【正文】 %依次讀取每一幅圖像 for j=2:19 str=39。%共十九個(gè)紙條str=39。 r(i)=a(j)。 % i2是二值圖像 t=i2(:,72)。 %取紙片左邊緣 ni=ami。a=A(:,1)。 else A(i,4)=8。amp。 j=j+1。)。 c=c+1。for i=1:209 %for j=1:209 str=39。z= imread([str,num2str(first),39。 %取紙片左邊緣 ni=ami。 %共十九個(gè)紙條for j=1:19 str=39。z= imread([str,num2str(first),39。 %取紙片左邊緣 ni=ami。 %共十九個(gè)紙條for j=1:19 str=39。此刻，我們也得到了左邊緣碎紙片的序號(hào)：7，14，29，38，49，61， 71，80，89，94，125，168。如下圖所示：圖3 文字特征圖利用軟件進(jìn)行編程，將每個(gè)圖片的裁截文字長(zhǎng)度、行間距、裁截空白距離、字體高度以及裁截距的結(jié)果以的形式輸出到表格之中。（一） 算法思想第一步，對(duì)附件中的19幅圖片分別進(jìn)行灰度處理，然后取灰度閾值，進(jìn)行二值化，得到19個(gè)數(shù)字矩陣，即圖片的數(shù)字化。由于碎紙片的形狀相同，因而不能針對(duì)碎紙片的幾何特征建立數(shù)學(xué)模型；碎紙片間無(wú)重疊，也不能利用圖像融合技術(shù)進(jìn)行圖像配準(zhǔn)。近年來(lái)，隨著德國(guó)“斯塔西”文件的恢復(fù)工程的公布，碎紙文件復(fù)原技術(shù)的研究引起了人們的廣泛關(guān)注。針對(duì)問(wèn)題三，由于圖片區(qū)分正反兩面，在問(wèn)題二的基礎(chǔ)上，增加圖片從下到上的裁截距信息，然后進(jìn)行兩次聚類(lèi)，從而將所有圖片進(jìn)行分類(lèi)，利用計(jì)算機(jī)自動(dòng)拼接與人工干預(yù)相結(jié)合，對(duì)所有圖片進(jìn)行拼接復(fù)原。三、符號(hào)說(shuō)明表1 符號(hào)說(shuō)明符號(hào)符號(hào)說(shuō)明灰度值紅色綠色藍(lán)色矩陣裁截距裁截文字長(zhǎng)度行間距裁截空白距離字體高度四、問(wèn)題分析將不規(guī)則的文檔碎紙片進(jìn)行拼接，一般是利用碎紙片的邊緣曲線，尖點(diǎn)、尖角、面積等幾何特征，搜索與之匹配的相鄰碎紙片。圖片上下拼接的數(shù)學(xué)模型 類(lèi)似地，設(shè)分別表示上下放置的兩張圖片對(duì)應(yīng)的數(shù)字矩陣，定義上面矩陣的最后一行與下面矩陣的第一行之間的偏差函數(shù)為：其中，分別表示矩陣第行和第行的元素。一般地，圖片從上往下看，不同的裁截線形成的裁截文字長(zhǎng)度不同，文字間的行間距相同，所以，如果裁接處的文字長(zhǎng)度不相等，那么文字與空白間距之和就不相等。（二） 圖片的左邊緣確定根據(jù)碎紙片邊緣特征，利用matlab對(duì)圖片處理后得到數(shù)字化矩陣，根據(jù)最小二乘法進(jìn)行分析得到16個(gè)可作為文件左邊緣的碎紙片，編號(hào)如下：（程序詳見(jiàn)附錄七）7，14，29，38，49，61，62，67，71，80，89，94，125，135，143，168。 模型的改進(jìn)方向（1） 在問(wèn)題一里面我們只考慮了邊緣區(qū)域的匹配，由于結(jié)果正確所以沒(méi)有繼續(xù)增加條件保證其準(zhǔn)確率。 %依次讀取每一幅圖像 i1=rgb2gray(I)。for i=1:19 for j=1:19 if(A(i,j)==0) first=j。 %保存已拼接紙條 z = [x,y]。 %依次讀取每一幅圖像 i1=rgb2gray(I)。for i=1:19 for j=1:19 if(A(i,j)==0) first=j。 %保存已拼接紙條 z = [x,y]。 c=c+1。D:\39。 j=1。 A(i,5)=i。 end elseif A(i,3)55amp。D:\39。 %依次讀取每一幅圖像 i1=rgb2gray(I)。])。 for j=1:19 if(kA(i,j)amp。end imshow(z) %請(qǐng)打開(kāi)圖片顯示窗口查看拼接結(jié)果附件九：圖15 附件三的拼接圖片附錄十：圖16 附件4的拼接圖片附錄十一：%以下程序的運(yùn)行，請(qǐng)注意文件存放的位置！?。?請(qǐng)使用經(jīng)格式轉(zhuǎn)化器轉(zhuǎn)化后的JPG格式圖片。 K=imread([str,num2str(a(i,1)),39。.jpg39。.jpg39。D:\附件\附件3\39。])。D:\39。D:\附件\附件3\39。A(i,3)=66 if A(i,1)0 A(i,4)=9。amp。 j=j+1。D:\附件\附件3\39。 if any(i2(j,:)==0) while (any(i2(j,:)==0)) b=b+1。.jpg39。for m=1:18 m=1。D:\39。.jpg39。for m=1:18 m=1。D:\39。.jpg39。得到正確的拼接結(jié)果，圖片如下：圖7 以第9組為例的拼接最終結(jié)果其余分組按照相同方法可得到11組的拼接結(jié)果，這里我們不在一一贅述，發(fā)現(xiàn)每組的拼接均無(wú)誤，這說(shuō)明我們的分類(lèi)達(dá)到了預(yù)期的效果。這時(shí)需要增加信息量來(lái)更好地進(jìn)行分類(lèi)，進(jìn)一步觀察圖2，我們可以發(fā)現(xiàn)：圖片的上端裁截處可能是文字，也可能為空白。若存在，使得達(dá)到最小，則即位第二張圖片。利用軟件，將附件中所給的BMP格式的圖片轉(zhuǎn)化成JPG格式 ，去除圖片的多彩性。隨著計(jì)算機(jī)技術(shù)的發(fā)展，人們?cè)噲D開(kāi)發(fā)碎紙片的自動(dòng)拼接技術(shù)，以提高拼接復(fù)原效率。附件2的拼接結(jié)果為:03,06,02,07,15,18,11,00,05,01,09,13,10,08,12,14,17,16,04。（2） 待拼接復(fù)原的碎紙片是規(guī)整的矩形。由此得到像素點(diǎn)的二值化函數(shù)：其中，為預(yù)先設(shè)定的全局灰度閾值。（3）文字的行距：文字的行間距等同，段落間距為定值。最終完成文件復(fù)原。（2） 模型二充分考慮了碎紙片邊緣的匹配問(wèn)題以及文字內(nèi)部的特征信息，對(duì)于既縱切又橫切的情形，先進(jìn)行了聚類(lèi)將圖片進(jìn)行了分組，大大減少了工作量，而且增加了準(zhǔn)確度。 for i=1:19 I=imread([str,num2str(i),39。 for j=1:19 if(kA(i,j)) k=A(i,j)。.jpg39。 for i=1:19 I=imread([str,num2str(i),39。 for j=1:19 if(kA(i,j)) k=A(i,j)。.jpg39。d=0。 A(i,3)=c+d。b=0。 j=j+1。amp。A(i,3)=78 A(i,4)=12。 %取紙片左邊緣 for i=1:209 I=imread([str,num2str(i),39。D:\附件\附件3\39。%記錄和紙片右相鄰的紙片g=[1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1]。])。%依次讀取每一幅圖像 I=[I,J]。 end I=[I。C:\Users\Administrator\Desktop\附件5\39。])。 % i2是二值圖像 mi=i2(:,1)。 end endendfor i=1:209 if(l(i)=11) i endend附錄八：%以下程序的運(yùn)行，請(qǐng)注意文件存放的位置！??！%請(qǐng)使用經(jīng)格式轉(zhuǎn)化器轉(zhuǎn)化后的JPG格式圖片。])。amp。amp。 d=d+1。])。 end else while (all(i2(j,:)==1)) b=b1。%i1灰度圖像 i2=im2bw(i1)。 x = imread([str,num2str(first),39。)。 %i1灰度圖像 i2=im2bw(i1)。 x = imread([str,num2str(first),39。)。