matlab提取二维图像所有坐标

MATLAB绘制二维、三维图形

例2-1 在子图形窗口中画出 上正弦、余弦曲线。 x=0:0.1*pi:2*pi;%按步长赋值生成x向量

y=sin(x); z=cos(x);%生成正弦、余弦函数值y、z向量 subplot(2,1,1)%分图形窗口为2行1列，并在第一个子窗中绘图 plot(x,y,x,z)%在第一个子窗中画出正弦、余弦曲线 subplot(2,1,2)%在第二个子窗中绘图

plot(x,y,'k:',x,z,'r-')%在第二个子窗中用不同颜色画两条曲线 hold on%保持第二个子窗中绘图

plot(x,y,'bo',x,z,'k+')%用'o'和'+'标记曲线上分点 hold off%取消图形保持

例2-2 画出 上正弦、余弦曲线并对线型加粗、点型加大，重新定置坐标系以及加注相说明和注释。

x=0:0.1*pi:2*pi;%按步长赋值生成x向量 y=sin(x); %生成正弦、余弦函数值y、z向量 z=cos(x);

plot(x,y, 'b-', x,z, 'k .-','linewidth',3, 'markersize',15) axis([-0.2*pi 2*pi -1.2 1.2])%重新设置图形窗口坐标

根据二维图像重建三维图形

摘要

自Parke首次使用人脸参数模型生成三维人脸图像以来，构建逼真的三维人脸模型一直都是计算机视觉领域的一个研究热点。本文在对三维人脸建模技术认真分析的基础上，对基于二维图像的三维人脸建模方法进行了深入的研究。主要研究内容包括以下几个方面：

(1) 从Poser7.0中导出通用三维人脸模型。根据MPEG-4的FDP标准，在正、侧面人脸照片上标出能基本反映人脸几何形状和结构特点的特征点。这两步为后面个性化人脸模型的创建奠定了基础。

(2) 采用了改进的径向基函数插值方法变换通用人脸网格模型,并对插值后的模型进行二次平滑处理，得到的特定人脸模型几何结构更加自然。

(3) 利用三张照片进行纹理合成。对三张照片分别进行匹配融合，然后对融合后的图像进行二次融合处理，使最终得到的纹理图像更加真实自然。根据合成的人脸纹理图像的特点，分别计算出人脸模型的各个部分的纹理坐标。

(4) 把模型数据和纹理数据导入到Visual C++6.0环境中利用OpenGL图形库进行纹理映射。

实验证明，本文提出的算法简便可行，有效避免了网格模型三角面片的扭曲，纹理映射效果生动逼真，得到了具有真实感的三维特定人脸模型。

关键词：三维人脸建模，特定人脸模型，径向基函

根据二维图像重建三维图形

摘要

自Parke首次使用人脸参数模型生成三维人脸图像以来，构建逼真的三维人脸模型一直都是计算机视觉领域的一个研究热点。本文在对三维人脸建模技术认真分析的基础上，对基于二维图像的三维人脸建模方法进行了深入的研究。主要研究内容包括以下几个方面：

(1) 从Poser7.0中导出通用三维人脸模型。根据MPEG-4的FDP标准，在正、侧面人脸照片上标出能基本反映人脸几何形状和结构特点的特征点。这两步为后面个性化人脸模型的创建奠定了基础。

(2) 采用了改进的径向基函数插值方法变换通用人脸网格模型,并对插值后的模型进行二次平滑处理，得到的特定人脸模型几何结构更加自然。

(3) 利用三张照片进行纹理合成。对三张照片分别进行匹配融合，然后对融合后的图像进行二次融合处理，使最终得到的纹理图像更加真实自然。根据合成的人脸纹理图像的特点，分别计算出人脸模型的各个部分的纹理坐标。

(4) 把模型数据和纹理数据导入到Visual C++6.0环境中利用OpenGL图形库进行纹理映射。

实验证明，本文提出的算法简便可行，有效避免了网格模型三角面片的扭曲，纹理映射效果生动逼真，得到了具有真实感的三维特定人脸模型。

关键词：三维人脸建模，特定人脸模型，径向基函

%function [pso F] = pso_2D()

% FUNCTION PSO --------USE Particle Swarm Optimization Algorithm % global present; % close all; clc; clear all;

pop_size = 10; % pop_size 种群大小 ///粒子数量 part_size = 2; % part_size 粒子大小 ///粒子的维数 gbest = zeros(1,part_size+1); % gbest 当前搜索到的最小的值 max_gen = 200; % max_gen 最大迭代次数

?st=zeros(part_size,pop_size*part_size);%xuan

region=zeros(part_size,2); % 设定搜索空间范围->解空间

region=10*[-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-

%%%%% 真解 u=sin(pi*x)*sin(pi*y)*sin(t) %%%%% 方程 diff(u,t)-Laplace(u)=f

%%%%% f=sin(pi*x)*sin(pi*y)*cos(t)+2*pi^2*sin(pi*x)*sin(pi*y)*sin(t) %clear all % clc

%%%%finite element code for parabolic equation with constant coefficient %%%mesh%%

node=[0,0;1,0;1,1;0,1]; elem=[2,3,1;4,1,3]; T=1;

bdEdge=setboundary(node,elem,’Dirichlet’); n=input(‘Please input initial mesh:’); M=input(‘M=’); for i=1:n

[node,elem,bdEdge]=uniformrefine(node,elem,bdEdge); end

N=size(node,1); NT=size(elem,1); S=1/NT; r=1/M;

A=zeros(N,N); u=zeros(N,M+1)

%%%%% 真解 u=sin(pi*x)*sin(pi*y)*sin(t) %%%%% 方程 diff(u,t)-Laplace(u)=f

%%%%% f=sin(pi*x)*sin(pi*y)*cos(t)+2*pi^2*sin(pi*x)*sin(pi*y)*sin(t) %clear all % clc

%%%%finite element code for parabolic equation with constant coefficient %%%mesh%%

node=[0,0;1,0;1,1;0,1]; elem=[2,3,1;4,1,3]; T=1;

bdEdge=setboundary(node,elem,’Dirichlet’); n=input(‘Please input initial mesh:’); M=input(‘M=’); for i=1:n

[node,elem,bdEdge]=uniformrefine(node,elem,bdEdge); end

N=size(node,1); NT=size(elem,1); S=1/NT; r=1/M;

A=zeros(N,N); u=zeros(N,M+1)

%%%% 真解 u=sin(pi*x)*sin(pi*y) %%%

%%%% 方程 -Laplace(u)=f %%%%%%

%%%% f=2*pi^2*sin(pi*x)*sin(pi*y) %%%%%%

%%%%difference code for elliptic equations with constant coefficient %%%%% %clear all

%clc

N=20;

h=1/N;

S=h^2;

x=0:h:1;

y=0:h:1;

%%% Stiff matrix

A=zeros((N-1)^2,(N-1)^2);

for i=1

A(i,i)=4/h^2;

A(i,i+1)=-1/h^2;

A(i,i+(N-1))=-1/h^2;

end

for i=N-1

A(i,i-1)=-1/h^2;

A(i,i)=4/h^2;

A(i,2*i)=-1/h^2; %A(i,i+(N-1))=-1/h^2

end

for i=(N-2)*(N-1)+1

A(i,i-(N-1))=-1/h^2;

A(i,i)=4/h^2;

A(i,i+1)=-1/h^2;

end

for i=(N-1)^2

A(i,i-(N-1))=-1/h^2;

A(i,i)=4/h^2;

A(i,i-

粒子群算法的matlab实现

function [pso F] = pso_2D()

% FUNCTION PSO --------USE Particle Swarm Optimization Algorithm % global present;

% close all;

clc;

clear all;

pop_size = 10; % pop_size 种群大小 ///粒子数量

part_size = 2; % part_size 粒子大小 ///粒子的维数

gbest = zeros(1,part_size+1); % gbest 当前搜索到的最小的值

max_gen = 200; % max_gen 最大迭代次数

%best=zeros(part_size,pop_size*part_size);%xuan

region=zeros(part_size,2); % 设定搜索空间范围->解空间

region=10*[-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3]; %

%直接帧间差分，计算阈值并进行二值化处理（效果不好）

clc;

clear;

Im1 = double(imread('')); %读取背景图片

Im2 = double(imread(''); %读取当前图片

[X Y Z] = size(Im2); %当前图片的各维度值

DIma = zeros(X,Y);

for i = 1:X

for j = 1:Y

DIma(i,j) =Im1(i,j) - Im2(i,j); %计算过帧间差分值

end

end

figure,imshow(uint8(DIma)) %显示差分图像

title('DIma')

med = median(DIma); %计算二值化阈值：差值图像中值

mad = abs(mean(DIma) - med); %中值绝对差

T = mean(med + 3**mad) %初始阈值

Th =5*T; %调整阈值

BW = DIma <= Th; %根据阈值对图像进行二值化处理

figure,imshow(BW)

%se = strel('disk',2); %膨胀处理

%BW = im

二维 Arnold 的图像置乱加密及解密——Matlab实现

二维 Arnold 的图像置乱加密及解密（1）：RGB图像的处理 基于Arnol变换的图像置乱

Arnold变换是俄国数学家Vladimir I. Arnold提出的一种变换,一幅N ×N的数字图像的二维Arnold 变换定义为:

注意：x,y是原图像的像素坐标，x',y'是变换后的像素坐标。保证｜ad-bc｜＝1，如置换矩阵系数设为a＝b＝1,c＝2，d=3，置换次数n=20，则他们被当作密钥key，用于解密。Arnol变换的图像类型只能是N*N的图片。

RGB图像的二维 Arnold 的图像置乱加密及解密 （1）编写一个arnold.m文件与iarnold.m文件（见上一篇日志《二维 Arnold 的图像置乱加密及解密——Matlab实现(1)》）

（2）图像处理程序 图像加密置乱：

a=imread('flower.jpg'); %取预处理图像 R=a(:,:,1); %取图像的R层像素 G=a(:,:,2); %取图像的G层像素 B=a(:,:,3);