1.sum用法
当x为矩阵时
sum(x):对矩阵的每一列进行求和，得到一个行向量
sum（x,2）:对矩阵中每一行进行求和，得到一个列向量
sum(x(:)):对矩阵中所有元素进行求和，得到的是一个数
2.exist用法
exist(\'b\',\'var\'）：可以用来判断是否存在变量（var）b
3.bsxfun用法
bsxfun（fun，A,B）:对两个矩阵A,B之间进行一些运算，运算方式由fun参数决定，bsxfun（）可以对A,B自动扩维，而不必使用repmat
1.判断A和B的维度是否相同，如果相同，直接运算；
2.如果A和B的维度不同，则A或者B必须有一个在某个维度上是1，该函数进行扩维后，进行相应运算
常用的操作：
4.sort用法
clear all;
clc;
close all;
B = [2,3,6;0,2,8];
[b,idx]=sort(B);%每一列进行升序排序，b为排序后的矩阵，idx为索引矩阵，每一个元素代表行号
输出：
b =
0 2 6
2 3 8
idx=
2 2 1
1 1 2
B = [2,3,6;9,2,8];
[bb,index] = sort(B,2) %矩阵每一行进行升序排序，bb为排序后的矩阵，index为索引矩阵，为排序前元素的列号
bb =
2 3 6
2 8 9
index =
1 2 3
2 3 1
5.issparse，sparse
if issparse（aa）%确定aa的存储类是否为稀疏矩阵， 返回值为0,1
aa = full(aa) %full函数：把稀疏矩阵转为全矩阵
sparse（）：创建稀疏矩阵
栗子：
a = [0,0,0,1;1,0,0,0;0,0,1,0]
b = sparse(a)%非零数字从左到右表示，三元组存储，分别为（行号，列号，数值）
b =
(2,1) 1
(3,3) 1
(1,4) 1
c=full(b)
c =
0 0 0 1
1 0 0 0
0 0 1 0
6 sprintf( format，variable )
category=‘car’；
sprintf(\'%s.bmp\',category)
I = imread(sprintf(\'%s.bmp\',category));
load(sprintf(\'model_%s_graz.mat\',category));
%s表示字符串
将数据格式转换成字符串
方便加载数据集
7 查找.mat文件中变量名
whos(\'-file\',\'文件名.mat\')
8 rgb2gray函数
rgb2gray是matlab内部一种处理图像的函数，通过消除图像色调和饱和度信息同时保留亮度实现将将RGB图像或彩色图转换为灰度图像，即灰度化处理的功能，调用这个功能的格式是I = rgb2gray(RGB)，意思是将真彩色图像RGB转换为灰度强度图像I 。
9 ndims（）
求矩阵维度
10 im2double（）
im2double 将输入转换为double类.若输入是uint8类 uint16 类 logical类则函数将其转换为范围[0,1]之间的类.若输入是double类,则函数im2double将返回一个与输入相等的数组.
11 mresize函数
功能：改变图像的大小。
用法：B = imresize(A,m)
B = imresize(A,m,method)
B = imresize(A,[mrows ncols],method)
B = imresize(...,method,n)
B = imresize(...,method,h)
imrersize函数使用由参数method指定的插值运算来改变图像的大小。method的几种可选值：
\'nearest\'（默认值）最近邻插值
\'bilinear\'双线性插值
\'bicubic\'双三次插值
B = imresize(A,m)表示把图像A放大m倍
B = imresize(...,method,h)中的h可以是任意一个FIR滤波器（h通常由函数ftrans2、fwind1、fwind2、或fsamp2等生成的二维FIR滤波器）。
12 mean(A,3)
13 nargin
在程序多个输入变量，多个输出变量的情况，在变量对应不匹配的情况下，增加程序的适应性。
14 ceil：向上取整
15 fspecial
此函数用于建立预定义的滤波算子
G = fspecial(\'gaussian\', f_wid, sigma);
高斯低通滤波
H = FSPECIAL(\'gaussian\',HSIZE,SIGMA)：
HSIZE:表示模板尺寸，可以是向量也可以是一个标量。sigma表示滤波器的标准值，单位为像素
G是具有标准差sigma（正）的size尺寸的旋转对称高斯低通滤波器
16 高斯滤波
高斯滤波是根据一类高斯函数的形状来选择权值的线性平滑滤波器。高斯平滑滤波器对于抑制服从正态分布的噪声非常有效，高斯参数sigma决定了高斯函数的宽度。高斯平滑又叫低通滤波。所谓低通，信号高频部分受到削弱，信号低频部分可以通过，可以很好地去除噪声。
