拼圖問題數(shù)模

拼圖問題摘要本文研究被規(guī)則切割的圖片的拼接復(fù)原問題。使用MATLAB軟件得到圖片的RGB值后，我們建立了RGB顏色模型、歐氏距離模型以及貪婪算法模型。以圖片上下邊緣RGB值作為解決問題的基礎(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)問題一，首先將16張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，確定第一行的四張圖片。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)問題二，由于沒有原始圖，我們將16張圖片分別假設(shè)位于第一行，根據(jù)貪婪算法，找出最可能位于其下方的其他三張圖片。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問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)果以圖片形式及表格形式表達(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)寫出干預(yù)方式及干預(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)，由此確定圖片之間的邊緣匹配度。在問題一中，基于題目已給出原始圖片，首先將16張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，確定第一行的四張圖片。注意在這一步驟中，16張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張圖片后，將原始圖上邊緣的像素點(diǎn)除去第一張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，得出第一行第二張圖片。以此類推直至得出第一行全部四張圖片。然后將第一行的第一張圖片作為目標(biāo)圖片，選取其下邊緣137個(gè)像素點(diǎn)的RGB值，與其他15張圖片的上邊緣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)圖片正下方的一張圖片。再將這張圖片作為新的目標(biāo)圖片，重復(fù)上述操作，直到找到這一列全部的四張圖片同樣對(duì)第一行的其他三張圖片進(jìn)行上述的操作，得出正下方的另外三張圖片。至此可以得出16張圖片的完整拼圖。針對(duì)問題二，由于沒有原始圖，我們運(yùn)用貪婪算法，將16張圖片分別假設(shè)位于第一行，與問題一種確定了第一行的圖片相似處理，找出最可能位于其下方的其他三張圖片。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)程中邊緣沒有受到嚴(yán)重的損壞；4、假設(shè)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張圖片的上邊緣RGB矩陣第i張圖片的下邊緣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5.1RGB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)顏色通道的變化以及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)0~255范圍內(nèi)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)值相同時(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。其中元素值的范圍為（0,255）。通過(guò)圖形的RGB值，我們便可以了解到圖形的具體特征。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題是圖片拼接問題，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（euclideanmetric）即歐氏距離是一個(gè)通常采用的距離定義，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)用范圍很廣泛，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張為例，讀取其下邊緣RGB值矩陣（138×3的二維矩陣），另任取一張圖片的上邊緣RGB值矩陣（以第三張為例，137×3的二維矩陣）：==則歐氏計(jì)算公式可表示為：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)將某張圖片與多張圖片進(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)所有問題都能得到整體最優(yōu)解，但對(duì)范圍相當(dāng)廣泛的許多問題他能產(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)用于問題二的解決，這里的圖片個(gè)數(shù)為4，即找出某張圖片作為第一張圖片的這一列最可能的四張圖片的組合。）（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）直到找出以第一張基準(zhǔn)圖片為第一張圖片的這一列的全部四張圖片。（5）將16張圖片依次作為第一張基準(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問題一的求解6.1.1問題一求解的操作流程圖圖一：?jiǎn)栴}一求解流程圖6.1.2問題一求解的實(shí)際操作過(guò)程將問題一中所給圖片轉(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張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張圖片。如下圖所示：圖二：第一張圖片確定方法得出第一張圖片后，將16張切割后的圖片的上邊緣的137個(gè)像素點(diǎn)的RGB值與原始圖片上邊緣減去第一張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張圖片。然后根據(jù)同樣的方法得出第一行的全部四張圖片，如下：圖三：第一列全部四張圖片將第一行的第一張圖片作為目標(biāo)圖片，選取其下邊緣137個(gè)像素點(diǎn)的RGB值，與其他15張圖片的上邊緣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)圖片正下方的一張圖片。然后將這張圖片作為新的目標(biāo)圖片，重復(fù)上述操作，直到找到這一列全部的四張圖片。如下圖所示：圖四：第一列圖片確定方法然后，對(duì)第一行的其他三張圖片進(jìn)行同樣的操作，得出正下方的另外三張圖片。至此可以得出16張圖片的完整拼圖。上述操作都在MALAB軟件中編寫程序進(jìn)行，無(wú)須任何人工操作。具體程序代碼見附錄一。6.1.3問題一的求解結(jié)果根據(jù)題目所給16張切割后的圖片的編號(hào)1—16，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問題二的求解6.2.1問題二求解的操作流程圖圖六：?jiǎn)栴}二求解流程圖6.2.2將問題二中所給圖片轉(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。以第一張圖片作為目標(biāo)圖片，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張圖片上邊緣的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張圖片。這張圖片不一定是實(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有圖片。我們只是假設(shè)每一張圖片正下方都存在一張圖片，并在此基礎(chǔ)上進(jìn)行貪婪算法，找到最可能的那張圖片。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，直到這一列得出四張圖片。具體如下圖：圖七：目標(biāo)圖片正下方三張圖片確定方法將第2至16張圖片分別作為目標(biāo)圖片，重復(fù)上述貪婪算法步驟，則可得出16列（每列4張圖片）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軟件中編寫程序進(jìn)行，無(wú)須任何人工操作。具體程序代碼見附錄二。在得出上述16列圖片后，由于沒有原始圖形進(jìn)行對(duì)比，我們需要進(jìn)行人工篩選。上述16張組合后的圖片中藍(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首先將16張圖片分別假設(shè)為位于第一行，進(jìn)行貪婪算法得出這一列最可能的4張圖片，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)題目所給16張切割后的圖片的編號(hào)1—16）：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)每一張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張（或15張）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)目較少以及MATLAB軟件功能的強(qiáng)大，上述問題實(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)具體的問題我們應(yīng)進(jìn)行具體推廣。九、參考文獻(xiàn)[1]\o"姜啟源，謝金星，葉俊"姜啟源、\o"姜啟源，謝金星，葉俊"謝金星、\o"姜啟源，謝金星，葉俊"葉俊，《數(shù)學(xué)建?！罚叩冉逃霭嫔?；[2]王沫然，《MATLAB與科學(xué)計(jì)算》，電子工業(yè)出版社；[3]楊丹、趙海濱、龍哲，《MATLAB圖像處理實(shí)例詳解》，清華大學(xué)出版社；[4]李慶陽(yáng)、王能超、易大義，《數(shù)值分析》，清華大學(xué)出版社；[5]基于分類樹和貪心算法的測(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、問題一在MATLAB中的求解程序clearall,clc;fori=1:17picname=sprintf('%d.jpg',i);a=imread(picname);%讀取圖片RGB值b=a(1,:,:);s=size(a);c=a(s(1),:,:);x{i}=b;%將所有圖片上邊緣的RGB值存入到元胞x中y{i}=c;%將所有圖片下邊緣的RGB值存入到元胞y中endoriginal=x{17};original=double(original);%將RGB值轉(zhuǎn)化為數(shù)值型sequence=[0000];forii=1:4%首先找出位于第一層的四張圖片rr=10000000000000;fori=1:16ss=x{i};ss=double(ss);zz=0;forj=1:137mm=(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,sequence(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)endzz=sqrt(zz);%對(duì)上述結(jié)果開根號(hào)進(jìn)行比較ifzz<rrrr=zz;order(1,ii)=i;%通過(guò)與原始圖的對(duì)比確定第一層四張圖，將圖片編號(hào)存入矩陣order的第一行中endendnumber=size(x{order(ii)});sequence(1,ii+1)=sequence(1,ii)+number(1,2);endforjj=1:3%將已確定的第一層的四張圖作為目標(biāo)，確定第二層的四張圖。然后以下一層已確定的四張圖為目標(biāo)，重復(fù)操作。forii=1:4target=y{order(jj,ii)};target=double(target);rrr=10000000000000;fori=1:16ifi==order(jj,ii)continue;elsesss=x{i};sss=double(sss);zzz=0;forj=1:137mmm=(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)endendzzz=sqrt(zzz);%對(duì)上述結(jié)果開根號(hào)進(jìn)行比較ifzzz<rrrrrr=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)圖片正下方的一張圖片endorder(jj+1,ii)=result;%將通過(guò)循環(huán)對(duì)比找到的圖片編號(hào)存入order矩陣中，得出最終結(jié)果。%（得到一個(gè)4*4的矩陣）endend附件二、問題二在MATLAB中的求解程序clearall,clc;fori=1:16picname=sprintf('b%d.jpg',i);a=imread(picname);%讀取圖片RGB值b=a(1,:,:);s=size(a);c=a(s(1),:,:);x{i}=b;%將所有圖片上邊緣的RGB值存入到元胞x中y{i}=c;%將所有圖片下邊緣的RGB值存入到元胞y中endnext=ones(4);forii=1:16%將16張圖片分別作為第一張目標(biāo)圖片進(jìn)行如下操作next(1,ii)=ii;forjj=1:3%將第一張目標(biāo)圖片與其他15張圖片進(jìn)行對(duì)比檢測(cè)找出其正下方的一張圖片作為新的目標(biāo)圖片重復(fù)操作，%直到這一列有4張圖片rrr=10000000000000000;fori=1:16target=y{next(jj,ii)};target=double(target);ifi==next(jj,ii)zzz=10000000000000000;continue;elsesss=x{i};sss=double(sss);zzz=0;forj=1:128mmm=(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=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)endendzzz=sqrt(zzz);%對(duì)上述結(jié)果開根號(hào)進(jìn)行比較ifzzz<rrrrrr=zzz;result=i;endnext(jj+1,ii)=result;%將每一步確定的圖片編號(hào)存入矩陣next中，最后得到的是一個(gè)4*16的矩陣endendend目錄TOC\o"1-2"\h\z第一章項(xiàng)目的意義和必要性 11.1項(xiàng)目名稱及承辦單位 11.2項(xiàng)目編制的依據(jù) 11.3肺寧系列產(chǎn)品的國(guó)內(nèi)外現(xiàn)狀 21.4產(chǎn)業(yè)關(guān)聯(lián)度分析 31.5項(xiàng)目的市場(chǎng)分析 4第二章項(xiàng)目前期的技術(shù)基礎(chǔ) 82.1成果來(lái)源及知識(shí)產(chǎn)權(quán)情況，已完成的研發(fā)工作 82.3產(chǎn)品臨床試驗(yàn)的安全性和有效性 8第三章建設(shè)方案 233.1建設(shè)規(guī)模 233.2建設(shè)內(nèi)容 233.3產(chǎn)品工藝技術(shù) 233.5產(chǎn)品質(zhì)量標(biāo)準(zhǔn) 293.6土建工程 373.7主要技術(shù)經(jīng)濟(jì)指標(biāo) 39第四章建設(shè)內(nèi)容、地點(diǎn) 414.1建設(shè)內(nèi)容及建設(shè)規(guī)模 414.2建設(shè)地點(diǎn) 414.3外部配套情況 44第五章環(huán)境保護(hù)、消防、節(jié)能 465.1環(huán)境保護(hù) 465.2消防 495.3節(jié)能 50第六章原材料供應(yīng)及外部配套條件落實(shí)情況 526.1主要原輔材料、燃料、動(dòng)力消耗指標(biāo) 526.2公用工程 54第七章建設(shè)工期和進(jìn)度安排 567.1建設(shè)工期和進(jìn)度安排 567.2建設(shè)期管理 56HYPERLINK\l"_Toc208497