MATLAB編程實(shí)習(xí)-3700字

1、前言MATLAB 是美國MathWorks公司出品的商業(yè)數(shù)學(xué)軟件，用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計(jì)算的高級(jí)技術(shù)計(jì)算語言和交互式環(huán)境，主要包括MATLAB和Simulink兩大部分。 在科學(xué)爭辯和工程應(yīng)用中，往往要進(jìn)行大量的數(shù)學(xué)計(jì)算，其中包括矩陣運(yùn)算等。這些運(yùn)算一般來說都難以用手工精確、快捷地完成，而通常是借助特定的計(jì)算機(jī)程序來完成相應(yīng)的計(jì)算功能，目前流行的編程語言有Basic、Fortran和C語言等。對(duì)于大多數(shù)科學(xué)工作者來說，既需要把握本專業(yè)的相關(guān)學(xué)問，還需要嫻熟地把握編程語言，這無疑具有確定的難度。編制程序也是繁雜的工作，不僅消耗人力與物力，而且影響工作進(jìn)程和效率。MATLAB

2、就是為解決上述沖突而產(chǎn)生的。MATLAB是數(shù)學(xué)建模必備工具。 MATLAB以商品形式毀滅后，僅短短幾年，就以其良好的開放性和運(yùn)行的牢靠性，使原先把握領(lǐng)域里的封閉式軟件包（如英國的UMIST，瑞典的LUND和SIMNON，德國的KEDDC）紛紛淘汰，而改以MATLAB為平臺(tái)加以重建。在時(shí)間進(jìn)入20世紀(jì)九十年月的時(shí)候，MATLAB已經(jīng)成為國際把握界公認(rèn)的標(biāo)準(zhǔn)計(jì)算軟件。到九十年月初期，在國際上30幾個(gè)數(shù)學(xué)類科技應(yīng)用軟件中，MATLAB在數(shù)值計(jì)算方面獨(dú)占鰲頭，而Mathematica和Maple則分居符號(hào)計(jì)算軟件的前兩名。Mathcad因其供應(yīng)計(jì)算、圖形、文字處理的統(tǒng)一環(huán)境而深受中同學(xué)歡迎。MATLA

3、B 的應(yīng)用范圍格外廣，包括信號(hào)和圖像處理、通訊、把握系統(tǒng)設(shè)計(jì)、測試和測量、財(cái)務(wù)建模和分析以及計(jì)算生物學(xué)等眾多應(yīng)用領(lǐng)域。附加的工具箱（單獨(dú)供應(yīng)的專用 MATLAB 函數(shù)集）擴(kuò)展了 MATLAB 環(huán)境，以解決這些應(yīng)用領(lǐng)域內(nèi)特定類型的問題。在國際學(xué)術(shù)界，MATLAB已經(jīng)被確認(rèn)為精確、牢靠的科學(xué)計(jì)算標(biāo)準(zhǔn)軟件。在很多國際一流學(xué)術(shù)刊物上，（尤其是信息科學(xué)刊物），都可以看到MATLAB的應(yīng)用。在設(shè)計(jì)爭辯單位和工業(yè)部門，MATLAB被認(rèn)作進(jìn)行高效爭辯、開發(fā)的首選軟件工具。如美國National Instruments公司信號(hào)測量、分析軟件LabVIEW，Cadence公司信號(hào)和通信分析設(shè)計(jì)軟件SPW等，或者直

4、接建筑在MATLAB之上，或者以MATLAB為主要支撐。又如HP公司的VXI硬件，TM公司的DSP，Gage公司的各種硬卡、儀器等都接受MATLAB的支持。一、彩色圖轉(zhuǎn)灰度圖1、設(shè)計(jì)目的：把握讀、寫圖像的基本方法。把握MATLAB語言中圖像數(shù)據(jù)與信息的讀取方法。理解圖像灰度變換處理在圖像增加的作用。4）把握繪制灰度直方圖的方法，理解灰度直方圖的灰度變換及均衡化的方法2、設(shè)計(jì)任務(wù)： （1）、讀入彩色和灰度圖像并顯示； （2）、對(duì)彩色圖像轉(zhuǎn)化為灰度圖像并顯示； （3）、比較兩種彩色圖像轉(zhuǎn)灰度圖像方法的效果。3、源代碼如下：%RGB轉(zhuǎn)YUVClear %清理變量空間x = imread(lena51

5、2.BMP); %讀取圖像的像素值width,height,dim=size(x); %讀取圖像的尺寸信息x = double(x); %轉(zhuǎn)換變量類型%方法一：元素乘y =round(x(:,:,1)*0.299+x(:,:,2)*0.587+x(:,:,3)*0.114); %每個(gè)像素值轉(zhuǎn)換為Y值subplot(1,3,1),imshow(uint8(x); %顯示原圖subplot(1,3,2),imshow(uint8(y); %顯示對(duì)應(yīng)灰度圖%方法二：矩陣乘A=0.299 0.587 0.114;-0.147 -0.287 .0436;0.615 -.0515 -0.100;%建立轉(zhuǎn)換

6、矩陣for m=1:1:width %掃描圖像的每一行 for n=1:1:height %掃描圖像的每一列 stemp=x(m,n,1) x(m,n,2) x(m,n,3)*A;%將每一個(gè)元RGB像素點(diǎn)轉(zhuǎn)換為YUV B(m,n,1)=stemp(1); %將Y重量賦值存儲(chǔ) B(m,n,2)=stemp(2); %將U重量賦值存儲(chǔ) B(m,n,3)=stemp(3); %將V重量賦值存儲(chǔ) end %結(jié)束列掃描end %結(jié)束行掃描for m=1:1:width %掃描每一行 for n=1:1:height %掃描每一列 z(m,n)=uint8(B(m,n,1); %將Y值賜予新圖像 end

7、%結(jié)束列掃描end %結(jié)束行掃描subplot(1,3,3),imshow(uint8(z); %顯示彩色轉(zhuǎn)灰度后得到的圖像四、效果比較：由以上三幅圖像可以看出，用不同的系數(shù)與R、G、B相乘后的值賦給亮度Y以后，所得的圖像比對(duì)R、G、B求均值后賦給亮度Y的方法所得的圖的亮度更加強(qiáng)，從MATLAB仿真平臺(tái)也能看出用第一種方法得到的像素值比其次種方法得到的像素值大。二、灰度圖像的縮放1、設(shè)計(jì)目的： = 1 * ROMAN I、把握灰度圖像縮放的原理及算法； = 2 * ROMAN II、把握利用if語句實(shí)現(xiàn)選擇結(jié)構(gòu)的方法；2、設(shè)計(jì)任務(wù)： 對(duì)灰度圖像實(shí)現(xiàn)按比例縮小和放大功能： 縮小：行數(shù)*0.6，列

8、數(shù)*0.75； 放大：行數(shù)*1.2，列數(shù)*1.5。3、源代碼如下：（1）縮小代碼：%按比例縮小Clear %清理變量空間x = imread(couple512x512.BMP); %讀取圖像的像素值width,height,dim=size(x); %讀取圖像的尺寸信息%按比例縮?。簁1=0.6, k2=0.75k1=0.6; %橫向縮小比例k2=0.75; %縱向縮小比例m=round(k1*width); %計(jì)算橫向縮小后尺寸n=round(k2*height); %計(jì)算縱向縮小后尺寸y=zeros(m,n); %用來存儲(chǔ)新圖像for i=1:1:m %掃描每一行 h(i)=round(

9、i/0.6); %對(duì)行元素坐標(biāo)進(jìn)行抽取end %結(jié)束行掃描for i=1:1:n %掃描每一列 l(i)=round(i/0.75); %對(duì)列元素坐標(biāo)進(jìn)行抽取end %結(jié)束列掃描for i=1:1:m %掃描每一行 for j=1:1:n %掃描每一列 if h(i)width h(i)=width;%推斷行元素坐標(biāo)是否超出，若超出則賦于最大行坐標(biāo) else h(i)=h(i);end %否則直接賦值 if l(j)height l(j)=width;% 推斷列元素坐標(biāo)是否超出，若超出則賦于最大列坐標(biāo) else l(j)=l(j);end %否則直接賦值 y(i,j)=x(h(i),l(j);

10、 %將抽取后的數(shù)值賦于新圖 end %結(jié)束列掃描end %結(jié)束行掃描subplot(1,2,1),imshow(uint8(x); %顯示原圖像subplot(1,2,2),imshow(uint8(y); %顯示縮小后圖像效果比較：由上圖可以看出，縮小后的圖像的毀滅失真。（2）放大代碼：%按比例放大Clear %清理變量空間x = imread(lena256.BMP); %讀取圖像的像素值width,height,dim=size(x); %讀取圖像尺寸信息%按比例放大：k1=1.2, k2=1.5k1=1.2; %橫向放大比例k2=1.5; %縱向放大比例m=round(k1*width

11、); %計(jì)算放大后橫向尺寸n=round(k2*height); %計(jì)算放大后縱向尺寸y=zeros(m,n); %存儲(chǔ)放大后圖像for i=1:1:m %掃描每一個(gè)行元素 h(i)=round(i/1.2); %計(jì)算放大后圖像的行元素坐標(biāo)end %結(jié)束行掃描for i=1:1:n %掃描每一個(gè)列元素 l(i)=round(i/1.5); %計(jì)算放大后圖像的列元素坐標(biāo)end %結(jié)束列掃描for i=1:1:m %掃描每一行 for j=1:1:n %掃描每一列 if h(i)width h(i)=width;%推斷行元素值是否越界，若是則賦于最大行值 else h(i)=h(i);end %否

12、則直接賦值 if l(j)height l(j)=hieght; %推斷列元素值是否越界，若是則賦于最大列值 else l(j)=l(j);end %否則直接賦值 y(i,j)=x(h(i),l(j); %向新圖像賦值 end %結(jié)束列掃描end %結(jié)束行掃描imshow(uint8(x); %顯示原圖figure %建立顯示窗口imshow(uint8(y); %顯示放大后圖像效果比較：由上圖可以看出，放大后的圖像毀滅失真。三、直方圖均衡化1、設(shè)計(jì)目的： = 1 * ROMAN I、把握灰度圖像直方圖均衡化的原理及算法； = 2 * ROMAN II、把握利用for語句實(shí)現(xiàn)循環(huán)的方法； =

13、3 * ROMAN III、把握繪制二維圖形的常用函數(shù)。2、設(shè)計(jì)任務(wù)： 對(duì)灰度圖像進(jìn)行直方圖均衡化處理3、源代碼如下：%直方圖均衡化Clear %清除變量空間x = imread(pattern.BMP); %讀取圖像像素width,height,dim=size(x); %讀取圖像信息%原圖直方圖h = zeros(1,256); %用來存儲(chǔ)像素累計(jì)毀滅次數(shù)l=0; %需用變量m=1; %需用變量for k=0:1:255 %掃描每一個(gè)像素 for i=1:1:width %掃描每一行 for j=1:1:height %掃描每一列 if x(i,j)=k l=l+1; %判定該像素值是否與

14、K值相同 else continue %否則，連續(xù) end %結(jié)束IF語句 end %結(jié)束列掃描 end %結(jié)束行掃描 h(m)=l;l=0; %變量恢復(fù) m=m+1; %數(shù)組坐標(biāo)遞增end %結(jié)束掃描像素值%總像素nf=width*height; %計(jì)算總像素值%分布概率hs=zeros(1,256); %存儲(chǔ)分布概率for i=1:1:256 %掃描每個(gè)數(shù)組中的元素 hs(i)=h(i)/nf; %計(jì)算每個(gè)像素毀滅的分布概率end %結(jié)束掃描每個(gè)數(shù)組元素%累積分布hp=zeros(1,256); %存儲(chǔ)累計(jì)累計(jì)分布概率temp=0; %需用變量for i=1:1:256 %掃描數(shù)組的每一個(gè)

15、元素 temp=hs(i)+temp; %累計(jì)分布概率 hp(i)=temp; %存儲(chǔ)每個(gè)累計(jì)分布概率end %結(jié)束掃描%新灰度值g=zeros(1,256); %存儲(chǔ)新像素值for i=1:1:256 %掃描數(shù)組的每個(gè)元素 g(i)=round(255*hp(i); %計(jì)算新像素值end %結(jié)束掃描%新像素替換舊像素for k=1:1:255 %掃描每一個(gè)像素值 for i=1:1:width %掃描每一行 for j=1:1:height %掃描每一列 if x(i,j)=k y(i,j)=g(k); %推斷元素值是否與K同 end %結(jié)束IF語句 end %結(jié)束列掃描 end %結(jié)束行掃

16、描end %結(jié)束掃描K值%圖像顯示z=0:1:255; %用來顯示直方圖分布的變量%新像素統(tǒng)計(jì)w = zeros(1,256); %存儲(chǔ)新圖像的像素值l=0; %需用變量m=1; %需用變量for k=0:1:255 %掃描像素值 for i=1:1:width %掃描每一行 for j=1:1:height %掃描每一列 if y(i,j)=k l=l+1; %推斷當(dāng)前像素值是否與K相同 else continue %否則連續(xù) end %結(jié)束IF語句 end %結(jié)束列掃描 end %結(jié)束行掃描 w(m)=l;l=0; %變量初始化 m=m+1; %數(shù)組下標(biāo)遞進(jìn)end %結(jié)束像素掃描subpl

17、ot(2,2,1),imshow(uint8(x); %顯示原圖subplot(2,2,2),plot(z,h); %顯示原圖像素分布狀況subplot(2,2,3),imshow(uint8(y); %顯示新圖subplot(2,2,4),plot(z,w); %顯示新圖像素分布狀況 四、圖像濾波1、設(shè)計(jì)目的： = 1 * ROMAN I、把握均值濾波和中值濾波的原理及算法； = 2 * ROMAN II、把握兩矩陣相乘的方法。2、設(shè)計(jì)任務(wù)：對(duì)灰度圖像完成中值濾波和均值濾波，模板大小分別取3*3和5*5，并從濾波器和模板尺寸角度動(dòng)身分析濾波效果。3、源代碼如下： = 1 * GB2 均值濾波

18、：%均值濾波Clear %清理變量空間x = imread(lena256noisegau.BMP); %讀取圖像像素值width,height,dim=size(x); %讀取圖像數(shù)據(jù)%均值濾波 模塊3*3k=3; %模塊大小設(shè)定t=0; %需用變量x = double(x); %圖像像素類型轉(zhuǎn)換y=x; %用來存儲(chǔ)新圖象for i=round(k/2):1:(width-round(k/2)+1) %掃描每一行 for j=round(k/2):1:(height-round(k/2)+1) %掃描每一列 for m=i-round(k/2)+1:1:i+round(k/2)-1 %掃描k

19、*k的單元格的每一行，每k*k個(gè)元素取出 for n=j-round(k/2)+1:1:j+round(k/2)-1%掃描k*k的單元格的每一列 s=x(m,n); %賦值S t=t+s; %累加K*K個(gè)像素 end %結(jié)束列掃描 end %結(jié)束行掃描 y(i,j)=round(t/(k*k); %求K*K個(gè)數(shù)的平均值并賦于新圖 t=0; %變量初始化 end %結(jié)束列掃描end %結(jié)束行掃描subplot(1,2,1),imshow(uint8(x); %顯示原圖subplot(1,2,2),imshow(uint8(y); %顯示新圖高斯噪聲的濾波圖椒鹽噪聲的濾波圖效果比較：由上圖可以看出

20、，對(duì)于高斯噪聲，均值濾波不能很好的去除；對(duì)于椒鹽噪聲濾波對(duì)其的去除效果強(qiáng)于對(duì)高斯噪聲的去除效果。 = 2 * GB2 中值濾波%中值濾波 模塊5*5Clear %清除變量空間x = imread(lena256noisesalt.BMP); %讀取像素值width,height,dim=size(x); %讀取圖像信息k=5; %設(shè)定參數(shù)Ktemp=1; %所用變量y=zeros(1,k*k); %存儲(chǔ)矩陣z=x; %建立新圖for i=round(k/2):1:(width-round(k/2)+1) %掃描每一行 for j=round(k/2):1:(height-round(k/2)+1) %掃描每一列 for m=i-round(k/2)+1:1:i+round(k/2)-1 %掃描5*5的單元格的每一行，每5*5個(gè)元素取出 for n=j-round(k/2)+1:1:j+round(k/2)-1%掃描5*5的單元格的每一列 y(temp)=x(m,n); %將5*5中每一個(gè)元素取出 temp=temp+1; %數(shù)組下標(biāo)遞增 end %結(jié)束列掃描 end %結(jié)束行掃描 temp=1; %數(shù)組下標(biāo)恢復(fù)1 for t=1:1:k*k %掃描每個(gè)元素，5