【正文】 s4=sum(sum(I((i1)*k+1:i*k+1,(j+1)*k+1:(j+2)*k+1)))。 s1=sum(sum(I(i*k+1:(i+1)*k+1,j*k+1:(j+1)*k+1)))。 s3=sum(sum(I(i*k+1:(i+1)*k+1,j*k+1:(j+1)*k+1)))。elseif temp_shunxu_4=temp_shunxu_3amp。temp_shunxu_2=temp_shunxu_3amp。temp_shunxu_3=temp_shunxu_2%4 1 3 2 shunxu=dec2bin(19,5)。amp。amp。elseif temp_shunxu_3=temp_shunxu_2amp。temp_shunxu_1=temp_shunxu_4amp。temp_shunxu_3=temp_shunxu_1%2 4 3 1 shunxu=dec2bin(11,5)。amp。amp。elseif temp_shunxu_2=temp_shunxu_1amp。temp_shunxu_4=temp_shunxu_3amp。temp_shunxu_4=temp_shunxu_2%1 3 4 2 shunxu=dec2bin(3,5)。amp。amp。r39。 end。 for t=1:3 %去掉外圍的一圈 for s=1:3 %取順時針為正方向 temp_pipeitu_te=temp_pipeitu(t,s)。k=fix(temp_min/5)。 plot(j+pipei_width,i:i+pipei_height,39。b39。 %讀取原圖像pipeitu2gray=rgb2gray(pipeitu)。七．實習心得體會、圖像處理能力。%讀取原圖像b=imread(39。)。當然這里還需注意，兩圖像進行匹配時首先要保證它們具有相同的方向，（即不能有一個圖像是旋轉過的），這也是這兩種算法在進行匹配時的缺陷所在。)。)。 end endend⑦getOrder函數(shù) (代碼祥見附錄三)功能：根據(jù)輸入的四項參數(shù)的大小順序，返回一個5位二進制的編碼格式：shunxu=getOrder(temp_shunxu_1,temp_shunxu_2,temp_shunxu_3,temp_shunxu_4)舉例：T=getOrder(32,13,56,42)運行結果：T= 10000⑧gettezheng函數(shù) (代碼祥見附錄四)功能：根據(jù)特征塊的左上角坐標得出該特征塊的特征值，特征值的定義詳見基于灰度的快速匹配算法中的定義2。r39。 end。 hold on。%將匹配圖灰度化Ⅲ: 獲取原圖像和匹配圖像的尺寸及分塊標準值[pipei_height,pipei_width]=size(pipeitu2gray)。)%將二進制為0101101的序列轉化為十進制運行結果：C = 45③min函數(shù)功能：求向量中的最小值格式：A=min(B)說明：B為一個向量，A中保存的是B中的最小值舉例：A=min(12 32 45 66 2 3)運算結果:A= 2④max函數(shù)功能：求向量中的最大值格式：A=max(B)說明：B為一個向量，A中保存的是B中的最大值舉例：A=max(12 32 45 66 2 3)運算結果:A= 66⑤sum函數(shù)功能：求向量中和格式：A=sum(B)說明：B為一個向量，A中保存的是B中的和舉例：A=sum(12 32 45 66 2 3)運算結果:A= 160⑥testpipei_2函數(shù)(代碼祥見附錄二)實現(xiàn)細節(jié)：Ⅰ:讀取原圖像(搜索圖)和匹配圖像（模板圖）yuantu=imread(39。)。%取得相關系數(shù) if r% %下面用plot函數(shù)在原圖的坐標系上畫出匹配區(qū)域 plot(j:j+pipei_width,i,39。%將匹配圖灰度化Ⅲ: 獲取原圖像和匹配圖像的尺寸[pipei_height,pipei_width]=size(pipeitu2gray)。⑤testpipei_1 (代碼祥見附錄一)功能：實現(xiàn)兩幅數(shù)字圖像的匹配實現(xiàn)細節(jié)：Ⅰ:讀取原圖像(搜索圖)和匹配圖像（模板圖）yuantu=imread(39。值為1時，表示矩陣A與B的線性聯(lián)系最為密切,值為0時，表示矩陣A與B不相關，線性聯(lián)系最最弱。2．數(shù)字圖像匹配函數(shù)(1) 基于灰度的歸一化匹配算法①mean2函數(shù)功能：求圖像均值格式：m=mean2(A)說明：mean2函數(shù)可用來計算圖像矩陣A的均值m,m是雙精度標量。如果A是一個無符號8位整數(shù)表示的灰度圖像或真彩色圖像，imwrite直接交數(shù)組A中的值寫入文件。picture/39。D3=R5∪R6∪R8∪R9。然后再用規(guī)格化，此時（*）式的第一項為1，而規(guī)格化的（*）式的第三項就可以反映兩圖的相似程度，另外，由施瓦茨不等式：（當且僅當g=cf時等式才成立，其中c為常數(shù)）。Dfg(x,y)為模板與源圖像對應區(qū)域的互相關，它隨像素位置（x,y）的變化而變化，當模板g(j,k)和源圖像中對應區(qū)域相匹配時取最大值。利用兩個信號的相關函數(shù)，評價它們的相似性以確定同名點。根據(jù)灰色的程度，可分為若干個等級，人眼可分的最多等級是64級。在此課程設計報告也將在最后運用圖像匹配技術對這個問題做出回答。 數(shù)字圖像匹配目 錄 一. 課題分析 4二．算法設計 51. 概念解釋 .................................................... 52．數(shù)字圖像匹配算法設計........................ .....................5⑴基于灰度的歸一化匹配算法.......................................6⑵基于灰度的快速模板匹配算法.....................................8三．相應matlab程序設計. ...................... ....................101．數(shù)字圖像匹配相關函數(shù) .............. ...........................102．數(shù)字圖像匹配函數(shù) ................ .............................12(1) 基于灰度的歸一化匹配算法....................................12(2) 基于灰度的快速模板匹配算法..................................14四．實驗測試........................ ............. ...............181. 基于灰度的歸一化匹配算法.......................................182. 基于灰度的快速模板匹配算法.....................................18五．試驗結果評價............................ ......................19六．實例解答.............................. ........................19七．實習心得體會.......................... .......................21參考文獻 22附 錄............................................................23附錄一：（基于灰度的歸一化匹配算法）.... .... .............23附錄二：testpipei_2（基于灰度的快速模板匹配算法）.... .... .............23附錄三： （二進制編碼）............. .... ........ ............25附錄四： (求特征值) ........................ ............27附錄五：圖 片...................................... .... .................29數(shù)字圖像匹配一. 課題分析 背景描述：現(xiàn)代社會已進入信息時代，隨著計算機技術、通信技術和數(shù)學的發(fā)展，圖像信息處理能力和水平也不斷提高，相應的也得到和更多關注、研究和更加廣泛的應用。 圖像匹配的概念： 圖像匹配是指通過一定的匹配算法在兩幅或多幅圖像之間識別同名點，如二維圖像匹配中通過比較目標區(qū)和搜索區(qū)中相同大小的窗口的相關系數(shù)，取搜索區(qū)中相關系數(shù)最大所對應的窗口中心點作為同名點。圖像