matlab第6章MATLAB图形绘制
- 格式:ppt
- 大小:709.00 KB
- 文档页数:51
第六章习题与思考题参考答案1. 简述飞机红外图像识别中用到的五个红外特征量各自的作用?1)长宽比:反应了目标的几何形状;2)复杂度:反应了红外目标轮廓的情况;3)紧凑度:反应了红外目标在其所在最小外接矩形中所占比重;4)均值对比度:反映了目标的物理特性与背景的物理特性之间的关系;5)部分最亮像素点数与目标总像素数的比值:反应了目标的明暗变化情况;2. 可视密码共享中,如果实现(4 , 5)门限的可视密码分享,程序将做如何编写?clear allclose allM=imread('0.jpg');ss=rgb2gray(M);figureimshow(ss);[m n]=size(ss);for i=1:m*nif ss(i)>250ss(i)=250;endends=double(ss)+1;x=[1 2 3 4 5];g1=zeros(m,n);g2=zeros(m,n);g3=zeros(m,n);g4=zeros(m,n);g5=zeros(m,n);yy1=zeros(m,n);yy2=zeros(m,n);yy3=zeros(m,n);yy4=zeros(m,n);yy5=zeros(m,n);y1=zeros(m,n);y2=zeros(m,n);y3=zeros(m,n);y4=zeros(m,n);y5=zeros(m,n);for j=1:m*na1=mod(2*j,251);a2=mod(3*j,251);a3=mod(5*j,251);f=[a1 a2 a3 s(j)];g1(j)=polyval(f,x(1));yy1(j)=mod(g1(j),251);g2(j)=polyval(f,x(2));yy2(j)=mod(g2(j),251);g3(j)=polyval(f,x(3));yy3(j)=mod(g3(j),251);g4(j)=polyval(f,x(4));yy4(j)=mod(g4(j),251);g5(j)=polyval(f,x(5));yy5(j)=mod(g5(j),251);endy1=uint8(yy1-1)y2=uint8(yy2-1);y3=uint8(yy3-1);y4=uint8(yy3-1);y5=uint8(yy3-1);figure,imshow(y1);figure,imshow(y2)figure,imshow(y3);figure,imshow(y4);figure,imshow(y5);l1=(x(2)*x(3)*x(4)*x(5))/[(x(1)-x(2))*(x(1)-x(3))*(x(1)-x(4))*(x(1)-x(5))];l2=(x(1)*x(3)*x(4)*x(5))/[(x(2)-x(1))*(x(2)-x(3))*(x(2)-x(4))*(x(2)-x(5))];l3=(x(1)*x(2)*x(4)*x(5))/[(x(3)-x(1))*(x(3)-x(2))*(x(3)-x(4))*(x(3)-x(5))];l4=(x(1)*x(2)*x(3)*x(5))/[(x(4)-x(1))*(x(4)-x(2))*(x(4)-x(3))*(x(4)-x(5))];l5=(x(1)*x(2)*x(3)*x(4))/[(x(5)-x(1))*(x(5)-x(2))*(x(5)-x(3))*(x(5)-x(4))];rr1=zeros(m,n);r=zeros(m,n);for j=1:m*nrr1(j)=mod(yy1(j)*l1+yy2(j)*l2+yy3(j)*l3+yy4(j)*l4+yy5(j)*l5,251);endr=uint8(rr1-1);figure,imshow(r);3. 已知图像⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=805020016821024015010017018013070901262068M 。
第六章MATLAB数据分析与功能函数在MATLAB中,有很多强大的数据分析和功能函数,可以帮助我们对数据进行处理、分析和可视化。
本章将介绍一些常用的数据分析和功能函数,并使用实例来介绍它们的用法。
1.统计函数MATLAB提供了丰富的统计函数,可以进行各种统计计算,例如平均值、标准差、中位数等。
- mean函数用于计算数组的平均值,例如:mean([1, 2, 3])的结果是2- std函数用于计算数组的标准差,例如:std([1, 2, 3])的结果是0.8165- median函数用于计算数组的中位数,例如:median([1, 2, 3])的结果是22.数据拟合函数MATLAB提供了拟合函数,可以用来对数据进行曲线拟合,从而得到数据的数学模型。
- polyfit函数用于进行多项式拟合,例如:x = [1, 2, 3, 4, 5]; y = [1, 4, 9, 16, 25]; p = polyfit(x, y, 2);表示对数据点进行二次多项式拟合,并返回拟合的系数。
3.数据聚类函数MATLAB提供了强大的数据聚类函数,可以将数据集分成多个不同的类别。
- kmeans函数用于进行k-means聚类,例如:x = [1, 1.5, 3, 3.5, 4, 6]; idx = kmeans(x, 2);表示对数据进行2类聚类,并返回每个数据点所属的类别。
- gmdistribution函数用于进行高斯混合模型聚类,例如:x = [1, 1.5, 3, 3.5, 4, 6]; gm = gmdistribution.fit(x', 2);表示对数据进行高斯混合模型聚类,并返回聚类结果。
4.数据可视化函数MATLAB提供了各种数据可视化函数,可以将数据以图表的形式展示出来,便于数据分析和理解。
- plot函数用于绘制折线图,例如:x = [1, 2, 3, 4, 5]; y = [1, 4, 9, 16, 25]; plot(x, y);表示将x和y的数据点用折线连接起来。