计算机的应用领域已渗透到社会的各行各业，正在改变着传统的工作、学习和生活方式，推动着社会的发展。计算机的主要应用领域如下： 1.科学计算(或数值计算) 科学计算是指利用计算机来完成科学研究和工程技术中提出的数学问题的计算。在现代科学技术工作中，科学计算问题是大量的和复杂的。利用计算机的高速计算、大存储容量和连续运算的能力，可以实现人工无法解决的各种科学计算问题。 例如，建筑设计中为了确定构件尺寸，通过弹性力学导出一系列复杂方程，长期以来由于计算方法跟不上而一直无法求解。而计算机不但能求解这类方程，并且引起弹性理论上的一次突破，出现了有限单元法。 2.数据处理(或信息处理) 数据处理是指对各种数据进行收集、存储、整理、分类、统计、加工、利用、传播等一系列活动的统称。据统计，80％以上的计算机主要用于数据处理，这类工作量大面宽，决定了计算机应用的主导方向。 数据处理从简单到复杂已经历了三个发展阶段，它们是： ①电子数据处理(Electronic Data Processing,简称EDP),它是以文件系统为手段，实现一个部门内的单项管理。 ②管理信息系统(Management Information System,简称MIS),它是以数据库技术为工具，实现一个部门的全面管理，以提高工作效率。 ③决策支持系统(Decision Support System,简称DSS),它是以数据库、模型库和方法库为基础，帮助管理决策者提高决策水平，改善运营策略的正确性与有效性。 目前，数据处理已广泛地应用于办公自动化、企事业计算机辅助管理与决策、情报检索、图书管理、电影电视动画设计、会计电算化等等各行各业。信息正在形成独立的产业，多媒体技术使信息展现在人们面前的不仅是数字和文字，也有声情并茂的声音和图像信息。 3.辅助技术(或计算机辅助设计与制造) 计算机辅助技术包括CAD、CAM和CAI等。 ⑴计算机辅助设计(Computer Aided Design,简称CAD) 计算机辅助设计是利用计算机系统辅助设计人员进行工程或产品设计，以实现最佳设计效果的一种技术。它已广泛地应用于飞机、汽车、机械、电子、建筑和轻工等领域。例如，在电子计算机的设计过程中，利用CAD技术进行体系结构模拟、逻辑模拟、插件划分、自动布线等，从而大大提高了设计工作的自动化程度。又如，在建筑设计过程中，可以利用CAD技术进行力学计算、结构计算、绘制建筑图纸等，这样不但提高了设计速度，而且可以大大提高设计质量。 ⑵计算机辅助制造(Computer Aided Manufacturing,简称CAM) 计算机辅助制造是利用计算机系统进行生产设备的管理、控制和操作的过程。例如，在产品的制造过程中，用计算机控制机器的运行，处理生产过程中所需的数据，控制和处理材料的流动以及对产品进行检测等。使用CAM技术可以提高产品质量，降低成本，缩短生产周期，提高生产率和改善劳动条件。 将CAD和CAM技术集成，实现设计生产自动化，这种技术被称为计算机集成制造系统(CIMS)。它的实现将真正做到无人化工厂(或车间)。 ⑶计算机辅助教学(Computer Aided Instruction,简称CAI) 计算机辅助教学是利用计算机系统使用课件来进行教学。课件可以用著作工具或高级语言来开发制作，它能引导学生循环渐进地学习，使学生轻松自如地从课件中学到所需要的知识。CAI的主要特色是交互教育、个别指导和因人施教。 4.过程控制(或实时控制) 过程控制是利用计算机及时采集检测数据，按最优值迅速地对控制对象进行自动调节或自动控制。采用计算机进行过程控制，不仅可以大大提高控制的自动化水平，而且可以提高控制的及时性和准确性，从而改善劳动条件、提高产品质量及合格率。因此，计算机过程控制已在机械、冶金、石油、化工、纺织、水电、航天等部门得到广泛的应用。 例如，在汽车工业方面，利用计算机控制机床、控制整个装配流水线，不仅可以实现精度要求高、形状复杂的零件加工自动化，而且可以使整个车间或工厂实现自动化。 5.人工智能(或智能模拟) 人工智能(Artificial Intelligence)是计算机模拟人类的智能活动，诸如感知、判断、理解、学习、问题求解和图像识别等。现在人工智能的研究已取得不少成果，有些已开始走向实用阶段。例如，能模拟高水平医学专家进行疾病诊疗的专家系统，具有一定思维能力的智能机器人等等。 6.网络应用 计算机技术与现代通信技术的结合构成了计算机网络。计算机网络的建立，不仅解决了一个单位、一个地区、一个国家中计算机与计算机之间的通讯，各种软、硬件资源的共享，也大大促进了国际间的文字、图像、视频和声音等各类数据的传输与处理。参考资料： /fukaili/blog/item/43c964cfe1e7cd3df9dc6171.html
摘 要 本文详细介绍了多变量预测控制算法及其在环境试验设备控制中的应用。由于环境试验设备的温度和湿度控制系统具有较大的时间滞后，而且系统间存在比较严重的耦合现象，用常规的PID控制不能取得满意的控制效果。针对这种系统，本文采用了多变量预测控制算法对其进行了控制仿真。 预测控制算法是一种基于系统输入输出描述的控制算法，其三项基本原理是预测模型、滚动优化、反馈校正。它选择单位阶跃响应作为它的“预测模型”。这种算法除了能简化建模过程外，还可以通过选择合适的设计参数，获得较好的控制效果和解耦效果。 本文先对环境试验设备作了简介，对控制中存在的问题进行了说明；而后对多变量预测控制算法进行了详细的推导，包括多变量自衡系统预测制算法和多变量非自衡系统预测控制算法；然后给出了系统的建模过程及相应的系统模型，在此基础上采用多变量预测控制算法对环境试验设备进行了控制仿真，并对仿真效果进行了比较。 仿真结果表明，对于和环境试验设备的温度湿度控制系统具有类似特性的多变量系统，应用多变量预测控制算法进行控制能够取得比常规PID控制更加令人满意的效果。 关键词：多变量系统；预测控制；环境试验设备 【中文摘要共100—300个字，关键词3—7个词 中文摘要和关键词占一页】 【英文全部用Times New Roman字体】 Abstract 【三号字体，加粗，居中上下空一行】 【正文小四号字体，行距为固定值20磅】 In this paper, multivariable predictive control algorithm and its application to the control of the environmental test device are introduced particularly. The temperature and humidity control system of the environmental test device is characterized as long time delay and severe coupling. Therefore, the routine PID control effect is unsatisfactory. In this case, the simulation of the temperature and humidity control of the environmental test device based on multivariable predictive control algorithm is made. Predictive control algorithm is one of control algorithm based on description of system’s input-output. Its three basic principles are predictive model, rolling optimization and feedback correction. It chooses unit step response as its predictive model, so that the modeling process is simplified. In addition, good control and decoupling effects could be possessed by means of selection suitable parameters. In this paper, the environmental test device is introduced briefly and the existing problems are showed. Then multivariable predictive control algorithm is presented particularly, including multivariable auto-balance system predictive control algorithm and multivariable auto-unbalance system predictive control algorithm. Next, system modeling process and corresponding system model are proposed. Further, the multivariable predictive control algorithm is applied to the temperature and humidity control system of the environmental test device. Finally, the simulation results are compared. Results of the simulation show that multivariable predictive control algorithm could be used in those multivariable system like the temperature and humidity control system of the environmental test device and the control result would be more satisfactory than that of the routine PID control. Keyword: Multivariable system； Predictive control； Environmental test device 【英文摘要和关键词应该是中文摘要和关键词的翻译 英文摘要和关键词占一页】 【目录范例，word自动生成】 目 录 第一章 绪 论 1 1.1 引言 1 1.2 数字图像技术的应用与发展 1 1.3 问题的提出 3 1.4 论文各章节的安排 4 第二章 数字图像处理方法与研究 5 2.1 灰度直方图 5 2.1.1 定义 5 2.1.2 直方图的性质和用途 5 2.2 几何变换 8 2.2.1 空间变换 8 2.2.2 灰度级插值 8 2.2.3 几何运算的应用 10 2.3 空间滤波增强 10 2.3.1 空间滤波原理 10 2.3.2 拉普拉斯算子 11 2.3.3 中值滤波 12 2.4 图像分割处理 13 2.4.1 直方图门限化的二值分割 14 2.4.2 直方图的最佳门限分割 14 2.4.3 区域生长 16 第三章 图像处理软件设计 18 3.1 图像处理软件开发工具的选择 18 3.1.1 BMP图像格式的结构 18 3.1.2 软件开发工具的选择 19 3.2 EAN-13码简介 20 3.2.1 EAN-13条码的结构 20 3.2.2 条码的编码方法 21 3.1 系统界面设计 22 第四章 条码图像测试 24 4.1 条码图像处理的主要方法 24 4.2 条码图像测试结果 25 第五章 总结与展望 28 参考文献 29 当先验概率相等，即 时，则 （2.33） 恰为二者均值。 以上分析可知，只要 和 已知以及 和 为正态，容易计算其最佳门限值T。 实际密度函数的参数常用拟合法来求出 参数的估值。如最小均方误差拟合估计来会计 参量，并使拟合的均方误差为最小。例如，设想理想分布的密度为正态 ，实际图像直方图为 ，用离散方式其拟合误差为 （2.34） 式中N为直方图横坐标。通常这种拟合求密度函数的几个参数很难解，只能用计算机求数值解，但若 为正态分布时只需求均值和标准差二参数即可。 2.4.3 区域生长 区域生长是一种典型的串行区域分割技术，在人工智能领域的计算机视觉研究中是一种非常重要的图像分割方法，其主要思想是将事先选中的种子点周围符合某种相似性判断的像素点集合起来以构成区域。在具体处理时，是从把一幅图像分成许多小区域开始的，这些初始小区域一般是小的邻域，甚至是单个的像素点。然后通过定义适当的区域内部隶属规则而对周围像素进行检验，对于那些符合前述隶属规则的像素点就将其合并在内，否则将其据弃，经过若干次迭代最终可形成待分割的区域。在此提到的“内部隶属规则”可根据图像的灰度特性、纹理特性以及颜色特性等多种因素来作出决断。从这段文字可以看出，区域生长成功与否的关键在于选择合适的内部隶属规则(生长准则)。 对于基于图像灰度特性的生长准则，可以用下面的流程对其区域生长过程进行表述，如图2.6所示。 图 2. 6 区域生长流程图 第三章 图像处理软件设计 3.1 图像处理软件开发工具的选择 3.1.1 BMP图像格式的结构 数字图像存储的格式有很多种，如BMP、GIF、JPEG、TIFF等，数字图像处理中最常用的当属BMP，本课题采集到的图片也是用BMP格式存储的，要对这种格式的图片进行处理，那么首先就要了解它的文件结构。 （1）BMP文件格式简介 BMP(Bitmap-File)图形文件是Windows采用的图形文件格式在Windows环境下运行的所有图象处理软件都支持BMP图像文件格式。Windows系统内部各图像绘制操作都是以BMP为基础的。Windows 3.0以前的BMP位图文件格式与显示设备有关，因此把这种BMP图像文件格式称为设备相关位图DDB(device-dependent bitmap)文件格式。Windows 3.0以后的BMP图像文件与显示设备无关，因此把这种BMP图像文件格式称为设备无关位图DIB(device-independent bitmap)格式，目的是为了让Windows能够在任何类型的显示设备上显示所存储的图像。BMP位图文件默认的文件扩展名是BMP或者bmp（有时它也会以.DIB或.RLE作扩展名）。 （2）BMP文件构成 BMP文件由位图文件头(bitmap-file header)、位图信息头(bitmap-information header)、颜色信息(color table)和图形数据四部分组成。它具有如表3.1所示的形式。 表 3. 1 BMP位图结构 位图文件的组成 结构名称 符号 位图文件头(bitmap-file header) BITMAPFILEHEADER bmfh 位图信息头(bitmap-information header) BITMAPINFOHEADER bmih 颜色信息(color table) RGBQUAD aColors[] 图形数据 BYTE aBitmapBits[] 3.1.2 软件开发工具的选择 （1）Win32 API Microsoft Win32 API(Application Programming Interface)是Windows的应用编程接口，包括窗口信息、窗口管理函数、图形设备接口函数、系统服务函数、应用程序资源等。Win32 API是Microsoft 32位Windows操作系统的基础，所有32位Windows应用 程序都运行在Win32 API之上，其功能是由系统的动态链接库提供的。 （2）Visual C++ Visual C++是Microsoft公司出品的可视化编程产品，具有面向对象开发，与Windows API紧密结合以及丰富的技术资源和强大的辅助工具。Visual C++自诞生以来，一直是Windows环境下最主要的应用开发系统之一，Visual C++不仅是C++语言的集成开发环境，而且与Win32紧密相连，所以利用Visual C++可以完成各种各样的应用程序的开发，从底层软件直到上层直接面向用户的软件。Visual C++是一个很好的可视化编程环境，它界面友好，便于程序员操作。 Visual C++可以充分利用MFC的优势。在MFC中具有许多的基本库类，特别是MFC中的一些，利用它们可以编写出各种各样的Windows应用程序，并可节省大量重复性的工作时间，缩短应用程序的开发周期。使用MFC的基本类库，在开发应用程序时会起到事半功倍的效果。 Visual C++具有以下这些特点： 简单性：Visual C++中提供了MFC类库、ATL模板类以及AppWizard、ClassWizard等一系列的Wizard工具用于帮助用户快速的建立自己的应用程序，大大简化了应用程序的设计。使用这些技术，可以使开发者编写很少的代码或不需编写代码就可以开发一个Windows应用程序。 灵活性：Visual C++提供的开发环境可以使开发者根据自己的需要设计应用程序的界面和功能，而且，Visual C++提供了丰富的类库和方法，可以使开发者根据自己的应用特点进行选择。 可扩展性：Visual C++提供了OLE技术和ActiveX技术，这种技术可以增强应用程序的能力。使用OLE技术和ActiveX技术可以使开发者利用Visual C++中提供的各种组件、控件以及第三方开发者提供的组件来创建自己的程序，从而实现应用程序的组件化。使用这种技术可以使应用程序具有良好的可扩展性。 （3）MFC MFC（Microsoft Foundation Class）是Microsoft公司用C++语言开发的一套基础类 库。直接利用Win32 API进行编程是比较复杂的，且Win32 API不是面向对象的。MFC封装了Win32 API的大部分内容，并提供了一个应用程序框架用于简化和标准化Windows程序的设计。MFC是Visual C++的重要组成部分，并且以最理想的方式与其集成为一体。主要包括以下各部分：Win32 API的封装、应用程序框架、OLE支持、数据库支持、通用类等。 3.2 EAN-13码简介 人们日常见到的印刷在商品包装上的条码，自本世纪70年代初期问世以来，很快得到了普及并广泛应用到工业、商业、国防、交通运输、金融、医疗卫生、邮电及办公室自动化等领域。条码按照不同的分类方法，不同的编码规则可以分成许多种，现在已知的世界上正在使用的条码就有250种之多。本章以EAN条码中的标准版EAN-13为例说明基于数字图像处理技术，对EAN条码图像识别的软件开发方法。 EAN码是国际物品编码协会在全球推广应用的商品条码，是定长的纯数字型条码，它表示的字符集为数字0～9。由前缀码、厂商识别代码、商品项目代码和校验码组成。前缀码是国际EAN组织标识各会员组织的代码，我国为690～695；厂商识别代码是EAN会员组织在EAN前缀码的基础上分配给厂商的代码；商品项目代码由厂商自行编码；校验码上为了校验前面12位或7位代码的正确性。 3.2.1 EAN-13条码的结构 EAN-13码是按照“模块组合法”进行编码的。它的符号结构由八大部分组成：左侧空白区、 起始符、左侧数据符、中间分隔符、右侧数据符、校验符、终止符及右侧空白区，见表3.2。尺寸：37.29mm ×26.26mm ；条码：31.35mm ；起始符/分隔符/终止符：24.50mm ；放大系数取值范围是0.80～2.00；间隔为0.05。 表 3. 2 EAN-13码结构 左侧 空白区 起始符 左侧 数据符 中间 间隔符 右侧 数据符 校验符 终止符 右侧 空白区 9个 模块 3个 模块 42个 模块 5个 模块 35个 模块 7个 模块 3个 模块 9个 模块 EAN-13码所表示的代码由13位数字组成，其结构如下： 结构一： X13X12X11X10X9X8X7X6X5X4X3X2X1 其中：X13～X11为表示国家或地区代码的前缀码；X10～X7为制造厂商代码；X6～X2为商品的代码；X1为校验码。 结构二： X13X12X11X10X9X8X7X6X5X4X3X2X1 其中：X13～X11为表示国家或地区代码的前缀码；X10～X6为制造厂商代码；X5～X2为商品的代码；X1为校验码。 在我国，当X13X12X11为690、691时其代码结构同结构一；当X13X12X11为692 时其代码结构为同结构二。 EAN条码的编码规则，见表3.3： 起始符：101；中间分隔符：01010；终止符：101。 A、B、C中的“0”和“1”分别表示具有一个模块宽度的“空”和“条”。 表 3. 3 EAN条码的编码规则 数据符 左侧 数据符 右侧 数据符 A B C 0 0001101 0100111 1110010 1 0011001 0110011 1100110 2 0010011 0011011 1101100 3 011101 0100001 1000010 4 0100011 0011101 1011100 5 0110001 0111001 1001110 6 0101111 000101 1010000 7 0111011 0010001 1000100 8 0110111 0001001 1001000 9 0001011 0010111 1110100 3.2.2 条码的编码方法 条码的编码方法是指条码中条空的编码规则以及二进制的逻辑表示的设置。众所周知，计算机设备只能识读二进制数据（数据只有“0”和“1”两种逻辑表示），条码符号作为一种为计算机信息处理而提供的光电扫描信息图形符号，也应满足计算机二进制的要求。条码的编码方法就是通过设计条码中条与空的排列组合来表示不同的二进制数据。一般来说，条码的编码有两种：模块组合和宽度调节法。 模块组合法是指条码符号中，条与空是由标准宽度的模块组合而成。一个标准宽度的条表示二进制的“1”而一个标准的空模块表示二进制的“0”。商品条码模块的标准宽度是0.33mm ，它的一个字符由两个条和两个空构成，每一个条或空由1～4个标准宽度模块组成。 宽度调节法是指条码中，条与空的宽窄设置不同，用宽单元表示二进制的“1” ，而用窄单元表示二进制的“0”，宽窄单元之比一般控制在2～3之间。 3.1 系统界面设计 本文图像处理软件基本功能包括读取图像、保存图像、对图像进行处理等。图3.1所示为本图像处理软件的界面。 图 3. 1 软件主界面 软件设计流程图如图3.2所示。 图 3. 2 程序设计流程图 第四章 条码图像测试 4.1 条码图像处理的主要方法 （1）256色位图转换成灰度图 运用点处理中的灰度处理为实现数字图像的阈值变换提供前提条件。要将256色位图转变为灰度图，首先必须计算每种颜色对应的灰度值。灰度与RGB颜色的对应关系如下： Y=0.299R+0.587G+0.114B （4.1） 这样，按照上式我们可以方便地将256色调色板转换成为灰度调色板。由于灰度图调色板一般是按照灰度逐渐上升循序排列的，因此我们还必须将图像每个像素值（即调色板颜色的索引值）进行调整。实际编程中只要定义一个颜色值到灰度值的映射表bMap[256]（长为256的一维数组，保存256色调色板中各个颜色对应的灰度值），将每个像素值p（即原256色调色板中颜色索引值）替换成bMap[p]。 （2）灰度的阈值变换 利用点运算中的阈值变换理论将灰度图像变为二值图像，为图像分析做准备工作。灰度的阈值变换可以将一幅灰度图像转变为黑白二值图像。它的操作是先由用户指定一个阈值，如果图像中某像素的灰度值小于该阈值，则将该像素的灰度值设置为0，否则灰度值设置为255。 （3）中值滤波 运用变换域法中的空域滤波法对图像进行降噪处理。中值滤波是一种非线性的信号 处理方法，与其对应的滤波器当然也是一种非线性的滤波器。中值滤波一般采用一个含有奇数个点的滑动窗口，将窗口中各点灰度值的中值来替代指定点（一般是窗口的中心点）的灰度值。对于奇数个元素，中值是指按大小排序后，中间的数值，对于偶数个元素，中值是指排序后中间两个元素灰度值的平均值。 （4）垂直投影 利用图像分析中的垂直投影法实现对二值图像的重建，为条码识别提供前提条件。垂直投影是利用投影法对黑白二值图像进行变换。变换后的图像中黑色线条的高度代表了该列上黑色点的个数。 （5）几何运算 几何运算可以改变图像中各物体之间的空间关系。几何运算的一个重要应用是消除摄像机导致的数字图像的几何畸变。当需要从数字图像中得到定量的空间测量数据时，几何校正被证明是十分重要的。另外，一些图像系统使用非矩形的像素坐标。在用普通的显示设备观察这些图像时，必须先对它们进行校直，也就是说，将其转换为矩形像素坐标。 4.2 条码图像测试结果 本软件的处理对象为EAN-13码的256色BMP位图，应用数字图像处理技术中的灰度处理、阈值分割、空域滤波、区域生长、投影等方法，对有噪声的条码图像进行了相应处理，其结果如下： 图4. 1 原始条码图 图4. 2 灰度窗口变换 图4. 3 原条码直方图 图4. 4 灰度窗口变换直方图 图4. 5灰度直方图规定化界面 图4. 6灰度直方图规定化直方图 图4. 7 中值滤波的界面 图4. 8 区域生长 图4. 9 阈值面积消除 图4. 10 垂直投影 从以上处理结果可以看出，对原始条码图像进行灰度变换、中值滤波、二值化以及小面积阈值消除后得到条码的投影图像，下一步就可以通过图像模式识别的方法将条码读取出来，该部分工作还有待进一步研究。 第五章 总结与展望 数字图像处理技术起源于20世纪20年代，当时由于受技术手段的限制，使图像处理技术发展缓慢。直到第三代计算机问世以后，数字图像处理才得到迅速的发展并得到普遍应用。今天，已经几乎不存在与数字图像处理无关的技术领域。 本论文主要研究了数字图像处理的相关知识，然后通过Visual C++这一编程工具来实现图像处理算法；对文中所提到的各种算法都进行了处理，并得出结论。所做工作如下： （1）运用点处理法中的灰度处理为实现数字图像的阈值变换提供前提条件。 （2）运用变换域法中的空域滤波法对图像进行降噪处理。 （3）利用点运算中的阈值变换理论将灰度图像变为二值图像，为图像分析做准备工作。 （4）利用图像分析中的垂直投影法实现对二值图像的重建，为条码识别提供前提条件。 在论文的最后一章，给出了各种算法处理的结果。结果表明通过数字图像处理可以把有噪声的条码处理成无噪声的条码。 数字图像处理技术的应用领域多种多样，不仅可以用在像本文的图像处理方面，还可以用于模式识别，还有机器视觉等方面。近年来在形态学和拓扑学基础上发展起来的图像处理方法，使图像处理的领域出现了新的局面，相信在未来图像处理的应用将会更加广泛。 参考文献 [1] 阮秋琦.数字图像处理学[M].北京:电子工业出版社，2001． [2] 黄贤武,王加俊,李家华.数字图像处理与压缩编码技术[M].成都:科技大学出版社，2000． [3] 容观澳.计算机图像处理[M].北京:清华大学出版社,2000. [4] 胡学钢.数据结构-算法设计指导[M].北京:清华大学出版社，1999. [5] 黄维通.Visual C++面向对象与可视化程序设计[M].北京:清华大学出版社，2001． [6] 夏良正.数字图像处理[M].南京:东南大学出版社，1999． [7] 费振原.条码技术及应用[M].上海:上海科学技术文献出版社，1992． [8] 李金哲.条形码自动识别技术[M].北京:国防工业出版社，1991． [9] 何斌.Visual C++数字图像处理[M].北京:人民邮电出版社，2001． [10] 李长江. C++使用手册[M].北京:电子工业出版社,1995． [11] 席庆，张春林. Visual C++ 6.0.实用编程技术[M].北京:中国水利水电出版社,1999． [12] 胡学钢.数据结构-算法设计指导[M].北京:清华大学出版社,1999． [13] Kenneth R.Castleman著，朱志刚等译.数字图像处理[M]．北京:电子工业出版社，1998． [14] Davis. Chapman.Visual C++ 6.0[M].北京：清华大学出版社，1999． [15] Richard C.Leinecker.Visual C++ 5 Power Toolkit[M].北京:机械工业出版社，1999．哈哈 我也是大一的 支持哈 为什么要有作业呀
摘 要 针对基于PC实现的图像边缘检测普遍存在的执行速度慢、不能满足实时应用需求等缺点，本文借助于TI公司的TMS320DM642图像处理芯片作为数字图像处理硬件平台，DSP/BIOS为实时操作系统，利用CCS开发环境来构建应用程序；并通过摄像头提取视频序列，实现对边缘检测Sobel算子改进[1]。 关键词 DM642；Sobel算子；程序优化；图像边缘检测 1 引言 边缘是图像中重要的特征之一，是计算机视觉、模式识别等研究领域的重要基础。图像的大部分主要信息都存在于图像的边缘中，主要表现为图像局部特征的不连续性，是图像中灰度变化比较强烈的地方，也即通常所说的信号发生奇异变化的地方。经典的边缘检测算法是利用边缘处的一阶导数取极值、二阶导数在阶梯状边缘处呈零交叉或在屋顶状边缘处取极值的微分算法。图像边缘检测一直是图像处理中的热点和难点。 近年来，随着数学和人工智能技术的发展，各种类型的边缘检测算法不断涌现，如神经网络、遗传算法、数学形态学等理论运用到图像的边缘检测中。但由于边缘检测存在着检测精度、边缘定位精度和抗噪声等方面的矛盾及对于不同的算法边缘检测结果的精度却没有统一的衡量标准，所以至今都还不能取得令人满意的效果。另外随着网络和多媒体技术的发展，图像库逐渐变得非常庞大；而又由于实时图像的目标和背景间的变化都不尽相同，如何实现实时图像边缘的精确定位和提取成为人们必须面对的问题。随着DSP芯片处理技术的发展，尤其是在图像处理方面的提高如TMS320C6000系列，为实现高效的、实时的边缘检测提供了可能性[5]。在经典的边缘检测算法中，Sobel边缘检测算法因其计算量小、实现简单、处理速度快，并且所得的边缘光滑、连续等优点而得到广泛的应用。本文针对Sobel算法的性能，并借助于TMS320DM642处理芯片[3]，对该边缘检测算法进行了改进和对程序的优化，满足实时性需求。2 Sobel边缘检测算法的改进 经典的Sobel图像边缘检测算法，是在图像空间利用两个方向模板与图像进行邻域卷积来完成的，这两个方向模板一个是检测垂直边缘，一个是检测水平边缘。算法的基本原理：由于图像边缘附近的亮度变化较大，所以可以把那些在邻域内，灰度变化超过某个适当阈值TH的像素点当作边缘点。Sobel算法的优点是计算简单，速度快。但由于只采用了两个方向模板，只能检测水平方向和垂直方向的边缘，因此，这种算法对于纹理较复杂的图像，其边缘检测效果欠佳；同时，经典Sobel算法认为，凡灰度新值大于或等于阈值的像素点都是边缘点。这种判定依据是欠合理的，会造成边缘点的误判，因为多噪声点的灰度新值也很大。2.1 图像加权中值滤波 由于图像中的边缘和噪声在频域中均表现为高频成分，所以在边缘检测之前有必要先对图像进行一次滤波处理，减少噪声对边缘检测的影响。中值滤波是一种非线性信号的处理方法[2]，在图像处理中，常用来保护边缘信息；保证滤波的效果。加权中值滤波，首先对每个窗口进行排序，取适当的比例，进行曲线拟合，拟合后的曲线斜率表征了此窗口的图像特征，再根据图像各部分特性适当的选择权重进行加权。2.2 增加方向模板 除了水平和垂直两方向外，图像的边缘还有其它的方向，如135o和45o等，为了增加算子在某一像素点检测边缘的精度，可将方向模板由2个增加为8个即再在经典的方向模板的基础上增加6个方向模板，如图1所示。2.3 边缘的定位及噪声的去除 通常物体的边缘是连续而光滑的，且边缘具有方向和幅度两个特征，而噪声是随机的。沿任一边缘点走向总能找到另一个边缘点，且这两个边缘点之间的灰度差和方向差相近。而噪声却不同，在一般情况下，沿任一噪声点很难找到与其灰度值和方差相似的噪声点[4]。基于这一思想，可以将噪声点和边缘点区分开来。对于一幅数字图像f(x，y)，利用上述的8个方向模板Sobel算子对图像中的每个像素计算，取得其中的最大值作为该点的新值，而该最大值对应的模板所表示的方向为该像素点的方向。若｜f(x，y)－f(x+i，y+j)｜＞TH2，对于任意i=0，1，-1；j=0，1，-1均成立，则可判断点(x，y)为噪声点。图2给出了图像边缘检测系统改进算法的软件流程图。图1 边缘检测8个方向模板图2 系统结构图3 基于TMS320DM642的图像处理的设计及算法优化3.1 TMS320DM642功能模块及图像处理系统的硬件结构 DSP以高速数字信号处理为目标进行芯片设计，采用改进的哈佛结构(程序总线和数据总线分开)、内部具有硬件乘法器、应用流水线技术、具有良好的并行性和专门用于数字信号处理的指令及超长指令字结构(VLIW)等特点；能完成运算量大的实时数字图像处理工作。 TMS320DM642是TI公式最近推出的功能比较强大的TMS320C6x系列之一，是目前定点DSP领域里性能较高的一款[6]。其主频是600MHz，8个并行运算单元、专用硬件逻辑、片内存储器和片内外设电路等硬件，处理能力可达4800MIPS。DM642基于C64x内核，并在其基础上增加了很多外围设备和接口，因而在实际工程中的应用更为广泛和简便。本系统使用50 MHz晶体震荡器作为DSP的外部时钟输入，经过内部锁相环12倍频后产生600 MHz的工作频率。DM642采用了2级缓存结构(L1和L2)，大幅度提高了程序的运行性能。片内64位的EMIF(External Memory Interface)接口可以与SDRAM、Flash等存储器件无缝连接，极大地方便了大量数据的搬移。更重要的是，作为一款专用视频处理芯片，DM642包括了3个专用的视频端口(VP0～VP2)，用于接收和处理视频，提高了整个系统的性能。此外，DM642自带的EMAC口以及从EMIF 口扩展出来的ATA口，还为处理完成后产生的海量数据提供了存储通道。本系统是采用瑞泰公司开发的基于TI TMS320DM642 DSP芯片的评估开发板——ICETEK DM642 PCI。在ICETEK DM642 PCI评估板中将硬件平台分为五个部分，分别是视频采集、数据存储、图像处理、结果显示和电源管理。视频采集部分采用模拟PAL制摄像头，配合高精度视频A/D转换器得到数字图像。基于DSP的视频采集要求对视频信号具备采集，实时显示、对图像的处理和分析能力。视频A/D采样电路—SAA7115与视频端口0或1相连，实现视频的实时采集功能。视频D/A电路—SAA7105与视频口2相连，视频输出信号支持RGB、HD合成视频、PAL/NTSC复合视频和S端子视频信号。通过I2C总线对SAA7105的内部寄存器编程实现不同输出。 整个系统过程由三个部分组成：图像采集—边缘处理—输出显示，如图2所示。摄像头采集的视频信号经视频编码器SAA7115数字化，DM642通过I2C总线对SAA7115进行参数配置。在SAA7115内部进行一系列的处理和变换后形成的数字视频数据流，输入到核心处理单元DM642。经过DSP处理后的数字视频再经过SAA7105视频编码器进行D/A转换后在显示器上显示最终处理结果。3.2 图像处理的软件设计和算法优化的实现 由于在改进Sobel边缘检测算子性能的同时，也相对增加了计算量，尤其是方向模板的增加，每个像素点均由原来的2次卷积运算增加为8次卷积运算，其实时性大大减弱。为了改进上述的不足，在深入研究处理系统和算法后，针对TMS320DM642的硬件结构特点，研究适合在TMS320DM642中高效运行的Sobel改进算法，满足实时处理的要求。整个程序的编写和调试按照C6000软件开发流程进行，流程分为：产生C代码、优化C代码和编写线性汇编程序3个阶段。使用的工具是TI的集成开发环境CCS。在CCS下，可对软件进行编辑、编译、调试、代码性能测试等工作。在使用C6000编译器开发和优化C代码时[7-8]，对C代码中低效率和需要反复调用的函数需用线性汇编重新编写，再用汇编优化器优化。整个系统的控制以及数字图像处理是用C程序实现，大部分软件设计采用C程序实现，这无疑提高了程序的可读性和可移植性，而汇编程序主要是实现DM642的各部分初始化。其边缘检测优化算法在DM642中的实现步骤具体如下： S1：根据DM642的硬件结构要求和控制寄存器设置，初始化系统并编写实现边缘检测算法的C程序。 S2：借助CCS开发环境的优化工具如Profiler等产生.OUT文件。 S3：根据产生的附件文件如.MAP文件，分析优化结果及源程序结构，进一步改进源程序和优化方法。 S4：使用CCS中调试、链接、运行等工具，再生成.OUT可执行文件。 S5：运行程序，如果满足要求则停止；否则重复步骤S2～S4直至满足使用要求。4 实验结果 本文以Lena图像为例根据上述的硬件环境和算法实现的原理和方法，图4～图6分别给出了在该系统下采集的视频Lena图像及使用边缘检测算子和改进后处理的结果。由实验结果可以看出，在该系统下能实时完成视频图像的处理，并且给出的边缘检测算子能较好的消除噪声的影响，边缘轮廓清晰。该算法不仅能抑制图像中大部分噪声和虚假边缘，还保证了较高的边缘点位精度。图4 Lena原始图像 图5 传统Sobel算子 图6 改进Sobel算子5 总结 本文实现了在TMS320DM642评估板上用改进的Sobel算子对实时图像进行边缘检测，无延迟地得到边缘图像。边缘检测效果较好，既提高了图像检测的精度又满足了实时性的要求。从检测结果看，利用该改进后的算子在边缘精确定位、边缘提取都达到了很好的效果，且抗噪声能力强，并为目标跟踪、无接触式检测、自动驾驶、视频监控等领域的应用提供了坚实的基础。参考文献[1] 王磊等. 基于Sobel理论的边缘提取改善方法[J]．中国图像图形学报，2005.10[2] 陈宏席. 基于保持平滑滤波的Sobel算子边缘检测.兰州交通大学学报，2006，25(1)：86—90[3] 熊伟. 基于TMS320DM642的多路视频采集处理板卡硬件设计与实现[ M]. 国外电子元器件，2006[4] 朱立.一种具有抗噪声干扰的图像边缘提取算法的研究[J]．电子技术应用.2004，25(1)[5] 刘松涛，周晓东.基于TMS320C6201的实时图像处理系统[J].计算机工程，2005(7)：17—23[6] TI TMS320DM642 video/imaging fixed-point digital signal processor data manual，2003[7] TMS320C6x Optimizing C Compiler User’s Guide’ TEXAS INSTRUMENTS”，2002[8] TMS320C32x Optimizing C/C++ Compiler User's Guide，Texas Instruments Incorporated，2001搞不懂
《计算机视觉与图像识别》前言第1章绪论1．1计算机视觉的目标与任务1．2计算机视觉的经典问题1．3marr的计算机视觉理论框架1．3．1视觉系统研究的三个层次1．3．2视觉信息处理的三个阶段1．4摄像机成像几何模型1．5摄像机参数和透视投影1．5．1坐标系变换和刚体变换1．5．2摄像机参数和透视投影第2章立体视觉匹配算法2．1快速区域视差匹配算法2．1．1深度信息计算及约束条件2．1．2区域相关匹配和冗余计算消除2．1．3基于视差梯度的可变搜索范围区域相关匹配2．1．4实验2．2rank变换与匹配算法2．2．1基于rank变换的匹配.2．2．2rank变换在彩色图像中的应用2．2．3立体匹配算法的评估方法2．2．4实验2．3基于相位一致性的红外图像匹配方法2．3．1相位一致性和局部能量2．3．2基于相位一致性的边缘检测2．3．3基于相位一致性的红外图像区域匹配2．3．4实验第3章支持向量机算法3．1概述3．1．1统计学习理论3．1．2支持向量机3．1．3支持向量机研究现状与应用3．2支持向量机求解方法3．2．1预备数学知识3．2．2二次规划求解法3．2．3选块方法3．2．4分解算法3．2．5序列最小优化方法3．2．6基于lagrange函数的迭代求解方法3．2．7基于smoothing处理的牛顿求解方法3．3l范数支持向量机算法3．3．1分类间隔的lp范数表示3．3．2基于lp范数分类间隔的三种支持向量机3．3．3l1范数支持向量机算法3．3．4仿真实验3．4pca支持向量机算法3．4．1pca支持向量机算法3．4．2kernel pca支持向量机算法3．4．3加权pca支持向量机算法3．5小波支持向量机算法3．5．1小波变换3．5．2小波核函数3．5．3小波支持向量机算法3．5．4算法性能分析3．6模糊二叉树支持向量机算法3．6．1多级二叉树分类器的构造3．6．2svm子分类器的构造3．6．3模糊二叉树支持向量机算法第4章人脸识别4．1概述4．1．1自动人脸识别技术4．1．2人脸识别研究的意义4．1．3人脸检测与定位4．1．4人脸识别的主要技术方法4．1．5人脸识别系统若干关键技术问题4．2人脸检测与跟踪4．2．1haar函数及haar变换4．2．3 adaboost级联分类器4．2．4视频人脸跟踪4．2．5实验结果与分析4．3人脸关键特征定位与特征抽取4．3．1人眼检测方法4．3．2实时人眼检测算法4．3．3人脸归一化与姿态校正4．3．4人脸gabor特征抽取算法4．4基于支持向量机的人脸识别方法4．4．1多类分类支持向量机及其训练4．4．2识别算法性能比对第5章基于计算机立体视觉的障碍物检测5．1概述5．2基于彩色图像障碍物检测算法5．3彩色图像的分割和提取5．3．1彩色空间模型的选取5．3．2分割策略5．3．3目标区域的提取5．4匹配和障碍物识别5．5实验参考文献
Hu矩和Zernike矩在字符识别中的应用Application of Hu Moments and Zernike Moments on Character Recognition网址：.cn/Periodical_gjjs200303005.aspx网址2：/A-gjjs200303005.html添加成功！您可以在“我的服务”中查看您添加的引用通知列表，并且配置获取通知的方式。关闭下载PDF阅读器理论分析与实验证明,Hu矩和Zernike矩与神经网络相结合,可运用于字符图像的识别,且Zernike矩的识别效果优于Hu矩.作 者： 丁兴号 邓善熙 作者单位： 合肥工业大学 刊 名： 工具技术 ISTIC PKU 英文刊名： TOOL ENGINEERING 年，卷(期)： 2003 37(3) 分类号： TP39 关键词： Hu矩 Zernike矩 神经网络 字符识别 机标分类号： TN9 TM4 机标关键词： 字符识别应用Character Recognition字符图像神经网络理论分析证明运用实验果优 基金项目： 安徽省科技攻关项目Hu矩和Zernike矩与神经网络相结合,可运用于字符图像的识别,且Zernike矩的识别效果优于Hu矩本回答被提问者采纳我郁闷，复制别人的也可以呀，不会就不要答。
Deriche R,Giraudon G. A Computational Approach for Corner and Vertex Detection[J]. Computer Vision, 1993,10(2):101?124. L Kitchen, A Rosenfeld. Gray Level Corner Detection[J]. Pattern Recognition Letters, 1982,3(1):95?102.田原,梁德群,吴更石.直接基于灰度图像的多尺度角点检测方法[J].信号处理,1998,14(7?11):6-9.L Kitchen, A Rosenfeld. Analysis of Gray Level Corner Detection[J]. Pattern Recognition Letters, 1999,20(2):149?162.Chris Harris, Mike Stephens. A Combined Corner and Edge Detector[C]. Manchester: Proceedings of the 4th Alvey Vision Conference, 1988.147?151.C Tomasi, T Kanade. Detection and Tracking of Point Features[R]. Carnegie Mellon University, 1991.J Shi, C Tomasi. Good Features to Track[C]. CVPR’94, 1994.593-600.[8]Miroslav T, Mark H. Fast Corner Detection[J]. Image and Vision Computing, 1998,16(1):75-87.[9]Smith S M, Brady J M.SUSAN: A New Approach to Low Level Image Processing[J]. Int. Journal of Compuer Vision, 1997,23(1):45-78. [10]杨莉,初秀琴,李玉山.最小亮度变化角点自适应检测算法研究[J].西安电子科技大学学报,2003,30(4):530-533.[11]费旭东,荆仁杰.基于知识的快速角点提取[J].计算机学报,1994,17(1):30-36.[12]G Giraudon, R Derich. On Corner and Vertex Detection[J]. Computer Vision and Pattern Recognition, 1991,3(6):650-655.[13]陈燕新,戚飞虎.一种新的提取轮廓特征点的方法[J].红外与毫米波学报,1998,17(3):171?176.[14]罗斌,E R Hancock.图像角点检测的矢量场方法[J].中国图像图形学报,1998,3(10):832-835.[15]刘文予,朱光喜.二值图像角点检测的形态骨架法[J].信号处理,2000,16(3):276-280.[16]Rosenfeld A, Weszka J S. An Improved Method of Angel Detection on Digital Curves[J]. IEEE Trans.Computers,1975,C?24(9):940-941.[17]Freeman H, Davis L S. A Corner Finding Algorithm for Chain Coded Curves[J]. IEEE Trans. Computers, 1977,26(3):297-303.[18]Asada H, Brady M. The Curvature Primal Sketch[J]. IEEE Trans. PAMI,1986,8(1):2?14.[19]肖茜,鲁宏伟.基于高斯平滑的自适应角点检测[J].计算机辅助设计与图形学学报,2003,15(11):1358?1361.[20]Witkin A P. Scale Space Filtering[C]. Karlsruhe: Proceedings of the 8th International Joint Conference on Artificial Intelligence, 1983.1019?1021.[21]钟宝江,廖文和.基于精化曲线累加弦长的角点检测技术[J].计算机辅助设计与图形学学报,2004,16(7):939-943.[22]Langridge D J. CurveEncodingand the Detection of Discontinuities[J]. CVGIP, 1982,20(1):58-71.[23]Mediono G, Yasumoto Y. Corner Detection and Curve Representation Using Cubic B?splines[J]. Computer Vision, Graphics and Image Processing, 1987,39(3):267-278.[24]乔宇,黄席樾,柴毅.基于自适应直线拟合地角点检测[J].重庆大学学报,2003,26(2):29-31.[25]邱卫国,昂海松.基于隶属度特征的曲线角点检测方法[J].重庆大学学报,2004,27(11):43-46.[26]Koenderink J J. The Structure of Image[J]. Biological Cybernetics, 1984,50(5):363-370.[27]Anothai Rattarangsi, Chin Roland T. Scale?based Detection of Corners of Planar Curves[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,1992,14(4):430-449.[28]王展,黄埔堪,万建伟.基于多尺度小波变换的二维图像角点检测技术[J].国防科技大学学报,1999,21(2):46-49.[29]戚飞虎,刘健峰.一种有效的不变性角点检测方法[J].上海交通大学学报,1995,29(6):112?116.作者简介：赵文彬(1974-),男,助教,博士,主要研究方向为医学图形图像处理、医学三维重建与识别、虚拟手术.张艳宁(1967-），女，中国电子学会信号处理分会委员，中国体视学学会理事及图像分析分会秘书长，IEEE会员，主任，教授，博导，博士，主要研究方向为信号与信息处理、图像处理与模式识别等。
计算机毕业设计 基于Python的SIFT和KCF的运动目标匹配与跟踪 毕业论文+项目源码 基于Python决策树算法的学生学习行为数据分析 设计报告+代码及数据 基于Sring+bootstrap+MySQL的住房公积金管理系统 课程报告+项目源码及数据库文件 基于C++的即时通信软件设计 毕业论文+项目源码 基于JavaWeb+MySQL的图书管理系统 课程报告+项目源码及数据库文件 基于Android Studio+Android SDK的手机通讯录管理软件设计 课程报告+项目源码 基于JSP+MySQL的校园网上订餐系统 毕业论文+项目源码及数据库文件 基于AndroidStudio的花艺分享平台APP设计 报告+源码及APK文件 基于Python的酒店评论情感分析 课程报告+答辩PPT+项目源码 基于QT的教务选课管理系统设计与实现 毕业论文+项目源码 基于Android+Springboot+Mybatis+Mysql的个人生活APP设计 说明书+项目源码 基于Vue.js+Go的Web3D宇宙空间数据可视化系统 设计报告+前后端源码及数据 基于java+android+SQLite的保健型果饮在线销售APP设计 毕业论文+源码数据库及APK文件 基于Vue.js+SpringBoot+MyBatis+MySQL的高校综合资源发布分享社交二手平台 毕业论文+项目源码及数据库文件+演示视频 基于Delphi+MySQL的大学生竞赛发布及组队系统 设计报告+源码数据库及可执行文件+使用说明书 基于Android的名片信息管理系统设计与实现 毕业论文+任务书+外文翻译及原文+演示视频+项目源码 基于Python的电影数据可视化分析系统 设计报告+答辩PPT+项目源码 基于JavaWeb的企业公司管理系统设计与实现 毕业论文+答辩PPT+演示视频+项目源码 高校成绩管理数据库系统的设计与实现 毕业论文+项目源码 基于JavaWeb的家庭食谱管理系统设计与实现 毕业论文+项目源码及数据库文件 基于Python+SQLSERVER的快递业务管理系统的设计与实现 毕业论文+项目源码及数据库文件 基于Python的语音词频提取云平台 设计报告+设计源码 在推荐系统中引入 Serendipity 的算法研究 毕业论文+参考文献+项目源码 基于Html+Python+Django+Sqlite的机票预订系统 毕业论文+项目源码及数据库文件 基于Python的卷积神经网络的猫狗图像识别系统 课程报告+项目源码 基于C++的云安全主动防御系统客户端服务端设计 毕业论文+项目源码 基于JavaSSM的学生成绩管理APP系统设计与实现 毕业论文+答辩PPT+前后台源码及APK文件 基于JavaSwing+MySQL的清朝古代名人数据管理系统设计 毕业论文+任务书+项目源码及数据库文件 基于Python_Django的社会实践活动管理系统设计与实现 毕业论文 基于Servlet WebSocket MySQL实现的网络在线考试系统 毕业论文+项目源码 基于JavaWEB+MySQL的学生成绩综合管理系统 毕业论文+项目源码及数据库文件 基于SpringBoot+Vue和MySQL+Redis的网络课程平台设计与实现 毕业论文+任务书+开题报告+中期报告+初稿+前后台项目源码 基于Java的毕业设计题目收集系统 课程报告+项目源码 基于Java+Python+html的生产者与消费者算法模拟 毕业论文+任务书+项目源码 基于JavaWeb+MySQL的学院党费缴费系统 毕业论文+项目源码及数据库文件 基于Java+MySQL的学生成绩管理系统 毕业论文+任务书+答辩PPT+项目源码及数据库文件 基于Java+MySQL的学生和客户信息管理系统 课程报告+项目源码及数据库文件 基于Java的长整数加减法算法设计 毕业论文+项目源码 基于vue+MySQL的毕业设计网上选题系统 毕业论文+项目源码 基于背景建模和FasterR-CNN的视频前景和目标检测 毕业论文+答辩PPT+项目源码 基于Python的智能视频分析之人数统计的多种实现 毕业论文+答辩PPT+项目源码 基于C#+SQL server的校园卡消费信息管理系统 毕业论文+项目源码及数据库文件基于Python的SIFT和KCF的运动目标匹配与跟踪 毕业论文+项目源码基于Python决策树算法的学生学习行为数据分析 设计报告+代码及数据基于Sring+bootstrap+MySQL的住房公积金管理系统 课程报告+项目源码及数据库文件基于C++的即时通信软件设计 毕业论文+项目源码列固为了减小摩擦的是( )独讨论某一点的隶属度毫无意义。对 错 (1). 小的混酥面坯制品那你还不如直接去看下计算机科学与应用这本期刊上的相关研究呢，要多少有多少，还是免费的自己的事情自己去解决问题
人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。追问
有关于行为识别的吗？？那你在网上找找（人工智能与机器人研究）吧~~看看别人的是怎么写的~具/体/要/求/有/吗？
本书针对图像处理、图像分析和机器视觉领域的有关原理与技术展开了广泛而深入的讨论，包括图像预处理、图像分割、形状表示与描述、物体识别与图像理解、三维视觉、数学形态学图像处理技术、离散图像变换、图像压缩、纹理描述、运动分析等。本书力图将复杂的概念通过具体示例用易于理解的算法来描述，提供了大量包含图示和处理结果的插图，特别有助于读者的学习和理解。此外，本书还提供了丰富的参考文献，既列出了那些经过时间考验的经典论文，也列出了能反映未来发展方向的最新进展，适于读者进一步深入探索。本书是为计算机专业图像处理、图像分析和机器视觉课程编写的教材。本书覆盖了十分广泛的领域，包括人工智能、信号处理、人工神经网络、模式识别、机器学习、模糊数学等一系列相关学科。读者通过学习本书，可以学到很多具有普遍价值的知识和具体的应用方法。本书可作为各高等院校计算机专业高年级本科生和研究生相应课程的教材，可以结合实际教学情况选用相应的章节。本书也特别适合有一定基础的读者自学。本书对从事相关科学技术领域的研究和工程技术人员也有很高的参考价值。此外，对于本领域的专业人士也可以作为技术手册使用。
图像 算法 边缘 灰度 条码 源码 项目
