%?分段基追蹤（BP）算法
%??讀文件
%?X=imread（‘C:\Users\zkdn\Desktop\MATLABdata\I30\I30.jpg‘）;
%?X=double（X）;
%?[ab]=size（X）;
load?C:\Users\zkdn\Desktop\MATLABdata\I1\I1.mat
X=I1;
background=imopen（Xstrel（‘disk‘15））;%獲取背景信息
X=imsubtract（Xbackground）;%利用函數(shù)去除背景

X=double（X）;
[ab]=size（X）;
%??小波變換矩陣生成
ww=dwt2（a‘haar‘）;
%??小波變換讓圖像稀疏化（注意該步驟會(huì)耗費(fèi)時(shí)間，但是會(huì)增大稀疏度）
X1=ww*sparse（X）*ww‘;
%?X1=X;
X1=full（X1）;

%??隨機(jī)矩陣生成
M=256;
R=randn（Ma）;
%?R=randn（a）;
%?R=mapminmax（R0255）;
%?R=round（R）;

%??測(cè)量值
Y=R*X1;

%??OMP算法
%??恢復(fù)矩陣
X2=zeros（ab）;?
%??按列循環(huán)
for?i=1:b?
????%??通過(guò)OMP，返回每一列信號(hào)對(duì)應(yīng)的恢復(fù)值（小波域）
????rec=BP_linprog（Y（:i）R）;%BP_linprog（?sPhi?）
????%??恢復(fù)值矩陣，用于反變換
????X2（:i）=rec;
end
%%%%
%?figure（4）;
%?X2=full（X2）;
%?imshow（uint8（X2））;
%?title（‘OMP計(jì)算后圖像‘）;

%??原始圖像
figure（1）;
imshow（uint8（X））;
title（‘原始圖像‘）;

%??變換圖像
%?figure（2）;
%?imshow（uint8（X1））;
%?title（‘小波變換后的圖像‘）;

%??壓縮傳感恢復(fù)的圖像
figure（3）;
%??小波反變換
X3=ww‘*sparse（X2）*ww;??
%?X3=X2;
X3=full（X3）;
imshow（uint8（X3））;
title（‘BP恢復(fù)的圖像‘