1、<p>　　彩色圖像的灰度化處理</p><p><b>　　1 設(shè)計(jì)目的</b></p><p>　　1、通過MATLAB仿真軟件，實(shí)現(xiàn)彩色圖像的灰度化處理；</p><p>　　2、學(xué)習(xí)并熟悉MATLAB編程環(huán)境的一般操作和運(yùn)用；</p><p>　　3、在加深對(duì)數(shù)字圖像處理課本知識(shí)理解的基礎(chǔ)上，學(xué)會(huì)運(yùn)用

2、已學(xué)的知識(shí)設(shè)計(jì)彩色圖像灰度化的處理方法并對(duì)結(jié)果進(jìn)行分析。</p><p><b>　　2 設(shè)計(jì)方案</b></p><p>　　將彩色圖像轉(zhuǎn)化成為灰度圖像的過程稱為圖像的灰度化處理。彩色圖像中的每個(gè)像素的顏色有R、G、B三個(gè)分量決定，而每個(gè)分量有255個(gè)中值可取，這樣一個(gè)像素點(diǎn)可以有1600多萬（255*255*255）的顏色的變化范圍。而灰度圖像是R、G、B三個(gè)分

3、量相同的一種特殊的彩色圖像，其中一個(gè)像素點(diǎn)的變化范圍為255種，所以在數(shù)字圖像處理中一般先將各種格式的圖像轉(zhuǎn)變成灰度圖像以使后續(xù)的圖像的計(jì)算量變得少一些?；叶葓D像的描述與彩色圖像一樣仍然反映了整幅圖像的整體和局部的色度和亮度等級(jí)的分布和特征。</p><p>　　在RGB模型中，如果R=G=B時(shí)，則彩色表示一種灰度顏色，其中R=G=B的值叫做灰度值。因此，灰度圖像每個(gè)像素只需一個(gè)字節(jié)存放灰度值（又稱強(qiáng)度值、亮度值

4、），灰度范圍為0-255。圖像的灰度化處理，一般有以下三種設(shè)計(jì)方案：</p><p><b>　　1、加權(quán)平均法</b></p><p>　　根據(jù)重要性及其它指標(biāo)，將三個(gè)分量以不同的權(quán)值進(jìn)行加權(quán)平均。由于人眼對(duì)綠色的敏感最高，對(duì)藍(lán)色敏感最低，因此，對(duì)RGB三分量進(jìn)行加權(quán)平均能得到較合理的灰度圖像。</p><p><b>　　2、平均

5、值法</b></p><p>　　求出每個(gè)像素點(diǎn)的R、G、B三個(gè)分量的平均值，然后將彩色圖像中的這個(gè)平均值賦予給這個(gè)像素的三個(gè)分量。</p><p><b>　　3、最大值法</b></p><p>　　將彩色圖像中的三分量亮度的最大值作為灰度圖的灰度值。</p><p>　　本課程設(shè)計(jì)分別采用了以上三種設(shè)計(jì)

6、方案，即加權(quán)平均法、平均值法和最大值法。在MATLAB中，通過編程實(shí)現(xiàn)了彩色圖像的灰度化處理。</p><p><b>　　3 相關(guān)知識(shí)</b></p><p><b>　　1、設(shè)計(jì)平臺(tái)</b></p><p>　　本次設(shè)計(jì)采用的平臺(tái)是MATLAB 7.0。MATLAB編程語言被業(yè)界稱為第四代計(jì)算機(jī)語言，它允許按照數(shù)學(xué)推

7、導(dǎo)的習(xí)慣編寫程序。MATLAB7.0的工作環(huán)境包括當(dāng)前工作窗口、命令歷史記錄窗口、命令控制窗口、圖形處理窗口、當(dāng)前路徑選擇菜單、程序編輯器、變量查看器、模型編輯器、GUI編輯器以及豐富的函數(shù)庫和MATLAB附帶的大量M文件。</p><p>　　MATLAB是由美國Math Works公司生產(chǎn)的一個(gè)為科學(xué)和工程計(jì)算專門設(shè)計(jì)的交互式大型軟件，是一個(gè)可以完成各種計(jì)算和數(shù)據(jù)處理的、可視化的、強(qiáng)大的計(jì)算工具。它集圖示和精

8、確計(jì)算于一身，在應(yīng)用數(shù)學(xué)、物理、化工、機(jī)電工程、醫(yī)藥、金融和其他需要進(jìn)行復(fù)雜計(jì)算的領(lǐng)域得到了廣泛應(yīng)用。MATLAB作為一種科學(xué)計(jì)算的高級(jí)語言之所以受歡迎，就是因?yàn)樗胸S富的函數(shù)資源和工具箱資源，編程人員可以根據(jù)自己的需要選擇函數(shù)，而無需再去編寫大量繁瑣的程序代碼，從而減輕了編程人員的工作負(fù)擔(dān)，被稱為第四代編程語言。</p><p>　　在MATLAB設(shè)計(jì)環(huán)境中，圖像處理工具箱提供一套全方位的參照標(biāo)準(zhǔn)算法和圖形工具

9、，用于進(jìn)行圖像處理、分析、可視化和算法開發(fā)?？捎闷鋵?duì)有噪聲圖像或退化圖像進(jìn)行去噪聲或還原、增強(qiáng)圖像以獲得更高清晰度、提取特征、分析形狀和紋理以及對(duì)兩個(gè)圖像進(jìn)行匹配。工具箱中大部分函數(shù)均以開放式 MATLAB 語言編寫。這意味著可以檢查算法、修改源代碼和創(chuàng)建自定義函數(shù)。圖像處理工具箱在生物測定學(xué)、遙感、監(jiān)控、基因表達(dá)、顯微鏡技術(shù)、半導(dǎo)體測試、圖像傳感器設(shè)計(jì)、顏色科學(xué)及材料科學(xué)等領(lǐng)域?yàn)楣こ處熀涂茖W(xué)家提供支持。它也促進(jìn)了圖像處理技術(shù)的教學(xué)。&

10、lt;/p><p><b>　　2、發(fā)展前景</b></p><p>　　在計(jì)算機(jī)領(lǐng)域中，灰度數(shù)字圖像是每個(gè)像素只有一個(gè)采樣顏色的圖像。這類圖像通常顯示為從最暗的黑色到最亮的白色的灰度，盡管理論上這個(gè)采樣可以是任何顏色的不同深淺，甚至可以是不同亮度上的不同顏色。灰度圖像與黑白圖像不同，在計(jì)算機(jī)圖像領(lǐng)域中黑白圖像只有黑色與白色兩種顏色；灰度圖像在黑色與白色之間還有許多級(jí)的顏

11、色深度。但是，在數(shù)字圖像領(lǐng)域之外，“黑白圖像”也表示“灰度圖像”，例如灰度的照片通常叫做“黑白照片”。在一些關(guān)于數(shù)字圖像的文章中單色圖像等同于灰度圖像，在另外一些文章中又等同于黑白圖像。</p><p>　　彩色圖像的灰度化技術(shù)在現(xiàn)代科技中應(yīng)用越來越廣泛, 例如人臉目標(biāo)的檢測與匹配以及運(yùn)動(dòng)物體目標(biāo)的監(jiān)測等等, 在系統(tǒng)預(yù)處理階段, 都要把采集來的彩色圖像進(jìn)行灰度化處理, 這樣既可以提高后續(xù)算法速度, 而且可以提高系

12、統(tǒng)綜合應(yīng)用實(shí)效, 達(dá)到更為理想的要求。因此研究圖像灰度化技術(shù)具有重要意義。</p><p><b>　　4 詳細(xì)設(shè)計(jì)</b></p><p>　　本設(shè)計(jì)采用的三種方法，都實(shí)現(xiàn)了對(duì)彩色圖像的灰度化處理。下面分別對(duì)其作具體分析如下：</p><p><b>　　方法一：加權(quán)平均法</b></p><p&g

13、t;　　根據(jù)重要性及其它指標(biāo)，將R、G、B三個(gè)分量以不同的權(quán)值進(jìn)行加權(quán)平均。由于人眼對(duì)綠色的敏感度最高，對(duì)藍(lán)色敏感度最低。因此，在MATLAB中我們可以按下式系統(tǒng)函數(shù)（4-1），對(duì)RGB三分量進(jìn)行加權(quán)平均能得到較合理的灰度圖像。</p><p>　　f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)) （4-1）</p><p><b&

14、gt;　　方法二：平均值法</b></p><p>　　將彩色圖像中的R、G、B三個(gè)分量的亮度求簡單的平均值，將得到均值作為灰度值輸出而得到灰度圖。其表達(dá)式見下式（4-2）：</p><p>　　f(i,j)=(R(i,j)+G(i,j)+B(i,j)) /3 （4-2）</p><p><b>　　方法三：最大值法&

15、lt;/b></p><p>　　將彩色圖像中的R、G、B三個(gè)分量中亮度的最大值作為灰度圖的灰度值。其表達(dá)式見下式（4-3）：</p><p>　　f(i,j)=max(R(i,j),G(i,j),B(i,j)) （4-3）</p><p><b>　　5 源代碼及分析</b></p><p

16、><b>　　1、源代碼</b></p><p>　　首先，打開MATLAB軟件，新建M文件。M文件是包括MATLAB代碼的文件。</p><p>　　然后，進(jìn)行代碼編寫。本次課程設(shè)計(jì)的源代碼如下：</p><p>　　MyYuanLaiPic = imread('F:/3055.jpg'); %讀取RGB格式的圖像<

17、;/p><p>　　MyFirstGrayPic = rgb2gray(MyYuanLaiPic); %用已有的函數(shù)進(jìn)行RGB到灰</p><p><b>　　%度圖像的轉(zhuǎn)換</b></p><p>　　[rows , cols , colors] = size(MyYuanLaiPic); %得到原來圖像的矩陣的參數(shù)</p><

18、;p>　　SecGrayPic = zeros(rows,cols); %用得到的參數(shù)創(chuàng)建一個(gè)全零的矩陣，這個(gè)矩%陣用來存儲(chǔ)用下面的方法產(chǎn)生的灰度圖像</p><p>　　SecGrayPic = uint8(SecGrayPic); %將創(chuàng)建的全零矩陣轉(zhuǎn)化為uint8格式，因%為用上面的語句創(chuàng)建之后圖像是double型的</p><p>　　ThirdGrayPic=zeros(r

19、ows,cols); </p><p>　　ThirdGrayPic=uint8(ThirdGrayPic);</p><p>　　for i = 1:rows </p><p>　　for j = 1:cols </p><p><b>　　sum1 = 0;</b></p><p>&

20、lt;b>　　sum2 = 0;</b></p><p>　　for k = 1:colors </p><p>　　sum1=sum1+MyYuanLaiPic( i,j,k )/3; %用均值法進(jìn)行RGB到%灰度圖像的轉(zhuǎn)換</p><p>　　sum2=sum2+max(MyYuanLaiPic( i,j,k ));%用最大值法進(jìn)行%RGB到

21、灰度圖像轉(zhuǎn)換</p><p><b>　　end </b></p><p>　　SecGrayPic(i,j) = sum1; %將得到的加權(quán)平均值作為對(duì)應(yīng)像素點(diǎn)</p><p><b>　　%的灰度值</b></p><p>　　ThirdGrayPic(i,j)=sum2;%將得到的簡單平均值作

22、為對(duì)應(yīng)像素點(diǎn)</p><p><b>　　%的灰度值</b></p><p><b>　　end </b></p><p><b>　　end</b></p><p>　　imwrite(SecGrayPic ,'F:/1.bmp','bmp'

23、;); %將轉(zhuǎn)換后圖像以bmp格式寫入文件%1.bmp</p><p>　　imwrite(ThirdGrayPic,'F:/2.bmp','bmp'); %將轉(zhuǎn)換后圖像以bmp格式寫入文件%2.bmp</p><p>　　figure(1); %顯示第1幅圖像</p><p>　　imshow(MyYuanLaiPic); %顯示

24、原來的RGB圖像</p><p>　　figure(2); %顯示第2幅圖像</p><p>　　imshow(MyFirstGrayPic); %顯示經(jīng)過系統(tǒng)函數(shù)運(yùn)算過的灰度圖像 </p><p>　　figure(3); %顯示第3幅圖像</p><p>　　imshow(SecGrayPic); %顯示均值法轉(zhuǎn)化之后的灰度圖像&

25、lt;/p><p>　　figure(4); %顯示第4幅圖像</p><p>　　imshow(ThirdGrayPic); %顯示最大值法轉(zhuǎn)化之后的灰度圖像</p><p><b>　　2、代碼分析</b></p><p>　　該程序采用三種方法實(shí)現(xiàn)彩色圖像的灰度化。程序首先讀取一RGB格式的圖象,然后調(diào)用已有的函數(shù)rg

26、b2gray()來實(shí)現(xiàn)彩色圖像灰度化，此為方法一；繼而，調(diào)用size函數(shù)讀取原圖像圖像的尺寸，并以該尺寸構(gòu)建一個(gè)全零矩陣來存儲(chǔ)用下面的方法產(chǎn)生的灰度圖像。由于在此之前的語句創(chuàng)建之后圖像為雙精度型， 因而我們采用uint8（）將其轉(zhuǎn)化成無符號(hào)整型。然后對(duì)原圖像中的像素逐點(diǎn)處理，首先采用的是均值法，即將每個(gè)像素點(diǎn)上的R，G,B分量取其平均，將處理后均值作為該像素點(diǎn)的灰度值輸出，對(duì)應(yīng)代碼中</p><p>　　MyYu

27、anLaiPic( i,j,k )/3語句，在對(duì)所有像素點(diǎn)處理完畢后即可實(shí)現(xiàn)彩色圖像的灰度化處理，此為方法二；最后我還采用了取最大值法，即調(diào)用max（）函數(shù)讀取像素點(diǎn)上RGB分量中的最大值作為該點(diǎn)灰度值輸出，從而實(shí)現(xiàn)彩色圖像的灰度化處理。</p><p>　　6 功能仿真圖及分析</p><p>　　運(yùn)行程序代碼，可得到如下運(yùn)行結(jié)果，對(duì)應(yīng)如上三種方法，可分別得到如圖6-1,6-2,6-3

28、和6-4。</p><p><b>　　圖6-1原彩色圖</b></p><p>　　圖6-2采用加權(quán)平均法得到的灰度圖</p><p>　　圖6-3 采用均值法得到的灰度圖</p><p>　　圖6-3采用最大值法得到的灰度圖</p><p>　　稍作比較即可發(fā)現(xiàn)，以三種方法得到的處理結(jié)果并不完

29、全相同，這是由于不同的處理方法對(duì)于灰度值的選取不同，考慮庫函數(shù)rgb2gray(),其轉(zhuǎn)化是依據(jù)亮度方程f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j))來實(shí)現(xiàn)的，即依據(jù)人眼對(duì)不同顏色的敏感度不同，對(duì)RGB分量以不同系數(shù)的加權(quán)平均，得到較為合理的灰度化結(jié)果。而采用方法二處理是對(duì)RGB三個(gè)分量取簡單的平均，從而得到對(duì)應(yīng)灰度值，而方法三則是直接取用RGB分量中最大值作為灰度值輸出。</p><

30、;p>　　為作進(jìn)一步說明問題，我們可以分別選用紅色圖，綠色圖以及藍(lán)色圖用如上方法處理后來進(jìn)一步比較說明。</p><p>　　首先，我們選用以紅色分量較多的圖像進(jìn)行處理，結(jié)果如圖6-4所示。</p><p>　　圖6-4 紅色圖像灰度化對(duì)比</p><p>　　觀察如上對(duì)比結(jié)果可以發(fā)現(xiàn)，對(duì)于前兩種方法處理得到的figure2和figure3，兩圖中紅色分量灰度

31、化之后基本沒有區(qū)別，這是由于采用加權(quán)平均法對(duì)紅色分量R的加權(quán)系數(shù)為0.30，而采用簡單平均法的紅色分量系數(shù)為0.33，故兩者對(duì)于紅色分量的處理結(jié)果區(qū)別不大，而對(duì)于figure4，其采用最大值法，故在亮度現(xiàn)實(shí)上明顯大于前面二者。</p><p>　　接下來，選取一綠色分量為主的圖像進(jìn)行處理分析，結(jié)果如圖6-5所示。</p><p>　　圖6-5 綠色圖像灰度化對(duì)比</p>&l

32、t;p>　　觀察如上對(duì)比圖像結(jié)果可以發(fā)現(xiàn)，figure3的亮度明顯低于figure2，而figure4的亮度則為三個(gè)處理結(jié)果中最大的。稍加分析，不難發(fā)現(xiàn)，這是由于在方法一的處理中，其對(duì)于綠色分量的加權(quán)系數(shù)為0.59，而方法二中綠色分量的系數(shù)約為0.33，加之上圖中物體部分顏色為綠色，故作處理后，方法一所得的灰度值大于方法二處理得到的灰度值，因而在顯示上，方法一對(duì)應(yīng)的figure2較之方法二對(duì)應(yīng)的figure3更亮；而對(duì)于方法三所得

33、的figure4，因其取的是最大值，故最終的灰度值也最大，所以顯示最亮。</p><p>　　最后，選取一藍(lán)色分量為主的圖像進(jìn)行處理，結(jié)果如圖6-6所示。（此處僅給出灰度圖之間的對(duì)比，原彩色圖見附錄彩頁）</p><p>　　圖6-6 藍(lán)色圖像灰度化對(duì)比</p><p>　　對(duì)比如上圖像可以發(fā)現(xiàn)，此時(shí)figure3的亮度大于figure2的，而figure4的亮度依

34、然是三個(gè)圖像中最大的。這是由于在得到figure2的方法中，其對(duì)于藍(lán)色分量的加權(quán)系數(shù)是0.11，而figure3對(duì)應(yīng)的方法二中藍(lán)色分量的系數(shù)約為0.33，加之此圖像中藍(lán)色分量居多，因而就不難解釋如上現(xiàn)象，對(duì)于方法一處理后對(duì)應(yīng)像素點(diǎn)的灰度值小于方法三處理后對(duì)應(yīng)點(diǎn)的灰度值，故顯示在圖像上，figure2就偏暗，而figure4取的是最大值，故最終在亮度顯示上最亮。</p><p>　　本課程設(shè)計(jì)中采用的三種不同設(shè)計(jì)方

35、法對(duì)同一彩色圖像的灰度化處理結(jié)果不相同，究其原因是由于它們?cè)趯?duì)同一像素點(diǎn)的灰度值確定上采取的手段不一。對(duì)于方法一，其轉(zhuǎn)換公式為</p><p>　　f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)) （6-1）</p><p>　　其對(duì)于不同顏色分量RGB的加權(quán)系數(shù)不相同，對(duì)比方法二中采用的</p><p>　　f(i,j)=

36、(R(i,j)+G(i,j)+B(i,j)) /3 （6-2）</p><p>　　其采用的加權(quán)系數(shù)約為0.33，且對(duì)于RBG三個(gè)分量采用統(tǒng)一加權(quán)系數(shù)，所以，當(dāng)一幅圖像中紅色分量居多的時(shí)候，由于對(duì)于紅色分量，公式（6-1）計(jì)算結(jié)果與公式（6-2）計(jì)算結(jié)果基本相同，即對(duì)應(yīng)點(diǎn)像素灰度值基本一致，故處理結(jié)果在亮度顯示上區(qū)別不大；而對(duì)于綠色分量，公式（6-1）計(jì)算結(jié)果大于公式（6-2）計(jì)算結(jié)果，也即處理所得

37、的像素灰度值更大，所以在綠色分量居多的圖像中，兩者在處理后，方法一所得圖像亮度大于方法二處理得到的圖像；同理，對(duì)于藍(lán)色分量居多的圖像，其方法一處理所得的圖像在亮度顯示上會(huì)低于方法二處理得到的圖像。對(duì)于方法三，由于其對(duì)灰度值的選取上取的是最大值，故在最終顯示上也最亮。</p><p>　　根據(jù)上文分析，也就不難解釋在圖像6-1,6-2和6-3之間顯示不同的問題。由于原圖是一七彩圖，其包含了紅、綠、藍(lán)以及這三者組合得

38、到的其他顏色分量，故在最終顯示上，由方法一所得的圖6-1可在對(duì)比方法二所得的圖6-2時(shí)，有些部分偏亮，而有些部分則偏暗，這都是由于兩種方法中對(duì)不RGB三個(gè)不同分量的加權(quán)平均系數(shù)不一致而造成的。而對(duì)于方法三，由于它只是簡單的選取三個(gè)分量中的最大值作為灰度值輸出，故圖6-3的亮度最大。</p><p><b>　　7 結(jié)束語</b></p><p>　　本次課程設(shè)計(jì)要求

39、我們根據(jù)已經(jīng)學(xué)習(xí)過的數(shù)字圖像處理知識(shí)，運(yùn)用MATLAB中的M文件進(jìn)行彩色圖像灰度化的仿真設(shè)計(jì)。在老師的指導(dǎo)下，我進(jìn)一步熟悉了MATLAB仿真平臺(tái)使用方法，并且加深了對(duì)彩色圖像處理的相關(guān)知識(shí)的了解，然后在查閱了大量的書籍后，設(shè)計(jì)出了三種彩色圖像灰度化的方案，并順利實(shí)現(xiàn)了仿真。</p><p>　　在本次課程設(shè)計(jì)過程中，由于對(duì)MATLAB中庫函數(shù)不太熟悉，在一開始的設(shè)計(jì)過程過程中碰到了很多釘子，但是在老師耐心的指導(dǎo)與

40、同學(xué)的幫助下都一一克服了。在一次次的糾錯(cuò)過程中與不斷的摸索下，我終于設(shè)計(jì)出了彩色圖像灰度化的實(shí)現(xiàn)代碼，并且運(yùn)行出了正確的結(jié)果。</p><p>　　通過這次的課程設(shè)計(jì)，我深深的感受到了自身的不足。進(jìn)行課程設(shè)計(jì)不但需要多方面的知識(shí)，同時(shí)還要考驗(yàn)一個(gè)人的獨(dú)立動(dòng)腦能力和動(dòng)手能力，這在課本上學(xué)不到的。另外，這還要求我們具有一定的自學(xué)能力，在面對(duì)多次錯(cuò)誤時(shí)要能冷靜，并且還要有堅(jiān)定的意志力。在這次課程設(shè)計(jì)中，我得到的不僅僅是

41、知識(shí)的補(bǔ)充，更多的是問題分析能力的提高，雖然只有短短一周時(shí)間，卻給了我比平常更多的磨練，也讓我在鞏固書本知識(shí)的同時(shí)學(xué)到了更多的東西。在這次的課程設(shè)計(jì)中，我看到了理論與實(shí)際相結(jié)合的重要性，同樣，我還感受到了將理論實(shí)現(xiàn)于現(xiàn)實(shí)的重大喜悅，當(dāng)代碼最終成功運(yùn)行并出現(xiàn)正確的仿真結(jié)果時(shí)，那種巨大的成就感是無法用言語來形容的。</p><p>　　在實(shí)際中，僅僅擁有理論知識(shí)是遠(yuǎn)遠(yuǎn)不夠的，如果不能把理論賦予實(shí)踐，再豐富的理論知識(shí)也

42、只能是“紙上談兵”，只有將理論與實(shí)踐相結(jié)合，才能結(jié)出智慧的果實(shí)。課程設(shè)計(jì)是對(duì)我們綜合能力的檢測，是培養(yǎng)我們的專業(yè)素養(yǎng)以及學(xué)習(xí)興趣的很好的途徑，學(xué)習(xí)把理論付諸于實(shí)現(xiàn)，能夠讓我們更加清楚的看到我們努力的結(jié)果。雖然本次課程設(shè)計(jì)已經(jīng)結(jié)束了，但是我不會(huì)忘記從中收到的感受與啟發(fā)，相信在以后的學(xué)習(xí)中，我將更加認(rèn)真努力，爭取從知識(shí)以及動(dòng)手能力方面都能更上一層樓！</p><p><b>　　8 參考文獻(xiàn)</b&

43、gt;</p><p>　　[1] 張強(qiáng)，王正林．精通MATLAB數(shù)字圖像處理．北京：電子工業(yè)出版社，2009.6</p><p>　　[2] 朱虹 等.數(shù)字圖像處理.北京：科學(xué)出版社，2009.8    </p><p>　　[3] 余成波. 數(shù)字圖像處理及MATLAB實(shí)現(xiàn). 重慶大學(xué)出版社, 2003</p><

44、p>　　[4] 謝鳳英，趙丹培. Visual C++數(shù)字圖像處理.北京：電子工業(yè)出版社，2008.</p><p>　　[5] 曹志剛等.現(xiàn)代通信原理[M].清華大學(xué)出版社，2008: 66-89.</p><p>　　[6] 葛哲學(xué).精通MATLAB[M].電子工業(yè)出版社，2008: 2-8.</p><p>　　[7] 張圣勤. MATLAB7.0實(shí)用教