MATLAB程序大全.docx

1、MATLAB程序大全1 全景图到穹景图这个程序我最初是用 Freelmage写的，这两天改成了 matlab，再不贴上来，我就要忘了看到一篇文章有这样的变换，挺有意思的，就拿来试了一下， 文章点此。全景图到穹顶图变换，通俗的说就是将全景图首尾相接做成一个圆环的样子。先看下面这图：Ponoromictheta max -i = wl 1th phi /R：Od itilj = height theta / thmtemexLinearj = height Sin(thBtB)/ Sin(thetamax) width 下面的矩形就是我们要处理的全景图， 上面的矩形是变换后的图像。 下面图像的底边

2、对应穹顶图的圆，顶边对应穹顶图的外圆，当然，反过来也是可以的。程序流程：1.定义穹顶图圆和外圆的半径，变换后的像素就填充在这个外半径的圆环中。2.遍历穹顶图，当所处理当前像素位于圆环， 则通过极坐标反变换去全景图中寻找相应位置的像素进行填充。3.遍历完图像就行了。用的技巧和图像旋转或放大缩小都是类似的。处理结果：结果:matlab代码如下:clear all;close all;clc;img=imread( pan.jpg);imshow(img);m,n =size(img);r1 =100; % 环半径r2=r1+m; %外环半径imgn=zeros( 2*r2, 2*r2);re_m,

3、re_n =size(img n);for y= 1:re_mfor x= 1:re_ndis_x =x-re_n/ 2;dis_y =y-re_m/ 2;l =sqrt(dis_xA 2+dis_yA 2);if I= r1theta =0;if yre_m/ 2theta =ata n2(dis_y,dis_x);endif y= 1 & yy= 1 & xx0 & K=0;角点区域：H0 & K0;harris角点检测就用到了第三类判断。当然，在实际应用的时候 H和K的值肯定都不会是理想，所以我用的都是近似判断。处理结果如下：原图：平坦区域:边缘区域:角点区域（好像也不全角点，求角点还是

4、 harris好了）：结构量行列式与迹的关系:I 其中红框为平坦区域，黄框为边缘区域，铝框为角点区域。matlab代码如下：clear all; close all; clc;img=double(imread( lena.jpg );m n =size(img);imshow(img,)lx Iy =gradie nt(img);Ix2=Ix.a 2;ly2=ly.A 2;Ixy =lx.* ly;k=1;lambda=zeros(m*n, 2);for i=1:mforj= 1:nst=lx2(i,j) lxy(i,j);lxy(i,j) ly2(i,j); %结构量K=det(st);

5、%求行列式H=trace(st); %求迹%所有的判断都是近似的%if H50 & abs(K) 50 & abs(K) 0.01 * 10A(- 9)% 认为是角点区域img(i,j) =255;endlambda(k,:) =K H;k =k+1;endendfigure;plot(lambda(:, 1),lambda(:, 2),.);ylabel( trace );xlabel( det);figure;imshow(img,)6.模糊集图像增强 算法有很多变种。不过主要就是以下三步。1.设计隶属度函数将图像从空间域变换到模糊集域。2.设计模糊增强算子，在模糊集域对图像进行处理。3.

6、根据第1步的隶属度函数重新将图像从模糊集域变换到空间域。这和频域处理中的变换反变换不是很像么。我使用的隶属度函数和模糊增强算子在 这篇论文 里，也算相关算法的经典论文了处理结果如下：原图：模糊集增强后:matlab代码如下:clear all; close all; clc;img=double(imread( lena.jpg );imshow(img,)m n =size(img);Fe=1; %空制参数Fd=128;xmax=max(max(img);u=(1+(xmax-img)/Fd)4(- Fe); % 空间域变换到模糊域%也可以多次迭代for i= 1:m % 模糊域增强算子fo

7、r j= 1:nif u(i,j) queue(head) head flag pa(j) end end =tail+1;0 & isempty(find(flag=j, 1)=j;=head+1;=flag j;=i;if pa(m)= 0 %如果搜索不到汇节点，退出循环break;endpath =;i =m;%从汇节点开始k =0;%路径包含的边的个数whilei= 1%使用前趋构造从源节点到汇节点的路径path=path;pa(i) i A(pa(i),i); % 存入路径i=pa(i);%使用前趋表反向搜寻，借鉴Dijsktra方法k=k+1;中的松弛endMi =mi n(pat

8、h(:, 3); % 寻找增广路径中最小的那条边for i= 1:kA(path(i, 1),path(i, 2)=A(path(i, 1),path(i, 2)- Mi; % 增广路 径中每条路径减去最小的边maxflow(path(i, 1),path(i, 2)=maxflow(path(i, 1),path(i, 2)+ Mi; % 最大 流，原网络包含这个网络，我只能这样表示了end % 使用新的图A进入下一循环，从新开始找增广路径endfigure;n etplot(maxflow, 1)9.单元最短路径图的相关算法也算是自己的一个软肋了，当年没选修图论也是一大遗憾。图像处理中，也

9、有使用图论算法作为基础的相关算法，比如图割， 这个算法就需要求最大流、 最小割。所以熟悉一下图论算法对于图像处理还是很有帮助的。Dijkstra 和Bellman-Ford 类似，都是解决单源最短路径问题，不同的是这个方法只能解决边为 非负的问题，实现的好的 Dijkstra 算法运行时间要快于 Bellma n-ford 。算法步骤如下：1.首先设置队列，所有节点入列，源节点值为 0,其他节点值为无穷。2.然后在队列中找值最小的节点并岀列。3.计算出列的节点所有后继节点的距离。4.松弛方法，如果新计算的距离小于上次计算的距离， 那么更新距离，即将后继节点值设为较小的距离，并将后继节点的前趋设

10、为当前的出列节点。5.对剩余的节点队列继续找最小值并岀列，不断循环 2、3、4步直到队列中没有节点了。步骤是上面没错， 不过我程序中没有完全按照上述的步骤实现。 不同的地方在于我没有做出列操作，而是通过标记节点的形式实现的。m=max(max(b(:, 1:2); %A=compresstable2matrix(b); %netplot(A, 1) %S=inf( 1,m); %S(1)=0; %pa=zeros( 1,m); %和上一篇 使用的一样:main .mclear all;close all;clc捌始化邻接压缩表，1 2 10表示从节点1到节点2,边的权重为10 b=1 2 10

11、; 1 4 5; 2 3 1;2 4 2; 3 5 4; 4 2 3;43 9; 4 5 2; 5 1 7;53 6;压缩表中最大值就是邻接矩阵的宽与高 从邻接压缩表构造图的矩阵表示 形象表示从开始的源点到每一个节点的距离源点到自己的距离为0存储每个节点的前驱，在松弛过程中赋值visit =zeros(1,m); %标记某个节点是否访问过了index =1; % 从index节点开始搜索%判断是否对所有节点都找的最短路径了。可能会有源点没有路径到目标节点的 情况，那就无限循环了while sum(visit)= m %没有出队列操作，不过通过 visit 来等价的表示了visit(index)

12、 =1; % 标记第index节点为已入列的节占八、S pa =relax(S,pa,A,visit,i ndex,m); % 松弛，如果两个节点间有更短的距离，则用更短的距离in dex =extract_mi n(S,visit,i ndex,m); % 使用已访问的最小的节点作为下一次搜索的开始节点end%最终我们需要的就是这两个值S % 源点到其他每一点的距离pa %其他每一节点的前趋%算法到此结束，下面只是为了形象的表示而写的。re =;for i= 2:mre =re;pa(i) i A(pa(i),i);endA=compresstable2matrix(re); % 从邻接压缩

13、表构造图的矩阵表示figure;netplot(A, 1) % 形象表示relax.m%边缘松弛，使用更短的距离作为节点的值 fun cti on S pa= relax(S,pa,A,visit,i ndex,m)i =in dex;1 %搜索没有标记过的节点% 将较小的值赋给正在搜寻的节点for j= 1:mif A(i,j)=inf & visit(j)= if S(j)S(i)+ A(i,j)S(j) =S(i)+ A(i,j);pa(j) =i;endendendendextract_mi n.m%!取队列未标记的最小的值的序号fun cti on in dex= extract_mi n( S,visit,i ndex,m)Mi =inf;for j= 1:mif visit(j)= 1 if S(j)S(i)+ A(i,j)S(j) =S(i)+ A(i,j); % 边缘松弛，取两节点间最小权值作为实际权值pa(j) =i; % 寻找前趋endendendendendend%最终我们需要的就是这两个值S % 源点到其他每一点的距离 pa %其他每一节点的前趋%算法到此结束，下面只是为了形象的表示而写的。re =;for i= 2:mre =re;pa(i) i A(pa(i),i);endA=compresstable2matrix(re