图像矩阵的Doolittle LU分解与MATLAB处理实例

矩阵Doolittle LU分解与MATLAB处理实例

1.矩阵Doolittle LU分解方法原理

LU分解在本质上是高斯消元法的一种表达形式。实质上是将A通过初等行变换变成一个上三角矩阵，其变换矩阵就是一个单位下三角矩阵。这正是所谓的杜尔里特算法（Doolittle algorithm）：从下至上地对矩阵A做初等行变换，将对角线左下方的元素变成零，然后再证明这些行变换的效果等同于左乘一系列单位下三角矩阵，这一系列单位下三角矩阵的乘积的逆就是L矩阵，它也是一个单位下三角矩阵。这类算法的复杂度一般在(三分之二的n三次方) 左右。

i）Doolittle分解

对于非奇异矩阵（任n阶顺序主子式不全为0）的方阵A，都可以进行Doolittle分解，得到A=LU，其中L为单位下三角矩阵，U为上三角矩阵；这里的Doolittle分解实际就是Gauss变换；

（ii）Crout分解

对于非奇异矩阵（任n阶顺序主子式不全为0）的方阵A，都可以进行Crout分解，得到A=LU，其中L为下三角矩阵，U为单位上三角矩阵；

（iii）列主元三角分解

对于非奇异矩阵的方阵A，采用列主元三角分解，得到PA=LU，其中P为一个置换矩阵，L，U与Doolittle分解的规定相同；

（iv）全主元三角分解

对于非奇异矩阵的方阵A，采用全主元三角分解，得到PAQ=LU，其中P，Q为置换矩阵，L，U与Doolittle分解的规定相同；

（v）直接三角分解

对于非奇异矩阵的方阵A，利用直接三角分解推导得到的公式（Doolittle分解公式或者Crout分解公式），可以进行递归操作，以便于计算机编程实现；

（vi）“追赶法”

追赶法是针对带状矩阵（尤其是三对角矩阵）这一大稀疏矩阵的特殊结构，得出的一种保带性分解的公式推导，实质结果也是LU分解；因为大稀疏矩阵在工程领域应用较多，所以这部分内容需要特别掌握。

（vii）Cholesky分解法（平方根法）和改进的平方根法

Cholesky分解法是是针对正定矩阵的分解，其结果是A=LDLT=LD(1/2)D(1/2)LT=L1L1T。如何得到L1，实际也是给出了递归公式。

改进的平方根法是Cholesky分解的一种改进。为避免公式中开平方，得到的结果是A=LDLT=TLT，同样给出了求T,L的公式。

2.Doolittle LU分解MATLAB处理实例

对于线性方程组AX = B，假设A的顺序主子式都不为零,则A可作LU 分解，即A = LU ，其中L 是单位下三角阵，U 是上三角阵

(1) 比较式(1)两侧，可以得到 (2)

先算出U 的第1行，在式(2)中令i=1，得到 u

j

1=a

j

1

,i = 2,…,n (3)

接着在式(2)中令j=1,从而算出的L 第1列 l

1i = a

1i

/a

11

,i = 2,…,n (4)

若已算出U 的1至r ?1行元素，L 的1至r ?1列元素，可用式(5)先算出U 的第r 行元素

(5) 接着计算L 的第r 列

(6) 上述矩阵A的LU 分解计算步骤可按U1行L1列，U2行L2列，…，依次进行，如图2-1所示。

图2-1 ( Doolittle方法LU分解过程 )

其中Doolittle L U分解函数在MATLAB程序中代码如下：

创建Doolittle.m文件；

% Doolittle.m

function [L,U]=Doolittle(A)

% 方阵A的Doolittle形式LU分解，即A=LU

% L为单位下三角阵，U为上三角阵，称为Doolittle分解

n=size(A,1);

U=zeros(n);

U(1,:)=A(1,:);

L=eye(n);

L(2:n,1)=A(2:n,1)/U(1,1);

for k=2:n

U(k,k:n)=A(k,k:n)-L(k,1:k-1)*U(1:k-1,k:n);

L(k+1:n,k)=(A(k+1:n,k)-L(k+1:n,1:k-1)*U(1:k-1,k))/U(k,k); end

figure(1);

imshow(L);title('L');

imwrite(L,'L.jpg','jpg');

figure(2);

imshow(U);title('U');

imwrite(U,'U.jpg','jpg');

Matrix matlab矩阵处理

Q1: 5-1-4 %%part 1 WITHOUT PIVOTING A=[2,4,-5;6,12.001,1;4,-8,-3]; b=[-5,33.002,-21]'; E1=[1,0,0;-3,1,0;0,0,1]; E2=[1,0,0;0,1,0;-2,0,1]; E3=[1,0,0;0,1,0;0,16000,1]; U=E3*E2*E1*A L=inv(E1)*inv(E2)*inv(E3) X=inv(U)*inv(L)*b %%%part 2 WITH PIVOTING A=[2,4,-5;6,12.001,1;4,-8,-3]; b=[-5,33.002,-21]'; P12=[0,1,0;1,0,0;0,0,1]; P23=[1,0,0;0,0,1;0,1,0]; E1=[1,0,0;-1/3,1,0;0,0,1]; E2=[1,0,0;0,1,0;-2/3,0,1]; E3=[1,0,0;0,1,0;0,-0.0003/16.0007,1]; U=E3*P23*E2*E1*P12*A; V=inv(P12)*inv(E1)*inv(E2)*inv(P23)*inv(E3); P=P23*P12 L=P*V; X=inv(U)*inv(L)*P*b

Q7: 5-3-22 Condition number A=[10000,10001;10001,10002;10002,10003;10003,10004;10004,10005] b=[20001,20003,20005,20007,20009]' condtionnumber=cond(A,2) x=(inv(A'*A))*A'*b Cholesky factorization clear all % A=[10000,10001;10001,10002;10002,10003;10003,10004;10004,10005] % b=[20001,20003,20005,20007,20009]’ A1=[10000,10001;10002,10003] b1=[20001,20005]' R=chol(A1) L=R' y=inv(L)*b1 x=inv(L')*y

matlab图像处理的几个实例

Matlab图像处理的几个实例（初学者用） 1.图像的基本信息及其加减乘除 clear,clc; P=imread('yjx.jpg'); whos P Q=imread('dt.jpg'); P=im2double(P); Q=im2double(Q); gg1=im2bw(P,0.3); gg2=im2bw(P,0.5); gg3=im2bw(P,0.8); K=imadd(gg1,gg2); L=imsubtract(gg2,gg3); cf=immultiply(P,Q); sf=imdivide(Q,P); subplot(421),imshow(P),title('郁金香原图'); subplot(422),imshow(gg1),title('0.3'); subplot(423),imshow(gg2),title('0.5'); subplot(424),imshow(gg3),title('0.8'); subplot(425),imshow(K),title('0.3+0.5'); subplot(426),imshow(L),title('0.5-0.3'); subplot(427),imshow(cf),title('P*Q'); subplot(428),imshow(sf),title('P/Q'); 2.图像缩放 clear,clc; I=imread('dt.jpg'); A=imresize(I,0.1,'nearest'); B=imresize(I,0.4,'bilinear'); C=imresize(I,0.7,'bicubic'); D=imresize(I,[100,200]); F=imresize(I,[400,100]); figure subplot(321),imshow(I),title('原图'); subplot(322),imshow(A),title('最邻近插值'); subplot(323),imshow(B),title('双线性插值'); subplot(324),imshow(C),title('二次立方插值'); subplot(325),imshow(D),title('水平缩放与垂直缩放比例为2:1'); subplot(326),imshow(F),title('水平缩放与垂直缩放比例为1:4');

图像处理实例(含Matlab代码)

信号与系统实验报告——图像处理 学院：信息科学与工程学院 专业：2014级通信工程 组长：** 组员：** 2017.01.02

目录 目录 (2) 实验一图像一的细胞计数 (3) 一、实验内容及步骤 (3) 二、Matlab程序代码 (3) 三、数据及结果 (4) 实验二图像二的图形结构提取 (5) 一、实验内容及步骤 (5) 二、Matlab程序代码 (5) 三、数据及结果 (6) 实验三图像三的图形结构提取 (7) 一、实验内容及步骤 (7) 二、Matlab程序代码 (7) 三、数据及结果 (8) 实验四图像四的傅里叶变化及巴特沃斯低通滤波 (9) 一、实验内容及步骤 (9) 二、Matlab程序代码 (9) 三、数据及结果 (10) 实验五图像五的空间域滤波与频域滤波 (11) 一、实验内容及步骤 (11) 二、Matlab程序代码 (11) 三、数据及结果 (12)

实验一图像一的细胞计数 一、实验内容及步骤 将该图形进行一系列处理，计算得到途中清晰可见细胞的个数。 首先，由于原图为RGB三色图像处理起来较为麻烦，所以转为灰度图，再进行二值化化为黑白图像，得到二值化图像之后进行中值滤波得到细胞分布的初步图像，为了方便计数对图像取反，这时进行一次计数，发现得到的个数远远多于实际个数，这时在进行一次中值滤波，去掉一些不清晰的像素点，剩下的应该为较为清晰的细胞个数，再次计数得到大致结果。 二、Matlab程序代码 clear;close all; Image = imread('1.jpg'); figure,imshow(Image),title('原图'); Image=rgb2gray(Image); figure,imshow(Image),title('灰度图'); Theshold = graythresh(Image); Image_BW = im2bw(Image,Theshold); Reverse_Image_BW22=~Image_BW; figure,imshow(Image_BW),title('二值化图像'); Image_BW_medfilt= medfilt2(Image_BW,[3 3]); figure,imshow(Image_BW_medfilt),title('中值滤波后的二值化图像'); Reverse_Image_BW = ~Image_BW_medfilt; figure,imshow(Reverse_Image_BW),title('图象取反'); Image_BW_medfilt2= medfilt2(Reverse_Image_BW,[20 20]); figure,imshow(Image_BW_medfilt2),title('第二次中值滤波的二值化图像'); [Label, Number]=bwlabel(Image_BW_medfilt,8);Number [Label, Number]=bwlabel(Image_BW_medfilt2,8);Number

matlab矩阵操作汇总

matlab矩阵操作大全 1.1.1数值矩阵的生成 1.实数值矩阵输入 MATLAB的强大功能之一体现在能直接处理向量或矩阵。当然首要任务是输入待处理的向量或矩阵。 不管是任何矩阵（向量），我们可以直接按行方式输入每个元素：同一行中的元素用逗号（，）或者用空格符来分隔，且空格个数不限；不同的行用分号（；）分隔。所有元素处于一方括号（［］）内；当矩阵是多维（三维以上），且方括号内的元素是维数较低的矩阵时，会有多 重的方括号。如： >> Time = [11 12 1 2 3 4 5 6 7 8 9 10] Time = 11 12 1 2 3 4 5 6 7 8 9 10 >> X_Data = [2.32 3.43 ； 4.37 5.98] X_Data = 2.43 3.43 4.37 5.98 >> vect_a = [1 2 3 4 5] vect_a = 12~ 3 4 5 >> Matrix_B = [1 2 3 ； >> 2 3 4 ； 3 4 5] Matrix_B = 1 2 3 2 3 4 3 4 5 >> Null_M = [ ] %生成一个空矩阵

2 .复数矩阵输入 复数矩阵有两种生成方式： 第一种方式 1/ 13

例1-1 >> a="2".7。b=13/25 >> C 二[1,2*a+i*b,b*sqrt(a) 5.4000 + 0.5200i 0.8544 5.3000 4.5000 第2种方式 例1-2 >> R=[1 2 3 。 4 5 6], M=[11 12 13 。 14 15 16] R = I 2 3 4 5 6 M = II 12 13 14 15 16 >> CN="R"+i*M CN = 1.0000 +11.0000i 2.0000 +12.0000i 3.0000 +13.0000i 4.0000 +14.0000i 5.0000 +15.0000i 6.0000 +16.0000i si n(pi/4),a+5*b,3.5+1] C= 1.0000 0.7071

MATLAB中图像函数大全 详解及例子

图像处理函数详解——strel 功能：用于膨胀腐蚀及开闭运算等操作的结构元素对象(本论坛随即对膨胀腐蚀等操作进行讲解)。 用法：SE=strel(shape,parameters) 创建由指定形状shape对应的结构元素。其中shape的种类有 arbitrary' 'pair' 'diamond' 'periodicline' 'disk' 'rectangle' 'line' 'square' 'octagon 参数parameters一般控制SE的大小。 例子： se1=strel('square',6) %创建6*6的正方形 se2=strel('line',10,45) %创建直线长度10，角度45 se3=strel('disk',15) %创建圆盘半径15 se4=strel('ball',15,5) %创建椭圆体，半径15，高度5

图像处理函数详解——roipoly 功能：用于选择图像中的多边形区域。 用法：BW=roipoly(I,c,r) BW=roipoly(I) BW=roipoly(x,y,I,xi,yi) [BW,xi,yi]=roipoly(...) [x,y,BW,xi,yi]=roipoly(...) BW=roipoly(I,c,r)表示用向量c、r指定多边形各点的X、Y坐标。BW选中的区域为1，其他部分的值为0. BW=roipoly(I)表示建立交互式的处理界面。 BW=roipoly(x,y,I,xi,yi)表示向量x和y建立非默认的坐标系，然后在指定的坐标系下选择由向量xi，yi指定的多边形区域。 例子：I=imread('eight.tif'); c=[222272300270221194]; r=[21217512112175]; BW=roipoly(I,c,r); imshow(I)

矩阵在matlab中的基本命令

一、矩阵的表示 在MATLAB中创建矩阵有以下规则： a、矩阵元素必须在”[ ]”内； b、矩阵的同行元素之间用空格（或”,”）隔开； c、矩阵的行与行之间用”;”（或回车符）隔开； d、矩阵的元素可以是数值、变量、表达式或函数； e、矩阵的尺寸不必预先定义。 二，矩阵的创建： 1、直接输入法 最简单的建立矩阵的方法是从键盘直接输入矩阵的元素，输入的方法按照上面的规则。建立向量的时候可以利用冒号表达式，冒号表达式可以产生一个行向量，一般格式是：e1:e2:e3，其中e1为初始值，e2为步长，e3为终止值。还可以用linspace函数产生行向量，其调用格式为：linspace(a,b,n) ，其中a和b是生成向量的第一个和最后一个元素，n是元素总数。 2、利用MATLAB函数创建矩阵 基本矩阵函数如下： (1) ones()函数：产生全为1的矩阵，ones(n)：产生n*n维的全1矩阵，ones(m,n)：产生m*n 维的全1矩阵； (2) zeros()函数：产生全为0的矩阵；

(3) rand()函数：产生在（0，1）区间均匀分布的随机阵； (4) eye()函数：产生单位阵； (5) randn()函数：产生均值为0，方差为1的标准正态分布随机矩阵。 3、利用文件建立矩阵 当矩阵尺寸较大或为经常使用的数据矩阵，则可以将此矩阵保存为文件，在需要时直接将文件利用load命令调入工作环境中使用即可。同时可以利用命令reshape对调入的矩阵进行重排。reshape(A,m,n)，它在矩阵总元素保持不变的前提下，将矩阵A重新排成m*n的二维矩阵。 二、矩阵的简单操作 1．获取矩阵元素 可以通过下标（行列索引）引用矩阵的元素，如Matrix(m,n)。 也可以采用矩阵元素的序号来引用矩阵元素。 矩阵元素的序号就是相应元素在内存中的排列顺序。 在MATLAB中，矩阵元素按列存储。 序号(Index)与下标(Subscript )是一一对应的，以m*n矩阵A为例，矩阵元素A(i,j)的序号为(j-1)*m+i。 其相互转换关系也可利用sub2ind和ind2sub函数求得。 2．矩阵拆分

Matlab界面、矩阵操作

科学计算与MATLAB语言

教学内容 第1讲介绍MATLAB概述与运算基础第2讲介绍MATLAB程序设计 第3讲MATLAB文件操作 第4讲绘图形功能 第5讲线形代数中的数值计算问题 第6讲数据处理方法与多项式 第7讲MATLAB符号计算 第8讲MATLAB的图形用户界面设计

第一讲MATLAB概述与运算基础MATLAB语言是一种广泛应用于工程计算及数值分析领域的新型高级语言，自1984年由美国MathWorks公司推向市场以来，历经十多年的发展与竞争，现已成为国际公认的最优秀的工程应用开发环境。MATLAB功能强大、简单易学、编程效率高，深受广大科技工作者的欢迎。

在欧美各高等院校，MATLAB已经成为线性代数、自动控制理论、数字信号处理、时间序列分析、动态系统仿真、图像处理等课程的基本教学工具，成为大学生、硕士生以及博士生必须掌握的基本技能。 MATLAB: 是英文MATrix LABorotory(矩阵实验室) 的缩写。

一. MATLAB特点:

1. 数值计算和符号计算功能 MATLAB的数值计算功能包括：矩阵运算、多项式和有 理分式运算、数据统计分析、数值积分、优化处理等。符 号计算将得到问题的解析解。 2.MATLAB语言 MATLAB除了命令行的交互式操作以外，还可以程序方式 工作。使用MATLAB可以很容易地实现C或FORTRAN语言的几乎全部功能，包括Windows图形用户界面的设计。 3.图形功能 MATLAB提供了两个层次的图形命令：一种是对图形句柄进行的低级图形命令，另一种是建立在低级图形命令之上的高级图形命令。利用MATLAB的高级图形命令可以轻而易举地绘制二维、三维乃至四维图形，并可进行图形和坐标的标识、视角和光照设计、色彩精细控制等等。

关于matlab矩阵分解

(1) LU分解 A是非奇异的，LU分解总是可以进行的。 [L,U]=lu(X)：产生一个上三角阵U和一个变换形式的下三角阵L(行交换)，矩阵X必须是方阵。 [L,U,P]=lu(X)：产生一个上三角阵U和一个下三角阵L以及一个置换矩阵P，使之满足PX=LU。矩阵X必须是方阵。 实现LU分解后，线性方程组Ax=b的解x=U\(L\b)或x=U\(L\Pb)，这样可以大大提高运算速度。 例7-2 用LU分解求解例7-1中的线性方程组。 命令如下： A=[2,1,-5,1;1,-5,0,7;0,2,1,-1;1,6,-1,-4]; b=[13,-9,6,0]'; [L,U]=lu(A); x=U\(L\b) 或采用LU分解的第2种格式，命令如下： [L,U ,P]=lu(A); x=U\(L\P*b) (2) QR分解 对矩阵X进行QR分解，就是把X分解为一个正交矩阵Q和一个上三角矩阵R的乘积形式。QR分解只能对方阵进行。MATLAB的函数qr可用于对矩阵进 行QR分解，其调用格式为： [Q,R]=qr(X)：产生一个一个正交矩阵Q和一个上三角矩阵R，使之满足X=QR。[Q,R,E]=qr(X)：产生一个一个正交矩阵Q、一个上三角矩阵R以及一个置换矩阵E，使之满足XE=QR。 实现QR分解后，线性方程组Ax=b的解x=R\(Q\b)或x=E(R\(Q\b))。 例7-3 用QR分解求解例7-1中的线性方程组。 命令如下： A=[2,1,-5,1;1,-5,0,7;0,2,1,-1;1,6,-1,-4]; b=[13,-9,6,0]'; [Q,R]=qr(A); x=R\(Q\b) 或采用QR分解的第2种格式，命令如下： [Q,R,E]=qr(A); x=E*(R\(Q\b)) (3) Cholesky分解

图像增强及MATLAB实现

《数字图像处理》课程设计 课设题目：图像增强与MATLAB实现学校学院：华东交通大学理学院 学生班级：13级信息计算（2）班学生：超 学生学号：20130810010216 指导老师：自柱

图像增强与MATLAB实现 摘要 数字图像处理是指将图像信号转换成数字格式并利用计算机对其进行处理的过程。图像增强是数字图像处理的过程中经常采用的一种方法，它对提高图像质量起着重要的作用。本文先对图像增强的原理进行概述，然后对图像增强的方法分类并给出直方图增强、对比度增强、平滑和锐化等几种常用的增强方法的理论基础，通过Matlab实验得出的实际处理效果来对比各种算法的优缺点，讨论不同的增强算法的技术要点，并对其图像增强方法进行性能评价。 关键字：图像；图像增强；算法

目录 一、MATLAB的简介 (1) 1.1MATLAB主要功能 (1) 二、MATLAB的主要功能 (1) 2.1数字增强技术概述 (1) 2.2数字图像的表示 (2)

三、直方图的均衡化 (2) 3.1图像的灰度 (2) 3.2灰度直方图 (2) 3.3直方图均衡化 (3) 四、图像二值化 (5) 4.1图像二值化 (5) 五、对比度增强 (7) 5.1对比度增强 (7) 5.2灰度调整 (8) 5.3对数变换 (9) 六、滤波 (10) 6.1平滑滤波 (10) 6.2线性平滑滤波程序： (11) 6.3非线性滤波 (12) 七、锐化 (18) 八、参考文献 (19) 九、自我评价 (20)

一、Matlab的简介 1.1 MATLAB主要功能 MATLAB是建立在向量、数组和矩阵基础上的一种分析和仿真工具软件包，包含各种能够进行常规运算的“工具箱”，如常用的矩阵代数运算、数组运算、方程求根、优化计算及函数求导积分符号运算等；同时还提供了编程计算的编程特性，通过编程可以解决一些复杂的工程问题；也可绘制二维、三维图形，输出结果可视化。目前，已成为工程领域中较常用的软件工具包之一。 二、MATLAB的主要功能 2.1数字增强技术概述 图像增强是按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些信息使得图像更加实用。图像增强技术主要包含直方图修改处理、图像平滑处理、图像尖锐化处理等。 图像增强技术主要包括：直方图修改处理，图像平滑处理，图像尖锐化处理，彩色图像处理。从纯技术上讲主要有两类：频域处理法和空域处理法。 频域处理法主要是卷积定理，采用修改图像傅立叶变换的方法实现对图像的增强处理技术；空域处理法：是直接对图像中的像素进行处理，基本上是以灰度映射变换为基础的。

matlab中的矩阵的基本运算命令

1.1 矩阵的表示 1.2 矩阵运算 1.2.14 特殊运算 1．矩阵对角线元素的抽取 函数diag 格式X = diag(v,k) %以向量v的元素作为矩阵X的第k条对角线元素，当k=0时，v为X的主对角线；当k>0时，v为上方第k条对角线；当k<0时，v为下方第k条对角线。 X = diag(v) %以v为主对角线元素，其余元素为0构成X。 v = diag(X,k) %抽取X的第k条对角线元素构成向量v。k=0：抽取主对角线元素；k>0：抽取上方第k条对角线元素；k<0抽取下方第k条对角线元素。 v = diag(X) %抽取主对角线元素构成向量v。 2．上三角阵和下三角阵的抽取 函数tril %取下三角部分 格式L = tril(X) %抽取X的主对角线的下三角部分构成矩阵L L = tril(X,k) %抽取X的第k条对角线的下三角部分；k=0为主对角线；k>0为主对角线以上；k<0为主对角线以下。函数triu %取上三角部分 格式U = triu(X) %抽取X的主对角线的上三角部分构成矩阵U U = triu(X,k) %抽取X的第k条对角线的上三角部分；k=0为主对角线；k>0为主对角线以上；k<0为主对角线以下。3．矩阵的变维 矩阵的变维有两种方法，即用“：”和函数“reshape”，前者主要针对2个已知维数矩阵之间的变维操作；而后者是对于一个矩阵的操作。 （1）“：”变维 （2）Reshape函数变维 格式 B = reshape(A,m,n) %返回以矩阵A的元素构成的m×n矩阵B B = reshape(A,m,n,p,…) %将矩阵A变维为m×n×p×… B = reshape(A,[m n p…]) %同上 B = reshape(A,siz) %由siz决定变维的大小，元素个数与A中元素个数 相同。 （5）复制和平铺矩阵 函数repmat 格式 B = repmat(A,m,n) %将矩阵A复制m×n块，即B由m×n块A平铺而成。 B = repmat(A,[m n]) %与上面一致 B = repmat(A,[m n p…]) %B由m×n×p×…个A块平铺而成 repmat(A,m,n) %当A是一个数a时，该命令产生一个全由a组成的m×n矩阵。 1.3 矩阵分解 1.3.1 Cholesky分解 函数chol 格式R = chol(X) %如果X为n阶对称正定矩阵，则存在一个实的非奇异上三角阵R，满足R'*R = X；若X非正定，则产生错误信息。 [R,p] = chol(X) %不产生任何错误信息，若X为正定阵，则p=0，R与上相同；若X非正定，则p为正整数，R是有序的上三角阵。 1.3.2 LU分解

Matlab_中的矩阵分解函数

Matlab 中的矩阵分解函数 矩阵分解是指根据一定的原理用某种算法将一个矩阵分解成若干个矩阵的乘积。常见的矩阵分解有LU分解（三角分解）、QR分解（正交变换）、Cholesky分解，以及Schur分解、Hessenberg分解、奇异分解等。 (1) LU分解（三角分解）lu函数 [L,U]=lu(X)：产生一个上三角阵U和一个变换形式的下三角阵L(行交换)，使之满足X=LU。注意，这里的矩阵X必须是方阵。 实现LU分解后，线性方程组Ax=b的解x=U\(L\b)或x=U\(L\Pb)，这样可以大大提高运算速度。 [L,U,P]=lu(X)：产生一个上三角阵U和一个下三角阵L以及一个置换矩阵P，使之满足PX=LU。当然矩阵X同样必须是方阵。（设P 是一个m×n的(0,1) 矩阵，如m≤n且P*P′=E，则称P为一个m×n的置换矩阵。） 例1用LU分解求解例1中的线性方程组。 命令如下： A=[2,1,-5,1;1,-5,0,7;0,2,1,-1;1,6,-1,-4]; b=[13,-9,6,0]';

x=U\(L\b) 或采用LU分解的第2种格式，命令如下： [L,U ,P]=lu(A); x=U\(L\P*b) (2) QR分解（正交变换） 对矩阵X进行QR分解，就是把X分解为一个正交矩阵Q和一个上三角矩阵R的乘积形式。QR分解只能对方阵进行。MATLAB的函数qr可用于对矩阵进行QR分解，其调用格式为： [Q,R]=qr(X)：产生一个一个正交矩阵Q和一个上三角矩阵R，使之满足X=QR。 [Q,R,E]=qr(X)：产生一个一个正交矩阵Q、一个上三角矩阵R以及一个置换矩阵E，使之满足XE=QR。 实现QR分解后，线性方程组Ax=b的解x=R\(Q\b)或x=E(R\(Q\b))。例2用QR分解求解例1中的线性方程组。 命令如下： A=[2,1,-5,1;1,-5,0,7;0,2,1,-1;1,6,-1,-4]; b=[13,-9,6,0]';

matlab矩阵基本知识

matlab矩阵基本知识 第一部分：矩阵基本知识（只作基本介绍，详细说明请参考Matlab帮助文档） 矩阵是进行数据处理和运算的基本元素。在MATLAB中 a、通常意义上的数量（标量）可看成是”1*1″的矩阵； b、n维矢量可看成是”n*1″的矩阵； c、多项式可由它的系数矩阵完全确定。 一、矩阵的创建 在MATLAB中创建矩阵有以下规则： a、矩阵元素必须在”[ ]”内； b、矩阵的同行元素之间用空格（或”,”）隔开； c、矩阵的行与行之间用”;”（或回车符）隔开； d、矩阵的元素可以是数值、变量、表达式或函数； e、矩阵的尺寸不必预先定义。 下面介绍四种矩阵的创建方法： 1、直接输入法 最简单的建立矩阵的方法是从键盘直接输入矩阵的元素，输入的方法按照上面的规则。建立向量的时候可以利用冒号表达式，冒号表达式可以产生一个行向量，一般格式是：e1:e2:e3，其中e1为初始值，e2为步长，e3为终止值。还可以用linspace函数产生行向量，其调用格式为：linspace(a,b,n) ，其中a和b是生成向量的第一个和最后一个元素，n是元素总数。可以看出来linspace(a,b,n)与a:(b-a)/(n-1):b等价。 2、利用MATLAB函数创建矩阵 基本矩阵函数如下： (1) ones()函数：产生全为1的矩阵，ones(n)：产生n*n维的全1矩阵，ones(m,n)：产生m*n维的全1矩阵； (2) zeros()函数：产生全为0的矩阵； (3) rand()函数：产生在（0，1）区间均匀分布的随机阵； (4) eye()函数：产生单位阵； (5) randn()函数：产生均值为0，方差为1的标准正态分布随机矩阵。 3、利用文件建立矩阵 当矩阵尺寸较大或为经常使用的数据矩阵，则可以将此矩阵保存为文件，在需要时直接将文件利用load命令调入工作环境中使用即可。同时可以利用命令reshape对调入的矩阵进行重排。reshape(A,m,n)，它在矩阵总元素保持不变的前提下，将矩阵A重新排成m*n的二维矩阵。 二、矩阵的拆分 1．矩阵元素 可以通过下标（行列索引）引用矩阵的元素，如Matrix(m,n)。也可以采用矩阵元素的序号来引用矩阵元素。矩阵元素的序号就是相应元素在内存中的排列顺序。在MATLAB中，矩阵元素按列存储，先第一列，再第二列，依次类推。序号(Index)与下标(Subscript )是一一对应的，以m*n矩阵A为例，矩阵元素A(i,j)的序号为(j-1)*m+i。其相互转换关系也可利用sub2ind和ind2sub函数求得。 2．矩阵拆分 利用冒号表达式获得子矩阵： (1) A(:,j)表示取A矩阵的第j列全部元素；A(i,:)表示A矩阵第i行的全部元素；A(i,j)表示

图像处理matlab程序实例

程序实例 1旋转: x=imread('d:\MATLAB7\work\flower.jpg'); y=imrotate(x,200,'bilinear','crop'); subplot(1,2,1); imshow(x); subplot(1,2,2); imshow(y) 2.图像的rgb clear [x,map]=imread('D:\Program Files\MATLAB\R2012a\bin\shaohaihe\shh1.jpg');y=x(90:95,90:95);imshow(y)R=x(90:95,90:95,1);G=x(90:95,90:95,2);B=x(90:95,90:95,3);R,G,B 3.加法运算clear I=imread('D:\Program Files\MATLAB\R2012a\bin\shaohaihe\shh3.jpg');J=imnoise(I,'gaussian',0,0.02);%向图片加入高斯噪声subplot(1,2,1),imshow(I);%显示图片subplot(1,2,2),imshow(J);K=zeros(242,308);%产生全零的矩阵，大小与图片的大小一样for i=1:100%循环100加入噪声J=imnoise(I,'gaussian',0,0.02);J1=im2double(J);K=K+J1;end K=K/100; figure,imshow(K);save

4.减法 clear I=imread('D:\Program Files\MATLAB\R2012a\bin\shaohaihe\shao.jpg'); J=imread('D:\Program Files\MATLAB\R2012a\bin\shaohaihe\shao1.jpg'); K=imsubtract(I,J);%实现两幅图相减 K1=255-K;%将图片求反显示 figure;imshow(I); title('有噪声的图'); figure;imshow(J); title('原图'); figure;imshow(K1); title('提取的噪声'); save 5.图像的乘法 H=imread('D:\Program Files\MATLAB\R2012a\bin\shaohaihe\shao.jpg'); I=immultiply(H,1.2);将此图片乘以1.2 J=immultiply(H,2); subplot(1,3,1),imshow(H); title('原图'); subplot(1,3,2),imshow(I); title('·放大1.2'); subplot(1,3,3),imshow(J); title('放大2倍'); 6除法运算 moon=imread('moon.tif'); I=double(moon); J=I*0.43+90; K=I*0.1+90; L=I*0.01+90; moon2=uint8(J); moon3=uint8(K); moon4=uint8(L); J=imdivide(moon,moon2); K=imdivide(moon,moon3); L=imdivide(moon,moon4); subplot(2,2,1),imshow(moon); subplot(2,2,2),imshow(J,[]); subplot(2,2,3),imshow(K,[]); subplot(2,2,4),imshow(L,[]);

第4讲(4)Matlab中的矩阵分解命令

1 4—6 矩阵分解的Matlab 命令 2 (1)矩阵的LU 分解 (2)矩阵的QR 分解(3 )矩阵的Cholesky 分解(4) 矩阵的奇异值分解(5)矩阵的特征值分解(6) 矩阵的Schur 分解(7) 矩阵的Jordan 标准型分解 3(1)矩阵的LU 分解 在Matlab 中用函数lu 来实现矩阵的LU 分解，其命令格式为：[L, U]=lu(X) 说明：U 矩阵为上三角矩阵，满足X=L*U. 4 [L,U,P]=lu(X) 说明：返回的P 矩阵是置换矩阵，矩阵U 是上三角矩阵，矩阵L 满秩矩阵，满足L*U=P*X. 5例4.1 >>a=[1,2,4;2,-1,5;-1,10,4];>> [b,c,p]=lu(a)运行结果:b = 1.0000 0 0-0.5000 1.0000 00.5000 0.2632 1.0000 6 c = 2.0000 -1.0000 5.00000 9.5000 6.50000 0 -0.2105p =0 1 00 0 11 0 0

7 (2)矩阵的QR 分解 在Matlab 中，矩阵的QR 分解可由函数qr 来实现，其常用的调用格式如下：①[B,C]=qr(A) 说明：返回的C 矩阵为上三角矩阵，矩阵B 为满秩矩阵。 [Q,R,E]=qr(A) 说明：返回的矩阵E 是置换矩阵，矩阵R 是上三角矩阵，矩阵Q 是满秩矩阵，上述矩阵满足关系A*E=Q*R. 8 例4.2 >> a=[1,2,4;2,-1,5;-1,10,4];>> [b,c,e]=qr(a)运行结果:b = -0.1952 -0.5068 -0.83970.0976 -0.8619 0.4976-0.9759 0.0152 0.2177 9 c = -10.2470 -4.1964 0.9759 0 -6.2762 -2.24580 0 -0.0622e =0 0 11 0 00 1 0 10 (3 )矩阵的Cholesky 分解 在Matlab 中用函数chol 对矩阵进行Cholesky 分解，函数chol 的调用格式为：1.R=chol(X) 说明：矩阵X 必须是正定矩阵，否则会返回错误信息，返回的矩阵R 是上三角矩阵。2.[R,p]=chol(X) 说明：此调用格式不管矩阵X 是否正定，都不会返回错误信息。如果矩阵X 正定，则返回上三角矩阵R, p 为零；如果矩阵X 非正定，则返回的矩阵R 也是上三角矩阵，但p 为正数。 11例4.4 >> a=[3,-1,1;-1,5,2;1,2,4];>> b=chol(a)运行结果:b = 1.7321 -0.5774 0.57740 2.1602 1.08010 0 1.5811 12 (4) 矩阵的奇异值分解 在Matlab 中，矩阵的奇异值分解则由函数svd 来实现，其调用格式为：[b,c,d]=svd(A) 说明：返回的矩阵b 为左奇异矩阵，矩阵d 为右奇异矩阵，矩阵c 为奇异值矩阵。例4.5 >> a=[1,2,4;2,-1,5;-1,10,4];>> [b,c,d]=svd(a)

数字图像处理MATLAB程序【完整版】

第一部分数字图像处理

实验一图像的点运算 实验1.1直方图 一.实验目的 1 ?熟悉matlab图像处理工具箱及直方图函数的使用； 2?理解和掌握直方图原理和方法； 二.实验设备 1. PC 机一台； 2.软件matlab。 三.程序设计 在matlab环境中，程序首先读取图像，然后调用直方图函数，设置相关参数，再输出处理后的图像。l=imread('camerama n.tif);% 读取图像 subplot(1,2,1),imshow(l) % 输出图像 title(' 原始图像')% 在原始图像中加标题subplot(1,2,2),imhist(l) % 输出原图直方图 title(' 原始图像直方图')%在原图直方图上加标题 四.实验步骤 1. 启动matlab 双击桌面matlab图标启动matlab 环境； 2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像, 如:cameraman图像；再调用相应的直方图函数，设置参数；最后输出处理后的图像； 3?浏览源程序并理解含义； 4. 运行，观察显示结果； 5. 结束运行，退出； 五.实验结果 观察图像matlab环境下的直方图分布。 (a)原始图像(b) 原始图像直方图 六.实验报告要求 1、给出实验原理过程及实现代码； 2、输入一幅灰度图像，给出其灰度直方图结果，并进行灰度直方图分布原理分析。

实验1.2灰度均衡 一.实验目的 1 .熟悉matlab图像处理工具箱中灰度均衡函数的使用； 2?理解和掌握灰度均衡原理和实现方法； 二.实验设备 1. PC机一台； 2. 软件matlab ; 三.程序设计 在matlab环境中，程序首先读取图像，然后调用灰度均衡函数，设置相关参数，再输出处理后的图像。l=imread('camerama n.tif);% 读取图像 subplot(2,2,1),imshow(l) % 输出图像title(' 原始图像')% 在原始图像中加标题subplot(2,2,3),imhist(l) % 输出原图直方图 title(' 原始图像直方图')%在原图直方图上加标题a=histeq(l,256); % 直方图均衡化，灰度级为256 subplot(2,2,2),imshow(a) % 输出均衡化后图像title(' 均衡化后图像')%在均衡化后图像中加标题 subplot(2,2,4),imhist(a) % 输出均衡化后直方图 title(' 均衡化后图像直方图')%在均衡化后直方图上加标题 四.实验步骤 1. 启动matlab 双击桌面matlab图标启动matlab 环境； 2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像, 如:cameraman图像；再调用相应的灰度均衡函数，设置参数；最后输出处理后的图像； 3?浏览源程序并理解含义； 4. 运行，观察显示结果； 5. 结束运行，退出； 五.实验结果 观察matlab环境下图像灰度均衡结果及直方图分布。 均衡化后图像

MATLAB 矩阵分解算法大全

(1)LU 分解法程序：function x=solvebyLU(A,b) % 该函数利用LU分解法求线性方程组Ax=b的解 flag=isexist(A,b); %调用第一小节中的isexist函数判断方程组解的情况if flag==0 disp('该方程组无解！'); x=[]; return; else r=rank(A); [m,n]=size(A); [L,U,P]=lu(A); y(1)=b(1); if m>1 for i=2:m y(i)=b(i)-L(i,1:i-1)*y(1:i-1)'; end end y=y'; % 解Ux=y得原方程组的一个特解 x0(r)=y(r)/U(r,r); if r>1 for i=r-1:-1:1 x0(i)=(y(i)-U(i,i+1:r)*x0(i+1:r)')/U(i,i); end end x0=x0'; if flag==1 %若方程组有唯一解 x=x0; return; else %若方程组有无穷多解 format rat; Z=null(A,'r'); %求出对应齐次方程组的基础解系 [mZ,nZ]=size(Z); x0(r+1:n)=0; for i=1:nZ t=sym(char([107 48+i])); k(i)=t; %取k=[k1,k2...,]; end x=x0; for i=1:nZ x=x+k(i)*Z(:,i); %将方程组的通解表示为特解加对应齐次通解形式 end end end (2)矩阵的QR分解法（c语言）：

void QR(double a[N][N],double q[N][N],double r1[N][N],int n) /*QR分解*/ { int i,j,k,r,m; double temp,sum,dr,cr,hr; double ur[N],pr[N],wr[N]; double q1[N][N],emp[N][N]; for(i=1;i=ZERO) { sum=0; for(k=r;kZERO)m=-1; else m=1; cr=m*dr; hr=cr*(cr-a[r][r]); for(i=1;ir) ur[i]=a[i][r]; }; for(i=1;i

实验 二 MATLAB矩阵分析与处理

实验二 MATLAB 矩阵分析与处理 一、实验目的 1.掌握生成特殊矩阵的方法； 2.掌握矩阵分析的方法； 3.用矩阵求逆法解线性方程组。 二、实验内容 （1）设有分块矩阵33 322322E R A O S ??????=???? ，其中E 、R 、O 、S 分别为单位矩阵、随即矩阵、零矩阵和对角阵，试通过数值计算验证22E R R S A O S +??=???? 。 解：E=eye(3); R=rand(3,2); O=zeros(2,3); S=diag([2,3]); A=[E,R;O,S]; A^2 B=[E,(R+R*S);O,S^2] ans = Columns 1 through 4 1.0000 0 0 2.4442 0 1.0000 0 2.7174 0 0 1.0000 0.3810 0 0 0 4.0000 0 0 0 0 Column 5 3.6535 2.5294 0.3902 9.0000 B =

Columns 1 through 4 1.0000 0 0 2.4442 0 1.0000 0 2.7174 0 0 1.0000 0.3810 0 0 0 4.0000 0 0 0 0 Column 5 3.6535 2.5294 0.3902 9.0000 （2）.产生5阶希尔伯特矩阵H和5阶帕斯卡矩阵P，且求其行列式的值Hh和Hp以及它们的条件数Th和Tp，判断哪个矩阵性能更好，为什么？ 解：H=hilb(5) P=pascal(5) Hh=det(H) Hp=det(P) Th=cond(H) Tp=cond(P) H = 1.0000 0.5000 0.3333 0.2500 0.2000 0.5000 0.3333 0.2500 0.2000 0.1667 0.3333 0.2500 0.2000 0.1667 0.1429 0.2500 0.2000 0.1667 0.1429 0.1250 0.2000 0.1667 0.1429 0.1250 0.1111 P = 1 1 1 1 1 1 2 3 4 5 1 3 6 10 15 1 4 10 20 35 1 5 15 35 70 Hh = 3.7493e-012 Hp =