matlab算法视频

❶ 谁能告诉我在MATLAB中怎么用遗传算法优化BP神经网络，最好能有个学习视频了

工具箱比较麻此迟派烦，最森贺好还是编程实现。

其实，BP神经网络调用也就一旦族句话：
net_1=newff(minmax(P),[10,1],{'tansig','purelin'},'traingdm')

'tansig','purelin'},'traingdm'就是阈值函数，决定你的阈值

❷ 如何利用matlab软件实现水印添加和提取

3 视频水印的嵌入和检测方案
3.1水印的预处理
采用二值图像作为待嵌入的水印数据，本文针对的研究对象因为是二维图像故采用的是二维Arnold变换。
二维Arnold变换定义为：
(3-1)
其中，(x，y)是原图像的像素点，(x’，y’)是变换后新图像的像素点，N是图像阶数，即图像的尺寸大小，一般多为正方形图像。由于Arnold变换具有周期性，因此可利用其周期性Period来对图像进行反变换。即在水印嵌入过程中可将水印置乱次数作为密钥times，再进行水印嵌入，当水印提取出来时，再将其继续: (Period-times)次即可使其恢复至原图。这就是利用Arnold的正变换来进行的置乱恢复方案。Arnold变换次数由版权所有者保管。
对水印进行置乱有以下优点：
(1) 采用置乱技术的合法者可以自由控制算法的选择，参数的选择以及使用随机数技术，从而使非法使用者难以破译图像内容，可以提高水印信息的安全性；
(2) 置乱技术可以分散错误比特的分布，提高数字水印的视觉效果，从而增强其鲁棒性。
3.2 视频水印的嵌入
水印嵌入算法关键在于以下三点:
(1) 水印的结构；
(2) 水印的嵌入区域；
(3) 嵌入技巧；
本文选取二值图像作为水印。为了提高水印的鲁棒性，大多数的DCT域水印算法把水印信号嵌入到DCT系数的低频部分。但低频区域是图像的能量集中部分，嵌入到低频会降低透明性。而嵌入在高频虽然透明性比较好，但对大多数的图像处理对高慎拿碧频成分影响较大，从而降低水印的鲁棒性.于是大多数的水印算法将水印信号嵌入在载体图像DCT系数的中频部分，以达到透明性和鲁棒性的最佳折衷。各种嵌入技巧敏举的最终目的还是为了尽量地提高水印的鲁棒性和透明性。
用于版权保护的数字水印在尽量提高鲁棒性的同时还要满足人类的视觉极限，因此必须根据HVS找到嵌入位置。
本文将HVS归纳为运动敏感性、纹理敏感性和亮度敏感性。在接下来的嵌入过程中，充分利用了这些特性。如图3－1中间分支所示。
嵌入过程如图3-1所示。

图3-1 水印嵌入过程
从视频中读取亮度分量Y，因为它是最有效的数据，根据NEC算法，嵌入到它里面的水印才具有最强的鲁棒宽举性。根据式（3-2）所示的运动敏感性阈值计算公式，寻找32帧满足敏感性比较大的视频帧Yi (i=1,2,…32)。
(3-2)
其中 （t代表当前帧的编号）
接下来，将Y32中的数据按照64*64的尺寸切分成20块BYij (j=1,2,…20)，于是我们可得到20块尺寸为64*64*32的三维数据块BYk (k=1,2,…20)，如图2-3所示。

图3-2 亮度分量的分块
根据式（3-3）、式（3-4）所示的亮度敏感性Lk和纹理敏感性Dk计算公式，通过计算，我们选择计算值都比较高的20块数据中的一块 ( )作为水印的嵌入块。
(3-3)

(3-4)
其中， 是BYk中的亮度数据， 。
最后，折衷考虑复杂度和性能，我们对选定的一块数据块 实施了2阶三维DCT变换。根据NEC算法的思想，且为了抵抗滤波和压缩攻击，我们将置乱后的水印序列嵌入到了第一帧DCT系数c(u,v)中，详见式（3-5）。
(3-5)
其中，w(u,v)是水印序列中的数据，c(u,v)是DCT变换后第一帧中的系数，c’(u,v)是嵌入水印后的系数，S是非负整数（且满足T1=S/4, T2=3*T1）。
嵌入完成后，对c’(u,v)实施反2阶三维DCT变换就得到了嵌入水印后的视频数据，再将它们放回原来的位置即可。
需要说明的是，在整个嵌入过程中，所有用到的参数都应作为密钥保留。
具体方案如下所述：
第一步：抽取32帧视频Y分量数据：
（1） 读取视频文件；
（2） 提取所有的Y分量，把所有的Y分量分为32组；
（3） 每组4帧,从各组中选出一个最运动敏感的，判断每组中最大的Y_deltmax，存入变量m；
（4） 定位最大的Y_deltmax,存入变量w；
Y32是就是所需的视频帧中Y分量满足敏感性的32帧视频 (355*288*32)。
第二步：分块过程：
（1） 对行分块（4块）；
（2） 对列分块（5块）；
（3） 隔十帧取一帧，共从32帧中取4帧以降低运算量；
（4） 一个数一个数的赋值；
切成20块，每块为64*64*4的数据块BY,维数不同，只能逐个象素赋值。
第三步：根据公式计算数据块BY的亮度敏感性L和纹理敏感性D
第四步：选取L和D都比较大的一块嵌入水印
（1） 判断最大的L，存入变量Lm；
（2） 去掉这个最大的块再比较；
（4） 赋第一块的L的权重为20；
（5） 计算第2块到第20块的L的权重；
（6） 同理对D进行处理；
（7） 计算每块BY的权重；
（8） 对所有的20块BY的权重qz按由小到大的顺序进行排序，并保持原来的位置索引index，则index[20]就是所要选取的块；
第五步：三维DCT变换
由于视频是由图像数据流组成的，所以可以把视频的每一帧看作是一幅静止的图像。对运动图像序列进行3D－DCT，可以视为先对视频的每一帧进行2D－DCT，再对帧间方向进行1D－DCT。
第六步：嵌入水印数据
将置乱的水印序列嵌入所选的DCT系数中，即嵌入经过3D－DCT变换后的数据块中的第一帧数据中。然后把这些数据进行反3D－DCT变换后放回原位置。
第七步：将所选的数据放回原位置
最后一步：写视频文件
3.3视频水印的检测
水印提取是嵌入的逆过程，本算法的一大优势是，水印提取时无需原始视频数据的参与，但依然需要一些参数。它们是：
(1) 嵌入过程第四步产生的块BY的排序结果，由此我们可以得知水印的大致嵌入位置；
(2) 嵌入时指定的参数S；
(3) 需要Arnold变换的次数和周期；
获得了上面的各项参数，水印的提取就十分简单，具体过程如图3-3所示。

图3-3 水印盲提取过程
方案如下：
从待提取水印的视频数据 （可能是被攻击过后的视频）中抽取出亮度分量Y’，根据密钥，抽出32帧中的四帧亮度分量 ，然后分别从这组数据中提取水印。
在图3-3中，首先将 分隔成20块 ，并找到和 对应的 。然后，对 做二阶三维DCT变换，根据式（3-6）提取出水印数据 。
(3-6)
其中， 是DCT系数。
最后，我们将 进行Arnold变换，得到水印图像，作为最终提取出的水印。
具体步骤如下所述：
第一步：抽取32帧视频Y分量数据：
（1） 读取嵌入水印图像的视频文件；
（2） 提取所有的Y分量，把所有的Y分量分为32组；
（3） 每组4帧,从各组中选出一个最运动敏感的，判断每组中最大的Y_deltmax，存入变量m；
（4） 定位最大的Y_deltmax,存入变量w；
Y32是就是所需的视频帧中Y分量满足运动敏感性的32帧视频，Y32是一个355*288*32的三维数组。
第二步：分块过程：
（1） 对行分块（4块）；
（2） 对列分块（5块）；
（3） 隔十帧取一帧，从32帧中共取4帧以降低运算量；
（4） 一个数一个数的赋值；
切成20块，每块为64*64*4的数据块BY,维数不同，只能逐个象素赋值。
经过计算其亮度敏感性和纹理敏感性并排序，index[20]就是本文算法中嵌入水印的块；
第三步：三维DCT变换
第四步：Arnold变换
由于本算法中水印图像是二值图像，其Arnold变换是二维变换，周期是Period，嵌入水印时变换了times次，所以此处只需变换(Period-times)次就可得到结果。
第五步：写图像文件
提取水印图像数据并写成图像文件
第六步：检测水印图像存在与否，并与原水印图像比较。
最后一步：进行实验，验证本文算法的可见性和鲁棒性。
经过以上步骤就是水印图像信息嵌入视频中的方法，具体实现过程见第四章。

4 用MATLAB实现视频水印的嵌入和检测
Matlab是近年来在国内外广泛流行的一种可视化科学计算软件。它的特点是结构简单、数值计算高效、图形功能完备、图像处理方便，是国际公认的最优秀的科学计算与数学应用软件之一。利用Matlab实现数字水印图像算法便捷、高效，省去了繁琐的程序代码，避免了科研人员在编程上浪费精力。
其内容已涉及矩阵代数、微积分、应用数学、信号与系统、神经网络、小波分析及应用、数字图像处理、计算机图形学、自动控制与通信技术等诸多方面，是科学计算、系统仿真、信号与图像处理的主流软件，受到了各方科研人员的青睐，在数字水印技术中得到了广泛的应用。将Matlab应用于数字水印技术，其优点主要有以下几个方面:
(1) 强大的数值计算功能
视频水印技术是针对图像进行研究的，而图像是由矩阵表达的，将水印嵌入视频中及从视频中将水印提取出来都意味着大量的矩阵运算，而矩阵运算更是Matlab语言的核心，表达自然、直接。因此，利用Matlab强大的矩阵运算功能来实现图像水印技术非常合适。
(2) 方便的图像读取和显示功能
视频水印首先要将数据从视频中读取出来，嵌入水印后还要将嵌入水印后的数据还原为视频。Matlab为用户提供了专门的图像处理函数，用于读写显示图像数据。这种方法不像其他编程语言那样，需要编写复杂的代码，只需要简单地调用Matlab提供的函数即可，相关的函数及其功能主要有下列一些：
imread 将图像读入工作空间；
imwrite 将图像写入磁盘；
image 提供最原始的图像显示函数；
imshow 是最常用的显示各种图像的函数；
load将文件读入工作空间；
(3) 高效的图像变换功能
数字水印嵌入算法一般分空域方法和频域方法。空域方法指通过改变象素的亮度值来加入数字水印:频域方法指图像通过某种变换后再嵌入数字水印。与空域法相比，频域法具有如下优点:在变换域中嵌入的水印信号可以分布到空域的所有象素上，有利于保证水印的不可见性。在变换域中，视觉系统的某些特性(如视频特性)可以更方便地结合到水印编码过程中。变换域的方法可以与国际数据压缩标准兼容，从而实现压缩域内的水印编码。因此，变换域的方法应是水印算法未来趋势的主流。但是变换域的算法一般来讲计算量都比较大，需要复杂的编程运算，Matlab则改变了这种现状。在Matlab图像处理工具箱中，提供了常用的图像变换函数，复杂的变换域算法在Matlab中只需简单地调用函数即可实现，充分体现了使用Matlab的简便性和高效性。
主要图像变换函数如下：
dct是一维离散余弦变换；
idct是一维离散余弦逆变换；
dct2是二维离散余弦变换；
idct2是二维离散余弦逆变换；
(4) 丰富的图像处理函数
水印技术要求嵌入的水印不可见且有较强的鲁棒性。不可见性可通过视觉效果和计算图像的峰值信噪比来比较优劣，而鲁棒性则要对水印后图像进行各种攻击，通过比较攻击后图像提取出的水印情况来说明问题。Matlab有各种图像处理函数，可实现对图像的各种攻击。
综上所述，Matlab具有语言简洁、函数丰富、使用方便、数值计算高效等特点，将功能强大的Matlab软件应用于数字水印技术是有效的选择，因此，本文采用Matlab对图像水印进行研究。
4.1水印的嵌入过程
（1） 基于Arnold变换的图像置乱
Matlab实现如下：
Arnold变换由function r=Arnold(w0,row,colum,times) 实现，其中w0为读取的图像数据，row是行数，colum是列数，times是Arnold变换次数。
function r=Arnold(w0,row,colum,times)
for k=1:times
for i=1:row
for j=1:colum
i1=i+j;
j1=i+2*j;
if i1>row
i1=mod(i1,row);
end
if j1>colum
j1=mod(j1,colum);
end
if i1= =0
i1=row;
end
if j1= =0
j1=colum;
end
w1(i1,j1)=w0(i,j);
end
end
w0=w1;
end
r=w0;
用imwrite(w0,'Arnold.bmp', 'bmp')写置乱后的图像文件;在MATLAB中用imshow('Arnold.bmp')显示此图像。
本文采用二维的二值水印图像watermark.bmp，我们将图像数据(64*64)扫描到二维的矩阵中并实施Arnold变换，从而得到置乱后的二维矩阵。随着迭代次数的增加，图像逐渐趋于混乱，不过到一定次数时，又将回到原图。因为watermark.bmp大小为64*64，故经过试验图像迭代48次后将回到原图,即周期性Period＝48。
本算法选择置乱8次，因为8次Arnold变换后原水印图像已经成为无形状的图像。实验结果表明，该方法能较好地刻划图像的置乱程度，与人的视觉基本相符。但需要指出的是不一定图像的置乱次数越多其置乱度就越高。所以，在水印嵌入时，为了提高其鲁棒性而增加置乱次数的方法是不科学的，合理的做法是计算置乱后图像的置乱度，达到较为满意的置乱度后就可停止置乱，避免盲目的提高置乱次数。
置乱次数作为密钥有视频版权所有者保管，如果非法所有者不知道置乱次数就很难恢复出原水印图像。
原水印图像如图4-1所示，本算法实现置乱8次后效果如图4-2所示：

图4-1 水印原图像 图4-2 置乱8次后
（2）Matlab实现嵌入过程：
本文中选取352×288×142的yuv格式视频流进行测试。YUV颜色模型是一种常用的颜色模型，其基本特征是将亮度信号与颜色信号分离，由于人眼对亮度的变化比对颜色的变化敏感，因此，YUV模型中Y分量的值所占带宽大于等于彩色分量所占带宽。YUV色彩空间模型可以在一定程度上避免RGB模型的高分散性和高相关性所带来的闭值划分问题，计算也较为简单。这种色彩空间模型中Y和UV分量是相互独立的，反映了人眼观察彩色的视觉规律，在实际中应用较多。其中“Y”表示明亮度(Luminance或Luma)，也就是灰阶值;而“U”和“V”表示的则是色度(Chrominan“或Chroma)，作用是描述影像色彩及饱和度，用于指定像素颜色。因此选择YUV颜色空间更加稳定，易于分析。
本文选择测试视频中的第39帧如图4-3所示。YUV格式的视频中Y:U:V=4:2:2，但通俗叫“420”格式。

图4-3 未嵌入水印的视频
第一步：读取文件；
读取视频文件由[yuv,Y,u,v,num_f]=loadyuv(filename)实现，filename是所选取得视频文件名称。yuv是一个四维数组，它返回的是视频的yuv分量,Y是亮度分量,u和v是色彩分量,num_f是视频文件中所有帧的数目。
读取一帧数据的YUV分量在Matlab中由以下源代码实现：
function [YUV,Y,U,V] = loadFileYUV(width,heigth,Frame,fileName,format)
[Teil_h,Teil_b]=YUVFormat(format);
fileId = fopen(fileName,'r')；
其中width:每一帧的宽度；heigth:每一帧的高度；Frame:当前load的那一帧；filename:视频文件名；Teil_h:垂直比例参数；Teil_b:水平比例参数；YUV：返回值，返回YUV分量，是一个三维变量，本文算法中将U、V分量的宽度和高度设成与Y一样的了，因此U、V分量中有重复的。YUV(:,:,1)存放Y分量；YUV(:,:,2)存放U分量；YUV(:,:,3)存放V分量；Y,U,V是三个分量的实际值，二维矩阵，没有重复，他们的长度可能不一样。
Y_delt(j)=delt(Y(:,:,w(i)),Y(:,:,4*(i-1)+j));
其中Y_delt是当前帧与下一组各帧的Y的差，m(i)=max(Y_delt(j));判断每组中最大的Y_deltmax，存入变量m，以此来得到每组中最运动敏感的视频帧。w(i+1)=4*(i-1)+k定位最大的Y_deltmax,存入变量w。
最后得到Y32=double(Y(:,:,w))， Y32是视频帧中Y分量满足敏感性的32帧视频是一个355*288*32的三维数组。
第二步：分块；
分块时因为需要块标号，由此造成维数不同，所以只能逐个象素赋值，在Matlab中由BY(t1,t2,t3,j*5+k+1)= double(Y32((64*j+t1),(64*k+t2),i))实现，切成20块，每块为64*64*4的数据块BY ，其中t1是块的杭坐标，t2是块的列坐标，t3帧标号，j*5+k+1是快标号。
第三步：三维DCT变换；
运动图像序列的每一帧可以看作是静止图像 对运动图像序列进行3D DCT，可以视为先对每帧进行2D DCT，再对帧间方向进行1D DCT。
%对每一块的帧间方向进行1D DCT变换
for i=1:64
for j=1:64
dcta(i,j,1:4,index(20))=dct(BY(i,j,1:4,index(20)));
end
end
%对每一块的每一帧进行2D DCT
for i=1:4
dct3a(:,:,i,index(20))=dct2(dcta(:,:,i,index(20)));
end
第四步：嵌入水印过程；
读入二值水印图像由message=double(imread('watermark.bmp'))实现 ，message是一个由0和1组成的二维数组。
将置乱的水印序列嵌入所选的dct系数中，源代码如下所示：
其中dct3a是DCT系数，index[20]是纹理敏感性和亮度敏感性都比较好的一块，S作为密钥由版权所有者保管。
S=60;
T1=S/4;
T2=3*T1;
for i=1:64
for j=1:64
if (w2(i,j)==1)
if (dct3a(i,j,1,index(20))>=0)
dipin(i,j)=dct3a(i,j,1,index(20))-mod(dct3a(i,j,1,index(20)),S)+T1;
end
if (dct3a(i,j,1,index(20))<0)
dipin(i,j)=dct3a(i,j,1,index(20))+mod(abs(dct3a(i,j,1,index(20))),S)-T1;
end
end
if (w2(i,j,:)==0)
if (dct3a(i,j,1,index(20))>=0)
dipin(i,j)=dct3a(i,j,1,index(20))-mod(dct3a(i,j,1,index(20)),S)+T2;
end
if (dct3a(i,j,1,index(20))<0)
dipin(i,j)=dct3a(i,j,1,index(20))+mod(abs(dct3a(i,j,1,index(20))),S)-T2;
end
end
end
end
第五步：三维DCT反变换；
先对块的第一帧进行二维DCT反变换，然后在对其它三帧进行二维反变换，最后对帧间方向进行一维DCT反变换。此过程由Matlab实现如下：
二维DCT反变换：
idcta(:,:,1,index(20))=idct2(dipin);
for i=2:4
idcta(:,:,i,index(20))=idct2(dct3a(:,:,i,index(20)));
end
对每一块的帧间方向进行一维DCT反变换
for i=1:64
for j=1:64
idct3a(i,j,1:4,index(20))=idct(idcta(i,j,1:4,index(20)));
end
end
第六步：把这些数据放入原位置；
第七步：写视频文件；
写视频文件由以下程序实现，其中fileId为写入视频文件的位置。
fileId = fopen('vectra_w.yuv','wb')
fwrite(fileId,Y(:,:,i)' , 'uchar');
fwrite(fileId,u(:,:,i)' , 'uchar');
fwrite(fileId,v(:,:,i)' , 'uchar');
效果如图4-4所示：

图4-4 嵌入水印的视频
4.2水印的检测过程
水印的检测过程就是嵌入水印的逆过程，其Matlab实现如下所示：
filename='vectra_w.yuv';此文件是对含有水印的视频（可能是被攻击过后的视频）文件。
[yuv,Y,u,v,num_f]=loadyuv(filename);
读取视频文件和三维DCT正变换其原理和嵌入过程相同，此处不再赘述。
提取水印数据在Matlab中由以下程序实现，其中S、T1、T2等都是嵌入时的密钥，版权所有者拥有它。
for i=1:64
for j=1:64
if (mod(abs(dct3b(i,j,1,index(20))),S)<((T1+T2)/2))
shuiyin(i,j)=1;
end
if (mod(abs(dct3b(i,j,1,index(20))),S)>=((T1+T2)/2))
shuiyin(i,j)=0;
end
end
end
Arnold反变换如下所示：
w0=shuiyin;
w2=Arnold(w0,Hm,Wm,40);
w0是检测到的水印数据，Hm和Wm是水印数据的行和列,变换次数为40。
写水印文件，检测水印图像存在与否，并且和原水印图像有无差异。
imwrite(w2,'恢复.bmp', 'bmp');
imshow('恢复.bmp');
综上，水印的嵌入主要经过将视频和水印分别进行预处理，然后根据嵌入算法选择水印的合适嵌入位置以及合理嵌入策略，从而得到含水印的视频数据。在各个环节中采用HVS特性来提高视频水印的鲁棒性．最后用相应的视频水印检测策略提取出水印从而实现视频的保护。结果显示本文算法能成功提取出水印图像。

❸ MATLAB 7.0

附件说明

关于MATLAB的入门视频有不少，但要称的上完整、系统，恐怕很难有统一的标准。

我提供的是胡晓冬，董辰辉的《MATLAB从入门到精通》（人民邮电出版社，2010-06）一书的配套光盘，应该能满足你的需求。内含217个实例程序文件，330分钟的视频讲解。

图书下载

ishare.iask.sina.com.cn/f/67219177.html

图书简介

本书以MATLABR2009a软件为基础，系统讲解了MATLAB基本环境和操作方法。本书介绍了最新的MATLAB功能，并分章阐述了数据类型、数值计算、符号计算、编程基础、可视化、Simulink、应用程序接口等内容，结合案例详细讲解了MATLAB语言的使用。本书还专门讲解了实用的MATLAB编程技巧与数学建模应用等。
本书所带的光盘是读者学习MATLAB的好帮手，提供了全部示例的源程序，另外配有知识点和例题的视频教程，可帮助读者更好地理解书中的内容并更快地掌握MATLAB的使用方法。
本书内容丰富、贴近实战应用，可作为高校学生系统学习MATLAB的书籍，也可以作为广大科研和工程技术人员在工作中使用MATLAB的参考书。

图书目录

第1章MATLAB概述1
1.1MATLAB简介1
1.2MATLAB主要功能2
1.2.1开发算法和应用程序2
1.2.2分析和访问数据3
1.2.3实现数据可视化3
1.2.4进行数值计算4
1.2.5发布结果和部署应用程序5
1.3MATLAB安装与启动5
1.3.1MATLAB的安装5
1.3.2MATLAB的启动与退出7
1.3.3Desktop操作界面简介8
1.4CommandWindow运行入门8
1.4.1命令行的使用8
1.4.2数值、变量和表达式9
1.4.3命令行的特殊输入方法11
1.4.4命令窗口的显示格式12
1.4.5命令窗口常用快捷键与命令13
1.5CommandHistory窗口14
1.6CurrentDirectory窗口14
1.7WorkspaceBrowser和VariableEditor窗口15
1.7.1WorkspaceBrowser窗口15
1.7.2VariableEditor窗口15
1.8命令行辅助功能与FunctionBrowser16
1.9Help17
1.9.1HelpBrowser18
1.9.2命令窗口查询帮助18

第2章矩阵和数组20
2.1矩阵的创建与组合20
2.1.1创建简单矩阵20
2.1.2创建特殊矩阵21
2.1.3矩阵的合并22
2.2矩阵的寻访与赋值23
2.2.1矩阵的标识23
2.2.2矩阵的寻访24
2.2.3矩阵的赋值24
2.3进行数组运算的常用函数25
2.3.1函数数组运算规则的定义25
2.3.2进行数组运算的常用函数25
2.4查询矩阵信息27
2.4.1矩阵的形状信息27
2.4.2矩阵的数据类型27
2.4.3矩阵的数据结构28
2.5数组运算与矩阵运算28
2.6矩阵的重构29
2.6.1矩阵元素的扩展与删除29
2.6.2矩阵的重构30
2.7稀疏矩阵31
2.7.1稀疏矩阵的存储方式32
2.7.2稀疏矩阵的创建32
2.7.3稀疏矩阵的运算35
2.7.4稀疏矩阵的交换与重新排序36
2.7.5稀疏矩阵视图38
2.8多维数组38
2.8.1多维数组的创建39
2.8.2多维数组的寻访与重构41
2.9多项式的表达式及其操作44
2.9.1多项式的表达式和创建44
2.9.2多项式运算函数45

第3章数据类型47
3.1数值型47
3.2逻辑型47
3.2.1逻辑型简介47
3.2.2返回逻辑结果的函数48
3.2.3运算符的优先级50
3.3字符和字符串51
3.3.1创建字符串51
3.3.2字符串比较52
3.3.3字符串查找与替换53
3.3.4类型转换54
3.3.5字符串应用函数小结55
3.4structure数组56
3.4.1structure数组的创建57
3.4.2structure数组的寻访59
3.4.3structure数组域的基本操作60
3.4.4structure数组的操作61
3.5cell数组63
3.5.1cell数组的创建63
3.5.2cell数组的寻访65
3.5.3cell数组的基本操作65
3.5.4cell数组操作函数66
3.6Map容器67
3.6.1Map数据类型介绍67
3.6.2Map对象的创建68
3.6.3查看Map的内容69
3.6.4Map的读写70
3.6.5Map中key和value的修改72
3.6.6映射其他数据类型73

第4章数值计算75
4.1因式分解75
4.1.1行列式、逆和秩75
4.1.2Cholesky因式分解77
4.1.3LU因式分解78
4.1.4QR因式分解79
4.1.5范数81
4.2矩阵特征值和奇异值82
4.2.1特征值和特征向量的求取82
4.2.2奇异值分解84
4.3概率和统计85
4.3.1基本分析函数85
4.3.2概率函数、分布函数、逆分布函数和随机数93
4.4数值求导与积分94
4.4.1导数与梯度94
4.4.2一元函数的数值积分95
4.4.3二重积分的数值计算97
4.4.4三重积分的数值计算97
4.5插值98
4.5.1一维数据插值98
4.5.2二维数据插值99
4.5.3多维插值100
4.5.4样条插值100
4.6曲线拟合101
4.6.1最小二乘原理及其曲线拟合算法101
4.6.2曲线拟合的实现102
4.7Fourier分析102
4.8微分方程104
4.8.1常微分方程104
4.8.2偏微分方程106

第5章符号计算110
5.1符号变量、表达式及符号方程110
5.1.1符号变量与表达式的创建110
5.1.2符号计算中的运算符和基本函数112
5.1.3创建符号方程113
5.2符号微积分113
5.2.1符号求导与微分113
5.2.2符号求极限115
5.2.3符号积分116
5.2.4级数求和116
5.2.5Taylor级数117
5.3符号表达式的化简与替换117
5.3.1符号表达式的化简118
5.3.2符号表达式的替换122
5.4符号可变精度计算125
5.5符号线性代数127
5.5.1基础代数运算127
5.5.2线性代数运算128
5.6符号方程求解130
5.6.1求代数方程符号解130
5.6.2求代数方程组的符号解130
5.6.3求微分方程符号解132
5.6.4求微分方程组的符号解134
5.7符号积分变换134
5.7.1Fourier变换及其反变换134
5.7.2Laplace变换及其反变换135
5.7.3Z变换及其反变换136

第6章MATLAB编程基础138
6.1M文件138
6.1.1M文件编辑器139
6.1.2M文件的基本内容140
6.1.3脚本式M文件142
6.1.4函数式M文件143
6.2流程控制143
6.2.1顺序结构144
6.2.2if语句144
6.2.3switch语句146
6.2.4for循环146
6.2.5while循环147
6.2.6continue命令148
6.2.7break命令149
6.2.8return命令150
6.2.9人机交互命令150
6.3函数的类型152
6.3.1主函数152
6.3.2子函数152
6.3.3私有函数153
6.3.4嵌套函数154
6.3.5重载函数157
6.3.6匿名函数157
6.4函数的变量161
6.4.1变量类型161
6.4.2变量的传递162
6.5函数句柄164
6.5.1函数句柄的创建165
6.5.2函数句柄的调用165
6.5.3函数句柄的操作166
6.6串演算函数167
6.6.1eval函数167
6.6.2feval函数168
6.6.3inline函数169
6.7内存的使用170
6.7.1内存管理函数170
6.7.2高效使用内存的策略170
6.7.3解决“OutofMemory”问题172
6.8程序调试和优化173
6.8.1使用Debugger窗口调试173
6.8.2在命令窗口中调试176
6.8.3profile性能检测178
6.9错误处理180
6.9.1使用try-catch语句捕捉错误180
6.9.2处理错误和从错误中恢复181
6.9.3警告183

第7章数据可视化185
7.1绘图的基本知识185
7.1.1离散数据和离散函数的可视化185
7.1.2连续函数的可视化186
7.1.3可视化的一般步骤187
7.2二维图形187
7.2.1基本绘图函数187
7.2.2曲线的色彩、线型和数据点型189
7.2.3坐标、刻度和网格控制190
7.2.4图形标识192
7.2.5双坐标图和子图195
7.2.6双轴对数图形197
7.2.7特殊二维图形197
7.3三维图形203
7.3.1绘制三维曲线图203
7.3.2绘制三维曲面图203
7.3.3特殊三维图形205
7.4三维图形的高级控制207
7.4.1视点控制207
7.4.2颜色的使用208
7.4.3光照控制208

第8章图像处理210
8.1图像文件的操作210
8.1.1查询图像文件的信息211
8.1.2图像文件的读写212
8.1.3图像文件的显示213
8.1.4图像格式的转换214
8.2图像的几何运算216
8.2.1图像的平移216
8.2.2图像的镜像变换216
8.2.3图像缩放217
8.2.4图像的旋转218
8.2.5图像的剪切218
8.3图像的正交变换219
8.3.1傅立叶变换219
8.3.2离散余弦变换220
8.3.3Radon变换221
8.4MATLAB图像增强222
8.4.1像素值及其统计特性222
8.4.2对比度增强224
8.4.3直方图均衡化225
8.4.4空域滤波增强226
8.4.5频域增强228

第9章图形用户界面(GUI)设计230
9.1句柄图形对象230
9.1.1图形对象230
9.1.2图形对象句柄231
9.1.3图形对象属性的获取和设置232
9.2GUIDE简介234
9.2.1启动GUI235
9.2.2Layout编辑器235
9.2.3运行GUI236
9.3创建GUI236
9.3.1GUI窗口布局236
9.3.2菜单的添加237
9.3.3控件241
9.4CallBack函数245
9.4.1变量的传递245
9.4.2函数编写246
9.5GUI设计示例248

第10章数据文件I/O254
10.1处理文件名称254
10.2MATLAB支持的文件格式255
10.3导入向导的使用256
10.4MAT文件的读写257
10.4.1MAT文件的写入257
10.4.2MAT文件的读取258
10.5Text文件读写259
10.5.1Text文件的读取259
10.5.2Text文件的写入262
10.6Excel文件读写262
10.7音频/视频文件操作264
10.7.1获取音频/视频文件的文件头信息264
10.7.2音频/视频文件的导入与导出264

第11章MATLAB优化问题应用266
11.1MATLAB优化工具箱266
11.1.1MATLAB求解器267
11.1.2极小值优化269
11.1.3多目标优化275
11.1.4方程组求解276
11.1.5最小二乘及数据拟合277
11.2模式搜索法278
11.3模拟退火算法280
11.3.1模拟退火算法简介280
11.3.2模拟退火算法应用实例280
11.3.3关于计算结果281
11.4遗传算法282
11.4.1遗传算法简介282
11.4.2遗传算法应用实例283
11.5OptimizationTool简介285

第12章信号处理289
12.1信号处理基本理论289
12.1.1信号的生成289
12.1.2数字滤波器结构293
12.2IIR滤波器的MATLAB实现294
12.2.1IIR滤波器经典设计295
12.2.2IIR滤波器直接设计法301
12.2.3广义巴特沃思IIR滤波器设计302
12.3FIR滤波器的MATLAB实现303
12.3.1FIR滤波器设计303
12.3.2fir1函数304
12.3.3fir2函数305

第13章Simulink仿真306
13.1Simulink简介306
13.1.1Simulink功能与特点306
13.1.2Simulink的安装与启动307
13.2Simulink基础309
13.2.1Simulink模型是什么309
13.2.2Simulink模块操作309
13.2.3Simulink信号线操作312
13.2.4Simulink对模型的注释314
13.2.5Simulink常用的模型库314
13.2.6Simulink仿真配置316
13.3Simulink动态系统仿真320
13.3.1简单系统的仿真分析320
13.3.2离散系统的仿真分析322
13.3.3连续系统的仿真分析324
13.4Simulink模型中的子系统327
13.4.1子系统的建立327
13.4.2子系统的封装328
13.5SimulinkS-函数331
13.5.1什么是S-函数332
13.5.2S-函数的作用和原理332
13.5.3用M文件创建S-函数实例333

第14章应用程序接口336
14.1MATLAB应用程序接口介绍336
14.2MATLAB调用C/C++337
14.2.1MATLABMEX文件338
14.2.2C-MEX文件的使用341
14.3C/C++调用MATLAB引擎346
14.3.1MATLAB计算引擎概述346
14.3.2MATLAB计算引擎库函数347
14.3.3C/C++调用MATLAB引擎348
14.4MATLAB编译器352
14.4.1MATLAB编译器的安装和设置353
14.4.2MATLAB编译器的使用354
14.4.3独立应用程序356

第15章MATLAB基础计算技巧365
15.1MATLAB数组创建与重构技巧365
15.2MATLAB数据类型使用技巧371
15.3MATLAB数值计算技巧373
15.4MATLAB文件读取操作技巧375
15.5MATLAB绘图技巧376

第16章MATLAB编程技巧379
16.1MATLAB编程风格379
16.1.1命名规则379
16.1.2文件与程序结构381
16.1.3基本语句382
16.1.4排版、注释与文档385
16.2MATLAB编程注意事项387
16.3内存的使用389
16.4提高MATLAB运行效率390
16.4.1提高运行效率基本原则390
16.4.2提高运行效率举例392

第17章MATLAB在数学建模中的应用395
17.1MATLAB蒙特卡罗模拟395
17.1.1蒙特卡罗方法简介395
17.1.2蒙特卡罗方法编程示例396
17.2MATLAB灰色系统理论应用398
17.2.1GM(1，1)预测模型简介398
17.2.2灰色预测计算实例399
17.3MATLAB模糊聚类分析401
17.3.1模糊聚类分析简介401
17.3.2模糊聚类分析应用示例402
17.4MATLAB层次分析法应用406
17.4.1层次分析法简介406
17.4.2层次分析法的应用409

python">function[f_diff_final,MVs]=BlockMatch(fc,fr,N,W,type,bShow)
%[f_diff,MVs]=BlockMatch(fc,fr,N,W,type,bShow)
%Blockmatchingalgorithm.
%fcisthecurrentframe,fristherefernceframe.
%.
%+1X2W+1.
%type:searchingstrategy('FS'=default,'TSS','TDL','OTS','CSA','OSA')
%bShow:(default:0).
%typeisthesearchingstrategies,currentlyonly"FS"(fullsearch)is
%supported.
%,
%f_diff,,MVs(whichisa
%2-Dcellmatrix).
f_diff_final=[];
f_diff=[];
MVs=[];
ifnargin<2
disp('Atleasttwpargumentsareneeded!');
return;
end
ifany(size(fc)~=size(fr))
disp('!');
return;
end
ifnargin<6
bShow=0;
ifnargin<5
type='FS';%Fullsearch
ifnargin<3
N=8;
end
ifnargin<4
W=N*2;
end
end
end
N_1=N-1;
f_size=size(fc);
fc=double(fc);
fr=double(fr);
ifnumel(f_size)~=2
disp('Theinputframesmustbe2-Dmatrices!');
return;
end
ifany(rem(f_size,N)~=0)
disp('!');
return;
end
height=f_size(1);
width=f_size(2);
f_diff=zeros(f_size);
MVs=cell(height/N,width/N);
forx=1:N:width
fory=1:N:height
%Setsearchingwindow.
ymin=max(1,y-W);
ymin_1=ymin-1;
ymax=min(height-N_1,y+W);
xmin=max(1,x-W);
xmin_1=xmin-1;
xmax=min(width-N_1,x+W);
fc_block=fc(y:y+N_1,x:x+N_1);%To-be-encodedblock.
xxyys_checked=zeros(ymax-ymin_1,xmax-xmin_1);%Flagsforcheckedlocations.
%Addnewsearchingstrategieshere....
%{'FS','FullSearch','FullSearch'};
MSEs=Inf(ymax-ymin_1,xmax-xmin_1);
block_diff=cell(size(MSEs));
forxx=xmin:xmax
foryy=ymin:ymax
block_diff_new=fc_block-fr(yy:yy+N_1,xx:xx+N_1);
block_diff{yy-ymin_1,xx-xmin_1}=block_diff_new;
MSEs(yy-ymin_1,xx-xmin_1)=mean(abs(block_diff_new(:)));
end
end
%GettheminimalMSEandthe1-Dindex.
[MSE_min,index]=min(MSEs(:));
%Transformthe1-Dindexinto2-Dindex.
[yy_min,xx_min]=ind2sub(size(MSEs),index);
%Setthemotionvector.
MVs{ceil(y/N),ceil(x/N)}=[ymin+yy_min-yxmin+xx_min-x];
%.
f_diff(y:y+N_1,x:x+N_1)=block_diff{yy_min,xx_min};
end
end
f_diff_final=int16(f_diff);