赢2023a版matlab编写程序：对每个子块iA进行QR分解，然后计算每个子块i A的R矩阵第一行向量的2-范数。由这些子块的2-范数组成k k大小的矩阵B； 步骤6: 计算矩阵B内全部元素的均值ave，并将ave作为二值化的依据。如果矩阵B中 元素的值大于或等于均值ave，则取1；反之，则取0，便得到了相应的特征图像F;

以下是一个基于Matlab的实现，实现了对每个子块进行QR分解并计算相应的特征图像F：

function [F] = QR_feature_extraction(A, k)

% A: 待处理的矩阵
% k: 子块的大小
% F: 二值化后的特征图像

[m, n] = size(A);
B = zeros(k, k);

for i = 1:k:m
    for j = 1:k:n
        if (i+k-1 > m) || (j+k-1 > n)
            continue;
        end
        % 对子块进行QR分解
        [Q, R] = qr(A(i:i+k-1, j:j+k-1));
        % 计算R矩阵第一行向量的2-范数
        norm_R = norm(R(1,:));
        % 将范数放入B矩阵对应的位置
        B((i-1)/k+1, (j-1)/k+1) = norm_R;
    end
end

% 计算矩阵B内全部元素的均值ave
ave = mean(mean(B));

% 二值化处理
F = zeros(m, n);
for i = 1:k:m
    for j = 1:k:n
        if (i+k-1 > m) || (j+k-1 > n)
            continue;
        end
        if B((i-1)/k+1, (j-1)/k+1) >= ave
            F(i:i+k-1, j:j+k-1) = ones(k, k);
        else
            F(i:i+k-1, j:j+k-1) = zeros(k, k);
        end
    end
end

end

注意，在处理矩阵A时，需要保证矩阵大小是子块大小的整数倍，否则可能会出现错误。