1、1基于最小二乘法的碎纸片拼接复原数学模型摘要首先对图片进行灰度化处理,然后转化为 0-1 二值矩阵，利用矩阵行（列）偏差函数，建立了基于最小二乘法的碎纸片拼接数学模型，并利用模型对图片进行拼接复原。针对问题一，当两个数字矩阵列向量的偏差函数最小时，对应两张图片可以左右拼接。经计算，得到附件 1 的拼接结果为：08,14,12,15,03,10,02,16,01,04,05,09,13,18,11,07,17,00,06。附件 2 的拼接结果为:03,06,02,07,15,18,11,00,05,01,09,13,10,08,12,14,17,16,04。针对问题二，首先根据每张纸片内容的不同
2、特性，对图片进行聚类分析，将 209张图片分为 11 类；对于每一类图片，按照问题一的模型与算法，即列偏差函数最小则进行左右拼接,对于没有拼接到组合里的碎纸片进行人工干预，我们得到了 11 组碎纸片拼接而成的图片；对于拼接好的 11 张图片，按照问题一的模型与算法，即行偏差函数最小则进行上下拼接,对于没有拼接到组合里的碎纸片进行人工干预。我们最终经计算，附件 3 的拼接结果见表 9，附件 4 的拼接结果见表 10。针对问题三，由于图片区分正反两面，在问题二的基础上，增加图片从下到上的裁截距信息，然后进行两次聚类，从而将所有图片进行分类，利用计算机自动拼接与人工干预相结合，对所有图片进行拼接复原
3、。经计算，附件 5 的拼接结果见表 14 和表15该模型的优点是将图片分为具体的几类，大大的减少了工作量，缺点是针对英文文章的误差比较大。关键字：灰度处理，图像二值化，最小二乘法，聚类分析，碎纸片拼接2一、问题重述碎纸片的拼接复原技术在司法鉴定、历史文献修复与研究、军事情报获取以及故障分析等领域都有着广泛的应用。近年来，随着德国“斯塔西”文件的恢复工程的公布，碎纸文件复原技术的研究引起了人们的广泛关注。传统上，拼接复原工作需由人工完成，准确率较高，但效率很低。特别是当碎片数量巨大，人工拼接很难在短时间内完成任务。随着计算机技术的发展，人们试图开发碎纸片的自动拼接技术，以提高拼接复原效率。对于一
4、页印刷文档，针对不同的破碎方法，讨论下列三个问题：（1）将给定的一页印刷文字文件纵切，建立碎纸片拼接复原模型和算法，并针对附件 1、附件 2 给出的中、英文各一页文件的碎片数据进行拼接复原。（2）对于碎纸机既纵切又横切的情形，设计碎纸片拼接复原模型和算法，并针对附件 3、附件 4 给出的中、英文各一页文件的碎片数据进行拼接复原。（3）对于双面打印文档，研究如何进行碎纸片的拼接复原问题。附件 5 给出的是一页英文印刷文字双面打印文件的碎片数据。要求尝试设计相应的碎纸片拼接复原模型与算法，并就附件 5 的碎片数据给出拼接复原结果。二、模型的基本假设（1） 待拼接的碎纸片来自同一页印刷文字文件。（2
5、） 待拼接复原的碎纸片是规整的矩形。（3） 模型中的碎纸片长度、宽度和面积都相等。（4） 附件中照片都是同标准拍摄。三、符号说明表 1 符号说明符号 符号说明Gray灰度值3r红色g绿色b蓝色A,B矩阵iD裁截距 (=1,2,09)iia裁截文字长度 ,2iib行间距 (,)iic裁截空白距离 =1,09iid字体高度 (,2)四、问题分析将不规则的文档碎纸片进行拼接，一般是利用碎纸片的边缘曲线，尖点、尖角、面积等几何特征，搜索与之匹配的相邻碎纸片。但对于边缘形状相似的碎纸片，这种基于边界几何特征的拼接方法失效，拼接时不但要考虑待拼接碎纸片边缘是否匹配，还要判断碎片内的字迹断线或碎片内的文字内
6、容是否匹配。本问题给定的碎纸片有以下几个特点：1、每一张碎纸片都是规整的矩形；2、所有的碎纸片的长度、宽度都相等，形状是完全一样的；3、每一张碎纸片里都包含着文字（汉字、英文） ，不存在空白的碎纸片；4、不同的碎纸片之间没有重叠部分。由于碎纸片的形状相同，因而不能针对碎纸片的几何特征建立数学模型；碎纸片间无重叠，也不能利用图像融合技术进行图像配准。根据上述分析，我们考虑将图片进行数字化处理，根据每张碎纸片上的边缘文字特征进行匹配，也就是利用图片边缘文字的像素进行最优化匹配。4五、模型的建立与求解5.1 问题一的建模与算法由于碎纸片本身不具有体现其拼接特性的数字特征，我们需要将其数字化、矩阵化，
7、将问题转化为矩阵之间的相关性。5.1.1 图片的灰度处理利用 软件，将附件中所给的 BMP 格式的图片转化成 JPG 格式 ，去除图phots片的多彩性。为了对碎纸片进行数字化，我们将图像进行灰度处理，取出图像中每一个像素点的灰度值，灰度值的大小与像素点颜色的红绿蓝成分有关。根据文献1，每个像素点的 ，即=0.3+.590.1灰 度 值 红 色 绿 色 蓝 色，.591Graygb其中， 的取值范围是 。,rgb025问题一将同一页印刷文字文件纵切为 19 张图片（见图 1） ，根据实际情况，我们将每张图片设置为 格式，于是，每张图片对应一个 的灰度矩阵。198780725图 1 附件 1 未
8、进行拼接的 19 张碎纸片5.1.2 图片的二值化处理将图片进行灰度处理以后，每个像素的灰度值介于 之间。灰度值不能直接用025于文字图片的拼接，还须进行二值化处理。将图片放入直角坐标系，规定：若 点的像素灰度值大于或等于 ，该点用数(,)xyT值 表示，并将其设定为白色；若 点的像素灰度值小于 ，该点用数值 表示，并1 0将其设定为黑色。由此得到像素点的二值化函数： 1,(,),(,)0GraTwxyyx其中， 为预先设定的全局灰度阈值。于是，每张图片的灰度矩阵转化为下列T的 数字矩阵：198072,16,11721980198072aaA 其中 , ,.ija代 表 空 白 的 像 素 点
9、代 表 有 文 字 的 像 素 点5.1.3 最小二乘法1、图片左右拼接的数学模型设 分别表示左右放置的两张图片对应的数字矩阵，定义前一个矩阵的最后,AB一列与后一个矩阵的第一列之间的偏差函数为： 1980 2(,)(,7)(,1)ifABiBi其中， 分别表示矩阵 第 列和第 列的元素。(,72),1ii对于给定的矩阵 ，若存在矩阵 ，使得 与 之间的偏差函数 达A(,)fAB到最小，则称 与 可以匹配，此时 与 对应的图片可以左右拼接。2、图片上下拼接的数学模型类似地，设 分别表示上下放置的两张图片对应的数字矩阵，定义上面矩阵,CD的最后一行与下面矩阵的第一行之间的偏差函数为： 72 21
10、(,)(980,)(1,)jhCjDj其中， 分别表示矩阵 第 行和第 行的元素。(1980,)jj对于给定的矩阵 ，若存在矩阵 ，使得 与 之间的偏差函数 达C (,)hCD到最小，则称 与 可以匹配，此时 与 对应的图片可以上下拼接。D我们称上述基于数字矩阵之间列（或行）距离的图片拼接模型为最小二乘法拼接复原模型。5.1.4 算法与求解（一）算法思想第一步，对附件中的 19 幅图片分别进行灰度处理，然后取灰度阈值 ，进125T行二值化，得到 19 个 数字矩阵，即图片的数字化。0,1第二步，对上述 19 个数字矩阵进行检测，若存在一个矩阵的最左侧一列元素全是1，根据破碎图片的特点，则该图片
11、即为从左边起第一张碎纸片，记为 。1A7第三步，计算 与其余 18 张图片对应矩阵的列偏差值。1A1980 21(,)(,72)(,1)ifBAiBi若存在 ，使得 达到最小，则 即位第二张图片。212重复上述的步骤，依次得到所有碎纸片的排列，即可拼接成完整图片。（二）附件 1、2 的拼接复原结果附件 1 和附件 2 的拼接顺序如下表：（附件 1 的算法程序见附录一，复原图片见附录二；附件 2 的算法程序见附录三，复原图片见附录四）表 2 附件 1 拼接顺序8 14 12 15 3 10 2 16 1 4 5 9 13 18 11 7 17 0 6表 3 附件 2 拼接顺序3 6 2 7 15
12、 18 11 0 5 1 9 13 10 8 12 14 17 16 45.2 问题二的模型建立与算法5.2.1 图片的数字化处理步骤一：将附件所给的 BMP 格式图片转换成 JPG 格式的图片；步骤二：对图片进行灰度处理；步骤三：然后进行二值化处理；最后，得到 209 张图片的数字化矩阵。5.2.2 聚类分析对于碎纸机既纵切又横切的情形，与问题一仅纵切相比，图片变小，因而每张图片包含的信息量明显变小，如果仅利用最小二乘法，碎片之间的匹配不唯一。为了解决这个问题，我们利用聚类分析法，对碎片先进行分类。经观察测试，原始文档碎片具有下列特点：（1）字体大小：字体的最大高度和最大宽度一致。（2）切割
13、的均匀性：同方向的切割线平行，图片大小均相等，沿纵横方向按直线切割。（3）文字的行距：文字的行间距等同，段落间距为定值。为了对 209 幅图片进行聚类分析，如图 2 所示，我们定义聚类指标如下： 表示图片上端裁接处的字体长度，我们称之为裁截文字长度； 为行间距；ia ib表示图片上端文字与切割线之间的空白距离，我们称之为裁截空白距离； 为字体ic id高度，其中， 。=1,2,09i8图 2 图片聚类指标示意图令 或 ，称 为第 张图片的裁截距 ，iiiDabiiicdiD(=1,2,09)i由图 2，如 ，则 。一般地，图片从上往下看，不同的裁截线形成12,12的裁截文字长度不同，文字间的行
14、间距相同，所以，如果裁接处的文字长度不相等，那么文字与空白间距之和就不相等。根据 的不同取值，下面对图片进行分类。i根据二值化矩阵的特点以及文字的特征，只要存在文字，则矩阵的某一行元素一定存在 0 元素，且在文字之间的元素为 1。如下图所示：图 3 文字特征图利用 软件进行编程，将每个图片的裁截文字长度、行间距、裁截空白距离、matlb字体高度以及裁截距的结果以 的形式输出到表格之中。 （程序见附录五）excl按裁接距进行聚类分析，使用 软件分析处理后，得到聚类中心分布图如下所sp示：表 4 聚类中心聚类中心聚类1 2 3 4 5 6 7 8 9 10 11V1 7 52 32 120 44
15、58 133 64 109 69 78根据表 4 所示的聚类中心，对表格中裁截距进行初步分类。得到聚类结果如下表所示：表 5 每个聚类中的案例数 9每个聚类中的案例数1 2.0002 36.0003 18.0004 1.0005 46.0006 38.0007 1.0008 36.0009 1.00010 11.000聚类11 19.000有效 209.000缺失 .000根据聚类结果发现，并不能将图片平均分成 11 个组。这时需要增加信息量来更好地进行分类，进一步观察图 2，我们可以发现：图片的上端裁截处可能是文字，也可能为空白。但是裁截距 可能相等，此时通过图片上端裁截处是空白还是文字加以
16、人工iD分类。用 将数据导出到 中并进行分析，结果如下：matlbexcl-100-500500 50 100 150 200 250高度图片数量图 4 分析结果由图 4 可以看出：图片大体分为 11 个组别，为了得到更精确地聚类结果，通过软件，我们再次确立聚类中心如下图所示：sp表 6 第二次聚类中心最终聚类中心聚类1 2 3 4 5 6 7 8 9 10 11V1 25 2 40 -38 -93 -69 -84 15 34 -23 -10通过上面两次聚类，确立了两个不同聚类中心。利用第一次确立的裁接距的聚类中心对图片进行初步分类，然后利用裁截文字或者裁接空白再次进行判别，最终将图片10分成
17、了 11 组。如下表所示：（以上的算法都是在 软件下操作，程序见附件六）matlb表 7 各组图片数量组别 0 1 2 3 4 5 6 7 8 9 10 11 12 13图片数量 3 18 8 19 19 18 18 19 18 18 18 10 19 3由上表可以看出大部分图片已经分出组别，其中有 4 个组达到了 19 张图片，有 6个组有 18 张图片，仅缺少一张图片。此时我们进行人工干预，根据每组图片总数目应为 19，且每类都应存在可作为文件左右边缘的碎纸片，我们对少量图片进行归类可得到如下分组结果。如下表：表 8 聚类后的结果组别 1 2 3 4 5 6 7 8 9 10 112 6
18、1 8 3 34 13 5 0 15 411 19 18 9 12 42 16 10 7 17 4022 20 23 24 14 43 21 29 32 27 8928 36 26 25 31 47 66 37 45 33 10149 52 30 35 39 58 106 44 53 60 10254 61 41 38 51 77 109 48 56 71 10857 63 50 46 73 84 110 55 68 80 11365 67 62 74 82 90 125 59 70 83 11491 69 76 81 107 94 139 64 93 85 11795 72 86 88 11
19、5 97 145 75 126 132 119118 78 87 103 128 112 150 92 137 133 123129 79 100 105 134 121 157 98 138 152 140141 96 120 122 135 124 173 104 153 156 146143 99 142 130 159 127 181 111 158 165 151178 116 147 148 160 136 182 171 166 170 154186 131 168 161 169 144 184 172 174 198 155188 162 179 167 176 149 18
20、7 180 175 200 185190 163 191 189 199 164 197 201 196 202 194图片编号192 177 195 193 203 183 204 206 208 205 2075.2.3 图片的拼接模型、算法与求解（一）算法思想下面我们分两步来做，第一步，对每组碎纸片进行拼接；第二步，将各组进行拼接。最终完成文件复原。在已知文件切为 1119 的碎纸片情况下，将图片进行聚类分析得到了 11 个组后。利用碎纸片左右边缘为空白的特点判断出文件左侧 11 个碎纸片，再利用问题一模型和算法，对每个组进行匹配拼接，可得到 11 个拼接好的图片，之后仍然按照问题一的模
21、型和算法将这 11 张图片拼接成完整的图片。11（二）图片的左边缘确定根据碎纸片边缘特征，利用 matlab 对图片处理后得到数字化矩阵，根据最小二乘法进行分析得到 16 个可作为文件左边缘的碎纸片，编号如下：（程序详见附录七）7，14，29，38，49，61，62，67，71，80，89，94，125，135，143，168。已知文件分为 1119 的碎纸片,那么存在 5 个不是左边缘碎纸片。根据文件页边距一定的特点，此时进行人工筛选，明显排除了编号分别 62，67，80，135，143 的图片作为文件左边缘的可能。此刻，我们也得到了左边缘碎纸片的序号：7，14，29，38，49，61， 7
22、1，80，89，94，125，168。（三）图片的各组拼接第一步，计算机处理，利用问题一的列偏差函数进行图片拼接，现在我们以表 4中的第 9 组为例， ，得到如下结果：（程序详见附录八）图 6 以第 9 组为例的拼接结果 1第二步，人工干预，由于每组有 19 个图片，可以明显观察到排序的时候有一个图片没有出现，而且另一个图片重复出现了两次。此时我们进行人工拼接。得到正确的拼接结果，图片如下：图 7 以第 9 组为例的拼接最终结果其余分组按照相同方法可得到 11 组的拼接结果，这里我们不在一一赘述，发现每组的拼接均无误，这说明我们的分类达到了预期的效果。（四）图片的整体拼接上一步骤中我们得到了
23、1119 的碎纸片拼接而成的 11 个等大小的纸片，那么接下来，根据行偏差函数，判断 11 个纸片的上下拼接顺序，可以得到以下编号的图片可以上下拼接：30816931595062完成以上组合的拼接后，进行人工干预，完成图片的整体拼接，结果如下（复原图片详见附录九）：表 9 附件 3 拼接顺序12049 054 065 143 186 002 057 192 178 118 190 095 011 022 129 028 091 188 141061 019 078 067 069 099 162 096 131 079 063 116 163 072 006 177 020 052 03616
24、8 100 076 062 142 030 041 023 147 191 050 179 120 086 195 026 000 087 018038 148 046 161 024 035 081 189 122 103 130 193 088 167 025 008 009 105 074014 128 003 159 082 199 135 012 073 160 203 169 134 039 031 051 107 115 176094 034 084 183 090 047 121 042 124 144 077 112 149 097 136 164 127 058 04312
25、5 013 182 109 197 016 184 110 187 066 106 150 021 173 157 181 204 139 145029 064 111 201 005 092 180 048 037 075 055 044 206 010 104 098 172 171 059007 208 138 158 126 068 175 045 174 001 137 053 056 093 153 070 166 032 196071 156 083 132 200 017 080 033 202 198 015 133 170 205 085 152 165 027 06008
26、9 146 102 154 114 040 151 207 155 140 185 108 117 004 101 113 194 119 123对于附件 4，我们按照与处理附件 3 相同的模型和算法进行处理，得到拼接结果表格如下， （复原图片详见附录十）：表 10 附件 4 拼接顺序191 075 011 154 190 184 002 104 180 064 106 004 149 032 204 065 039 067 147201 148 170 196 198 094 113 164 078 103 091 080 101 026 100 006 017 028 146086 051
27、 107 029 040 158 186 098 024 117 150 005 059 058 092 030 037 046 127019 194 093 141 088 121 126 105 155 114 176 182 151 022 057 202 071 165 082159 139 001 129 063 138 153 053 038 123 120 175 085 050 160 187 097 203 031020 041 108 116 136 073 036 207 135 015 076 043 199 045 173 079 161 179 143208 021
28、 007 049 061 119 033 142 168 062 169 054 192 133 118 189 162 197 112070 084 060 014 068 174 137 195 008 047 172 156 096 023 099 122 090 185 109132 181 095 069 167 163 166 188 111 144 206 003 130 034 013 110 025 027 178171 042 066 205 010 157 074 145 083 134 055 018 056 035 016 009 183 152 044081 077
29、 128 200 131 052 125 140 193 087 089 048 072 012 177 124 000 102 1155.3 问题三的模型建立与算法对于第三个问题，图片的数量成倍的增长，我们不能单纯的利用图片边缘的特征进行拼接与复原，在问题二按上边缘裁截距进行聚类分析的基础上，增加图片下边缘裁截距，综合进行聚类分析。具体流程图如下所示：自下而上计算图片的裁截距与裁截空白间距输入图片将图片灰度处理将灰度处理后的图片二值化处理自上而下计算图片的裁接距与裁截空白间距（或裁截文字长度）高度是否相似?运用问题二的方法进行匹配YN标注备选匹配成功？备存Y加入备选图片进行匹配N匹配成功，备
30、存完成组图13图 8 算法流程图5.3.1 图片的初次聚类运用问题二的聚类方法，利用 进行数据处理（程序见附录十一） ，将所得结matlb果导入 ，做出图片上边缘的裁截文字长度（或者裁截空白长度）的分布图excl14-120-100-80-60-40-2002040601 28 55 82 109136163190217244271298325352379406图 片裁截文字的长度系 列 1图 9 附件 5 图片的裁截文字长度分布图用 进行快速聚类分析，可以看出能将一部分图片进行准确的分类，利用模型一sp的方法对分类后的图片进行边缘匹配，得到类似于下图的片段图像。图 10 匹配正确的片段图5.
31、3.2 图片的再聚类由于图片的双面性，我们在对其正面（反面）进行正确匹配之后，则其反面（正面）也就确定出来，这大大减少了数据量。但某些分类后却拼接失败的情况，使得拼接更加的困难。在第二个问题中，我们利用图片从上到下文字的特征增加了信息量，为了更好进行图片匹配与拼接，对于问题三，我们再次增加图片从下到上的文字特征。在图片初次聚类的前提下，利用从下到上的裁截距，按照与问题二类似的办法进行第二次聚类，步骤同上，得到图片的裁截文字长度的分布直方图：15-100-80-60-40-2002040601 28 55 82 109136163190217244271298325352379406图 片裁截文
32、字长度系 列 1图 11 图片裁截文字长度的分布直方图5.3.3 图片的拼接根据前两次图片的聚类之后，我们在对其进行分类，将分类后的图片进行边缘匹配，同时进行人工干预，挑选出匹配正确的片段，如下图所示：图 12 匹配正确的片段对每一类图片匹配成功后，类似于问题二，利用计算机自动拼接与人工干预相结合，将所有各类进行整体拼接，结果如下：（复原图片见附录 12）16表 13 附件 5 其中一面的拼接顺序表 14 附件 5 另一面的拼接顺序六、模型的评价与改进6.1 模型的优点（1） 模型一对于解决纵切碎纸片的问题上，达到了很好的效果，对于所得的结果正确率也是 100%的，对于解决此类问题提供了良好的
33、思想。（2） 模型二充分考虑了碎纸片边缘的匹配问题以及文字内部的特征信息，对于既纵切又横切的情形，先进行了聚类将图片进行了分组，大大减少了工作量，而且增加了准确度。6.2 模型的缺点（1） 对于问题一与问题二，所给的完整图片里面含有大量的的文字，所以我们可以利用其文字特征，该结果也存在一定的偶然性。（2） 对于问题三，对于大信息量的图片信息，只利用问题二的解决办法只能将部分的图片进行分类，而不能单纯用计算机进行完整的拼接。176.3 模型的改进方向（1） 在问题一里面我们只考虑了边缘区域的匹配，由于结果正确所以没有继续增加条件保证其准确率。（2） 在设计模型二的时候，只考虑了图片从上到下的裁接
34、距与裁截文字长度的方面，还应该加上其在图片从下往上的数据。七、参考文献1黄添强，陈智文，苏立超等. 利用内容连续性的数字视频篡改检测J. 南京大学学报（自然科学版） ，2011,47（5）：493-503.2 罗智中. 基于线段扫描的碎纸片边界检测算法研究 J. 仪器仪表学报，2011,32（2）：289-294.3 白宗文. 基于 HALCON 与图像拼接的文物修复系统设计与实现J. 电子设计工程，2013,21（9）：24-26.4 李利军，李云伟. 基于图像灰度的拼接技术研究J. 计算机与数字工程，2007,35（9）：128-130.5 贾海燕，朱良家，周宗潭等 . 一种碎纸自动拼接中
35、的形状匹配方法J. 计算机仿真，2006,23（11）：180-183.18八、附录附录一：%以下程序的运行，请注意文件存放的位置！%此程序用来解决附件 1 的图片匹配与连接A=zeros(19,19); %共十九个纸条for j=1:19str=D:附件附件 1;I=imread(str,num2str(j),.jpg);%依次读取每一幅图像i1=rgb2gray(I); %i1 灰度图像i2=im2bw(i1); %i2 是二值图像a=i2(:,72,1); %取纸片右边缘str=D:附件附件 1;for i=1:19I=imread(str,num2str(i),.jpg); %依次读取
36、每一幅图像i1=rgb2gray(I); %i1 灰度图像i2=im2bw(i1); %i2 是二值图像mi=i2(:,1,1); %取纸片左边缘ni=a-mi;A(j,i)=sqrt(dot(ni,ni);endendxlswrite(D:photo1.xls,A,A1:S19); %将矩阵元素导入 excel 表格%判断相邻图片并自动连接连接a=0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0;%记录和纸片右相邻的纸片for i=1:19k=A(i,1);a(i)=1;for j=1:19if(kA(i,j)k=A(i,j);a(i)=j; endendendfi
37、rst=1;for i=1:19for j=1:19if(A(i,j)=0)19first=j; %求出文件最左侧纸张endendend str=D:附件附件 1;z= imread(str,num2str(first),.jpg);for m=1:18m=1;str=D:附件附件 1;x = imread(str,num2str(first),.jpg); %记录上一张纸条y=imread(str,num2str(a(first),.jpg);%记录下一张纸条x=z; %保存已拼接纸条z = x,y; first=a(first);endimshow(z)附录二：图 13 附件 1 拼接图片
38、20附录三：%以下程序的运行，请注意文件存放的位置！%此程序用来解决附件 2 的图片匹配与连接A=zeros(19,19); %共十九个纸条for j=1:19str=D:附件附件 2;I=imread(str,num2str(j),.jpg);%依次读取每一幅图像i1=rgb2gray(I); %i1 灰度图像i2=im2bw(i1); %i2 是二值图像a=i2(:,72,1); %取纸片右边缘str=D:附件附件 2;for i=1:19I=imread(str,num2str(i),.jpg); %依次读取每一幅图像i1=rgb2gray(I); %i1 灰度图像i2=im2bw(i1
39、); %i2 是二值图像mi=i2(:,1,1); %取纸片左边缘ni=a-mi;A(j,i)=sqrt(dot(ni,ni);endendxlswrite(D:photo2.xls,A,A1:S19); %将矩阵元素导入 excel 表格%判断相邻图片并自动连接连接a=0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0;%记录和纸片右相邻的纸片for i=1:19k=A(i,1);a(i)=1;for j=1:19if(kA(i,j)k=A(i,j);a(i)=j; endendendfirst=1;for i=1:19for j=1:19if(A(i,j)=0)fi
40、rst=j; %求出文件最左侧纸张endendend str=D:附件附件 2;z= imread(str,num2str(first),.jpg);for m=1:18m=1;21str=D:附件附件 2;x = imread(str,num2str(first),.jpg); %记录上一张纸条y=imread(str,num2str(a(first),.jpg);%记录下一张纸条x=z; %保存已拼接纸条z = x,y; first=a(first);endimshow(z)附录四：图 14 附件 2 拼接图片附录五：A=zeros(209,4);for i=1:209 %for j=1:
41、209str=D:附件附件 5a;I=imread(str,num2str(i),.jpg);%依次读取每一幅图像i1=rgb2gray(I);%i1 灰度图像i2=im2bw(i1);% i2 是二值图像，不需要a=0;b=0;c=0;d=0;j=180;if any(i2(1,:)=0) while (any(i2(j,:)=0)a=a+1;c=c+1;22j=j-1;endelsewhile (all(i2(j,:)=1)a=a-1;c=c+1;j=j-1;endendA(i,1)=a;if any(i2(j,:)=0) while (any(i2(j,:)=0)b=b+1;d=d+1;
42、j=j-1;endelsewhile (all(i2(j,:)=1)b=b-1;d=d+1;j=j-1;endendA(i,2)=b;A(i,3)=c+d;A(i,4)=i+791;endxlswrite(D:question1.xls,A,A210:D418);附录六：%注意！运行时将附件解压至 D 盘%该程序用来对图片的二值矩阵进行分类A=zeros(209,5);for i=1:209 str=D:附件附件 3;I=imread(str,num2str(i),.jpg);%依次读取每一幅图像i1=rgb2gray(I); %i1 灰度图像i2=im2bw(i1); % i2 是二值图像，
43、不需要a=0;b=0;c=0;d=0;j=1;if any(i2(1,:)=0) while (any(i2(j,:)=0)a=a+1;c=c+1;j=j+1;endelse23while (all(i2(j,:)=1)a=a-1;c=c+1;j=j+1;endendA(i,1)=a;if any(i2(j,:)=0) while (any(i2(j,:)=0)b=b+1;d=d+1;j=j+1;endelsewhile (all(i2(j,:)=1)b=b-1;d=d+1;j=j+1;endendA(i,2)=b;A(i,3)=c+d;A(i,5)=i;if A(i,3)30elseA(i,
44、4)=4;endelseif A(i,3)=50elseA(i,4)=6;endelseif A(i,3)55elseA(i,4)=8;endelseif A(i,3)6124elseA(i,4)=10;endelseif A(i,3)67endendxlswrite(D:photo3.xls,A); %将矩阵导入 excel 表里附录七：%以下程序的运行，请注意文件存放的位置！%此程序运行需要时间较长，请耐心等待！%请使用经格式转化器转化后的 JPG 格式图片A=zeros(209,209);a=A(:,1);%共 209 个纸条l=A(:,1);%共 209 个纸条for j=1:209s
45、tr=D:附件附件 3;I=imread(str,num2str(j),.jpg);%依次读取每一幅图像i1=rgb2gray(I); %i1 灰度图像i2=im2bw(i1); % i2 是二值图像，一个 180*72 的矩阵a=i2(:,1); %取纸片左边缘for i=1:209I=imread(str,num2str(i),.jpg); %依次读取每一幅图像i1=rgb2gray(I); %i1 灰度图像i2=im2bw(i1); % i2 是二值图像mi=i2(:,72); %取纸片左边缘ni=a-mi;A(j,i)=sqrt(dot(ni,ni); %用以判断差距endendxls
46、write(D:photo31.xls,A); %将矩阵元素导入 excel 表格for i=1:209for j=1:209if(A(i,j)=0)l(i)=l(i)+1;endendendfor i=1:209if(l(i)=11) i25endend附录八：%以下程序的运行，请注意文件存放的位置！%请使用经格式转化器转化后的 JPG 格式图片。%选取以 008 作为开始第 9 组的行排序%A=zeros(19,19); a=1,8,33,46,54,57,69,71,94,127,138,139,154,159,167,175,176,197,209;%共十九个纸条for j=1:19s
47、tr=D:附件附件 3;s=a(j)I=imread(str,num2str(a(j),.jpg);%依次读取每一幅图像i1=rgb2gray(I); %i1 灰度图像i2=im2bw(i1); % i2 是二值图像t=i2(:,72); %取纸片右边缘for i=1:19I=imread(str,num2str(a(i),.jpg); %依次读取每一幅图像i1=rgb2gray(I); %i1 灰度图像i2=im2bw(i1); % i2 是二值图像mi=i2(:,1); %取纸片左边缘ni=t-mi;A(j,i)=sqrt(dot(ni,ni);endend%判断相邻图片并自动连接%r=0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0;%记录和纸片右相邻的纸片g=1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1;%记录和纸片
