霍夫变换源码

① 请问下面的matlab代码每一项具体代表什么意思

首先讲一下这个函数：
houghlines
这个函数在matlab中有两种调用形式，如下：
lines = houghlines(BW, theta, rho,peaks)
lines = houghlines(..., param1, val1,param2, val2)

在这里主要讲第二种(其实覆盖了第一种)。
这个函数的主要功能是基于霍夫变换对图像进行线段提取，有点类似于边缘检测之类的。
BW就是要进行线段提取的数字图像，theta和rho是hough函数的返回值。peaks是houghpeaks函数的返回值。
而hough函数是用来将一个二值图进行霍夫变换，在生成霍夫变换的图同时还返回了变换角度
theta和rho的值。
houghpeaks函数是用来确定经过所霍夫变换过后的图中峰值的位置。

至于param1 和param2是两个参数选项：
有两种：'FillGap'和'MinLength'
FillGap是一个正实数，用来表示同一图像中两条线段的距离。当两条线的距离小于这个指定值时，houghlines函数就会将这两条线合并成一条线。
MinLength是一个正实数，用来确定是否保存线条。如果线条的长度小于这个值，线条将会被擦除，否则就保存。

② （急！）帮忙检查一下这个霍夫曼编码的解码程序

# include <stdio.h>
# include <string.h>
# include <conio.h>
main()
{
int i,k,j=0,w,r,m,n,x,v;
char bian[30]="110111100110111100";
char a[4]="110";/*a的霍夫曼编码*/
char b[4]="111";/*b的霍夫曼编码*/
char c[4]="10";/*c的霍夫曼编码*/
char d[4]="0";/*d的霍夫曼编码*/
m=strlen(a);
n=strlen(b);
x=strlen(c);
v=strlen(d);

char temp[4],shou[8];
r=strlen(bian);
for(i=0;i<r;)/*外层循环用于控制解码进度*/
{
temp[0] = temp[1] = temp[2] = 0;
for(k=0;k<3;k++)/*里层用于具体解析每个字符编码*/
{
w=i+k;
temp[k]=bian[w];
if(strncmp(temp,a,m)==0)/*判断编码是否为a*/
{
shou[j]='a';/*shou数组用于存储解析出来的字符*/
j++;
i=i+k+1;
break;/*如果解析成功就跳出里层循环，继续解析下一个编码*/
}
else if(strncmp(temp,b,n)==0)/*判断编码是否为b*/
{
shou[j]='b';
j++;
i=i+k+1;
break;
}
else if(strncmp(temp,c,x)==0)/*判断编码是否为c*/
{
shou[j]='c';
j++;
i=i+k+1;
break;
}
else if(strncmp(temp,d,v)==0)/*判断编码是否为d*/
{
shou[j]='d';
j++;
i=i+k+1;
break;
}
else
continue;/*如果都不是就再取出一个编码，再与abcd的字符编码相比*/
}
}
for(i=0;i<8;i++)
printf("%c",shou[i]);
return 0;
}

③ C#实现霍夫曼编码

我写过C语言的编码，你可以参考一下算法
#include <stdio.h>
#include"stdlib.h"

struct NODE
{
float w;
int parent,lchild,rchild;
};

void Huffman(int *ID,struct NODE *HT,int m,int n)
{
HT[2*n-m].w=HT[ID[m-1]].w+HT[ID[m-2]].w;
HT[ID[m-1]].parent=2*n-m;
HT[ID[m-2]].parent=2*n-m;
HT[2*n-m].lchild=ID[m-1];
HT[2*n-m].rchild=ID[m-2];
HT[2*n-m].parent=-1;
ID[m-2]=2*n-m;
}

void Select(int *ID,struct NODE *HT,int m)
{
int k,t;
t=ID[m-1];
for(k=0;k<m-1;k++)
{
if(HT[ID[k]].w<=HT[ID[m-1]].w)
{
ID[m-1]=ID[k];
ID[k]=t;
t=ID[m-1];
}
}
}

void main()
{
struct NODE *HT;
int *ID,*CODE;
char *ch;
int n,i,j,t,m,b,f;
float sum;
printf("Please enter the number of the symbols:\n");
scanf("%d",&n);
ID=(int *)malloc(sizeof(int)*n);
ch=(char *)malloc(sizeof(char)*n);
CODE=(int *)malloc(sizeof(int)*n);
HT=(struct NODE*)malloc(sizeof(struct NODE)*(2*n-1));
printf("Please enter the symbols\n");
for(i=0;i<n;i++)
{
fflush(stdin);
scanf("%c",&ch[i]);
}
printf("Please enter the probability\n");
sum=0;
for(i=0;i<n;i++)
{
fflush(stdin);
scanf("%f",&HT[i].w);
HT[i].parent=-1;
HT[i].lchild=-1;
HT[i].rchild=-1;
sum+=HT[i].w;
}
if(sum!=1)
{
printf("ERROR\n");
exit(-1);
}
for(i=0;i<n;i++) //首次对码元进行排序
{
t=0;
for(j=0;j<n;j++)
{
if(HT[i].w<HT[j].w) t++;
else if(HT[i].w==HT[j].w && i>j)
t++;
}
ID[t]=i;
}
for(i=n;i>1;i--)
{
Huffman(ID,HT,i,n);
Select(ID,HT,i-1);
}
printf("Huffman Code Is :\n");
for(i=0;i<n;i++)
{

m=0;
for(b=i;HT[b].parent!=-1;b=HT[b].parent)
{
f=HT[b].parent;
if(HT[f].lchild==b)
CODE[m]=1;
else
CODE[m]=0;
m++;
}
printf("%c---%f-----",ch[i],HT[i].w);
for(j=m-1;j>=0;j--)
{
printf("%d",CODE[j]);
}
printf("\n");
}
free(ID);
free(HT);
free(ch);
free(CODE);
}

④ 求MATLAB代码

MATLAB实用源代码
1图像的读取及旋转
A=imread('');%读取图像
subplot(2,2,1),imshow(A),title('原始图像');%输出图像
I=rgb2gray（A）;
subplot(2,2,2),imshow(A),title('灰度图像');
subplot(2,2,3),imhist(I),title('灰度图像直方图');%输出原图直方图
theta = 30;J = imrotate(I,theta);% Try varying the angle, theta.
subplot(2,2,4)， imshow(J),title(‘旋转图像’)
2边缘检测
I=imread('C:\Users\HP\Desktop\平时总结\路飞.jpg');
subplot(2,2,1),imshow(I),title('原始图像');
I1=edge(I,'sobel');
subplot(2,2,2),imshow(I1),title('sobel边缘检测');
I2=edge(I,'prewitt');
subplot(2,2,3),imshow(I2),title（'prewitt边缘检测'）;
I3=edge(I,'log');
subplot(2,2,4),imshow(I3),title（'log边缘检测'）;
3图像反转
MATLAB 程序实现如下：
I=imread('xian.bmp');
J=double(I);
J=-J+(256-1);%图像反转线性变换
H=uint8(J);
subplot(1,2,1),imshow(I);
subplot(1,2,2),imshow(H);
4.灰度线性变换
MATLAB 程序实现如下：
I=imread('xian.bmp');
subplot(2,2,1),imshow(I);
title('原始图像');
axis([50,250,50,200]);
axis on;%显示坐标系
I1=rgb2gray(I);
subplot(2,2,2),imshow(I1);
title('灰度图像');
axis([50,250,50,200]);
axis on; %显示坐标系
J=imadjust(I1,[0.1 0.5],[]); %局部拉伸，把[0.1 0.5]内的灰度拉伸为[0 1]
subplot(2,2,3),imshow(J);
title('线性变换图像[0.1 0.5]');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
K=imadjust(I1,[0.3 0.7],[]); %局部拉伸，把[0.3 0.7]内的灰度拉伸为[0 1]
subplot(2,2,4),imshow(K);
title('线性变换图像[0.3 0.7]');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
5.非线性变换
MATLAB 程序实现如下：
I=imread('xian.bmp');
I1=rgb2gray(I);
subplot(1,2,1),imshow(I1);
title(' 灰度图像');
axis([50,250,50,200]);
grid on;%显示网格线
axis on;%显示坐标系
J=double(I1);
J=40*(log(J+1));
H=uint8(J);
subplot(1,2,2),imshow(H);
title(' 对数变换图像');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
4.直方图均衡化
MATLAB 程序实现如下：
I=imread('xian.bmp');
I=rgb2gray(I);
figure;
subplot(2,2,1);
imshow(I);
subplot(2,2,2);
imhist(I);
I1=histeq(I);
figure;
subplot(2,2,1);
imshow(I1);
subplot(2,2,2);
imhist(I1);
5. 线性平滑滤波器
用MATLAB实现领域平均法抑制噪声程序：
I=imread('xian.bmp');
subplot(231)
imshow(I)
title('原始图像')
I=rgb2gray(I);
I1=imnoise(I,'salt & pepper',0.02);
subplot(232)
imshow(I1)
title(' 添加椒盐噪声的图像')
k1=filter2(fspecial('average',3),I1)/255; %进行3*3模板平滑滤波
k2=filter2(fspecial('average',5),I1)/255; %进行5*5模板平滑滤波k3=filter2(fspecial('average',7),I1)/255; %进行7*7模板平滑滤波
k4=filter2(fspecial('average',9),I1)/255; %进行9*9模板平滑滤波
subplot(233),imshow(k1);title('3*3 模板平滑滤波');
subplot(234),imshow(k2);title('5*5 模板平滑滤波');
subplot(235),imshow(k3);title('7*7 模板平滑滤波');
subplot(236),imshow(k4);title('9*9 模板平滑滤波');
6.中值滤波器
用MATLAB实现中值滤波程序如下：
I=imread('xian.bmp');
I=rgb2gray(I);
J=imnoise(I,'salt&pepper',0.02);
subplot(231),imshow(I);title('原图像');
subplot(232),imshow(J);title('添加椒盐噪声图像');
k1=medfilt2(J); %进行3*3模板中值滤波
k2=medfilt2(J,[5,5]); %进行5*5模板中值滤波
k3=medfilt2(J,[7,7]); %进行7*7模板中值滤波
k4=medfilt2(J,[9,9]); %进行9*9模板中值滤波
subplot(233),imshow(k1);title('3*3模板中值滤波');
subplot(234),imshow(k2);title('5*5模板中值滤波 ');
subplot(235),imshow(k3);title('7*7模板中值滤波');
subplot(236),imshow(k4);title('9*9 模板中值滤波');
7.用Sobel算子和拉普拉斯对图像锐化：
I=imread('xian.bmp');
subplot(2,2,1),imshow(I);
title('原始图像');
axis([50,250,50,200]);
grid on; %显示网格线
axis on;%显示坐标系
I1=im2bw(I);
subplot(2,2,2),imshow(I1);
title('二值图像');
axis([50,250,50,200]);
grid on;%显示网格线
axis on;%显示坐标系
H=fspecial('sobel');%选择sobel算子
J=filter2(H,I1); %卷积运算
subplot(2,2,3),imshow(J);
title('sobel算子锐化图像');
axis([50,250,50,200]);
grid on; %显示网格线
axis on;%显示坐标系
h=[0 1 0,1 -4 1,0 1 0]; %拉普拉斯算子
J1=conv2(I1,h,'same');%卷积运算
subplot(2,2,4),imshow(J1);
title('拉普拉斯算子锐化图像');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
8.梯度算子检测边缘
用 MATLAB实现如下：
I=imread('xian.bmp');
subplot(2,3,1);
imshow(I);
title('原始图像');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
I1=im2bw(I);
subplot(2,3,2);
imshow(I1);
title('二值图像');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
I2=edge(I1,'roberts');
figure;
subplot(2,3,3);
imshow(I2);
title('roberts算子分割结果');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
I3=edge(I1,'sobel');
subplot(2,3,4);
imshow(I3);
title('sobel算子分割结果');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
I4=edge(I1,'Prewitt');
subplot(2,3,5);
imshow(I4);
title('Prewitt算子分割结果 ');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
9.LOG算子检测边缘
用 MATLAB程序实现如下：
I=imread('xian.bmp');
subplot(2,2,1);
imshow(I);
title('原始图像');
I1=rgb2gray(I);
subplot(2,2,2);
imshow(I1);
title('灰度图像');
I2=edge(I1,'log');
subplot(2,2,3);
imshow(I2);
title('log算子分割结果');
10.Canny算子检测边 缘
用MATLAB程序实现如下：
I=imread('xian.bmp');
subplot(2,2,1);
imshow(I);
title('原始图像')
I1=rgb2gray(I);
subplot(2,2,2);
imshow(I1);
title('灰度图像');
I2=edge(I1,'canny');
subplot(2,2,3);
imshow(I2);
title('canny算子分割结果');
11.边界跟踪 （bwtraceboundary函数）
clc
clear all
I=imread('xian.bmp');
figure
imshow(I);
title('原始图像');
I1=rgb2gray(I); %将彩色图像转化灰度图像
threshold=graythresh(I1); %计算将灰度图像转化为二值图像所需的门限
BW=im2bw(I1, threshold); %将灰度图像转化为二值图像
figure
imshow(BW);
title('二值图像');
dim=size(BW);
col=round(dim(2)/2)-90; %计算起始点列坐标
row=find(BW(:,col),1); %计算起始点行坐标
connectivity=8;
num_points=180;
contour=bwtraceboundary(BW,[row,col],'N',connectivity,num_points);
%提取边界
figure
imshow(I1);
hold on;
plot(contour(:,2),contour(:,1), 'g','LineWidth' ,2);
title('边界跟踪图像');
12.Hough变换
I= imread('xian.bmp');
rotI=rgb2gray(I);
subplot(2,2,1);
imshow(rotI);
title('灰度图像');
axis([50,250,50,200]);
grid on;
axis on;
BW=edge(rotI,'prewitt');
subplot(2,2,2);
imshow(BW);
title('prewitt算子边缘检测 后图像');
axis([50,250,50,200]);
grid on;
axis on;
[H,T,R]=hough(BW);
subplot(2,2,3);
imshow(H,[],'XData',T,'YData',R,'InitialMagnification','fit');
title('霍夫变换图');
xlabel('\theta'),ylabel('\rho');
axis on , axis normal, hold on;
P=houghpeaks(H,5,'threshold',ceil(0.3*max(H(:))));
x=T(P(:,2));y=R(P(:,1));
plot(x,y,'s','color','white');
lines=houghlines(BW,T,R,P,'FillGap',5,'MinLength',7);
subplot(2,2,4);,imshow(rotI);
title('霍夫变换图像检测');
axis([50,250,50,200]);
grid on;
axis on;
hold on;
max_len=0;
for k=1:length(lines)
xy=[lines(k).point1;lines(k).point2];
plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','green');
plot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow');
plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','red');
len=norm(lines(k).point1-lines(k).point2);
if(len>max_len)
max_len=len;
xy_long=xy;
end
end
plot(xy_long(:,1),xy_long(:,2),'LineWidth',2,'Color','cyan');
13.直方图阈值法
用 MATLAB实现直方图阈值法：
I=imread('xian.bmp');
I1=rgb2gray(I);
figure;
subplot(2,2,1);
imshow(I1);
title(' 灰度图像')
axis([50,250,50,200]);
grid on;%显示网格线
axis on; %显示坐标系
[m,n]=size(I1);%测量图像尺寸参数
GP=zeros(1,256); %预创建存放灰度出现概率的向量
for k=0:255
GP(k+1)=length(find(I1==k))/(m*n);%计算每级灰度出现的概率，将其存入GP中相应位置
end
subplot(2,2,2),bar(0:255,GP,'g')%绘制直方图
title('灰度直方图')
xlabel('灰度值')
ylabel(' 出现概率')
I2=im2bw(I,150/255);
subplot(2,2,3),imshow(I2);
title('阈值150的分割图像')
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
I3=im2bw(I,200/255); %
subplot(2,2,4),imshow(I3);
title('阈值200的分割图像')
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
14. 自动阈值法：Otsu法
用MATLAB实现Otsu算法：
clc
clear all
I=imread('xian.bmp');
subplot(1,2,1),imshow(I);
title('原始图像')
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
level=graythresh(I); %确定灰度阈值
BW=im2bw(I,level);
subplot(1,2,2),imshow(BW);
title('Otsu 法阈值分割图像')
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
15.膨胀操作
I=imread('xian.bmp'); %载入图像
I1=rgb2gray(I);
subplot(1,2,1);
imshow(I1);
title('灰度图像')
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
se=strel('disk',1); %生成圆形结构元素
I2=imdilate(I1,se); %用生成的结构元素对图像进行膨胀
subplot(1,2,2);
imshow(I2);
title(' 膨胀后图像');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
16.腐蚀操作
MATLAB 实现腐蚀操作
I=imread('xian.bmp'); %载入图像
I1=rgb2gray(I);
subplot(1,2,1);
imshow(I1);
title('灰度图像')
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
se=strel('disk',1); %生成圆形结构元素
I2=imerode(I1,se); %用生成的结构元素对图像进行腐蚀
subplot(1,2,2);
imshow(I2);
title('腐蚀后图像');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
17.开启和闭合操作
用 MATLAB实现开启和闭合操作
I=imread('xian.bmp'); %载入图像
subplot(2,2,1),imshow(I);
title('原始图像');
axis([50,250,50,200]);
axis on; %显示坐标系
I1=rgb2gray(I);
subplot(2,2,2),imshow(I1);
title('灰度图像');
axis([50,250,50,200]);
axis on; %显示坐标系
se=strel('disk',1); %采用半径为1的圆作为结构元素
I2=imopen(I1,se); %开启操作
I3=imclose(I1,se); %闭合操作
subplot(2,2,3),imshow(I2);
title('开启运算后图像');
axis([50,250,50,200]);
axis on; %显示坐标系
subplot(2,2,4),imshow(I3);
title('闭合运算后图像');
axis([50,250,50,200]);
axis on; %显示坐标系
18.开启和闭合组合操作
I=imread('xian.bmp');%载入图像
subplot(3,2,1),imshow(I);
title('原始图像');
axis([50,250,50,200]);
axis on;%显示坐标系
I1=rgb2gray(I);
subplot(3,2,2),imshow(I1);
title('灰度图像');
axis([50,250,50,200]);
axis on;%显示坐标系
se=strel('disk',1);
I2=imopen(I1,se);%开启操作
I3=imclose(I1,se);%闭合操作
subplot(3,2,3),imshow(I2);
title('开启运算后图像');
axis([50,250,50,200]);
axis on;%显示坐标系
subplot(3,2,4),imshow(I3);
title('闭合运算后图像');
axis([50,250,50,200]);
axis on;%显示坐标系
se=strel('disk',1);
I4=imopen(I1,se);
I5=imclose(I4,se);
subplot(3,2,5),imshow(I5);%开—闭运算图像
title('开—闭运算图像');
axis([50,250,50,200]);
axis on;%显示坐标系
I6=imclose(I1,se);
I7=imopen(I6,se);
subplot(3,2,6),imshow(I7);%闭—开运算图像
title('闭—开运算图像');
axis([50,250,50,200]);
axis on;%显示坐标系
19.形态学边界提取
利用 MATLAB实现如下：
I=imread('xian.bmp');%载入图像
subplot(1,3,1),imshow(I);
title('原始图像');
axis([50,250,50,200]);
grid on;%显示网格线
axis on;%显示坐标系
I1=im2bw(I);
subplot(1,3,2),imshow(I1);
title('二值化图像');
axis([50,250,50,200]);
grid on;%显示网格线
axis on;%显示坐标系
I2=bwperim(I1); %获取区域的周长
subplot(1,3,3),imshow(I2);
title('边界周长的二值图像');
axis([50,250,50,200]);
grid on;
axis on;
20.形态学骨架提取
利用MATLAB实现如下：
I=imread('xian.bmp');
subplot(2,2,1),imshow(I);
title('原始图像');
axis([50,250,50,200]);
axis on;
I1=im2bw(I);
subplot(2,2,2),imshow(I1);
title('二值图像');
axis([50,250,50,200]);
axis on;
I2=bwmorph(I1,'skel',1);
subplot(2,2,3),imshow(I2);
title('1次骨架提取');
axis([50,250,50,200]);
axis on;
I3=bwmorph(I1,'skel',2);
subplot(2,2,4),imshow(I3);
title('2次骨架提取');
axis([50,250,50,200]);
axis on;
21.直接提取四个顶点坐标
I = imread('xian.bmp');
I = I(:,:,1);
BW=im2bw(I);
figure
imshow(~BW)
[x,y]=getpts
平滑滤波
h=fspecial('average',9);
I_gray=imfilter(I_gray,h,'replicate');%平滑滤波

⑤ matlab实现霍夫变换检测直线，代码报错，请大神帮忙看看

错误629”端口已由远程计算机断开连接，从字面上就能看出原因在哪里了！
解决方法：1.查看账号密码是否输入错误，注意小数点或者是空格。
2.查看网卡驱动是否正常。
3.查看网线是否连接成功。（查看“本地连接”）
4.查看宽带是否欠费或者是到期。
5.前四项都试过如果还是不行的话，把电脑和光猫一起关掉

⑥ 求MATLAB GUI 环境下 图像处理图像的平移,任意角度的旋转,缩放和翻转,仿射变换等的源代码

该gui函数基本上包括图像处理里面的最基本处理，相当于一个小型photoshop。

比如读取文件，

几何变换中的垂直镜像，平移，旋转，缩放；

正交变换的DFT，FFT，DCT，DST，DHT，DWashT；

灰度处理中的反色，直方图均衡，全局线性变换，分段线性变换，指数非线性变换，对数非线性变换；

图像增强里面的加噪声，平滑，锐化，伪彩色增强；

图像分割里面的灰度阈值法，Robert，Laplace，sobel，prewitt，canny算子边缘检测法；

图像恢复里面的直接逆滤波，维纳滤波；图像编码里面的霍夫曼编码，行程编码-