基于matlab写一段二维图像正则化

以下是一个基于MATLAB的二维图像正则化的示例代码：

% 读取图像
img = imread('lena.png');

% 将图像转换为灰度图像
gray_img = rgb2gray(img);

% 将图像转换为double类型
double_img = double(gray_img);

% 对图像进行归一化处理
normalized_img = (double_img - min(double_img(:))) / (max(double_img(:)) - min(double_img(:)));

% 显示原始图像和正则化后的图像
figure;
subplot(1,2,1);
imshow(gray_img);
title('原始图像');
subplot(1,2,2);
imshow(normalized_img);
title('正则化后的图像');

这段代码首先读取一个图像，然后将其转换为灰度图像并将其转换为double类型。接下来，使用最小-最大归一化方法将图像正则化，使其值在0到1之间。最后，使用subplot函数将原始图像和正则化后的图像显示在同一幅图像中。

相关问题

写一段matlab代码用Tikhonov正则化滤波

以下是一个简单的使用Tikhonov正则化滤波的MATLAB代码示例：

% 生成一个测试信号
t = linspace(0,1,100);
f = 10*sin(2*pi*5*t) + 5*sin(2*pi*20*t) + randn(size(t));

% 构建卷积核
K = [1 -2 1];

% 计算正则化参数alpha
alpha = 0.1;

% 使用Tikhonov正则化滤波
g = TikhonovFilter(f,K,alpha);

% 绘制结果
figure;
plot(t,f,'b-',t,g,'r-');
legend('原始信号','滤波后信号');

function g = TikhonovFilter(f,K,alpha)
% Tikhonov正则化滤波
% f: 输入信号
% K: 卷积核
% alpha: 正则化参数

    % 构建Toeplitz矩阵
    n = length(f);
    m = length(K);
    H = toeplitz([K(1) zeros(1,n-m)], [K zeros(1,n-m)]);

    % 计算滤波器系数
    g = (H'*H + alpha*eye(n)) \ (H'*f');
end

在这个例子中，我们首先生成一个测试信号，然后定义一个卷积核K和正则化参数alpha。接下来，我们使用TikhonovFilter函数对信号进行滤波，并将结果绘制出来。TikhonovFilter函数首先构建一个Toeplitz矩阵H，然后使用正则化参数alpha计算滤波器系数。最后，它将滤波器应用于输入信号f，返回滤波后的结果g。

写一段matlab计算二维图像概率分布的代码

% 计算二维图像概率分布的 matlab 代码
I = imread('sample_image.jpg'); % 读取图像
[h,w] = size(I); % 获取图像的高度和宽度
p = zeros(h,w); % 建立一个空的概率数组
for i = 1:h
for j = 1:w
p(i,j) = double(I(i,j))/255; % 计算每个像素点的概率
end
end
p = p/sum(p(:)); % 对概率进行归一化