数字图像处理实验全完整答案.docx
《数字图像处理实验全完整答案.docx》由会员分享，可在线阅读，更多相关《数字图像处理实验全完整答案.docx（38页珍藏版）》请在冰豆网上搜索。
数字图像处理实验全完整答案
实验一常用MATLAB图像处理命令
一、实验目得
1、熟悉并掌握ＭAＴLＡB工具得使用;
2、实现图像得读取、显示、代数运算与简单变换。
二、实验环境
MAＴLAB６。
５以上版本、ＷIN XP或WＩN2000计算机
三、常用函数
●读写图像文件
1 imrｅad
imreａd函数用于读入各种图像文件,如:
ａ=imread（＇ｅ:
\ｗ0１。
tif'）
2imｗrｉtｅ
iｍｗriｔe函数用于写入图像文件,如:
imｗrｉtｅ（a,’e:
＼w02。
ｔif’,’tｉf'）
３ imfiｎｆｏ
imfｉnｆｏ函数用于读取图像文件得有关信息,如:
ｉmfｉnfo（'e:
\ｗ０1、tif’）
●图像得显示
1imａｇe
ｉmagｅ函数就是MATLAB提供得最原始得图像显示函数,如:
ａ=[1,2,3,4;４,5,6,７;８,9,10,１１,1２］;
imaｇｅ（a）;
2imsｈow
imshow函数用于图像文件得显示,如:
i＝ｉmreａｄ（'e:
＼w0１、tiｆ'）;
iｍshow（ｉ）;
tiｔｌe（‘原图像’）％加上图像标题
3cｏlｏrbaｒ
ｃolorbａr函数用显示图像得颜色条,如:
i＝imread（’e:
\w01。
ｔif'）;
iｍshow（i）;
ｃｏｌoｒbar;
4fｉｇure
fｉgure函数用于设定图像显示窗口,如:
fｉｇｕrｅ
（1）;/fiｇure
（2）;
5 suｂｐｌoｔ
把图形窗口分成多个矩形部分,每个部分可以分别用来进行显示、
Ｓubpｌｏｔ（m,n,ｐ）分成ｍ＊ｎ个小窗口,在第ｐ个窗口中创建坐标轴为当前坐标轴,用于显示图形、
6ｐｌoｔ
绘制二维图形
pｌｏt（y）
Plot（ｘ,ｙ）ｘy可以就是向量、矩阵。
●图像类型转换
１ｒgb２gray
把真彩图像转换为灰度图像
i=ｒgb2gｒａｙ（ｊ）
2 iｍ２bw
通过阈值化方法把图像转换为二值图像
I=im2bw（ｊ,lｅvel）
Lｅｖel表示灰度阈值,取值范围０～１（即0.n）,表示阈值取自原图像灰度范围得n%
3imresize
改变图像得大小
Ｉ=imrｅsize（j,［mn］）将图像j大小调整为m行ｎ列
●图像运算
１ｉmadd
两幅图像相加,要求同样大小,同种数据类型
Z＝imadd（x,y）表示图像x＋ｙ
2imsｕbstraｃt
两幅图像相减,要求同样大小,同种数据类型
Z=imsubｔract（x,ｙ）表示图像ｘ-y
3immultiｐlｙ
Z=iｍmulｔｉplｙ（x,y）表示图像x＊y
4 imdivｉｄe
Z=ｉmdｉvidｅ（ｘ,y） 表示图像x/y
四、实验内容（请将实验程序填写在下方合适得位置,实验图像结果拷屏粘贴）
1、读入一幅RGＢ图像,变换为灰度图像与二值图像,并在同一个窗口内分成三个子窗口来分别显示ＲGＢ图像与灰度图像,注上文字标题。
ａ=imreaｄ（’f:
\1。
jpg’）
i=rgb2ｇray（ａ）
Ｉ=im2bw（a,０.5）
subｐlot（3,1,1）;ｉmshow（a）;titｌe（＇原图像＇）
subplｏt（３,1,2）;imshow（i）;titｌｅ（'灰度图像＇）
subplｏt（3,１,3）;imshow（I）;titｌe（＇二值图像’）
２、对两幅不同图像执行加、减、乘、除操作,在同一个窗口内分成五个子窗口来分别显示,注上文字标题。
a=imrｅaｄ（’ｆ:
＼１。
ｊpg'）
A＝imｒeｓｉzｅ（ａ,[80080０］）
ｂ=imread（'f:
\2.jpｇ＇）
B＝imrｅsｉzｅ（b,[800800］）
Z1＝ｉmadd（A,B）
Z2=imsubtｒact（A,Ｂ）
Z３=iｍmultiｐly（A,B）
Z4=imdivide（A,Ｂ）
subplｏt（3,2,1）;imshｏｗ（Ａ）;title（＇原图像A＇）
sｕbplｏt（3,2,２）;iｍsｈow（B）;title（＇原图像B'）
ｓubplｏt（３,２,3）;ｉｍｓｈｏｗ（Z1）;titｌe（＇加法图像＇）
ｓuｂplot（３,２,4）;iｍshoｗ（Z2）;tｉtｌe（＇减法图像’）
ｓｕbplot（3,2,５）;imshoｗ（Z3）;title（’乘法图像’）
subplot（3,2,6）;ｉmsｈｏｗ（Z2）;ｔitle（＇除法图像’）
3、对一幅图像进行灰度变化,实现图像变亮、变暗与负片效果,在同一个窗口内分成四个子窗口来分别显示,注上文字标题。
a=ｉmreａd（'f:
\１。
jpg＇）;
m＝iｍａｄjust（ａ,[,],［0、5;１］） ;％图像变亮
n =iｍａdjust（a,［,],［0;０。
5]） ;%图像变暗
g=255－a;％负片效果
subpｌot（2,2,1）;imshoｗ（ａ）;ｔitle（’原图像＇）
suｂploｔ（2,2,2）;iｍｓhoｗ（m）;titlｅ（'图像变亮'）
suｂpｌot（2,2,3）;imshｏｗ（ｎ）;titlｅ（’图像变暗’）
ｓubｐlot（2,２,4）;imshｏw（ｇ）;tｉｔle（'负片效果'）
4、熟悉数字图像处理常用函数得使用,调出帮助文档查瞧其各种不同用法。
方法:
选择函数（函数所在区变暗）,点右键弹出菜单,选择“ＨｅlpoｎSelectｉon”
五、实验总结
分析图像得代数运算结果,分别陈述图像得加、减、乘、除运算可能得应用领域。
实验四 常用图像增强方法
一、实验目得
1、熟悉并掌握MATＬAＢ图像处理工具箱得使用;
2、理解并掌握常用得图像得增强技术。
二、实验环境
MAＴＬAB6、5以上版本、WINＸP或WIN200０计算机
三、相关知识
1imｎoｉｓe
ｉmｎoisｅ函数用于对图像生成模拟噪声,如:
i=iｍｒｅad（＇ｅ:
＼w0１。
ｔｉf’）;
j=ｉｍｎoiｓｅ（i,＇gａussian’,0,0、0２）;模拟均值为0方差为０。
0２得高斯噪声,
j=imnoise（ｉ,＇salｔ&pepｐer', 0.04） 模拟叠加密度为0.0４得椒盐噪声
２fspeciａl
fspecｉaｌ函数用于产生预定义滤波器,如:
h=fｓpecial（'sobeｌ'）;%ｓobel水平边缘增强滤波器
h=ｆsｐecial（＇gaｕssiaｎ＇）;％高斯低通滤波器
h=ｆspecial（’ｌaｐlaｃiａn’）;％拉普拉斯滤波器
h=fspecial（’ｌoｇ'）;%高斯拉普拉斯（LoＧ）滤波器
h=fspecｉal（'avｅraｇe'）;%均值滤波器
3 基于卷积得图像滤波函数
iｍfilter函数, fiｌter２函数,二维卷积ｃonv２滤波,都可用于图像滤波,用法类似,如:
i=ｉmreaｄ（＇e:
\ｗ0１、tif’）;
ｈ=[1,2,1;0,0,0;—1,－2,—1］;%产生Ｓobｅl算子得水平方向模板
j=fｉｌter2（h,i）;
或者:
h =fｓpeciaｌ（‘preｗiｔt’）
I＝imrｅad（＇cａmeｒamａn、tif'）;
imsｈoｗ（I）;
H ＝fspeciａl（'pｒeｗiｔt‘）; ％预定义滤波器
Ｍ=iｍfilteｒ（I,Ｈ）;
imｓｈow（M）
或者:
ｉ＝imｒeａd（’ｅ:
＼w01。
ｔif＇）;
h=[1,1,１;1,１,1;1,1,１］;
h=h/9;
j=coｎv2（i,h）;
４其她常用滤波举例
（1）中值滤波
ｍedfilｔ２函数用于图像得中值滤波,如:
i=ｉmreaｄ（’e:
\ｗ０1、tｉｆ'）;
j＝medfilt2（i,[MN］）;对矩阵ｉ进行二维中值滤波,领域为Ｍ*N,缺省值为３＊3
（2）利用拉氏算子锐化图像, 如:
ｉ=imreaｄ（'e:
\ｗ０1、ｔiｆ'）;
j＝ｄouｂle（i）;
h=［０,1,0;１,－4,0;0,1,0］;%拉氏算子
ｋ=cｏnv2（ｊ,h,’saｍe’）;
三、实验步骤
1、采用二维中值滤波函数medfilｔ2对受椒盐噪声干扰得图像滤波,窗口分别采用3*3,5＊５,7*7
I＝ｉmread（＇f:
\lｅna。
ｐｎg＇）;
J= ｉmnoｉse（I,’ｓalｔ & peppｅr',0.04）;
K1=mｅdfilｔ2（J,［３ ３]）;％对矩阵ｉ进行二维中值滤波,领域为3*3
K2 =medfiｌt2（J,[55］）;
K3= medfilｔ2（Ｊ,[77]）;
subplｏt（２,２,1）;iｍshow（J）;tｉtle（'椒盐噪声干扰图像'）
ｓubplot（2,２,2）;iｍshoｗ（Ｋ1）;titlｅ（＇领域为3*３二维中值滤波'）
sｕｂplot（２,２,3）;imｓhow（Ｋ2）;ｔｉtle（’领域为5*５二维中值滤波’）
suｂpｌot（2,２,4）;ｉmshｏｗ（K3）;titｌe（＇领域为7＊７二维中值滤波'）
2、采用MATＬＡB中得函数filter2对受噪声干扰得图像进行均值滤波
Ｉ＝ iｍｒeａd（＇f:
\ｌena.ｐng＇）;
ｊ=imnoｉse（i,’gａｕssian',０,０、０2）;%模拟均值为0方差为0.02得高斯噪声,
M= filtｅｒ2（fｓpecｉａl（'ａverage＇,9）,J）/25５; ％模板尺寸为9
suｂｐlot（2,1,1）;ｉmsｈoｗ（ｊ）;tｉtle（'噪声干扰图像’）
sｕｂｐlot（2,１,2）;imｓhｏw（M）;ｔｉtle（’改进后得图像’）
3、采用三种不同算子对图像进行锐化处理。
i=iｍreａｄ（＇ｆ:
\1.jｐg'）
I=rgｂ2gray（s）
H=fspecｉaｌ（＇sｏbeｌ’）％应用Ｓｏbeｌ算子锐化图像
Ｉ１=ｆilter２（H,Ｉ）％Ｓobel算子滤波锐化
H=ｆspecial（'pｒｅwｉtt'）％应用prｅwitt算子锐化图像
I2＝fｉlter2（H,I）％prｅｗitt算子滤波锐化
H＝ｆspecｉａl（＇lｏｇ’）％应用lｏｇ算子锐化图像
I3=ｆiｌter２（H,I）%log算子滤波锐化
subpｌoｔ（２,2,1）;imｓｈｏｗ（i）;ｔitle（'原图像’）
suｂploｔ（2,2,２）;imshoｗ（I1）;ｔitlｅ（'Soｂｅl算子锐化图像’）
suｂplot（2,2,3）;ｉｍshoｗ（I2）;titｌe（’prewitt算子锐化图像’）
subplot（2,２,4）;imshow（Ｉ３）;tｉtlｅ（’log算子锐化图像’）
四、实验总结
１、比较不同平滑滤波器得处理效果,分析其优缺点
２、比较不同锐化滤波器得处理效果,分析其优缺点
实验五图像恢复与图像分割
一、实验目得
1、熟悉并掌握MAＴLAB图像处理工具箱得使用;
2、理解并掌握常用得图像得恢复与分割技术。
二、实验环境
MＡTLAB 6、5以上版本、WINXＰ或WＩN２0０0计算机
三、相关知识
1decｏnvｗnr
维纳滤波,
用法:
Ｊ＝deconvwｎｒ（I,PＳF,NSＲ）
用维纳滤波算法对图片Ｉ进行图像恢复后返回图像Ｊ。
I就是一个Ｎ维数组。
PＳF就是点扩展函数得卷积。
NSP就是加性噪声得噪声对信号得功率比。
如:
I＝im2dｏublｅ（ｉｍread（’ｃameraｍan。
ｔif'））;
imｓhoｗ（I）;
ｔｉtｌｅ（＇OriginaｌImａｇe＇）;
%模拟运动模糊
LEN=21;ﻫTＨETA= １1; ﻫＰSF =ｆsｐecial（＇motion＇, LEＮ, TＨETＡ）;
blurreｄ=iｍｆilteｒ（I,ＰSF,＇ｃｏnｖ’, ’circular＇）;
fｉｇｕre, imshow（bluｒreｄ）
%恢复图像
wnr2 ＝ｄecｏnｖwｎr（ｂlurred＿noisｙ,PSF）;ﻫfigure, ｉmshoｗ（wnr2）ﻫｔitle（'Restｏraｔiｏn ofBlｕrred'）
2 ｅdｇｅ
检测灰度或者二值图像得边缘,返回一个二值图像,1像素就是检测到得边缘,0像素就是非边缘、
用法:
BW=edge（I,’sobel',thｒeｓｈ,dｉrecｔiｏn）,
Ｉ为检测对象;边缘检测算子可用sｏｂｅl,ｒoberｔs,prｅｗｉtt,zerocross,log,canny;
thｒｅsh指定阈值,检测时忽略所有小于阈值得边缘,默认自动选择阈值;diｒectioｎ方向,在所指定得方向directｉoｎ上,用算子进行边缘检测hｏrｉzontal（水平方向）、verticａｌ（垂直方向）或both（两个方向）。
如:
I=imｒead（'circuｉt.tif’）;
BW1=edｇe（I,'prewitｔ＇）;
imshoｗ（BＷ１）;
3 ｓtrel
创建形态学结构元素。
用法:
SE=STＲEL（’aｒbitrary’,NHＯOＤ,HEＩＧHT） 创建一个指定领域得非平面结构化元素。
ＨEIGHT就是一个矩阵,大小与NＨOOD相同,她指定了NHＯOD中任何非零元素得高度值、
SＥ=STRＥL（’balｌ＇,R,H,N）创建一个空间椭球状得结构元素,其Ｘ－Y平面半径为R,高度为H、Ｒ必须为非负整数,Ｈ就是一个实数。
N必须为一个非负偶数。
当Ｎ＞０时此球形结构元素由一系列空间线段结构元素来近似。
SE=STREL（'dｉamｏｎd’,R）创建一个指定大小R平面钻石形状得结构化元素、R就是从结构化元素原点到其点得距离,必须为非负整数。
ＳE=STREL（’diｓｋ’,Ｒ,Ｎ）创建一个指定半径R得平面圆盘形得结构元素。
这里R必须就是非负整数、Ｎ须就是０,4,6,8。
当Ｎ大于０时,圆盘形结构元素由一组N（或N+2）个周期线结构元素来近似。
当N等于０时,不使用近似,即结构元素得所有像素就是由到中心像素距离小于等于R得像素组成。
N可以被忽略,此时缺省值就是4、注:
形态学操作在N＞0情况下要快于Ｎ=０得情形。
如:
ｓｅ1＝ strｅl（’square＇,11）％11乘以11得正方形
４imｅrodｅ
腐蚀图像
用法:
IM2 ＝imerｏde（IM,SE）
腐蚀灰度、二进制或压缩二进制图像IＭ,返回腐蚀图像 IM2 。
参数SE就是函数streｌ返回得一个结构元素体或就是结构元素体阵列、
如:
使用一个盘状结构元素腐蚀一幅二进制图像、
originａlBW= imrｅad（＇cirｃleｓ。
png'）;ﻫse =ｓtrel（'disk',1１）;
erodedＢW= imerodｅ（oｒiｇinａlＢW,sｅ）; ﻫimshow（originａlBW）,figure,imshow（eｒodeｄBW）
5imdilａｔe
膨胀图像
用法:
IM2＝ｉｍdｉｌate（IM, ＳE）ﻫ膨胀灰度图像、二值图像、或者打包得二值图像IM,返回膨胀图像M2。
变量SＥ就是一个结构元素或者一个结构元素得数组,其就是通过ｓtrel函数返回得。
如:
利用一个运行结构元素膨胀灰度图像。
I＝imrｅａd（'ｃameｒaman、tｉf’）;
sｅ=stｒeｌ（'bａll',5,5）;
I2=imdilate（I,se）;
imshoｗ（I）,title（'Origiｎal＇）
fｉgｕｒe, ｉｍshｏｗ（I２）,tiｔle（’Ｄilateｄ＇）
三、实验步骤
１、产生运动模糊图像,运用维纳滤波进行图像恢复,显示结果。
i=imread（'f:
\1、jpg'）
Ｉ=rｇb2grａy（s）
Ｉ=iｍ2doｕble（I）;
%模拟运动模糊
ＬＥN=２1;
TＨＥTA= 11;
PSF = fspｅcial（’motｉｏn’, LEN,TＨＥTＡ）;
blurred=imfｉltｅr（I,PＳF,＇cｏnv’,'cｉrcular’）;
％恢复图像
wnｒ2=ｄeｃonvｗｎr（bｌuｒｒｅd, PSＦ）;
subplｏｔ（1,2,1）;iｍshoｗ（bｌｕrred）;tｉtle（’运动模糊图像’）
ｓubplｏt（１,2,２）;iｍshow（ｗnr2）;ｔｉｔlｅ（’恢复图像’）
2、采用三种不同算子检测图像边缘,显示结果。
ｉ＝imread（’f:
\１、ｊpg’）
BW1 =edｇｅ（I,'preｗｉtt'）;
BW２= edge（I,＇zｅrocroｓｓ＇）;
BW３= eｄｇe（I,’ｃanny’）;
subplot（2,2,１）;imｓhoｗ（i）;ｔitｌe（’原图像’）
sｕｂｐlot（2,２,２）;imｓhow（ＢＷ1）;ｔitｌｅ（＇prewｉtｔ边缘图'）
suｂｐｌot（2,２,3）;iｍshow（BW2）;title（'zeｒocrｏss边缘图’）
ｓuｂploｔ（2,2,4）;ｉmshow（BW3）;title（'cａnnｙ边缘图＇）
3、对二值图像分别进行方形模板3＊3与5＊5得膨胀与腐蚀操作,显示结果、
ａ=ｉmreａd（'f:
\１、jｐｇ’）
i=rgb2gray（a）
Ｉ=iｍ2ｂｗ（a,0.5）
se3=strel（'ｄisk',３）;
ｅrｏdedBW１=imeｒｏｄe（I,se３）;
se４＝streｌ（’diｓｋ’,5）;
eｒｏdedBＷ２ =imeroｄe（I,se4）;
sｅ1=strel（’bａｌｌ',3,3）;
I1=ｉmdilａｔe（a,se1）;
sｅ2＝strｅｌ（'ball’,5,5）;
I2 = iｍｄilate（a,se2）;
ｓｕbploｔ（2,2,1）;iｍshoｗ（I１）;title（'3*3膨胀图像'）
subｐｌot（2,2,2）;ｉmsｈow（I2）;ｔiｔle（’5*５膨胀图像'）
suｂploｔ（2,2,3）;imshoｗ（erodｅdBＷ1）;titｌｅ（＇3*3腐蚀图像'）
ｓuｂplot（2,２,4）;ｉmsｈoｗ（ｅｒodedＢW2）;title（＇5*５腐蚀图像’）
实验六 图像处理实际应用
一、实验目得
1、熟悉并掌握ＭATLAB图像处理工具箱得使用;
２、理解并掌握常用得图像处理技术。
二、实验环境
ＭAＴLAB6、5以上版本、ＷINXＰ或WIN2000计算机
三、实验内容
调试运行下列程序,分析程序,对每条语句给出注释,并显示最终执行结果、总结算法思想及优缺点。
I=iｍread（'Car、jpg’）;
［y,x,z]=sｉｚｅ（Ｉ）;
myI=double（I）;
％％％％%%％％%%％RＧB tｏ HSI%%%％％％％％
ｔic
％％％％％%%％ Y方向 ％%%%％%％%%%
Ｂluｅ_y=zerｏs（y,1）;
foｒ i=1:
ｙ
forj=1:
x
ｉf（（ｍyI（ｉ,j,１）〈=30）＆＆（（myＩ（i,ｊ,2）〈=６２）＆&（myＩ（ｉ,ｊ,２）＞=5１））&＆（（ｍｙI（i,ｊ,3）<=１４2）＆&（ｍｙI（ｉ,ｊ,3）〉=119））） % 蓝色RGＢ得灰度范围
Bluｅ_y（i,1）=Ｂlue_y（i,１）+1;
ｅｎd
ｅnd
ｅｎｄ
[tempMaxY]＝ｍax（Ｂlue_y）; %Y方向车牌区域确定
PY1=MaxY;
ｗhile（（Blue_y（ＰY1,1）＞=5）&＆（PY1>１））
PY1=PY1－1;
ｅnd
PＹ2=ＭａxＹ;
whiｌe（（Blue_y（PＹ２,1）＞=5）＆&（PＹ2〈y））
ＰY2=ＰY2+1;
end
IY＝I（PY1:
PY2,:
:
）;
%%%%%％%％X方向%％％％％%％％％％
Bluｅ＿x=zeros（１,ｘ）;
fｏr j＝1:
x
fｏr i＝PY1:
PＹ２
iｆ（（myI（i,j,1）〈=30）&&（（ｍyI（i,j,2）〈=62）&＆（myI（i,ｊ,2）〉=５1））＆&（（ｍｙI（i,j,3）＜=１4２）&＆（mｙI（i,j,3）＞＝119）））
Blue_ｘ（1,j）= Blue_x（1,j）＋1;
end
end
end
PＸ1=１;
wｈile （（Blｕｅ_ｘ（１,PX1）＜3）＆＆（ＰX１ PX1=PX1+1;
end
PX2=x;
whｉle（（Blue_ｘ（1,PX2）<3）&＆（PＸ2〉ＰX1））
PＸ２＝PＸ2-１;
ｅnd
ＰX1＝ＰX１—2;％对车牌区域得修正
PX2=PX2+2;
Ｐlate=Ｉ（PＹ1:
PY2,ＰX1-２:
PX２,:
）;
t=toc ％读取计时
％%％％%％％％％％％％%%％％%%％％％%%%％%％％%%％%%%%%
fiｇuｒe,ｉｍshow（I）;
fｉgure,ｐlot（Bｌue_y）;ｇrid
ｆigurｅ,plｏt（Bluｅ_x）;grｉd
figure,imｓhow（IＹ）;
添加注释与改正后得程序:
Ｉ=imread（’ｆ:
\Cａr、jpg’）;%读取图片
[ｙ,x,ｚ］＝ｓize（I）;％给定图片大小
myI=douｂle（I）;％返回双精度值
%％％％％%%％％%％ＲGＢtoHSI %%％％％％%%
tｉc ％计时开始
%％%％％％％%Ｙ方向%％％%％%%％%％
Bｌｕe_y＝ｚｅros（ｙ,1）;%一列全零矩阵
ｆori＝1:
y%给定i得范围
foｒj＝1:
ｘ%给定ｊ得范围
if（（ｍyI（i,j,1）＜=3０）＆＆（（myI（i,j,２）〈=62）＆＆（myI（i,j,2）〉=51））＆&（（myI（ｉ,j,3）<=1４2）＆＆（mｙI（i,j,3）＞=119）））%蓝色RGB得灰度范围
Ｂｌｕe＿y（i,１）= Bｌuｅ_ｙ（ｉ,1）+１;％y矩阵加一
end
ｅｎd
ｅnd
[ｔeｍp MaxY]＝max（Ｂlue_y）; ％Y方向车牌区域确定
PY1＝MaxＹ;％y矩阵得最大元素
wｈilｅ （（Bluｅ_y（ＰY1,1）〉＝5）&＆（ＰY1〉1））％确定蓝色RGBBlｕe_y所在位置
PＹ1=PY1—1;%对车牌区域得修正,向上调整
end
PＹ2=MaxＹ; %ｙ矩阵得最大元素
while（（Ｂｌｕe＿y（PY2,１）〉=５）&&（PY２ PY2=ＰY2+１;
升级会员 