拼圖問(wèn)題數(shù)模論文

1、. . . . 拼圖問(wèn)題摘要本文研究被規(guī)則切割的圖片的拼接復(fù)原問(wèn)題。使用MATLAB軟件得到圖片的RGB值后，我們建立了RGB顏色模型、歐氏距離模型以與貪婪算法模型。以圖片上下邊緣RGB值作為解決問(wèn)題的基礎(chǔ)，以歐氏距離作為圖片拼接的具體判斷依據(jù)，并根據(jù)貪婪算法的思想得出最優(yōu)的圖片拼接結(jié)果。針對(duì)問(wèn)題一，首先將16被切割的圖片上邊緣與原始圖上邊緣的RGB值進(jìn)行歐氏距離比較，確定第一行的四圖片。然后分別將第一行圖片下邊緣與其他圖片上邊緣RGB值進(jìn)行歐氏距離比較，循環(huán)進(jìn)行，直至得出全部四行四列圖片的正確排列。針對(duì)問(wèn)題二，由于沒(méi)有原始圖，我們將16圖片分別假設(shè)位于第一行，根據(jù)貪婪算法，找出最可能位于其下

2、方的其他三圖片。至此得出16列可能的圖片組合，然后進(jìn)行人工篩選剔除上下拼接明顯不正常的圖片組合，最后得出四行四列圖片的正確排列。關(guān)鍵詞：Matlab圖像處理 RGB顏色模型（圖像的數(shù)字化處理模型） 歐氏距離 貪婪算法 邊緣匹配度一、 問(wèn)題重述拼圖是一種解決平面空間填充和排列難題的益智游戲，要求玩家將印有局部圖案的扁平零片進(jìn)行拼組從而展現(xiàn)出完整圖案。在圖像處理的計(jì)算機(jī)時(shí)代，為了解決這樣一個(gè)圖片拼接復(fù)原的問(wèn)題，其核心是碎圖片的圖像信息的科學(xué)提取和算法處理等。 請(qǐng)討論以下問(wèn)題：1. 對(duì)于給定原始圖像的碎片，如何對(duì)附件1中整齊劃割的圖像進(jìn)行拼接復(fù)原。復(fù)原過(guò)程不需要進(jìn)行人工干預(yù)。復(fù)原結(jié)果以圖片形式與表格

3、形式表達(dá)。2. 對(duì)于未給定原始圖像的碎片，如何對(duì)附件2中整齊劃割的圖像進(jìn)行拼接復(fù)原。如果復(fù)原過(guò)程需要人工干預(yù)，請(qǐng)寫(xiě)出干預(yù)方式與干預(yù)的時(shí)間節(jié)點(diǎn)。復(fù)原結(jié)果表達(dá)要求同上。二、問(wèn)題分析考慮到所要拼接復(fù)原的圖片都是被規(guī)則切割的，我們可以使用MATLAB軟件得到圖片的數(shù)字信息。由于以BMP格式儲(chǔ)存的圖片讀入MATLAB后是主要以灰度值矩陣來(lái)儲(chǔ)存其圖片信息，不能準(zhǔn)確地反映彩色圖像的特征，所以我們首先要將圖片格式全部轉(zhuǎn)化為JPG格式，以得到圖片的RGB值矩陣。得到RGB值后，我們并不需要用到全部的值，而只需要用到其上下邊緣的RGB值，并以此作為解決問(wèn)題的基礎(chǔ)，另外采用歐氏距離的概念作為圖片拼接的具體判斷依據(jù)，

4、由此確定圖片之間的邊緣匹配度。在問(wèn)題一中，基于題目已給出原始圖片，首先將16被切割的圖片上邊緣與原始圖上邊緣的RGB值進(jìn)行歐氏距離比較，確定第一行的四圖片。注意在這一步驟中，16被切割的圖片的大小是不一致的（存在137×91、137×92、138×91、138×92四種尺寸情況），所以在進(jìn)行被切割的圖片之間的歐氏距離計(jì)算式我們均采用上下邊緣的前面137個(gè)像素點(diǎn)的RGB值進(jìn)行計(jì)算。在之后的敘述中均為如此，不再進(jìn)行特別說(shuō)明。在進(jìn)行被切割的圖片與原始圖片的比較時(shí)，首先采用其上邊緣的前137個(gè)像素點(diǎn)的值進(jìn)行歐氏距離計(jì)算，在得出第一行的第一圖片后，將原始圖上邊緣的

5、像素點(diǎn)除去第一圖片上邊緣全部像素點(diǎn)個(gè)數(shù)，然后用隨后的137個(gè)像素點(diǎn)與其他被切割的圖片進(jìn)行計(jì)算比較，得出第一行第二圖片。以此類(lèi)推直至得出第一行全部四圖片。然后將第一行的第一圖片作為目標(biāo)圖片，選取其下邊緣137個(gè)像素點(diǎn)的RGB值，與其他15圖片的上邊緣137個(gè)像素點(diǎn)的RGB值做歐氏距離計(jì)算，得出與其距離值最小的圖片，即為目標(biāo)圖片正下方的一圖片。再將這圖片作為新的目標(biāo)圖片，重復(fù)上述操作，直到找到這一列全部的四圖片同樣對(duì)第一行的其他三圖片進(jìn)行上述的操作，得出正下方的另外三圖片。至此可以得出16圖片的完整拼圖。針對(duì)問(wèn)題二，由于沒(méi)有原始圖，我們運(yùn)用貪婪算法，將16圖片分別假設(shè)位于第一行，與問(wèn)題一種確定了第

6、一行的圖片相似處理，找出最可能位于其下方的其他三圖片。至此得出16列可能的圖片組合，然后進(jìn)行人工篩選剔除上下拼接明顯不正常的圖片組合，最后得出四行四列圖片的正確排列。注意在問(wèn)題二中，所給圖片的大小都是一致的，因此在進(jìn)行RGB值的歐氏距離計(jì)算式不用考慮問(wèn)題一中的情況，直接將上下邊緣全部像素點(diǎn)的RGB值進(jìn)行歐氏距離計(jì)算。三、模型假設(shè)1、假設(shè)將圖片格式由BMP格式轉(zhuǎn)化為JPG格式后不會(huì)影響到圖片讀入MATLAB后所給出的數(shù)字信息；2、假設(shè)在問(wèn)題一的處理中部分舍去上下邊緣第138各像素點(diǎn)RGB值的圖片在進(jìn)行之后的歐氏距離的計(jì)算時(shí)不會(huì)受到影響；3、假設(shè)圖片在被切割的過(guò)程中邊緣沒(méi)有受到嚴(yán)重的損壞；4、假設(shè)

7、擴(kuò)展的歐氏距離計(jì)算公式能夠反映圖片之間的實(shí)際匹配度；5、假設(shè)貪婪算法在多次循環(huán)使用中所得出的結(jié)果是一致的。四、符號(hào)說(shuō)明符號(hào)符號(hào)說(shuō)明R三原色中的紅色G三原色中的綠色B三原色中的藍(lán)色m像素點(diǎn)在圖片中所在的行位置n像素點(diǎn)在圖片中所在的列位置第i圖片的上邊緣RGB矩陣第i圖片的下邊緣RGB矩陣矩陣第j行k列的元素，k取1、2、3分別對(duì)應(yīng)R、G、B值矩陣第j行k列的元素，k取1、2、3分別對(duì)應(yīng)R、G、B值D歐氏距離的計(jì)算結(jié)果五、模型的建立5.1 RGB顏色模型我們也可以說(shuō)是圖像的數(shù)字化處理模型。5.1.1RGB顏色模型簡(jiǎn)介RGB色彩模式是工業(yè)界的一種顏色標(biāo)準(zhǔn)，是通過(guò)對(duì)紅(R)、綠(G)、藍(lán)(B)三個(gè)顏色

8、通道的變化以與它們相互之間的疊加來(lái)得到各式各樣的顏色的，RGB即是代表紅、綠、藍(lán)三個(gè)通道的顏色，這個(gè)標(biāo)準(zhǔn)幾乎包括了人類(lèi)視力所能感知的所有顏色，是目前運(yùn)用最廣的顏色系統(tǒng)之一。RGB色彩模式使用RGB模型為圖像中每一個(gè)像素的RGB分量分配一個(gè)0255圍的強(qiáng)度值。RGB圖像只使用三種顏色，就可以使它們按照不同的比例混合，在屏幕上呈現(xiàn)16777216(256 × 256 × 256)種顏色。RGB是從顏色發(fā)光的原理來(lái)設(shè)計(jì)定的，通俗點(diǎn)說(shuō)它的顏色混合方式就好像有紅、綠、藍(lán)三盞燈，當(dāng)它們的光相互疊合的時(shí)候，色彩相混，而亮度卻等于兩者亮度之總和，越混合亮度越高，即加法混合。紅、綠、藍(lán)三個(gè)顏

9、色通道每種色各分為255階亮度，在0時(shí)“燈”最弱是關(guān)掉的，而在255時(shí)“燈”最亮。當(dāng)三色數(shù)值一樣時(shí)為無(wú)色彩的灰度色，而三色都為255時(shí)為最亮的白色，都為0時(shí)為黑色。故可以建立以紅色R、綠色G、藍(lán)色B為坐標(biāo)軸的三維坐標(biāo)體系，其示意圖如下：5.1.2RGB顏色模型的具體實(shí)現(xiàn)在MATLAB中RGB圖象也被稱(chēng)為真彩圖像，在8位型數(shù)據(jù)儲(chǔ)存形式下，圖片的RGB值儲(chǔ)存時(shí)只需要一個(gè)m×n×3階的三維圖像數(shù)據(jù)矩陣，每一面中元素下標(biāo)對(duì)應(yīng)于圖像像素點(diǎn)的下標(biāo)（m,n），而元素值對(duì)應(yīng)一個(gè)基色（紅、綠、藍(lán)），3個(gè)面組合構(gòu)成其真色。其中元素值的圍為（0,255）。通過(guò)圖形的RGB值，我們便可以了解到圖形

10、的具體特征。尤其針對(duì)我們所研究的被縱橫切割的圖片，都是規(guī)則的矩陣形狀，使用MATLAB軟件便可以得出圖片的RGB值矩陣。另外由于所要處理的問(wèn)題是圖片拼接問(wèn)題，所以我們主要研究圖片的邊緣RGB值，即取m為1或是圖片最大行數(shù)，將n全部取到，將對(duì)應(yīng)的RGB值存入二維矩陣中，這樣就便于我們計(jì)算。操作過(guò)程示意圖如下：我們將上邊緣RGB值存入矩陣A中，將下邊緣RGB值存入矩陣B中，如下：A= B=行數(shù)為為上下邊緣像素點(diǎn)個(gè)數(shù)，三列分別代表R、G、B值。通過(guò)邊緣之間RGB值比較和匹配來(lái)進(jìn)行圖片的拼接。5.2歐氏距離模型5.2.1歐氏距離簡(jiǎn)介歐幾里得度量（euclidean metric）即歐氏距離是一個(gè)通常采

11、用的距離定義，指在多維空間中兩個(gè)點(diǎn)之間的真實(shí)距離，或者向量的自然長(zhǎng)度（即該點(diǎn)到原點(diǎn)的距離）。在二維和三維空間中的歐氏距離的就是兩點(diǎn)之間的實(shí)際距離。歐氏距離變換在數(shù)字圖像處理中的應(yīng)用圍很廣泛，距離是描述像素建關(guān)系的基本參數(shù)，也是目標(biāo)物幾何特征和相似度的重要測(cè)度。5.2.2歐氏距離的具體計(jì)算我們?cè)谶\(yùn)用歐氏距離模型時(shí)，實(shí)際是運(yùn)用了距離的這一種度量方式，并在歐氏距離計(jì)算公式的基礎(chǔ)上進(jìn)行了進(jìn)一步擴(kuò)展。具體計(jì)算方式如下：以切割后圖片中的第一為例，讀取其下邊緣RGB值矩陣（138×3的二維矩陣），另任取一圖片的上邊緣RGB值矩陣（以第三為例，137×3的二維矩陣）：=則歐氏計(jì)算公式可表示

12、為：D=注意由于兩個(gè)矩陣的行數(shù)不一我們舍棄了矩陣的最后一行RGB值。通過(guò)將某圖片與多圖片進(jìn)行歐氏距離的計(jì)算，最后以D的值作為判斷依據(jù)，D越小，說(shuō)明兩組數(shù)據(jù)的歐氏距離越小，也就是說(shuō)邊緣匹配度越高。由此找出相匹配的圖片。5.3貪婪算法模型5.3.1貪婪算法簡(jiǎn)介 當(dāng)一個(gè)問(wèn)題的狀態(tài)空間很大時(shí)，窮舉法計(jì)算量可能會(huì)太大，而貪婪算法的思想則是采取目前看來(lái)最接近解狀態(tài)的選擇方案，它是一種不追求最優(yōu)解，只希望得到較為滿意解的方法。貪婪算法常以當(dāng)前情況為基礎(chǔ)做最優(yōu)選擇，而不考慮各種可能的整體情況，貪婪算法采用逐步構(gòu)造最優(yōu)解的方法，一般貪婪算法將構(gòu)造可行解的工作分工作階段來(lái)完成，在每個(gè)階段，選擇那些在一定的標(biāo)準(zhǔn)下是

13、局部最優(yōu)的方案，期望各階段的局部最優(yōu)的選擇帶來(lái)整體最優(yōu)。貪婪算法不是對(duì)所有問(wèn)題都能得到整體最優(yōu)解，但對(duì)圍相當(dāng)廣泛的許多問(wèn)題他能產(chǎn)生整體最優(yōu)解或者是整體最優(yōu)解的近似解。5.3.2貪婪算法步驟（1）確定要拼接的圖片個(gè)數(shù)。（貪婪算法主要應(yīng)用于問(wèn)題二的解決，這里的圖片個(gè)數(shù)為4，即找出某圖片作為第一圖片的這一列最可能的四圖片的組合。）（2）讀取圖片的上下邊緣RGB值，將圖片數(shù)字化。（3）確定作為基準(zhǔn)的圖片，將其下邊緣RGB值與其他圖片上邊緣RGB值進(jìn)行歐式距離計(jì)算，得到最可能位于其正下方的圖片。（4）將步驟（3）得出的圖片作為基準(zhǔn)圖片重復(fù)步驟（3）直到找出以第一基準(zhǔn)圖片為第一圖片的這一列的全部四圖片。（

14、5）將16圖片依次作為第一基準(zhǔn)圖片，進(jìn)行步驟（3）、（4）的操作，直到得到16列由貪婪算法的圖片組合。六、模型的求解6.1問(wèn)題一的求解6.1.1問(wèn)題一求解的操作流程圖圖一：?jiǎn)栴}一求解流程圖6.1.2問(wèn)題一求解的實(shí)際操作過(guò)程 將問(wèn)題一中所給圖片轉(zhuǎn)化為JPG儲(chǔ)存格式后將圖片讀入MATLAB中，得到圖片的RGB值，并提取圖片上下邊緣的RGB值。將16切割后的圖片的上邊緣的137個(gè)像素點(diǎn)的RGB值分別與原始圖片上邊緣的前137個(gè)像素點(diǎn)的RGB值進(jìn)行歐式距離計(jì)算，得出與其距離值最小的圖片，即為圖片拼接的第一行的第一圖片。如下圖所示：圖二：第一圖片確定方法得出第一圖片后，將16切割后的圖片的上邊緣的137

15、個(gè)像素點(diǎn)的RGB值與原始圖片上邊緣減去第一圖片上邊緣的像素點(diǎn)數(shù)后緊接著的137個(gè)像素點(diǎn)的RGB值進(jìn)行歐式距離計(jì)算，同樣得出與其距離值最小的圖片即為第一行的第二圖片。然后根據(jù)同樣的方法得出第一行的全部四圖片，如下：圖三：第一列全部四圖片將第一行的第一圖片作為目標(biāo)圖片，選取其下邊緣137個(gè)像素點(diǎn)的RGB值，與其他15圖片的上邊緣137個(gè)像素點(diǎn)的RGB值做歐式距離計(jì)算，得出與其距離值最小的圖片，即為目標(biāo)圖片正下方的一圖片。然后將這圖片作為新的目標(biāo)圖片，重復(fù)上述操作，直到找到這一列全部的四圖片。如下圖所示：圖四：第一列圖片確定方法然后，對(duì)第一行的其他三圖片進(jìn)行同樣的操作，得出正下方的另外三圖片。至此可

16、以得出16圖片的完整拼圖。上述操作都在MALAB軟件中編寫(xiě)程序進(jìn)行，無(wú)須任何人工操作。具體程序代碼見(jiàn)附錄一。6.1.3問(wèn)題一的求解結(jié)果根據(jù)題目所給16切割后的圖片的編號(hào)116，將6.1.2求解得出的結(jié)果列入4×4表格中如下：表一：?jiǎn)栴}一圖片正確拼接順序15912451178210631314116具體圖片拼接結(jié)果如下：圖五：?jiǎn)栴}一圖片拼接結(jié)果6.2問(wèn)題二的求解6.2.1問(wèn)題二求解的操作流程圖圖六：?jiǎn)栴}二求解流程圖6.2.2問(wèn)題一求解的實(shí)際操作與求解 將問(wèn)題二中所給圖片轉(zhuǎn)化為JPG儲(chǔ)存格式后將圖片讀入MATLAB中，得到圖片的RGB值，并提取圖片上下邊緣的RGB值。以第一圖片作為目標(biāo)圖

17、片，進(jìn)行貪婪算法，將其下邊緣的137個(gè)像素點(diǎn)的RGB值與其他15圖片上邊緣的137個(gè)像素點(diǎn)RGB值進(jìn)行歐式距離計(jì)算得出最可能在其正下方的一圖片。這圖片不一定是實(shí)際位于其正下方的圖片，因?yàn)橛行┍緫?yīng)位于完整圖形中最后一行的圖片的正下方并沒(méi)有圖片。我們只是假設(shè)每一圖片正下方都存在一圖片，并在此基礎(chǔ)上進(jìn)行貪婪算法，找到最可能的那圖片。然后將得到的圖片作為新的目標(biāo)圖片，同樣進(jìn)行貪婪算法重復(fù)操作，直到這一列得出四圖片。具體如下圖：圖七：目標(biāo)圖片正下方三圖片確定方法將第2至16圖片分別作為目標(biāo)圖片，重復(fù)上述貪婪算法步驟，則可得出16列（每列4圖片）圖片，具體結(jié)果如下圖：圖八：基于貪婪算法的16中可能結(jié)果以上

18、基于貪婪算法得出的16列圖片的操作過(guò)程，均在MALAB軟件中編寫(xiě)程序進(jìn)行，無(wú)須任何人工操作。具體程序代碼見(jiàn)附錄二。在得出上述16列圖片后，由于沒(méi)有原始圖形進(jìn)行對(duì)比，我們需要進(jìn)行人工篩選。上述16組合后的圖片中藍(lán)色箭頭所指的銜接處都是可以看出明顯不正常的銜接，因此我們很容易剔除12列圖片，得出按正確順序排列的四列圖片，如下：圖九：人工篩選得到的四組正確圖片 至此得出最后四列僅需調(diào)整左右順序的圖片，進(jìn)行簡(jiǎn)單的人工調(diào)整便可得出圖片拼接結(jié)果。6.2.3問(wèn)題一的求解結(jié)果首先將16圖片分別假設(shè)為位于第一行，進(jìn)行貪婪算法得出這一列最可能的4圖片，在MATLAB中進(jìn)行編程操作后得出的排列順序矩陣如下（仍根據(jù)題

19、目所給16切割后的圖片的編號(hào)116）：表二、基于貪婪算法得出的16種可能結(jié)果的拼接順序12345678910111213141516612123916451314110315731610101213339315614127412314141031212131271615104310在上述16列圖片組合中進(jìn)行人工篩選和拼接后得出四行四列圖片的正確排列順序矩陣如下：表三：?jiǎn)栴}一圖片正確拼接順序82151151271910461314316具體圖片拼接結(jié)果如下：圖十：?jiǎn)栴}二圖片拼接結(jié)果七、模型的評(píng)價(jià)模型通過(guò)對(duì)每一被切割的圖片相互之間（或者與原始圖）的邊緣值的數(shù)字化定量分析，客觀地得到每一行每一列的全

20、部圖片的正確順序。采用圖片的RGB指標(biāo)作為判斷基礎(chǔ)，能夠真實(shí)準(zhǔn)確地反映圖片的實(shí)際信息；運(yùn)用擴(kuò)展的歐氏距離計(jì)算方法能為圖片邊緣匹配度的確定提供客觀地依據(jù)；基于貪婪算法的檢測(cè)方法可以得到十六組最佳的圖片匹配組合，便于之后的篩選；使用MATLAB軟件進(jìn)行編程求解能夠快速準(zhǔn)確地得出結(jié)果。但在圖片的循環(huán)檢測(cè)過(guò)程中，并沒(méi)有省去對(duì)已確定位置的圖片的檢測(cè)而是每次都對(duì)其他16（或15）圖片進(jìn)行重復(fù)檢測(cè)，這樣明顯增大了程序運(yùn)行的工作量。但考慮到所要處理的圖片數(shù)目較少以與MATLAB軟件功能的強(qiáng)大，上述問(wèn)題實(shí)際上也可以忽略。八、模型的推廣模型評(píng)價(jià)中考慮到的缺陷對(duì)于所要拼接的圖片較多時(shí)還是真實(shí)存在的，所以當(dāng)處理數(shù)據(jù)資

21、料過(guò)大時(shí)，可以在程序中加入部分剔除功能，對(duì)于已經(jīng)明顯不可能存在的情況就不再予以考慮或檢測(cè)。在問(wèn)題二處理中，得出最后上下排列正確的四列圖片組合后，也可以將這四列圖片作為新的圖片目標(biāo)，進(jìn)行左右邊緣RGB值的對(duì)比檢測(cè)，確定其正確順序。在問(wèn)題一中也可以對(duì)已確定的結(jié)果進(jìn)行進(jìn)一步檢驗(yàn)。但這種檢測(cè)或檢驗(yàn)同樣是針對(duì)處理大量圖片拼接的問(wèn)題，針對(duì)無(wú)法輕易人工判斷的情況，針對(duì)圖片邊緣數(shù)據(jù)不夠明確的情況。而在實(shí)際生活中上述幾種情況也是客觀且普遍存在的，面對(duì)具體的問(wèn)題我們應(yīng)進(jìn)行具體推廣。九、參考文獻(xiàn)1啟源、金星、葉俊 ，數(shù)學(xué)建模 ，高等教育；2 王沫然，MATLAB與科學(xué)計(jì)算 ，電子工業(yè)；3 丹、海濱、龍哲，MATLA

22、B圖像處理實(shí)例詳解 ，清華大學(xué)；4 慶陽(yáng)、王能超、易大義，數(shù)值分析 ，清華大學(xué)；5 基于分類(lèi)樹(shù)和貪心算法的測(cè)試數(shù)據(jù)自動(dòng)生成方法-計(jì)算機(jī)工程與設(shè)計(jì)-2011年 第8期 (32)；6 基于核策略的半監(jiān)督學(xué)習(xí)方法-計(jì)算機(jī)工程-2009年 第15期 (3)。十、附件附件一、問(wèn)題一在MATLAB中的求解程序clear all,clc;for i=1:17 picname=sprintf('%d.jpg',i); a=imread(picname); %讀取圖片RGB值 b=a(1,:,:); s=size(a); c=a(s(1),:,:); xi=b; %將所有圖片上邊緣的RGB值存入

23、到元胞x中 yi=c; %將所有圖片下邊緣的RGB值存入到元胞y中endoriginal=x17;original=double(original); %將RGB值轉(zhuǎn)化為數(shù)值型sequence=0 0 0 0;for ii=1:4 %首先找出位于第一層的四圖片 rr=000; for i=1:16 ss=xi; ss=double(ss); zz=0; for j=1:137 mm=(ss(1,j,1)-original(1,sequence(ii)+j,1)2+(ss(1,j,2)-original(1,sequence(1,ii)+j,2)2+(ss(1,j,3)-original(1,s

24、equence(1,ii)+j,3)2; zz=mm+zz; %將原始圖片與進(jìn)行對(duì)比的圖片的上邊緣對(duì)應(yīng)位置的R、G、B值分別做差，然后平方相加，作為判斷依據(jù) end zz=sqrt(zz); %對(duì)上述結(jié)果開(kāi)根號(hào)進(jìn)行比較 if zz<rr rr=zz; order(1,ii)=i; %通過(guò)與原始圖的對(duì)比確定第一層四圖，將圖片編號(hào)存入矩陣order的第一行中 end end number=size(xorder(ii); sequence(1,ii+1)=sequence(1,ii)+number(1,2);endfor jj=1:3 %將已確定的第一層的四圖作為目標(biāo)，確定第二層的四圖。然后

25、以下一層已確定的四圖為目標(biāo)，重復(fù)操作。for ii=1:4 target=yorder(jj,ii); target=double(target); rrr=000; for i=1:16 if i=order(jj,ii) continue; else sss=xi; sss=double(sss); zzz=0; for j=1:137 mmm=(sss(1,j,1)-target(1,j,1)2+(sss(1,j,2)-target(1,j,2)2+(sss(1,j,3)-target(1,j,3)2; zzz=sqrt(mmm)+zzz; %將目標(biāo)圖片下邊緣R、G、B值與進(jìn)行對(duì)比的圖片的上邊緣的的R、G、B值 %分別做差，然后平方相加，作為檢測(cè)依據(jù) end end zzz=sqrt(zzz); %對(duì)上述結(jié)果開(kāi)根號(hào)進(jìn)行比較 if zzz<rrr rrr=zzz; result=i; end %選出上述做差后平方相加的結(jié)果中的最小值，即為目標(biāo)圖片正下方的一圖片 end order(jj+1,ii