谁有matlab的几何非线性有限元程序，不胜感激

首先我要清楚线性定义:所谓线性变形体系指位移与载荷呈线性关系体系且载荷全部撤除体系完全恢复原始状态种体系称线性d性体系需满足列条件:(1)材料应力与应变关系满足虎克定律;(2)位移微;(3)所约束均理想约束线性体系力--位移曲线应力--应变曲线均直线三种假设或几满足现非线性问题:(1)体系非线性由于材料应力与应变关系非线性引起则称材料非线性即应力--应变关系再直线材料d塑性性质、松驰、徐变等(2)结构变位使体系受力发显著变化至能采用线性体系析称几何非线性即力--位移关系再直线结构变形、挠度问题等(3)类非线性问题边界条件非线性或状态非线性各种接触问题等

matlab fmincon函数用法如下：

1、给定初值x0，求解fun函数的最小值x。fun函数的约束条件为Ax<= b，x0可以是标量或向量。

2、返回exitflag参数，描述函数计算的有效性，意义同无约束调用。

3、返回包含优化信息的输出参数output。

扩展资料：

fmincon函数用法注意事项：

对于默认的“内点”算法，fmincon将违反边界lb≤x≤ub或等于边界的x0分量设置为边界区域的内部。对于“信赖域反射”算法，fmincon将违反分量设置为边界区域的内部。对于其他算法，fmincon将违反组件设置为最接近的界。

fmincon作用：

fmincon用于求解非线性多元函数最小值的matlab函数，优化工具箱提供fmincon函数用于对有约束优化问题进行求解。

参考资料：fmincon-百度百科

[l,n]=

bwlabel(im);

stats

=

regionprops(l,'perimeter');%%l是标记矩阵，图像分割后对不同的区域进行不同的标记

w=[statsperimeter];

该函数用来测量标注矩阵l中每一个标注区域的一系列属性。l中不同的正整数元素对应不同的区域，例如：l中等于整数1的元素对应区域1；l中等于整数2的元素对应区域2；以此类推。

返回值stats是一个长度为max(l(:))的结构数组，结构数组的相应域定义了每一个区域相应属性下的度量。

properties可以是由逗号分割的字符串列表、包含字符

串的单元数组、单个字符串'all'或者'basic'。如果properties等于字符串'all'，则表中的度量数据都将被计算；如果properties等于字符串'basic'，则属性：'area'，'centroid'和'boundingbox'将被计算。下面就是所有有效的属性字符串。

properties值

度量图像区域的属性或功能

'area'

图像各个区域中像素总个数

'boundingbox'

包含相应区域的最小矩形

'centroid'

每个区域的质心（重心）

'majoraxislength'

与区域具有相同标准二阶中心矩的椭圆的长轴长度（像素意义下）

'minoraxislength'

与区域具有相同标准二阶中心矩的椭圆的短轴长度（像素意义下）

'eccentricity'

与区域具有相同标准二阶中心矩的椭圆的离心率（可作为特征）

'orientation'

与区域具有相同标准二阶中心矩的椭圆的长轴与x轴的交角（度）

'image'

与某区域具有相同大小的逻辑矩阵

'filledimage'

与某区域具有相同大小的填充逻辑矩阵

'filledarea'

填充区域图像中的on像素个数

'convexhull'

包含某区域的最小凸多边形

'conveximage'

画出上述区域最小凸多边形

'convexarea'

填充区域凸多边形图像中的on像素个数

'eulernumber'

几何拓扑中的一个拓扑不变量——欧拉数

'extrema'

八方向区域极值点

'equivdiameter'

与区域具有相同面积的圆的直径

'solidity'

同时在区域和其最小凸多边形中的像素比例

'extent'

同时在区域和其最小边界矩形中的像素比例

'pixelidxlist'

存储区域像素的索引下标

'pixellist'

存储上述索引对应的像素坐标

'perimeter'

边界象元所连成闭合曲线的周长

MATLAB实用源代码

1图像的读取及旋转

A=imread('');%读取图像

subplot(2,2,1),imshow(A),title('原始图像');%输出图像

I=rgb2gray（A）;

subplot(2,2,2),imshow(A),title('灰度图像');

subplot(2,2,3),imhist(I),title('灰度图像直方图');%输出原图直方图

theta = 30;J = imrotate(I,theta);% Try varying the angle, theta

subplot(2,2,4)， imshow(J),title(‘旋转图像’)

2边缘检测

I=imread('C:\Users\HP\Desktop\平时总结\路飞jpg');

subplot(2,2,1),imshow(I),title('原始图像');

I1=edge(I,'sobel');

subplot(2,2,2),imshow(I1),title('sobel边缘检测');

I2=edge(I,'prewitt');

subplot(2,2,3),imshow(I2),title（'prewitt边缘检测'）;

I3=edge(I,'log');

subplot(2,2,4),imshow(I3),title（'log边缘检测'）;

3图像反转

MATLAB 程序实现如下：

I=imread('xianbmp');

J=double(I);

J=-J+(256-1);%图像反转线性变换

H=uint8(J);

subplot(1,2,1),imshow(I);

subplot(1,2,2),imshow(H);

4灰度线性变换

MATLAB 程序实现如下：

I=imread('xianbmp');

subplot(2,2,1),imshow(I);

title('原始图像');

axis([50,250,50,200]);

axis on;%显示坐标系

I1=rgb2gray(I);

subplot(2,2,2),imshow(I1);

title('灰度图像');

axis([50,250,50,200]);

axis on; %显示坐标系

J=imadjust(I1,[01 05],[]); %局部拉伸，把[01 05]内的灰度拉伸为[0 1]

subplot(2,2,3),imshow(J);

title('线性变换图像[01 05]');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

K=imadjust(I1,[03 07],[]); %局部拉伸，把[03 07]内的灰度拉伸为[0 1]

subplot(2,2,4),imshow(K);

title('线性变换图像[03 07]');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

5非线性变换

MATLAB 程序实现如下：

I=imread('xianbmp');

I1=rgb2gray(I);

subplot(1,2,1),imshow(I1);

title(' 灰度图像');

axis([50,250,50,200]);

grid on;%显示网格线

axis on;%显示坐标系

J=double(I1);

J=40(log(J+1));

H=uint8(J);

subplot(1,2,2),imshow(H);

title(' 对数变换图像');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

4直方图均衡化

MATLAB 程序实现如下：

I=imread('xianbmp');

I=rgb2gray(I);

figure;

subplot(2,2,1);

imshow(I);

subplot(2,2,2);

imhist(I);

I1=histeq(I);

figure;

subplot(2,2,1);

imshow(I1);

subplot(2,2,2);

imhist(I1);

5 线性平滑滤波器

用MATLAB实现领域平均法抑制噪声程序：

I=imread('xianbmp');

subplot(231)

imshow(I)

title('原始图像')

I=rgb2gray(I);

I1=imnoise(I,'salt & pepper',002);

subplot(232)

imshow(I1)

title(' 添加椒盐噪声的图像')

k1=filter2(fspecial('average',3),I1)/255; %进行33模板平滑滤波

k2=filter2(fspecial('average',5),I1)/255; %进行55模板平滑滤波k3=filter2(fspecial('average',7),I1)/255; %进行77模板平滑滤波

k4=filter2(fspecial('average',9),I1)/255; %进行99模板平滑滤波

subplot(233),imshow(k1);title('33 模板平滑滤波');

subplot(234),imshow(k2);title('55 模板平滑滤波');

subplot(235),imshow(k3);title('77 模板平滑滤波');

subplot(236),imshow(k4);title('99 模板平滑滤波');

6中值滤波器

用MATLAB实现中值滤波程序如下：

I=imread('xianbmp');

I=rgb2gray(I);

J=imnoise(I,'salt&pepper',002);

subplot(231),imshow(I);title('原图像');

subplot(232),imshow(J);title('添加椒盐噪声图像');

k1=medfilt2(J); %进行33模板中值滤波

k2=medfilt2(J,[5,5]); %进行55模板中值滤波

k3=medfilt2(J,[7,7]); %进行77模板中值滤波

k4=medfilt2(J,[9,9]); %进行99模板中值滤波

subplot(233),imshow(k1);title('33模板中值滤波');

subplot(234),imshow(k2);title('55模板中值滤波 ');

subplot(235),imshow(k3);title('77模板中值滤波');

subplot(236),imshow(k4);title('99 模板中值滤波');

7用Sobel算子和拉普拉斯对图像锐化：

I=imread('xianbmp');

subplot(2,2,1),imshow(I);

title('原始图像');

axis([50,250,50,200]);

grid on; %显示网格线

axis on;%显示坐标系

I1=im2bw(I);

subplot(2,2,2),imshow(I1);

title('二值图像');

axis([50,250,50,200]);

grid on;%显示网格线

axis on;%显示坐标系

H=fspecial('sobel');%选择sobel算子

J=filter2(H,I1); %卷积运算

subplot(2,2,3),imshow(J);

title('sobel算子锐化图像');

axis([50,250,50,200]);

grid on; %显示网格线

axis on;%显示坐标系

h=[0 1 0,1 -4 1,0 1 0]; %拉普拉斯算子

J1=conv2(I1,h,'same');%卷积运算

subplot(2,2,4),imshow(J1);

title('拉普拉斯算子锐化图像');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

8梯度算子检测边缘

用 MATLAB实现如下：

I=imread('xianbmp');

subplot(2,3,1);

imshow(I);

title('原始图像');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

I1=im2bw(I);

subplot(2,3,2);

imshow(I1);

title('二值图像');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

I2=edge(I1,'roberts');

figure;

subplot(2,3,3);

imshow(I2);

title('roberts算子分割结果');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

I3=edge(I1,'sobel');

subplot(2,3,4);

imshow(I3);

title('sobel算子分割结果');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

I4=edge(I1,'Prewitt');

subplot(2,3,5);

imshow(I4);

title('Prewitt算子分割结果 ');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

9LOG算子检测边缘

用 MATLAB程序实现如下：

I=imread('xianbmp');

subplot(2,2,1);

imshow(I);

title('原始图像');

I1=rgb2gray(I);

subplot(2,2,2);

imshow(I1);

title('灰度图像');

I2=edge(I1,'log');

subplot(2,2,3);

imshow(I2);

title('log算子分割结果');

10Canny算子检测边 缘

用MATLAB程序实现如下：

I=imread('xianbmp');

subplot(2,2,1);

imshow(I);

title('原始图像')

I1=rgb2gray(I);

subplot(2,2,2);

imshow(I1);

title('灰度图像');

I2=edge(I1,'canny');

subplot(2,2,3);

imshow(I2);

title('canny算子分割结果');

11边界跟踪 （bwtraceboundary函数）

clc

clear all

I=imread('xianbmp');

figure

imshow(I);

title('原始图像');

I1=rgb2gray(I); %将彩色图像转化灰度图像

threshold=graythresh(I1); %计算将灰度图像转化为二值图像所需的门限

BW=im2bw(I1, threshold); %将灰度图像转化为二值图像

figure

imshow(BW);

title('二值图像');

dim=size(BW);

col=round(dim(2)/2)-90; %计算起始点列坐标

row=find(BW(:,col),1); %计算起始点行坐标

connectivity=8;

num_points=180;

contour=bwtraceboundary(BW,[row,col],'N',connectivity,num_points);

%提取边界

figure

imshow(I1);

hold on;

plot(contour(:,2),contour(:,1), 'g','LineWidth' ,2);

title('边界跟踪图像');

12Hough变换

I= imread('xianbmp');

rotI=rgb2gray(I);

subplot(2,2,1);

imshow(rotI);

title('灰度图像');

axis([50,250,50,200]);

grid on;

axis on;

BW=edge(rotI,'prewitt');

subplot(2,2,2);

imshow(BW);

title('prewitt算子边缘检测 后图像');

axis([50,250,50,200]);

grid on;

axis on;

[H,T,R]=hough(BW);

subplot(2,2,3);

imshow(H,[],'XData',T,'YData',R,'InitialMagnification','fit');

title('霍夫变换图');

xlabel('\theta'),ylabel('\rho');

axis on , axis normal, hold on;

P=houghpeaks(H,5,'threshold',ceil(03max(H(:))));

x=T(P(:,2));y=R(P(:,1));

plot(x,y,'s','color','white');

lines=houghlines(BW,T,R,P,'FillGap',5,'MinLength',7);

subplot(2,2,4);,imshow(rotI);

title('霍夫变换图像检测');

axis([50,250,50,200]);

grid on;

axis on;

hold on;

max_len=0;

for k=1:length(lines)

xy=[lines(k)point1;lines(k)point2];

plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','green');

plot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow');

plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','red');

len=norm(lines(k)point1-lines(k)point2);

if(len>max_len)

max_len=len;

xy_long=xy;

end

end

plot(xy_long(:,1),xy_long(:,2),'LineWidth',2,'Color','cyan');

13直方图阈值法

用 MATLAB实现直方图阈值法：

I=imread('xianbmp');

I1=rgb2gray(I);

figure;

subplot(2,2,1);

imshow(I1);

title(' 灰度图像')

axis([50,250,50,200]);

grid on;%显示网格线

axis on; %显示坐标系

[m,n]=size(I1);%测量图像尺寸参数

GP=zeros(1,256); %预创建存放灰度出现概率的向量

for k=0:255

GP(k+1)=length(find(I1==k))/(mn);%计算每级灰度出现的概率，将其存入GP中相应位置

end

subplot(2,2,2),bar(0:255,GP,'g')%绘制直方图

title('灰度直方图')

xlabel('灰度值')

ylabel(' 出现概率')

I2=im2bw(I,150/255);

subplot(2,2,3),imshow(I2);

title('阈值150的分割图像')

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

I3=im2bw(I,200/255); %

subplot(2,2,4),imshow(I3);

title('阈值200的分割图像')

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

14 自动阈值法：Otsu法

用MATLAB实现Otsu算法：

clc

clear all

I=imread('xianbmp');

subplot(1,2,1),imshow(I);

title('原始图像')

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

level=graythresh(I); %确定灰度阈值

BW=im2bw(I,level);

subplot(1,2,2),imshow(BW);

title('Otsu 法阈值分割图像')

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

15膨胀 *** 作

I=imread('xianbmp'); %载入图像

I1=rgb2gray(I);

subplot(1,2,1);

imshow(I1);

title('灰度图像')

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

se=strel('disk',1); %生成圆形结构元素

I2=imdilate(I1,se); %用生成的结构元素对图像进行膨胀

subplot(1,2,2);

imshow(I2);

title(' 膨胀后图像');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

16腐蚀 *** 作

MATLAB 实现腐蚀 *** 作

I=imread('xianbmp'); %载入图像

I1=rgb2gray(I);

subplot(1,2,1);

imshow(I1);

title('灰度图像')

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

se=strel('disk',1); %生成圆形结构元素

I2=imerode(I1,se); %用生成的结构元素对图像进行腐蚀

subplot(1,2,2);

imshow(I2);

title('腐蚀后图像');

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

17开启和闭合 *** 作

用 MATLAB实现开启和闭合 *** 作

I=imread('xianbmp'); %载入图像

subplot(2,2,1),imshow(I);

title('原始图像');

axis([50,250,50,200]);

axis on; %显示坐标系

I1=rgb2gray(I);

subplot(2,2,2),imshow(I1);

title('灰度图像');

axis([50,250,50,200]);

axis on; %显示坐标系

se=strel('disk',1); %采用半径为1的圆作为结构元素

I2=imopen(I1,se); %开启 *** 作

I3=imclose(I1,se); %闭合 *** 作

subplot(2,2,3),imshow(I2);

title('开启运算后图像');

axis([50,250,50,200]);

axis on; %显示坐标系

subplot(2,2,4),imshow(I3);

title('闭合运算后图像');

axis([50,250,50,200]);

axis on; %显示坐标系

18开启和闭合组合 *** 作

I=imread('xianbmp');%载入图像

subplot(3,2,1),imshow(I);

title('原始图像');

axis([50,250,50,200]);

axis on;%显示坐标系

I1=rgb2gray(I);

subplot(3,2,2),imshow(I1);

title('灰度图像');

axis([50,250,50,200]);

axis on;%显示坐标系

se=strel('disk',1);

I2=imopen(I1,se);%开启 *** 作

I3=imclose(I1,se);%闭合 *** 作

subplot(3,2,3),imshow(I2);

title('开启运算后图像');

axis([50,250,50,200]);

axis on;%显示坐标系

subplot(3,2,4),imshow(I3);

title('闭合运算后图像');

axis([50,250,50,200]);

axis on;%显示坐标系

se=strel('disk',1);

I4=imopen(I1,se);

I5=imclose(I4,se);

subplot(3,2,5),imshow(I5);%开—闭运算图像

title('开—闭运算图像');

axis([50,250,50,200]);

axis on;%显示坐标系

I6=imclose(I1,se);

I7=imopen(I6,se);

subplot(3,2,6),imshow(I7);%闭—开运算图像

title('闭—开运算图像');

axis([50,250,50,200]);

axis on;%显示坐标系

19形态学边界提取

利用 MATLAB实现如下：

I=imread('xianbmp');%载入图像

subplot(1,3,1),imshow(I);

title('原始图像');

axis([50,250,50,200]);

grid on;%显示网格线

axis on;%显示坐标系

I1=im2bw(I);

subplot(1,3,2),imshow(I1);

title('二值化图像');

axis([50,250,50,200]);

grid on;%显示网格线

axis on;%显示坐标系

I2=bwperim(I1); %获取区域的周长

subplot(1,3,3),imshow(I2);

title('边界周长的二值图像');

axis([50,250,50,200]);

grid on;

axis on;

20形态学骨架提取

利用MATLAB实现如下：

I=imread('xianbmp');

subplot(2,2,1),imshow(I);

title('原始图像');

axis([50,250,50,200]);

axis on;

I1=im2bw(I);

subplot(2,2,2),imshow(I1);

title('二值图像');

axis([50,250,50,200]);

axis on;

I2=bwmorph(I1,'skel',1);

subplot(2,2,3),imshow(I2);

title('1次骨架提取');

axis([50,250,50,200]);

axis on;

I3=bwmorph(I1,'skel',2);

subplot(2,2,4),imshow(I3);

title('2次骨架提取');

axis([50,250,50,200]);

axis on;

21直接提取四个顶点坐标

I = imread('xianbmp');

I = I(:,:,1);

BW=im2bw(I);

figure

imshow(~BW)

[x,y]=getpts

平滑滤波

h=fspecial('average',9);

I_gray=imfilter(I_gray,h,'replicate');%平滑滤波

以上就是关于谁有matlab的几何非线性有限元程序，不胜感激全部的内容，包括:谁有matlab的几何非线性有限元程序，不胜感激、matlab fmincon函数用法、MATLAB中的regionprops函数等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！