matlab图像分割算法源码

1、matlab 图像分割算法源码图像读取及灰度变换I=imread('cameraman.tif');%读取图像subplot(1,2,1),imshow(I) %输出图像title('原始图像') %在原始图像中加标题subplot(1,2,2),imhist(I) %输出原图直方图title('原始图像直方图') %在原图直方图上加标题图像旋转I = imread('cameraman.tif');figure,imshow(I);theta = 30;K = imrotate(I,theta); % Try varying t

2、he angle, theta.figure, imshow(K)边缘检测I = imread('cameraman.tif');J1=edge(I,'sobel');J2=edge(I,'prewitt');J3=edge(I,'log');subplot(1,4,1),imshow(I);subplot(1,4,2),imshow(J1);subplot(1,4,3),imshow(J2);subplot(1,4,4),imshow(J3);1.图像反转MATLAB程序实现如下：I=imread('xian.bmp&#

3、39;);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);2.灰度线性变换MATLAB程序实现如下：I=imread('xian.bmp');subplot(2,2,1),imshow(I);title('原始图像');axis(5

4、0,250,50,200);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;             

5、     %显示坐标系J=imadjust(I1,0.1 0.5,); %局部拉伸，把0.1 0.5内的灰度拉伸为0 1subplot(2,2,3),imshow(J);title('线性变换图像0.1 0.5');axis(50,250,50,200);grid on;                  %显示网格线axis on;   &

6、#160;              %显示坐标系K=imadjust(I1,0.3 0.7,); %局部拉伸，把0.3 0.7内的灰度拉伸为0 1subplot(2,2,4),imshow(K);title('线性变换图像0.3 0.7');axis(50,250,50,200);grid on;             

7、;     %显示网格线axis on;                  %显示坐标系3.非线性变换MATLAB程序实现如下：I=imread('xian.bmp');I1=rgb2gray(I);subplot(1,2,1),imshow(I1);title('灰度图像');axis(50,250,50,200);grid on;  

8、;                %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'

9、;);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('xian.bmp

10、');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('xian.bmp');subplot(231)imshow(I)title('原始图像')I=rgb2gray(I);I1=imnoise(I,'salt & pepper

11、',0.02);subplot(232)imshow(I1)title('添加椒盐噪声的图像')k1=filter2(fspecial('average',3),I1)/255;          %进行3*3模板平滑滤波k2=filter2(fspecial('average',5),I1)/255;          %进行5*5模板平滑滤波k3=filte

12、r2(fspecial('average',7),I1)/255;          %进行7*7模板平滑滤波k4=filter2(fspecial('average',9),I1)/255;          %进行9*9模板平滑滤波subplot(233),imshow(k1);title('3*3模板平滑滤波');subplot(234),imshow(k2);t

13、itle('5*5模板平滑滤波');subplot(235),imshow(k3);title('7*7模板平滑滤波');subplot(236),imshow(k4);title('9*9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('xian.bmp');I=rgb2gray(I);J=imnoise(I,'salt&pepper',0.02);subplot(231),imshow(I);title('原图像');subplot(232),ims

14、how(J);title('添加椒盐噪声图像');k1=medfilt2(J);            %进行3*3模板中值滤波k2=medfilt2(J,5,5);      %进行5*5模板中值滤波k3=medfilt2(J,7,7);      %进行7*7模板中值滤波k4=medfilt2(J,9,9);     

15、 %进行9*9模板中值滤波subplot(233),imshow(k1);title('3*3模板中值滤波');subplot(234),imshow(k2);title('5*5模板中值滤波');subplot(235),imshow(k3);title('7*7模板中值滤波');subplot(236),imshow(k4);title('9*9模板中值滤波');7.用Sobel算子和拉普拉斯对图像锐化：I=imread('xian.bmp');subplot(2,2,1),imshow(I);title(&#

16、39;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),imsho

17、w(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('so

18、bel');     %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;            &

19、#160;     %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subp

20、lot(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;                

21、60; %显示坐标系8.梯度算子检测边缘用MATLAB实现如下：I=imread('xian.bmp');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;        

22、;          %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;     

23、60;            %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;                 

24、 %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;           

25、;       %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;    

26、              %显示网格线axis on;                  %显示坐标系9.LOG算子检测边缘用MATLAB程序实现如下：I=imread('xian.bmp');subplot(2,2,1);imshow(I);title('原始图像'

27、;);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');10.Canny算子检测边缘用MATLAB程序实现如下：I=imread('xian.bmp');subplot(2,2,1);imshow(I);title('原始图像')I1=rgb2gray(I);subplot(2,2,2);imshow(I1);title('

28、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）clcclear allI=imread('xian.bmp');figureimshow(I);title('原始图像');I1=rgb2gray(I);              &#

29、160; %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figureimshow(BW);title('二值图像');dim=size(BW);col=round(dim(2)/2)-90;      

30、0;  %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figureimshow(I1);hold on;plot(contour(:,2),contour(:,1), 'g','LineWidth

31、' ,2);title('边界跟踪图像');12.Hough变换I= imread('xian.bmp');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,&#

32、39;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,

33、9;InitialMagnification','fit');title('霍夫变换图');xlabel('theta'),ylabel('rho');axis on , axis normal, hold on;P=houghpeaks(H,5,'threshold',ceil(0.3*max(H(:);x=T(P(:,2);y=R(P(:,1);plot(x,y,'s','color','white');lines=houghlines(BW,T,R,P,

34、'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;

35、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)

36、.point2);if(len>max_len)max_len=len;xy_long=xy;endendplot(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('xian.bmp');I1=rgb2gray(I);figure;subplot(2,2,1);imshow(I1);title('灰度图像')axis(50,250,50,200);grid on; &#

37、160;                %显示网格线axis on;                  %显示坐标系m,n=size(I1);           

38、60;                %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=0:2

39、55     GP(k+1)=length(find(I1=k)/(m*n);    %计算每级灰度出现的概率，将其存入GP中相应位置endsubplot(2,2,2),bar(0:255,GP,'g')                   %绘制直方图title('灰度直方图')xlabel('灰度值

40、9;)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;     

41、60;            %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

42、axis on;                  %显示坐标系14. 自动阈值法：Otsu法用MATLAB实现Otsu算法：clcclear allI=imread('xian.bmp');subplot(1,2,1),imshow(I);title('原始图像')axis(50,250,50,200);grid on;      &

43、#160;           %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

44、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.膨胀操作I=imread('xian.bmp'

45、;);          %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ax

46、is on;                  %显示坐标系se=strel('disk',1);          %生成圆形结构元素I2=imdilate(I1,se);             %用

47、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;               &#

48、160;  %显示坐标系16.腐蚀操作MATLAB实现腐蚀操作I=imread('xian.bmp');          %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;        &

49、#160;         %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);     &#

50、160;  %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;             &

51、#160;    %显示坐标系17.开启和闭合操作用MATLAB实现开启和闭合操作I=imread('xian.bmp');          %载入图像subplot(2,2,1),imshow(I);title('原始图像');axis(50,250,50,200);axis on;             &#

52、160;    %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           

53、;        se=strel('disk',1);     %采用半径为1的圆作为结构元素I2=imopen(I1,se);         %开启操作I3=imclose(I1,se);        %闭合操作subplot(2,2,3),imshow(I2);title('开启运算后图像

54、9;);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;            &#

55、160;     %显示坐标系18.开启和闭合组合操作I=imread('xian.bmp');          %载入图像subplot(3,2,1),imshow(I);title('原始图像');axis(50,250,50,200);axis on;               

56、;   %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            &#

57、160;      se=strel('disk',1);     I2=imopen(I1,se);         %开启操作I3=imclose(I1,se);        %闭合操作subplot(3,2,3),imshow(I2);title('开启运算后图像');axis(50,250,50,

58、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;                

59、60; %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;               

60、0;  %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&

61、#160;  19.形态学边界提取利用MATLAB实现如下：I=imread('xian.bmp');          %载入图像subplot(1,3,1),imshow(I);title('原始图像'); axis(50,250,50,200);grid on;               

62、   %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;            

63、60;     %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);

64、60;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('xian.bmp');subplot(2,2,1),imshow(I);title('原始图像');axis(50,250,50,200);axis on;    

65、;              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&#

66、39;,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

67、on;               21.直接提取四个顶点坐标I = imread('xian.bmp');I = I(:,:,1);BW=im2bw(I); figureimshow(BW)x,y=getpts Matlab求二值图像的周长  2013-01-21 20:00:21|  分类： matlab |  标签： |字号大中小 订阅

68、 方法一，使用8向链码。水平或垂直连通的长度为1，斜向连通长度为1.414（2的平方根）首先给出8向链码的编码函数function out=chaincode8(image)%功能：实现8连通链码%输入： 二值图像%输出：链码的结果n=0 1;-1 1;-1 0;-1 -1;0 -1;1 -1;1 0;1 1;%设置标志flag=1;%初始输出的链码串为空cc=;%找到起始点x y=find(image=1);x=min(x);imx=image(x,:);y=find(imx=1, 1 );first=x y;dir=7;while flag=1    

69、;      tt=zeros(1,8);          newdir=mod(dir+7-mod(dir,2),8);          for i=0:7              j=mod(newdir+i,8)+1; 

70、;             tt(i+1)=image(x+n(j,1),y+n(j,2);          end    d=find(tt=1, 1 );          dir=mod(newdir+d-1,8);    

71、;      %找到下一个像素点的方向码后补充在链码的后面    cc=cc,dir;    x=x+n(dir+1,1);y=y+n(dir+1,2);    %判别链码的结束标志    if x=first(1)&&y=first(2)        flag=0;    endendout=cc;下面是主函

72、数i=bwperim(imread('1.bmp'),8);%求出二值图像的边界c8=chaincode8(i);%生成8向链码sum1=0;sum2=0;for k=1:length(c8)    if c8(k)=0 |c8(k)=2 |c8(k)=4 |c8(k)=6        sum1=sum1+1;    else        sum2=sum2+1; &

73、#160;  endendl=sum1+sum2*sqrt(2);方法二，利用Matlab提供的函数i=imread('1.bmp');s=regionprops(i,'Perimeter');1. 代码matlab函数实现图像锐化     I,map=imread('img.jpg');imshow(I,map);I=double(I);Gx,Gy=gradient(I);       % 计算梯度G=sqrt(Gx.*Gx+

74、Gy.*Gy);   % 注意是矩阵点乘J1=G;figure,imshow(J1,map);    % 第一种图像增强J2=I;                   % 第二种图像增强K=find(G>=7);J2(K)=G(K);figure,imshow(J2,map);J3=I;      &#

75、160;            % 第三种图像增强K=find(G>=7);J3(K)=255;figure,imshow(J3,map);J4=I;                   % 第四种图像增强K=find(G<=7);J4(K)=255;figure,imshow(J4,map);J

76、5=I;                   % 第五种图像增强K=find(G<=7);J5(K)=0;Q=find(G>=7);J5(Q)=255;figure,imshow(J5,map);MATLAB示例程序001-OSTU大津法/最大类间方差  Otsu最大类间方差法原理    利用阈值将原图像分成前景，背景两个图象。    当取最佳阈

77、值时，背景应该与前景差别最大，即方差最大。otsu算法找的就是这个最大方差下的阈值。 最大类间方差法（otsu）的公式推导：   记t为前景与背景的分割阈值，前景点数占图像比例为w0，平均灰度为u0；背景点数占图像比例为w1，平均灰度为u1。   则图像的总平均灰度为：u=w0*u0+w1*u1。   前景和背景图象的方差：g=w0*(u0-u)*(u0-u)+w1*(u1-u)*(u1-u)=w0*w1*(u0-u1)*(u0-u1),此公式为方差公式。   循环求取最大方差即可。  

78、0;MABLAB代码及详细注释：function  ostuimg = imread('Lena.jpg');I_gray=rgb2gray(img);figure,imshow(I_gray);I_double=double(I_gray);    %转化为双精度，因为大多数的函数和操作都是基于double的%figure,imshow(I_double);wid,len=size(I_gray);     %wid为行数，len为列数colorlevel=256;     %灰度级hist=zeros(c

79、olorlevel,1);   %直方图，256×1的0矩阵 %threshold=128; %初始阈值%计算直方图，统计灰度值的个数for i=1:wid    for j=1:len        m=I_gray(i,j)+1;    %因为灰度为0-255所以+1        hist(m)=hist(m)+1;    endend %直方图归一化hist=hist/(wid*len);  

80、60; %miuT为总的平均灰度，histm代表像素值为m的点个数miuT=0;for m=1:colorlevel    miuT=miuT+(m-1)*hist(m);endxigmaB2=0;  %用于保存每次计算的方差，与下次计算的方差比较大小for mindex=1:colorlevel    threshold=mindex-1;    omega1=0;    %前景点所占比例    omega2=0;    %背景点所占比例  &

81、#160; for m=1:threshold-1        omega1=omega1+hist(m);  %计算前景比例    end    omega2=1-omega1;            %计算背景比例    miu1=0;      %前景平均灰度比例    miu2=0;      %背景平均灰度比例   

82、 %计算前景与背景平均灰度    for m=1:colorlevel        if m        miu1=miu1+(m-1)*hist(m);   %前景平均灰度        else        miu2=miu2+(m-1)*hist(m);   %背景平均灰度        end    end  &#

83、160; %   miu1=miu1/omega1;%    miu2=miu2/omega2;    %计算前景与背景图像的方差    xigmaB21=omega1*(miu1-miuT)2+omega2*(miu2-miuT)2;        xigma(mindex)=xigmaB21;   %保留每次计算的方差         %每次计算方差后，与上一次计算的方差比较。保留最大方差为

84、finalT    if xigmaB21>xigmaB2        finalT=threshold;        xigmaB2=xigmaB21;    endend %比较方法两种阈值的不同fT=finalT/255;         %阈值归一化T=graythresh(I_gray);  %matlab函数求阈值 for i=1:wid    for j=1:le

85、n        if I_double(i,j)>finalT            bin(i,j)=255;        else            bin(i,j)=0;        end    endend figure,imshow(bin);figure,plot(1:colorlevel,xigm

86、a); end 运行结果：function main img=imread('lena.jpg'); imshow(img); img=double(img); m n=size(img); Hist=zeros(1,256); for i=1:m for j=1:n Hist(img(i,j)+1)=Hist(img(i,j)+1)+1; %求直方图 end end p=Hist/(m*n); %直方图概率分布 uT=sum(1:256).*p(1:256); %图像亮度均值，其实比真正的均值要大1，所以后面减了1 sigma_2=zeros(1,256)

87、; for k=1:256 sigma_2(k)=(uT*w(k,p)-u(k,p)2/(w(k,p)*(1-w(k,p); %类间方差 end tmp index=max(sigma_2); %求最大类间方差的索引 index=index-1; %这里索引是1-256，实际图像灰度是0-255，所以减1 imgn=img>index; figure; imshow(imgn); function re=w(k,p) %直方图前k个亮度级的0阶累积矩 re=sum(p(1:k); end function re=u(k,p) %直方图前k个亮度级的1阶累积矩 re=sum(1:k).*p

88、(1:k); end end效果：原图二值化后bwlabel函数（二值图像中元素标记） 分类： MATLAB 2012-07-03 10:05 648人阅读 评论(0) 收藏 举报 图像处理转至：图像处理函数详解bwlabel功能：对连通对象进行标注，bwlabel主要对二维二值图像中各个分离部分进行标注（多维用bwlabeln，用法类似）。用法：L = bwlabel(BW,n)L,num = bwlabel(BW,n)L = bwlabel(BW,n)表示返回和BW相同大小的数组L。L中包含了连通对象的标注。参数n为4或8，分别对应4邻域和8邻域，默认值为8。L,num = bwlabel

89、(BW,n)返回连通数num。 bwlabel用法：L = bwlabel(BW,n)返回一个和BW大小相同的L矩阵，包含了标记了BW中每个连通区域的类别标签，这些标签的值为1、2、num（连通区域的个数）。n的值为4或8，表示是按4连通寻找区域，还是8连通寻找，默认为8。四连通或八连通是图像处理里的基本感念：而8连通，是说一个像素，如果和其他像素在上、下、左、右、左上角、左下角、右上角或右下角连接着，则认为他们是联通的；4连通是指，如果像素的位置在其他像素相邻的上、下、左或右，则认为他们是连接着的，连通的，在左上角、左下角、右上角或右下角连接，则不认为他们连通。L,num = bw

90、label(BW,n)这里num返回的就是BW中连通区域的个数。补充：我听说过16连通，这应该是在三维空间里的概念了吧。举例说明：BW =    1     1     1     0     0     0     0     0    1     1     1 &

91、#160;   0     1     1     0     0    1     1     1     0     1     1     0     0    1  

92、60;  1     1     0     0     0     1     0    1     1     1     0     0     0     1   

93、0; 0    1     1     1     0     0     0     1     0    1     1     1     0     0     1

94、60;   1     0    1     1     1     0     0     0     0     0按4连通计算，方形的区域，和翻转的L形区域，有用是对角连接，不属于连通，所以分开标记，连通区域个数为3 1. L = bwlabel(BW,4)结果如下：L =  

95、60; 1     1     1     0     0     0     0     0    1     1     1     0     2     2     0 &

96、#160;   0    1     1     1     0     2     2     0     0    1     1     1     0     0  

97、60;  0     3     0    1     1     1     0     0     0     3     0    1     1     1     0     0     0     3     0