【正文】 tezheng=strcat(D1,D2,D3,D4)。 s2=sum(sum(I(i*k+1:(i+1)*k+1,j*k+1:(j+1)*k+1)))。 s3=sum(sum(I((i+1)*k+1:(i+2)*k+1,(j+1)*k+1:(j+2)*k+1)))。 s4=sum(sum(I(i*k+1:(i+1)*k+1,j*k+1:(j+1)*k+1)))。 D1=getOrder(s1,s2,s3,s4)。 附錄四： (求特征值)function tezheng=gettezheng(i,j,I,k) %根據(jù)特征塊的左上角坐標(biāo)得出該特征塊的特征值 s1=sum(sum(I((i1)*k+1:i*k+1,(j1)*k+1:j*k+1)))。temp_shunxu_3=temp_shunxu_2amp。amp。temp_shunxu_3=temp_shunxu_1%4 2 3 1 shunxu=dec2bin(21,5)。elseif temp_shunxu_4=temp_shunxu_2amp。amp。temp_shunxu_1=temp_shunxu_3amp。amp。temp_shunxu_2=temp_shunxu_1%3 4 2 1 shunxu=dec2bin(17,5)。elseif temp_shunxu_3=temp_shunxu_4amp。amp。temp_shunxu_2=temp_shunxu_4amp。amp。temp_shunxu_4=temp_shunxu_2%3 1 4 2 shunxu=dec2bin(13,5)。elseif temp_shunxu_3=temp_shunxu_1amp。amp。temp_shunxu_4=temp_shunxu_3amp。amp。temp_shunxu_4=temp_shunxu_1%2 3 4 1 shunxu=dec2bin(9,5)。elseif temp_shunxu_2=temp_shunxu_3amp。amp。temp_shunxu_1=temp_shunxu_4amp。amp。temp_shunxu_3=temp_shunxu_2%1 4 3 2 shunxu=dec2bin(5,5)。elseif temp_shunxu_1=temp_shunxu_4amp。amp。temp_shunxu_3=temp_shunxu_4amp。amp。temp_shunxu_4=temp_shunxu_3%1 2 4 3 shunxu=dec2bin(1,5)。elseif temp_shunxu_1=temp_shunxu_2amp。amp。 plot(j+pipei_width,i:i+pipei_height,39。)。r39。 if r==0 break。 if temp_pipeitu_te==temp_yuantu_te%如果特征值相同，r就加1 r=r+1。for i=1:yuantu_height5*k for j=1:yuantu_width5*k temp_picture=imcrop(yuantu2gray,[j,i,pipei_width1,pipei_height1])。 %將二進(jìn)制編碼值（特征塊值）以十進(jìn)制的形式保存在33的矩陣中的對應(yīng)位置 end。[yuantu_height,yuantu_width]=size(yuantu2gray)。)。b39。 plot(j:j+pipei_width,i+pipei_height,39。 r=corr2(temp_picture,pipeitu2gray)。 %將原圖灰度化[yuantu_height,yuantu_width]=size(yuantu2gray)。在研究圖形圖像基礎(chǔ)知識和數(shù)字圖像匹配算法的過程中查閱了許多資料，使我對圖形圖像方面的知識有了一定了解，對數(shù)字圖像匹配算法方面掌握了大致方向。2. 目前的數(shù)字圖像匹配的算法有很多，比如幅度排序相關(guān)算法，F(xiàn)FT相關(guān)算法和分層搜索的序列判斷算法等快速算法，還有更為常用的以特征為基礎(chǔ)的匹配算法。分析總結(jié)：至此，這個(gè)實(shí)例問題用圖像匹配的方法得到解決。)。picture/39。（注：這個(gè)運(yùn)行過程大概需要20秒，需耐心等待）運(yùn)行結(jié)果如下圖所示：說明：匹配失敗。%讀取原圖像b=imread(39。問題：這邊收集了很多張及其類似的照片（），還有一張小照片()，而現(xiàn)在只知道這張小照片，是從這些類似的照片中的某一張剪切下來得到的，問題是如何快速準(zhǔn)確的找出這張小照片是從那一張照片中剪切下來的，以及確定出在原照片上所剪切的那個(gè)部位。這些也正是利用灰度信息匹配方法的主要缺陷所在。（注：這個(gè)運(yùn)行過程大概需要25秒，需耐心等待）下圖就是在原圖像中找到的匹配區(qū)域。%讀取原圖像b=imread(39。（注：這個(gè)運(yùn)行過程大概需要40秒，需耐心等待）下圖就是在原圖像中找到的匹配區(qū)域。%讀取原圖像b=imread(39。四．實(shí)驗(yàn)測試讀取一幅262，規(guī)格為196104。r39。 plot(j,i:i+pipei_height,39。)。 end。 else break。 r=0。 end。%獲取原圖象的大小尺寸，其值為[高，寬],將原圖象的長度值賦給pipei_width,將原圖象的寬度值賦給pipei_lenthtemp_min=min([pipei_height,pipei_width])。%讀取匹配圖像Ⅱ:將原圖像和匹配圖像灰度化，以便于計(jì)算yuantu2gray=rgb2gray(yuantu)。)。舉例：C=bin2dec(39。b39。 plot(j,i:i+pipei_height,39。)。for i=1:yuantu_heightpipei_height for j=1:yuantu_widthpipei_width temp_picture=imcrop(yuantu2gray,[j,i,pipei_width1,pipei_height1])。%獲取原圖象的大小尺寸，其值為[高，寬],將原圖象的長度值賦給pipei_width,將原圖象的寬度值賦給pipei_lenthⅣ:顯示出原圖，并調(diào)用hold on命令，以實(shí)現(xiàn)以后在原圖像上做標(biāo)記imshow(yuantu)。%讀取匹配圖像Ⅱ:將原圖像和匹配圖像灰度化，以便于計(jì)算yuantu2gray=rgb2gray(yuantu)。)。如果交hold設(shè)置為ON，則MATLAB在繪圖時(shí)交不再清除已經(jīng)存在的圖形，而是交新的數(shù)據(jù)直接加到當(dāng)前圖形中。舉例：plot(1:100,4,39。計(jì)算公式如下：其中， =mean2(A), =mean2(B)。39。⑥imcrop函數(shù)功能：圖像剪裁格式：Ⅰ:I2=imcrop(I)Ⅱ:I2=imcrop(I,RECT)說明：格式Ⅰ為交互方式，imcrop顯示輸入圖像，等待用戶用鼠標(biāo)定義要剪裁的矩形。③imshow函數(shù)功能：圖像顯示格式：imshow(I)說明：在圖形窗口顯示I，其中I為用imread函數(shù)賦值的變量,是一個(gè)圖形矩陣。39。%讀取存放在work文件夾下的picture，并將其整個(gè)點(diǎn)陣數(shù)據(jù)傳給A。如果文件灰度圖像(詳細(xì)解釋見“算法設(shè)計(jì)”中的“概念解釋”)，則A為一個(gè)二維數(shù)組；如果文件是一個(gè)真彩色RGB圖像，則A是一個(gè)三維數(shù)組（mn3）。定義4. 限制塊Ci,j與模板T都是尺寸為NN的圖像,各自的R塊特征集合 用(N/k)階方陣A(Ci,j)與A(T)表示,稱為特征編碼矩陣,j與T作特征比較時(shí),即比較A(T)每一個(gè)元素與A(Ci,j)中每一個(gè)元素是否相等,如果相等,則記下矩陣A(Ci,j)中的行號、列號.三．相應(yīng)matlab程序設(shè)計(jì)1．?dāng)?shù)字圖像匹配相關(guān)函數(shù)：①imread函數(shù)功能：從圖像文件(BMP,HDF,JPEG,PCX,TIFF,XWD等格式)中讀入圖像數(shù)據(jù)。⑵基于灰度的快速模板匹配算法1 局部灰度特征的編碼與計(jì)算 首先將整幅圖像劃分為kk尺寸且互不重疊的方塊,k可根據(jù)問題任意選擇,則將最底部與最右邊剩余的幾行、幾列裁剪掉(下文將說明這并不影響最終的匹配結(jié)果).對邊長為H的圖像,共可得到?H2/k2?,S(Ri)表示Ri所包含像素的灰度值之和. 定義1. R塊(如圖1中的R5所示)與其周圍8個(gè)相鄰的R塊(如圖1中的R1,R2,R3,R4,R6,R7,R8,R9所示),分別為D1,D2,D3,D4(如圖1所示),即D1=R1∪R2∪R4∪R5。2 數(shù)字圖像的歸一化相關(guān)測度匹配算法 對于數(shù)字圖像，設(shè)f(x,y)為MN的源圖像，g(j,k)為JK(J≤M,K≤N)的