來源：https://blog.csdn.net/zhuiyuanzhongjia/article/details/79621813
1、顯示RGB圖像
相同點：這三個函數都是把m*n*3的矩陣中的數值當做RGB值來顯示的。
區別：imshow將圖像以原始尺寸顯示，image和imagesc則會對圖像進行適當的縮放（顯示出來的尺寸大小）。
2、顯示灰度圖像
說明：先搞明白什么是索引圖像？（灰度圖像也是索引圖像的一種）
當用Matlab中的imread函數將圖像讀入並存入矩陣時，我們知道如果是RGB圖像，得到是m*n*3的矩陣，但如果是索引圖像，得到就是m*n的矩陣，這個矩陣的每個元素只是1個數值，那么怎么確定它的RGB值來顯示圖像呢？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，而索引圖像存儲的數值和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）也可以是線性映射對應（比如[-128,128]映射到[1,256]）。還有一點要說明的是，默認情況下每一個figure都有且僅有一個colormap,而且默認的是 jet(64)，可在figure窗口通過，edit->colormap...查看，另外在彈出的窗口colormap editor中，可通過Tools->Standard colormap來修改當前figure的colormap，這里是Matlab已經做好的一些colormap。
（1）當灰度圖像轉化成矩陣后，矩陣中的元素都介於[0,255]，下面我們結合具體實例來看看這三個函數的調用效果，並解釋原因。代碼：
- clear all;clc;close all;
- img = imread('lenna.bmp');
- % my picture is named lenna.bmp while yours may be not
- I = rgb2gray(img);
- % Attention: we use the axis off to get rid of the axis.
- figure(1),image(I); %equals to imagesc(I,[1 64]);you can try it.
- colorbar,title('show by image in figure1');axis off;
- figure(2),imagesc(I);
- %equals to imagesc(I,[min(I(:)) max(I(:))]);you can try it.
- colorbar,title('show by imagesc in figure2');axis off;
- %colormap(gray) %use this statement you can get a gray image.
- 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顯示出來是灰度圖像，為什么會出現這種情況呢？還記得前面所說的嗎，索引圖像是矩陣和colormap配合起來顯示的，而每個figure默認使用的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，這就是調用imshow函數時使用的colormap，后面有講解）。而figure3為什么會是灰度圖像呢，這是因為當調用imshow來顯示索引圖像時，這個函數就會把當前的figure的colormap設置成gray(256),這下明白為什么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。
為什么會出現這樣的情況呢？這就要說說索引圖像矩陣中的數（以下簡稱矩陣中的數）和colormap中的索引（index）的對應關系了。
image：這個函數，直接把矩陣中的數當做索引值（我稱為直接映射），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。那么矩陣中為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（類似於信號處理里面的限幅，也可以認為是削頂或者削底了），這下我們就能明白為什么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來顯示圖像與figure1相比能較好的顯示出來，同樣我們也得搞明白調用imagesc時矩陣的數和colormap中索引的對應關系，與image不同的是imagesc采用的不是直接映射而是線性映射，至於什么是線性映射，我粗略的說一下，比如把區間A = [0,a]映射到區間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索引的線性映射大概就是這樣，Matlab會自動獲取矩陣中數的最小值和最大值，並把區間[Cmin,Cmax]映射到colormap的[最小索引，最大索引]比如[1,64],然后再根據這個對應關系把圖像顯示出來，具體的算法細節是Matlab確定的，當然也可以自己指定顯示范圍，比如一副索引圖像I范圍為[27,218]，而我只想顯示[1 64 ],使用命令imagesc(I,[1 64])就可以了，如果你把上面程序中的imagesc(I)換成imagesc(I,[1,64])，那么figure2中的效果就和figure1中一樣了，因為只是把[1,64]這個范圍映射到色圖，超過的都被認為是64。關於映射，我截圖Matlab中imagesc的help頁給大家看看，這里要自己慢慢體會哦，使用imagesc(I)這種線性映射就可以用到整個色圖從而將圖像較好的顯示出來，這就是figure2中的顯示效果比figure1中好的原因。
imshow：調用這個函數會把當前figure的colormap設置成gray（256），這個前面也有提到，我們先討論矩陣元素是uint8型（范圍：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系，imshow的功能是比較全的，它即可使用像image那樣的直接映射，也可使用像imagesc那樣的線性映射，當我們使用imshow(I)，即只有一個矩陣作為參數，這時采用的是直接映射，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范圍是0~255，而gray（256）的索引是1:256，當然這些我們只要了解就可以了，編程並不會用到，因為這些對應的細節Matlab已經幫我們做好了）如果這樣調用imshow(I,[ ])，此時矩陣中的數和顏色表就是線性映射，為什么會這樣，我解釋一下，我們看這種調用方式和imagesc(I,[1 64])很相似，其實原理是一樣的，第二個參數是一個向量，這個向量指定了矩陣中映射到顏色表的數的范圍，也就是顯示范圍（Matlab里叫做display range）前面已經介紹了，Matlab中imshow的help中說如果采用imshow(I,[low high])調用imshow的話而且你用[ ]代替[low high]那么imshow會使用[min(I(:)) max(I(:))]作為顯示范圍，也就說I中的最小值會顯示成黑色，最大值會顯示成白色，這其實就是整個范圍的線性映射（沒有削頂也沒有削底），此時的imshow(I,[ ])函數就相當於imagesc(I);
為了說明imshow不僅具有image的功能也具有imagesc的功能，同時體會一下直接映射和線性映射的區別，我們來寫一段小程序來測試一下，程序如下：
- clear all;clc;close all;
- img = imread('lenna.bmp');
- I = rgb2gray(img);
- figure(1),image(I); colormap(gray(256));
- colorbar,title('show by image in figure1');axis off;
- figure(2),imagesc(I);colormap(gray(256));
- % We can see that the image showed in figure(2) is a little bright
- % than in figure(1).
- colorbar,title('show by imagesc in figure2');axis off;
- % When we use the imshow, we do not need to set the colormap,
- % because the imshow set the colormap to gray(256) automatically.
- figure(3),imshow(I),colorbar,title('show by imshow(I) in figure3');
- % The effectiveness in figure(3) is the same as in figure(1).
- figure(4),imshow(I,[]),colorbar,title('show by imshow(I,[]) in figure3');
- % The effectiveness in figure(4) is the same as in figure(2).
顯示效果：
我們可以看出figure2中的圖像比figure1中的圖像要亮一些，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，為什么會這樣呢？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映射，我這里讀到的索引圖像矩陣也就是I中的數值的范圍是[27,218],也就是說直接映射顯示I,只用到的色圖(colormap)上[27,218]范圍的顏色，（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。但線性映射就不一樣了，imagesc(I),和imshow(I,[ ])采用的就是線性映射，線性映射把[27,218]按照線性算法（Matlab寫的）映射到色圖索引[1,256]然后再顯示出來，這樣整個色圖的顏色都被用到了，這里也可以認為把[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：直接映射和線性映射的區別在於映射到色圖的數值范圍，如果是[min(I(:)) max(I(:))]就是線性映射，如果是0-255或者1-64或者0-1就是直接映射。這個數值范圍就叫做顯示范圍（display range）。
3、最后再說說image，imagesc,imshow 在顯示double型數據時的用法，
我們做圖像處理就會對圖像進行運算，使用uint8型數據精度不高，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中數據默認采用double型（64位）進行存儲和運算）所以，我們讀到灰度圖像后一般都會將圖像轉換成double型（I = double(I)）然后再參與運算，運算的結果有正有負，也有小數，正的還可能超過255，比如我經過運算后的得到圖像矩陣I，假如I的范圍是[-187,152]，當然你也可以用max(I(:))和min(I(:))去獲取，這時怎么顯示圖像呢？image,imagesc,imshow 都可以用來顯示double型數據的圖像矩陣，主要區別如下：
image：將double型數據取整（正數取整就是把小數部分舍掉）然后使用直接映射的方法按照顏色表顯示。
imagesc：這個函數很好，會對數據進行縮放再顯示，也就是把顯示范圍自動設置成[min(I(:)) max(I(:))]，也就是線性 映射。
imshow：這個函數調用方式不同，顯示效果也不同，如下：
imshow(I)：直接調用，因為當圖像為double型時imshow函數會把顯示范圍設置成[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(:)))：針對直接調用imshow函數出現的問題，用max(I(:) ) 對圖像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，但有一部分信息丟失了。
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(四舍五入)，當參數為uint8型時，imshow函數把顯示范圍設置成[0,255]，這樣圖像雖然也能顯示出來，但與原始數據相比來說，丟掉很多信息，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的顯示范圍設置成[min(I(:)) max(I(:))]，也就是線性映射，相當於imagesc(I),colormap(gray(256))可以將整幅圖像的信息顯示出來。
綜上所述，大家根據自己實際需要選用顯示函數和對應的參數，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，從雲里霧里的困境里走出來。