I,[]),colorbar,title('show by imshow(I,[]) in figure3');  
15. % The effectiveness in figure(4) is the same as in figure(2).  

顯示效果：

我們可以看出figure2中的影象比figure1中的影象要亮一些，而且，figure3中的顯示效果和figure1中是一樣的，figure4中的顯示效果和figure2中是一樣的，為什麼會這樣呢？這是因為image(I)和imshow(I)是將I中的值直接作為colormap(gray(256))中的索引，也就是我所說的直接對映，我這裡讀到的索引影象矩陣也就是I中的數值的範圍是[27,218],也就是說直接對映顯示I,只用到的色圖(colormap)上[27,218]範圍的顏色，（比如表示白色的索引255就沒有用到），從右邊的colorbar也可以看出來。但線性對映就不一樣了，imagesc(I),和imshow(I,[ ])採用的就是線性對映，線性對映把[27,218]按照線性演算法（Matlab寫的）對映到色圖索引[1,256]然後再顯示出來，這樣整個色圖的顏色都被用到了，這裡也可以認為把[27,218]放大到[1,256]，這就是figure2中顯示效果比figure1中亮的原因。

小結：直接對映和線性對映的區別在於對映到色圖的數值範圍，如果是[min(I(:)) max(I(:))]就是線性對映，如果是0-255或者1-64或者0-1就是直接對映。這個數值範圍就叫做顯示範圍（display range）。

3、最後再說說image，imagesc,imshow 在顯示double型資料時的用法，

我們做影象處理就會對影象進行運算，使用uint8型資料精度不高，因為當運算結果超過255時會被認為是255，而負數就會被認為是0（注意在Matlab中資料預設採用double型（64位）進行儲存和運算）所以，我們讀到灰度影象後一般都會將影象轉換成double型（I = double(I)）然後再參與運算，運算的結果有正有負，也有小數，正的還可能超過255，比如我經過運算後的得到影象矩陣I，假如I的範圍是[-187,152]，當然你也可以用max(I(:))和min(I(:))去獲取，這時怎麼顯示影象呢？image,imagesc,imshow 都可以用來顯示double型資料的影象矩陣，主要區別如下：

image：將double型資料取整（正數取整就是把小數部分舍掉）然後使用直接對映的方法按照顏色表顯示。

imagesc：這個函式很好，會對資料進行縮放再顯示，也就是把顯示範圍自動設定成[min(I(:)) max(I(:))]，也就是線性  對映。

imshow：這個函式呼叫方式不同，顯示效果也不同，如下：

imshow(I)：直接呼叫，因為當影象為double型時imshow函式會把顯示範圍設定成[0 , 1],這樣小於0的就變成黑色了，大於1的就變成白色了，所以處理不當就會出現全白的情況。

imshow( I/(max(I(:)))：針對直接呼叫imshow函數出現的問題，用max(I(:) ) 對影象矩陣進行歸一化再顯示，這樣負數部分會變黑，正數部分還可以正常顯示，但有一部分資訊丟失了。

imshow(uint8(I))：這種方式把I轉化成uint8，負數會被歸零，超過255的被置為255，而且小數也會被round(四捨五入)，當引數為uint8型時，imshow函式把顯示範圍設定成[0,255]，這樣影象雖然也能顯示出來，但與原始資料相比來說，丟掉很多資訊，但有時可能卻是想要的結果，這個要看具體情況。

imshow(I,[ ])：這種方式就是把imshow的顯示範圍設定成[min(I(:)) max(I(:))]，也就是線性對映，相當於imagesc(I),colormap(gray(256))可以將整幅影象的資訊顯示出來。

綜上所述，大家根據自己實際需要選用顯示函式和對應的引數，這些是我自己研究學習的心得，表述難免有些疏漏，有發現嚴重錯誤的，可以給我留言，但可以給大家一個感性的認識，從雲裡霧裡的困境裡走出來。