MATLAB程序大全 - 图文

☆★☆★☆

7.随机游走图像

随机游走类似布朗运动，就是随机的向各个方向走吧。

虽然代码没什么技术含量，不过产生的图像实在太漂亮了，所以还是贴上来吧。 产生的图像：

matlab代码如下：

clear all;close all;clc

n=70000; %游走的步数。也是图像中像素个数，有些位置可能重复，所以白像素小于等于n

x=0; %初始x坐标 y=0; %初始y坐标

pix=zeros(n,2); %游走产生的像素坐标

neighbour=[-1 -1;-1 0;-1 1;0 -1;0 1;1 -1;1 0;1 1]; %当前像素邻域 for i=1:n

r=floor(1+8*rand()); %八邻域随机选一个来走 y=y+neighbour(r,1); %y方向游走 x=x+neighbour(r,2); %x方向游走 pix(i,:)=[y x]; %保存坐标 end

miny=min(pix(:,1)); %图像坐标不可能为负，所以找最小值再整体提升为正

minx=min(pix(:,2)); %同上

pix(:,1)=pix(:,1)-miny+1; %像素坐标整体变为正 pix(:,2)=pix(:,2)-minx+1;

☆★☆★☆

maxy=max(pix(:,1)); %找最大坐标值，为开辟图像做准备 maxx=max(pix(:,2));

img=zeros(maxy,maxx); %根据maxy、maxx产生图像 for i=1:n %将游走的值赋给图像 img(pix(i,1),pix(i,2))=1; end

imshow(img)

8.最大流/最小割

学习这个算法是为学习图像处理中的图割算法做准备的。 基本概念：

1.最大流是一个有向图。

2.一个流是最大流，当且仅当它的残余网络中不包括增广路径。

3.最小割就是网络中所有割中值最小的那个割，最小割是不唯一的，不过最小割的值是唯一的。 4.最大流的流量等于某一最小割的容量。 算法思想就是Ford-Fulkerson方法。 具体流程：

1.首先使用广度优先搜索找到源节点到汇节点的一条路径，为增广路径。

2.如果找不到新的从源到汇的增广路径，则上一次求得的网络就是最大流，否则向下执行。 3.找出增广路径中最小的路径的值。

5.用路径中最小的值构造最大流网络，原网络包含这个网络。 4.将增广路径中所有的路径减去最小路径这个值，形成新的网络图。 6.对新的网络图继续执行第1步。

网络图如下，没什么好办法形象表示。我比较懒，不想画图了，真想看明白过程就看算法导论405页。 原网络：

☆★☆★☆

最大流：

matlab代码如下：

clear all;close all;clc

%初始化邻接压缩表，算法导论405页的图

b=[1 2 16; 1 4 13; 2 3 12; 2 4 10; 3 4 9; 3 6 20; 4 2 4; 4 5 14;

☆★☆★☆

5 3 7; 5 6 4];

m=max(max(b(:,1:2))); %压缩表中最大值就是邻接矩阵的宽与高 A=compresstable2matrix(b); %从邻接压缩表构造图的矩阵表示 netplot(A,1);

maxflow=zeros(m,m);

while 1 %下面用广度优先搜索找增广路径

flag=[]; %相当于closed表，已访问过的节点 flag=[flag 1]; head=1; tail=1;

queue=[]; %队列，相当于open表，将要访问的节点 queue(head)=1; head=head+1;

pa=zeros(1,m); %每个节点的前趋 pa(1)=1; %源节点前趋是自己

while tail~=head %广度优先搜索，具体细节就不注释了 i=queue(tail); for j=1:m

if A(i,j)>0 && isempty(find(flag==j,1)) queue(head)=j; head=head+1; flag=[flag j]; pa(j)=i; end end

tail=tail+1; end

if pa(m)==0 %如果搜索不到汇节点，退出循环 break; end

path=[];

i=m; %从汇节点开始

k=0; %路径包含的边的个数

while i~=1 %使用前趋构造从源节点到汇节点的路径 path=[path;pa(i) i A(pa(i),i)]; %存入路径

i=pa(i); %使用前趋表反向搜寻，借鉴Dijsktra中的松弛方法

k=k+1;