MATLAB常用函数汇总

MATLAB 常用函数简介

一、通用命令......................................................1 1.1 帮助命令...................................................................................................................................1 1.2 工作空间管理............................................................................................................................1 1.3 路径管理...................................................................................................................................1 1.4 操作系统指令.........................

colorbar 显示彩条

getimage 由坐标轴得到图像数据

ice（DIPUM） 交互彩色编辑

image 创建和显示图像对象

imagesc 缩放数据并显示为图像

immovie 由多帧图像制作电影

imshow 显示图像

imview 在Image Viewer中显示图像

montage 将多个图像帧显示为矩阵蒙太奇

movie 播放录制的电影帧

rgbcube 显示一个彩色RGB立方体

subimage 在单个图形中显示多幅图像

truesize 调整图像的显示尺寸

warp 将图像显示为纹理映射的表面

图像文件输入/输出

Dicominfo 从一条DICOM消息中读取元数据

Dicomread 读一幅DICOM图像

Dicomwrite 写一幅DICOM图像

Dicom-dict.txt 包含DICOM数据字典的文本文件

Dicomuid 产

篇一：oracle常用函数总结

oracle常用函数总结

常用的SQL语句语法(Oracle版)

一.数据控制语句 (DML) 部分

1.INSERT (往数据表里插入记录的语句)

INSERT INTO 表名(字段名1, 字段名2, ……) VALUES ( 值1, 值2, ……);INSERT INTO 表名(字段名1, 字段名2, ……) SELECT 字段名1, 字段名2, …… FROM 另外的表名;

字符串类型的字段值必须用单引号括起来, 例如: ’GOOD DAY’

如果字段值里包含单引号’ 需要进行字符串转换, 我们把它替换成两个单引号''.字符串类型的字段值超过定义的长度会出错, 最好在插入前进行长度校验.日期字段的字段值可以用当前数据库的系统时间SYSDATE, 精确到秒

或者用字符串转换成日期型函数TO_DATE(‘2001-08-01’,’YYYY-MM-DD’)TO_DATE()还有很多种日期格式, 可以参看ORACLE DOC.

年-月-日 小时:分钟:秒 的格式YYYY-MM-DD HH24:MI:SS

INSERT时最大可操作的字符串长度小于等于4000个单字节, 如果要插入更长的字符串, 请考虑字段用CLOB类型

Matlab图像处理函数汇总：

1、图像的变换

① fft2：fft2函数用于数字图像的二维傅立叶变换，如：i=imread('104_8.tif');

j=fft2(i);

②ifft2:：ifft2函数用于数字图像的二维傅立叶反变换，如： i=imread('104_8.tif');

j=fft2(i);

k=ifft2(j);

2、模拟噪声生成函数和预定义滤波器

① imnoise：用于对图像生成模拟噪声，如：

i=imread('104_8.tif');

j=imnoise(i,'gaussian',0,0.02);%模拟高斯噪声

② fspecial：用于产生预定义滤波器，如：

h=fspecial('sobel');%sobel水平边缘增强滤波器

h=fspecial('gaussian');%高斯低通滤波器

h=fspecial('laplacian');%拉普拉斯滤波器

h=fspecial('log');%高斯拉普拉斯（LoG）滤波器

h=fspecial('average');%均值滤波器

2、图像的增强

①直方图：imhist函数用于数字图像的直方图显示，如： i=imread('104_8.tif');

imhist(i);

②直方图均化：histeq函数

1 蒙特卡洛 2 数据处理 2.1 数据拟合

多项式曲线拟合：p = polyfit(x, y, m);

m为拟合多项式的次数。从高次到低次将系数返回到p中。

求多项式在x0处的值y0：y0 = polyval(p, x0);

非线性曲线最小二乘法拟合：[x, resnorm] = lsqcurvefit(fun, x0, xdata, ydata); fun为给定的函数，x0为初值。返回fun中的系数向量x和残差的平方和resnorm。

非线性曲线最小二乘法拟合：[x, resnorm] = lsqnonlin(fun, x0, LB, UB, option, para1, para2, …);

fun为给定的函数，x0为初值，LB为系数下限，UB为系数上限，para为函数fun所需要的参数（依序）。返回fun中的系数向量x和残差的平方和resnorm。

设置选项option：optimset(‘MaxIter’, 300, ‘TolX’, 1e-10, ‘TolFun’, 1e-10);

MaxIter为最大允许的迭代次数，TolX为x的终止公差，TolFun为函数值的终止公差。

非线形回归：[beta, r, j] = nli

MATLAB常用的基本数学函数 abs(x)：纯量的绝对值或向量的长度 angle(z)：复数z的相角(Phase angle) sqrt(x)：开平方 real(z)：复数z的实部 imag(z)：复数z的虚部 conj(z)：复数z的共轭复数 round(x)：四舍五入至最近整数 fix(x)：无论正负，舍去小数至最近整数 floor(x)：地板函数，即舍去正小数至最近整数 ceil(x)：天花板函数，即加入正小数至最近整数 rat(x)：将实数x化为分数表示 rats(x)：将实数x化为多项分数展开 sign(x)：符号函数 (Signum function)。 当x<0时，sign(x)=-1； 当x=0时，sign(x)=0; 当x>0时，sign(x)=1。 rem(x,y)：求x除以y的馀数 gcd(x,y)：整数x和y的最大公因数 lcm(x,y)：整数x和y的最小公倍数 exp(x)：自然指数 pow2(x)：2的指数 log(x)：以e为底的对数，即自然对数或 log2(x)：以2为底的对数 log10(x)：以10为底的对数 MATLAB常用的三角函数 sin(x)：正弦函数 cos(x)：馀弦函数 tan(x)：正切函数 asin(x)：反

MATLAB常用的基本数学函数 abs(x)：纯量的绝对值或向量的长度 angle(z)：复数z的相角(Phase angle) sqrt(x)：开平方 real(z)：复数z的实部 imag(z)：复数z的虚部 conj(z)：复数z的共轭复数 round(x)：四舍五入至最近整数 fix(x)：无论正负，舍去小数至最近整数 floor(x)：地板函数，即舍去正小数至最近整数 ceil(x)：天花板函数，即加入正小数至最近整数 rat(x)：将实数x化为分数表示 rats(x)：将实数x化为多项分数展开 sign(x)：符号函数 (Signum function)。 当x<0时，sign(x)=-1； 当x=0时，sign(x)=0; 当x>0时，sign(x)=1。 rem(x,y)：求x除以y的馀数 gcd(x,y)：整数x和y的最大公因数 lcm(x,y)：整数x和y的最小公倍数 exp(x)：自然指数 pow2(x)：2的指数 log(x)：以e为底的对数，即自然对数或 log2(x)：以2为底的对数 log10(x)：以10为底的对数 MATLAB常用的三角函数 sin(x)：正弦函数 cos(x)：馀弦函数 tan(x)：正切函数 asin(x)：反

Function Reference

File I/O Data Organization Descriptive Statistics Statistical Visualization Probability Distributions Hypothesis Tests Analysis of Variance Parametric Regression Analysis Multivariate Methods Cluster Analysis Model Assessment Parametric Classification Nonparametric Supervised Learning Alphabetical List Class Reference

Data file input/output Data arrays and groups Data summaries Data patterns and trends Modeling data frequency Inferences from data Modeling data variance Continuous data models Visualizat

Function Reference

File I/O Data Organization Descriptive Statistics Statistical Visualization Probability Distributions Hypothesis Tests Analysis of Variance Parametric Regression Analysis Multivariate Methods Cluster Analysis Model Assessment Parametric Classification Nonparametric Supervised Learning Alphabetical List Class Reference

Data file input/output Data arrays and groups Data summaries Data patterns and trends Modeling data frequency Inferences from data Modeling data variance Continuous data models Visualizat

Function Reference

File I/O Data Organization Descriptive Statistics Statistical Visualization Probability Distributions Hypothesis Tests Analysis of Variance Parametric Regression Analysis Multivariate Methods Cluster Analysis Model Assessment Parametric Classification Nonparametric Supervised Learning Alphabetical List Class Reference

Data file input/output Data arrays and groups Data summaries Data patterns and trends Modeling data frequency Inferences from data Modeling data variance Continuous data models Visualizat