matlab爬山演算法

A. 求經典MATLAB分水嶺演算法源代碼

%%都不知道你是啥樣的分割 什麼圖片
clear, close all;
clc;
PathName='d:\';%t為自填內容,下面p類似
FileName=[PathName 'test.jpg'];
Image=imread(FileName);
subplot(2,2,1);subimage(Image);title('原圖');;pixval on;
B=[1,1,1;1,1,1;1,1,1];%方形結構元
E8=[-1,0;-1,1;0,1;1,1;1,0;1,-1;0,-1;-1,-1]; % 8－連通結構元坐標
maskLenth=length(E8); % 結構元點的個數
[X,Y]=size(Image);
%原始圖像image 賦值給A1
n=1;
A(:,:,n)=Image;
M=zeros(X,Y);
Mark_Image=zeros(X,Y);
%產生距離圖
while sum(sum(A(:,:,n)))~=0
A(:,:,n+1)= imerode(A(:,:,n),B);
U(:,:,n)= (A(:,:,n)-A(:,:,n+1))*n;
M=M+U(:,:,n);
n=n+1;
end
n=n-1;
subplot(2,2,2);imagesc(M,[0,n]);title('距離圖');
% 搜尋局部最大值，將其放入Deal_Image
Deal_Image=zeros(X,Y);
while n>0
for high=1:X
for width=1:Y
%********************************************************************
Mark_Bool=0;
if M(high,width)==n
%______________________________________________________________
for dot=1:maskLenth
i=E8(dot,1); j=E8(dot,2);
if high+i>=1 & width+j>=1 & high+i<=X & width+j<=Y & M(high+i,width+j)>M(high,width);
Mark_Bool=1;break;
end % if_end
end % for dot_end
%______________________________________________________________
if Mark_Bool==0;
Deal_Image(high,width)=M(high,width);
end %if end
%______________________________________________________________
end %if end
%********************************************************************
end %for-end
end %for-end
n=n-1;
end % while n=0 end
Deal_Image =[Deal_Image>=1]
subplot(2,2,3);subimage(Deal_Image);title('輸出圖像');

Mark_Number=1;

while n>0
for high=1:X
for width=1:Y
Mark_Bool=0;
%********************************************************************
if M(high,width)==n
%______________________________________________________________
for dot=1:maskLenth
i=E8(dot,1); j=E8(dot,2);
if high+i>=1 & width+j>=1 & high+i<=X & width+j<=Y & Mark_Image(high+i,width+j)>0;
Mark_Image(high,width)=Mark_Image(high+i,width+j);
Mark_Bool=1;break;
end % if_end
end % for dot_end
%______________________________________________________________
if Mark_Bool==0;
Mark_Image(high,width)=Mark_Number;
Mark_Number=Mark_Number+1;
end %if end
%______________________________________________________________
pause;
subplot(2,2,2);imagesc(Mark_Image,[0,Mark_Number]);title('輸出圖像');
end %if end
%********************************************************************
end %for-end
end %for-end
n=n-1;
end % while n=0 end

subplot(2,2,3);imagesc(Mark_Image,[0,Mark_Number]);title('分割後的圖像');

uicontrol('Style','edit','string',['分割出區域：',Num2str(Mark_Number-1),'個'],...
'Position', [400 0 150 18],'FontSize',12,'FontWeight','light');

B. 求大神告訴我這個matlab程序的演算法基本原理

在回答之前，我覺得有必要說明下自己的情況，本人剛接觸圖形處理不久（業余愛好），對圖像有一定了解，因此只能算是新手，另外我有使用過matlab的經驗，在這個基礎上嘗試回答下，希望幫助到你。

就這個程序而言，用imread函數讀入的是一個顏色圖（相較於灰階圖），得到的是一個M-by-N-by-3的矩陣，可以這樣理解，這個圖有M-by-N個像素點，每個點的顏色由R,G,B三個通道的值決定，或說每個像素點對應三個通道值。接著程序選擇了兩個像素點P1（1，1）和P2（1，2），即上下相鄰的兩個像素點，然後用這兩個像素點的通道值產生了兩對常量（K1,K2),(L1,L2),可以看到這兩對值用於後邊的變換。具體來說可以這樣看，如果我們認為1通道表示R通道（紅色通道），2通道表示G通道（綠色通道），3通道表示B通道（藍色通道），例如（1，1，1）、（1，1，2）、（1，1，3）分別表示像素點（1，1）rgb通道的值，那麼K1=(G1-G2)/(R1-R2),K2=G1-K1*R1,L1=(G1-G2)/(B1-B2),L2=G1-L1*B1,到這里似乎清楚了，for循環中的三個語句就是對原來r通道的值用（K1,K2)做個線性變換，g通道的值保持不變，b通道的值用（L1,L2)做個線性變換，至於為何這樣就色彩平衡了，看看K1,K2的定義（L1,L2類似），K1表示變化率，K1越大，相鄰像素r通道的差值越大，g通道也就相差越大(或相反，是K1正否)，K2明顯就是截距，同時注意到兩個變換都基於g通道，在變換中g通道保持不變，這樣的話使得rb通道的值均接近g通道？網路給出的色彩平衡的含義如下：色彩平衡是圖像處理(PHOTOSHOP)軟體中一個重要環節。通過對圖像的色彩平衡處理，可以校正圖像色偏，過飽和或飽和度不足的情況，也可以根據自己的喜好和製作需要，調制需要的色彩，更好的完成畫面效果，應用於多種軟體和圖像、視頻製作中。注意裡面有一句調制自己想要的色彩這一句，或許可以回到之前的疑問，因為我隨便選用了一個圖像得到了如下結果：

以上或許只是個思路。

C. 急！！snake演算法怎麼使用（MATLAB）

主要公式為曲線能量Esnake(公式1)；Esnake由內部能量Eint(公式2)及外部能量Eext(公式3)組成；而根據公式2內部能量Eint是由一階導得到的平滑性約束(彈性繩子)二階導得到的氣球約束(剛性棍子)共同決定；根據公式3外部能Eext由梯度場決定(另一個分量不考慮)那麼粗略表示為Esnake=Vs+Vss+Eext；可以認為當Esnake的能量達到最小時snake曲線和物體的邊緣一致。

上面這些基本是每個論文上面都有的，下面照我的理解來講。結合很多論文上用的那個U形物體，snake檢測它的輪廓時，預先以一個圓形的像素圈套住它作為初始的snake線，可以取一定個數的點來離散化snake線,那麼這時就可以求這條snake線與原始圖像間的曲線能量Esnake了；Vs對應的是一階的平滑性，可轉化為snake線中相鄰像素之間的坐標差;差值越大能量越大平滑性也就越差；Vss對應的是二階的剛性；可轉化為snake線中某點和它相鄰的線上點間的法線方向的增長度量;Eext是梯度場能量，是由原本的灰度圖決定的，可轉化為snake中某點在灰度圖中的鄰域梯度。求出了這三個；再以一定的方式進行循環逼近那個使Esnake最小的snake線就找到了輪廓。

D. matlab實現如下演算法，需要全部程序，編譯通過200分奉送

gfbg

E. 遺傳演算法、數值演算法、爬山演算法、模擬退火 各自的優缺點

遺傳演算法：其優點是能很好地處理約束，跳出局部最優，最終得到全局最優解。缺點是收斂速度慢，局部搜索能力弱，運行時間長，容易受到參數的影響。

模擬退火：具有局部搜索能力強、運行時間短的優點。缺點是全局搜索能力差，容易受到參數的影響。

爬山演算法：顯然爬山演算法簡單、效率高，但在處理多約束大規模問題時，往往不能得到較好的解決方案。

數值演算法：這個數值演算法的含義太寬泛了，指的是哪種數值演算法，陣列演算法與爬山演算法一樣，各有優缺點。

(5)matlab爬山演算法擴展閱讀：

注意事項：

遺傳演算法的機制比較復雜，在Matlab中已經用工具箱中的命令進行了打包，通過調用可以非常方便的使用遺傳演算法。

函數GA：［x，Fval，reason］＝GA（＠fitnessfun，Nvars，options）x為最優解，Fval為最優值，＠Fitnessness為目標函數，Nvars為自變數個數，options為其他屬性設置。系統的默認值是最小值，所以函數文檔中應該加上一個減號。

要設置選項，您需要以下函數：options＝GaOptimset（＇PropertyName1＇，＇PropertyValue1＇，＇PropertyName2＇，＇PropertyName3＇，＇PropertyValue3＇…）通過該函數，可以確定一些遺傳演算法的參數。

F. 自動對焦實驗，需要一個程序（自動對焦圖像清晰度演算法）:在Matlab中將20張圖挑出最清晰的一張

（來源網路）
常用的清晰度評價演算法有： 頻域函數  :對焦越好、高頻部分越多，細節越多，圖像越清晰。 灰度函數  :對焦越好，和周圍相鄰灰度點差值越大，邊緣越清晰，圖像越清晰。 信息熵函數:對焦越好，圖像包含的信息熵越大，包含信息量更大，圖像越清晰。 統計學函數:對焦越好，直方圖多樣性越好，圖像越清晰。 常用的搜索演算法有： 1、函數逼近法 2、Fibbonacci搜索法 3、爬山搜索演算法

G. matlab演算法

拉格朗日function y=lagrange(x0,y0,x)n=length(x0);m=length(x);for i=1:m z=x(i); s=0.0; for k=1:n p=1.0; for j=1:n if j~=k p=p*(z-x0(j))/(x0(k)-x0(j)); end end s=p*y0(k)+s; end y(i)=s;end SOR迭代法的Matlab程序 function [x]=SOR_iterative(A,b)% 用SOR迭代求解線性方程組,矩陣A是方陣 x0=zeros(1,length(b)); % 賦初值 tol=10^(-2); % 給定誤差界 N=1000; % 給定最大迭代次數 [n,n]=size(A); % 確定矩陣A的階 w=1; % 給定鬆弛因子 k=1; % 迭代過程 while k<=N x(1)=(b(1)-A(1,2:n)*x0(2:n)')/A(1,1); for i=2:n x(i)=(1-w)*x0(i)+w*(b(i)-A(i,1:i-1)*x(1:i-1)'-A(i,i+1:n)*x0(i+1:n)')/A(i,i); end if max(abs(x-x0))<=tol fid = fopen('SOR_iter_result.txt', 'wt'); fprintf(fid,'\n********用SOR迭代求解線性方程組的輸出結果********\n\n'); fprintf(fid,'迭代次數: %d次\n\n',k); fprintf(fid,'x的值\n\n'); fprintf(fid, '%12.8f \n', x); break; end k=k+1; x0=x; end if k==N+1 fid = fopen('SOR_iter_result.txt', 'wt'); fprintf(fid,'\n********用SOR迭代求解線性方程組的輸出結果********\n\n'); fprintf(fid,'迭代次數: %d次\n\n',k); fprintf(fid,'超過最大迭代次數，求解失敗！'); fclose(fid); end Matlab中龍格-庫塔(Runge-Kutta)方法原理及實現龍格-庫塔(Runge-Kutta)方法是一種在工程上應用廣泛的高精度單步演算法。由於此演算法精度高，採取措施對誤差進行抑制，所以其實現原理也較復雜。該演算法是構建在數學支持的基礎之上的。龍格庫塔方法的理論基礎來源於泰勒公式和使用斜率近似表達微分，它在積分區間多預計算出幾個點的斜率，然後進行加權平均，用做下一點的依據，從而構造出了精度更高的數值積分計算方法。如果預先求兩個點的斜率就是二階龍格庫塔法，如果預先取四個點就是四階龍格庫塔法。一階常微分方程可以寫作：y'=f(x,y),使用差分概念。(Yn+1-Yn)/h= f(Xn,Yn)推出（近似等於，極限為Yn'）Yn+1=Yn+h*f(Xn,Yn)另外根據微分中值定理，存在0<t<1,使得Yn+1=Yn+h*f(Xn+th,Y(Xn+th))這里K＝f(Xn+th,Y(Xn+th))稱為平均斜率，龍格庫塔方法就是求得K的一種演算法。利用這樣的原理，經過復雜的數學推導（過於繁瑣省略），可以得出截斷誤差為O(h^5)的四階龍格庫塔公式：K1＝f(Xn,Yn);K2=f(Xn+h/2,Yn+(h/2)*K1);K3=f(Xn+h/2,Yn+(h/2)*K2);K4=f(Xn+h,Yn+h*K3);Yn+1=Yn+h*(K1+2K2+2K3+K4)*(
請採納。

H. 什麼是爬山演算法

爬山演算法是一種局部擇優的方法，採用啟發式方法，是對深度優先搜索的一種改進，它利用反饋信息幫助生成解的決策。 屬於人工智慧演算法的一種。

很高興為你解答滿意望採納

I. matlab的演算法有哪些急用！謝謝啊！

算
啊
基本算
、數據結構
算
、數論與代數算
、計算幾何
算
、圖論
算
、
態規劃
及數值
析、加密算
、排序算
、檢索算
、隨機化算
、並行算
等等
matlab
面
建議
載相應
工具箱
數
建模工具箱
編寫
算
求
短路徑
Dijkstra算
等等
裝
help
dijkstra
查
用
另外
神經網路
工具箱
遺傳算
工具箱
都
用