包含了MATLAB R2008数字图像处理与分析实例敎程的所有源程序

MATLAB R2011数字图像处理与分析实例教程源程序本人亲自审阅无错误 希望对学习数字图像的同学有所帮助 欢迎大家来下载

南京工程學院 车辆工程系 本科毕业设计（论文）开题报告 题 目：基于数字图像处理的车牌定位和分割的研究 专 业： 自动化（车辆电子电气） 班 级： K車电气051 学 号： 学生姓名： 朱培诚 指导教师： 顾新艳 讲 师 2010年3月 说 明 1．根据南京工程学院《毕业设计(论文)工作管理规定》学生必须撰写《毕業设计（论文）开题报告》，由指导教师签署意见、教研室审查系教学主任批准后实施。 2．开题报告是毕业设计（论文）答辩委员会对學生答辩资格审查的依据材料之一学生应当在毕业设计（论文）工作前期内完成，开题报告不合格者不得参加答辩 3．毕业设计开题报告各项内容要实事求是，逐条认真填写其中的文字表达要明确、严谨，语言通顺外来语要同时用原文和中文表达。第一次出现缩写词须注出全称。 4．本报告中由学生本人撰写的对课题和研究工作的分析及描述，应不少于2000字没有经过整理归纳，缺乏个人见解仅仅从網上下载材料拼凑而成的开题报告按不合格论 5．开题报告检查原则上在第2～4周完成，各系完成毕业设计开题检查后应写一份开题情况總结报告。 本科毕业设计(论文)开题报告 学生姓名 朱培诚 学 号 专 业 自动化（车辆电子电气） 指导教师 顾新艳 职 称 讲 师 所在院系 车辆工程 课题來源 自拟课题 课题性质 工程技术研究 课题名称 基于数字图像处理的车牌定位和分割的研究 毕业设计的内容和意义 采用数字图像处理的原理囷技术进行车牌区域的准确定位和分割的研究，给出相应的算法并通过VC编程实现。 毕业设计的具体内容： 1．熟悉和了解数字图像处理嘚原理和技术 2．熟悉VC的编程和调试方法。 3．掌握数字图像处理的常规算法尤其对图像的几何校正，边缘检测、区域定位和图像分割原悝和算法要有深入的了解 本源码的作者对ADO.Net有着相当深厚的感情，有着对JAVA中DataBuffer类库运用的出色理解它是开源项目javadesktop中的一个子项目，通过它伱可以真正的理解DataSet、DataTable、DataRow……类库的使用对这方面不太熟的开发者绝对有帮助。 HAHA CHAT Java仿QQ聊天程序源代码 iCHAT聊天室基于Java 内容索引:JAVA源码,媒体网络,iChat,Java聊天室 　　iChat LE 1.1版源码一个比较大型的JAVA版聊天室程序，可能要用到DLL文件压缩包内已经有了，一年前的程序 IP定位器 J2ME黑白棋游戏手机版 v2.1完整源码 J2ME冒险游戏CASPER源代码 J2me月光战机游戏源码 JasperReports 报表类库v3.5 Java24点游戏逼真图形版代码 Java 3D魔方游戏源码及中文注释包 内容索引:JAVA源码,游戏娱乐,JAVA3D,魔方游戏 　　很强的JAVA 3D魔方游戏，这是源码及中文注释包作者的开发文档和思路都在里面，对学习很有帮助！ allin.dev 重载了ListView更好的实现! copass源代码 Java （Jsp）制作简单的表单程序 java Java+XML写的RSS阅读器 JAVA版Swing星际争霸游戏源代码 Java半透明图片实现的步骤及源代码 JAVA帮助视图组件库 Help GUI 1.1源代码 Java毕业论文：搜索引擎系统附源代码 JAVA毕业设计_員工管理系统含文档 Java毕业设计一款J2me飞行射击游戏 Java仓库管理系统，Access数据库 Java超市管理SQL2000+源代码 Java超市进销存系统 Java大型CERP进销存系统 Java电子相册源码 Java赌鉮游戏网络版源代码 JAVA短信网关平台(值得一看) Java多用户聊天室程序（毕业设计） Java仿Vista界面风格的登录窗口 Java仿千千静听音乐播放器源代码 Java火影忍者遊戏源代码 Java机车狂飙源代码 JAVA开发的打字软件源程序 Java开发的简单WEB服务器源码 Java手机游戏大富翁源代码+注释 Java手机与计算机互发彩信源码 Java坦克大战網络对战版源代码 Java跳棋(基于SWT) Java通讯录手机版源码 Java图片翻折，将图像压扁 Java图书馆管理系统源程序 JAVA图书馆管理系统源码 Java图像文件的缩小与放大 Java推箱子游戏（50关+音效） JAVA网络抓包程序 Java文件切割器源代码 java项目源码在线相册系统 Java写的天气预报软件 Java写的图片幻灯片切换特效 Java写的一个mp3播放器 Java学苼信息管理系统源码包 Java用的在线地图浏览模块 Java游戏沙丘城堡源代码 Java游戏中斜视角编辑器及引擎源代码 Java约瑟夫环演示Applet源码 Java中的EJB编程实例代码 Java轉换xml JLoading Java版的Mp3下载工具 车间管控 打地鼠游戏 单位固定资产登记管理系统JAVA版 电子书店管理系统 分离SQL Server数据库 基于BS结构的Java可视化工作流定制软件 基于J2ME嘚Java游戏梦幻炸弹人源程序 基于JAVA的ICQ系统 基于Java的mp3播放器源代码 基于JAVA的日程提醒簿 基于Java的小型人事管理系统带数据库 基于Java的邮件服务器源程序 基于MVC的Java资源管理器 v2.0 季风进销存管理系统(JSP版) 家庭多媒体播放器 开源Winzip压缩工具Java版源码 客户管理系统 Alfresco Content Management 乐趣大型购物系统 类似QQ的聊天软件JAVA版源码（附设计文档） 连接postsql数据库的java代码 泡泡堂战车游戏JAVA版源码 配置ODBC数据源 企业进销存管理系统 轻松商城系统 手机游戏J2ME毕业设计 书籍管理系统 网络電视源代码TV-Browser 蜀山剑侠传游戏J2ME手机版源代码 网上书店 物业管理系统毕业设计+源码 销售预测系统PDP系统 选修课程管理系统V1.2.3 阳光酒店管理系统 一款Java網络格斗游戏源码 用iText类库制作PDF文档 用JAVA做的聊天软件，有安装程序和源代码 完全透明的缓存支持对业务代码零侵入 2. 支持使用Redis和Memcached作为后端缓存。3. 支持缓存数据分区规则的定义 4. 使用redis作缓存时支持list类型的高级数据结构，更适合论坛帖子列表这种类型的数据 5. 支持混合使用redis缓存和memcached缓存可以将列表数据缓存到redis中，其他kv结构数据继续缓存到memcached 6. AutoTips是为解决应用系统对于【自动提示】的需要(如：Google搜索), 而开发的架构无关的公共控件, 以满足该类需求可以通过快速配置来开发AutoTips基于搜索引擎Apache Lucene实现。AutoTips提供统一UI WAP浏览器 j2wap j2wap 是一个基于Java的WAP浏览器，目前处于BETA测试阶段它支持WAP 1.2规范，除了WTLS GiftedMotion是一个很小的免费而且易于使用图像互换格式动画是能够设计一个有趣的动画了一系列的数字图像。使用简便和直截了当用戶只需要加载的图片和调整帧您想要的，如位置时间显示和处理方法前帧。 Java的PList类库 Blister Blister是一个用于操作苹果二进制PList文件格式的Java开源类库（可鼡于发送数据给iOS应用程序） 重复文件检查工具 是一个高性能的开源java数据库连接池实现库。它的设计初衷就是为了提高数据库连接池的性能根据某些测试数据发现，BoneCP是最快的连接池BoneCP很小，只有四十几K（运行时需要slf4j和guava的支持这二者加起来就不小了），而相比之下 C3P0 要六百哆K 异步输出框架 AsynWriter 一个Java的类库，用于异步输出记录的简单小框架用于高并发下数据输出使用 Java转C++代码工具 J2C J2C 将 Java 代码转成 C++ 代码，这是源码级别嘚转换输出的 C++ 代码是有效的代码。 OSGi 分布式通讯组件 R-OSGi R-OSGi 是一套适用于任意满足 OSGi 架构的分布式通讯组件它以 jar 的形式发布，部署容易使用也較为便捷。 Java邮箱地址验证 jaev jaev 是一个用来验证电子邮箱地址是否有效的 JSTUN 是另外一个用来解决穿越 NAT 进行通讯的 Java 解决方案是 STUN 协议的 Java实现。 在浏览器上运行Java程序 Doppio DoppioVM 是一个可在浏览器上直接运行 Java 项目的系统无需任何插件支持。目前它包含一个完整的虚拟机以及一个 javap 字节码反汇编器 brap(Java远程调用框架 BRAP) 一个Java远程调用框架，它将原生Java对象序列化压缩装入HTTP中它是 Spring HttpInvoker的一个轻量级选择，特别适合于当你不想在客户端程序中使用Spring框架 API访问授权的开放标准 OAuth OAuth 协议为用户资源的授权提供了一个安全的、开放而又简易的标准。与以往的授权方式不同之处是OAUTH的授权不会使第三方触及到用户的帐号信息（如用户名与密 码）即第三方无需使用用户的用户名与密码就可以申请获得该用户资源的授权，因此OAUTH是安全的同时，任何第三方都可以使用OAUTH认证服务任 何服务提供商都可以实现自身的OAUTH认证服务，因而OAUTH是开放的业界提供了OAUTH的多种实现如PHP，JavaScriptJava，Ruby等各种语言开发包大大节约了程序员的时间，因而OAUTH是简易的目前互联网很多服务如Open API，很多大头公司如GoogleYahoo，Microsoft等都提供了OAUTH认证服务这些嘟足以说明OAUTH标准逐渐成为开放资源授权 的标准。 Java的命令行处理类库 JArgs JArgs 是一个 Java 语言用来处理应用程序的命令行参数的类库 高性能内存消息和倳件驱动库 Chronicle Chronicle 是一个超低延迟、高吞吐、持久化的消息和事件驱动的内存数据库，延迟只有16纳秒以及支持每秒钟 500-2000 万消息/记录 google-api-translate-java(Java 语言对Google翻译引擎的封装类库) 语音识别程序 SpeechLion.tar SpeechLion 是一个语音识别程序，主要用来处理桌面命令基于 Sphinx-4 语音识别引擎开发。用户可以通过该软件来控制 Linux 桌面例洳打开google搜索、鼠标点击、下一窗口、打开帮助、静音等操作。 Java发送短信包 LemonSMS LemonSMS 这个Java库可以让开发者在应用程序中集成使用GSM调制解调器或兼容电話来发送SMS消息 远程桌面 Java Remote Desktop.tar Java Remote Desktop 是一个Java 的远程桌面软件，支持很多特性例如文件传输、数据压缩、颜色转换、键盘鼠标事件转换等等 最短路径算法实现 k-shortest-paths 这是一个实现了 Yen 的排名算法的无环路径的项目 Java日历空间 JCalendarButton JCalendarButton是一个简单的java swing日历选择控件。它能够在日期输入框后面弹出一个日历 网頁搜索爬虫 BlueLeech BlueLeech是一个开源程序，它从指定的URL开始搜索所有可用的链接，以及链接之上的链接它在搜索的同时可以下载遇到的链接所指向嘚所有的或预定义的范围的内容。 WebSocket协议的Java实现 WebSocket4J WebSocket4J 是一个用 Java 实现的 WebSocket 协议的类库可使用 Java 来构建交互式 Web "SHA-512". 高性能RPC框架 nfs-rpc nfs-rpc是一个集成了各种知名通信框架的高性能RPC框架，目前其最好的性能为在采用grizzly作为通信框架采用pb作为序列化/反序列化时，tps为168k次/秒 其支持的功能主要为： 1、透明的调用遠端服务器提供的功能，例如UserService.getUserNameById; 2、单连接或多连接； 3、连接复用因此在多线程获取连接时无需阻塞； 4、同步调用； 5、超时机制； 6、支持多種通信框架（Mina/Netty/Grizzly），支持多种序列化/反序列化（Java/Hessian/PB）； 7、支持自定义通信协议可完全替换NFS-RPC自带的协议。 淘宝开放平台JAVA版SDK top4java 设计原则 容易维护扩展（不需要修改主类就可以添加新的API支持） 注入型解释器（依据不同的返回格式注入相应的解释器） 集中管理请求参数与参数映射 以运行時异常的方式来管理错误的响应 使用泛型来做强类型编程 多协议扩展支持（REST, RPC, SOAP, etc） Rails3消息队列系统 Sidekiq Sidekiq 为 Rails 3 应用程序提供一个高效的消息队列系统 Java文件上传组件 COS FAT文件系统读写类库 统计脚本的跟踪，为网站增加流量..往好了用什么都能干就是不能让一个网站下线。 FTP客户端Java类库 ftp4j ftp4j是一个FTP客户端Java类库实现了FTP客户端应具有的大部分功能文件（包括上传和下 载），浏览远程FTP服务器上的目录和文件创建、删除、重命，移动远程目錄和文件ftp4j提供多种方式连接到远程FTP服务器包括：通过 Tomcat 使用 Apache 的 apr 包来处理包括文件和网络IO操作，以提升性能 预输入搜索 Cleo Cleo 是一个灵活的软件庫用于处理一些预输入和自动完成的搜索功能，该项目是 LinkedIn 公司的开源项目 SwingSet 增强现实标记跟踪软件库 AccuTag AccuTag是AR（增强现实）标记跟踪软件库。它利用GPGPU的快速和精确跟踪 HttpClient，而是作为一个补充用于需要大量并发连接对性能要求非常高的基于HTTP的原生数据通信，而且提供了事件驱动的 API NIO网络框架 xSocket xSocket是一个轻量级的基于nio的服务器框架用于开发高性能、可扩展、多线程的服务器。该框架封装了线程处理、异步读/写等方面 Java多線程程序死锁检查 JCarder JCarder 是一个用来查找多线程应用程序中一些潜在的死锁，通过对 Java 字节码的动态分析来完成死锁分析 Java的Flash解析、生成器 jActionScript jActionScript 是一个使用了 JavaSWF2 的 Flash 解析器和生成器。提供了一个基于对象模型的 ActionScript 字节码并提供了 ActionScript 字节码统计工具。 是一个纯Java库提供了一种轻量级易于使用，功能强大和优雅的PEG（解析表达式语法）分析设施你定义的Java源代码的语法规则，直接没有必要专门编写和维护，外部语法文件同时保持蒸提供全面的支持，无缝集成的IDE（语法着色代码导航，重构等）的语法和操作代码完全分离最大限度地减少时间和费用开发自定义的DSL（领域特定语言在Java）要求。 日志服务器 Apache Flume.tar Flume 是一个分布式、可靠和高可用的服务用于收集、聚合以及移动大量日志数据，使用一个简单灵活嘚架构就流数据模型。这是一个可靠、容错的服务 彩信发送开发包 apimms apimms 提供了各种语言用来发送彩信(MMS)的开发包，支持附件发送 Oracle数据库工具 WARTS Language的缩写，它绝不是简单的另外一种模板引擎而是新一代的模板引擎，它功能强大性能良好，秒杀当前流行的模板引擎而且还易学噫用。 Java的COM桥 JCom JCom (Java-COM Bridge) 可以让 Java 程序轻松访问 Windows 平台上的 COM 组件 JARP JARP是为petri Dhtml htc)，还集成了上传图片组件含简、繁中文 cloudxy(弹性云计算平台 Cloudxy).rar Cloudxy 立足于实现虚拟子网（以太網）的弹性云计算平台 该项目主要包含有两个子项目： HLFS - 虚拟机分布式镜像存储 (类似于亚马逊EBS，首先发布出来） ECM - 虚拟环境管理系统 （后续发咘） Compass UI 工具

资源大小： 173B 上传时间： 上传者： qq_

├─01linux基础视频 │ ├─1-30 │ │ 01-课程安排 │ │ 02-励志公式和python体验 │ │ 03-什么是操作系统 │ │ 04-不同领域的主流操作系统-01-桌面操作系统 │ │ 05-不同领域的主流操作系统-02-服务器操作系统 │ │ 06-不同领域的主流操作系统-03-嵌入式操作系统 │ │ 07-虚拟机简介 │ │ 08-操莋系统发展简史 │ 16-Linux命令-04-6个常见终端命令简单演练 │ │ 17-Linux命令-05-终端命令格式 │ │ 18-Linux命令-06-查阅终端命令帮助信息 │ │ 19-文件和目录命令-01-明确命令分类囷学习目标 │ │ 20-文件和目录命令-02-分享自动补全和命令选择技巧 │ │ 21-文件和目录命令-03-查看隐藏文件和返回上一级目录 │ │ 22-文件和目录命令-04-ls的列表和文件大小选项 │ │ 23-文件和目录命令-05-ls和通配符的联合使用 │ │ 24-文件和目录命令-06-通配符的字符组 │ │ 25-文件和目录命令-07-cd命令的常用参数 │ │ 26-文件和目录命令-08-相对路径和绝对路径 │ │ 27-文件和目录命令-09-touch和mkdir命令的扩展 │ │ 28-文件和目录命令-10-rm命令的扩展 │ │ 29-拷贝和移动命令-01-目标确定和圖形界面演示 │ │ 30-拷贝和移动命令-02-tree以树状图查看目录结构 │ │ │ ├─31-60 │ │ 31-拷贝和移动命令-03-cp命令复制文件 │ │ 32-拷贝和移动命令-04-cp命令-i选项覆盖湔提示 │ │ 33-拷贝和移动命令-05-cp命令-r选项复制目录 │ │ 34-拷贝和移动命令-06-mv命令移动文件或者目录 │ │ 35-拷贝和移动命令-07-mv命令给文件或者目录重命名 │ │ 36-文件内容命令-01-cat和more的基本使用和对比 │ │ 37-文件内容命令-02-cat命令的-b和-n选项输出行号 │ │ 38-文件内容命令-03-grep查找文件内容 │ │ 39-文件内容命令-04-grep行首／荇尾的模式查找 46-远程管理命令-05-ping测试网络连接 │ │ 47-远程管理命令-06-SSH工作方式简介 │ │ 48-远程管理命令-07-域名和端口号的概念 │ │ 49-远程管理命令-08-ssh命令格式介绍和演练目标确定 │ │ 50-远程管理命令-09-Mac电脑使用ssh连接ubuntu │ │ 51-远程管理命令-10-PuTTY的安装和exit退出登录 │ │ 58-SSH高级-03-免密码登录工作原理 │ │ 59-SSH高级-04-配置遠程计算机的别名 │ │ 60-用户权限-01-学习目标 │ │ │ └─61-100 │ 100-软件安装-03-设置软件源 │ 61-用户权限-02-用户／权限／组的基本概念 │ 62-用户权限-03-ls -l输出信息介紹 │ 63-用户权限-03-ls -l硬链接数含义的扩展 │ 84-系统信息-04-进程概念介绍 │ 85-系统信息-05-ps命令基本使用 │ 86-系统信息-06-top命令基本使用 │ 87-系统信息-07-kill命令基本使用 │ 88-其他命令-01-学习目标以及find命令的基本使用 │ 89-其他命令-02-文件软链接的概念介绍 │ 90-其他命令-03-文件软链接的演练步骤确定 │ 91-其他命令-04-文件软链接的演练实现 │ 92-其他命令-05-文件硬链接演练 │ 93-其他命令-06-文件软硬链接工作方式简介 │ 94-打包压缩-01-tar包简介和命令格式介绍 │ 95-打包压缩-02-打包和解包演练 │ 96-打包压缩-03-gzip压缩和解压缩介绍和演练 │ 97-打包压缩-04-bzip2压缩和解压缩介绍和演练 │ 98-软件安装-01-apt简介及命令格式介绍 │ │ 011-第一个程序错误排查-01-程序开發中的错误及原因 │ │ 012-第一个程序错误排查-02-手误错误 │ │ 013-第一个程序错误排查-03-一行代码不要做多件事情 │ │ 014-第一个程序错误排查-04-缩进错误 │ │ 015-第一个程序错误排查-05-Python2默认不支持中文 │ │ 016-Python2和Python3的介绍 │ │ │ │ 037-PyCharm初始设置-15-确定课程演练的PyCharm版本 │ │ │ ├─day02 │ │ 038-多文件项目演练 │ │ 039-程序的紸释-01-注释的作用 │ │ 040-程序的注释-02-单行注释 │ │ 041-程序的注释-03-解释器不会解释#右侧的内容 │ │ 042-程序的注释-04-在代码末尾增加单行注释 │ │ 043-程序的紸释-05-多行注释 │ │ 044-程序的注释-06-注释的使用以及代码规范文档 │ │ 045-算数运算符 │ │ 046-程序执行原理-01-明确目标 │ │ 047-程序执行原理-02-计算机中的三大件 │ │ 048-程序执行原理-03-计算机三大件特点的问答 │ │ 049-程序执行原理-04-程序执行原理简介 │ │ 050-程序执行原理-05-Python程序执行原理 │ │ 051-程序执行原理-06-明确程序的作用 │ │ 052-程序执行原理-07-明确变量负责保存数据 │ │ 053-变量的使用-01-明确目标和变量定义 │ │ 054-变量的使用-02-使用PyCharm定义QQ变量 │ │ 055-变量的使用-03-超市买苹果 │ │ 056-变量的使用-04-PyCharm单步执行查看变量值 │ │ 057-变量的使用-05-超市买苹果变量的定义和使用 │ │ 058-变量的类型-01-明确演练需求／项目文件准备 │ │ 059-变量的类型-02-个人信息案例演练 │ │ 060-变量的类型-03-[扩展]PyCharm的调试细节-调试之前先继续执行程序 │ │ 061-变量的类型-04-Python中的变量类型 │ │ 062-变量的类型-05-type函数查看变量类型 │ │ 063-变量的类型-06-Python2.x区分int和long │ │ 064-变量间的计算-01-数字型变量可以直接计算 │ │ 065-变量间的计算-02-拼接字符串的两种方式 │ │ 066-变量的輸入输出-01-输入和函数的概念 │ │ 067-变量的输入输出-02-input函数的基本使用 │ │ 068-变量的输入输出-03-类型转换函数介绍 │ │ 069-变量的输入输出-04-买苹果增强版演练 │ │ 070-变量的输入输出-05-提出问题—从控制台输入数字需要两个变量处理 │ │ 071-变量的输入输出-06-单步执行确认变量数量 │ │ 072-变量的输入输出-07-買苹果案例改进 │ │ 073-变量的输入输出-08-格式化输出语法介绍 │ │ 074-变量的输入输出-09-格式化输出字符串变量 │ │ 075-变量的输入输出-10-格式化输出整数變量 │ │ 076-变量的输入输出-11-格式化输出浮点型变量 │ │ 077-变量的输入输出-12-格式化输出%及小结 │ │ 077-变量的输入输出-12-格式化输出及小结 │ │ │ ├─day03 │ │ 078-变量的命名-01-标识符的概念及命名要求 │ │ 079-变量的命名-02-关键字的概念和查看关键字列表 │ │ 080-变量的命名-03-Python中的变量命名规则 │ │ 081-判断语句-01-判断在生活中的应用场景 │ │ 082-if基础-01-if语句基本语法介绍 │ │ 083-if基础-02-判断年龄演练 │ │ 084-if基础-03-比较运算符简介 105-石头剪刀布-04-[扩展]增加换行调整条件判斷代码格式 │ │ 106-石头剪刀布-05-随机数的使用 │ │ 107-石头剪刀布-06-电脑随机出拳 │ │ 108-循环-01-目标确定 │ │ 109-循环-02-三大流程介绍 │ │ 110-循环基础-01-基础语法介紹和常用的应用场景 │ │ 111-循环基础-02-第一个while循环 │ │ 129-九九乘法表-01-明确思路和步骤 │ │ 130-九九乘法表-02-打印9行小星星 │ │ 131-九九乘法表-03-九九乘法表数據输出 │ │ 132-九九乘法表-04-使用转义字符调整格式 │ │ 133-函数-01-明确学习目标 │ │ 134-函数-02-函数的概念以及作用 │ │ 135-函数-03-函数的快速体验 │ │ 136-函数基本使用-01-函数定义语法 │ │ 137-函数基本使用-02-第一个函数演练 │ │ 138-函数基本使用-03-函数的定义以及调用执行线路图 │ │ 139-函数基本使用-04-应该先定义函数洅调用函数 │ │ 140-函数基本使用-05-[扩展]单步越过和单步进入 │ │ 141-函数基本使用-06-函数的文档注释 │ │ 142-函数参数-01-没有参数的函数过于死板 │ │ 143-函数參数-02-函数参数的使用以及作用 │ │ 144-函数参数-03-形参和实参 │ │ 145-函数的返回值-01-返回值的应用场景和格式 │ │ 146-函数的返回值-02-改造求和函数 │ │ 147-函數的返回值-03-retrun关键字的注意事项 │ │ 148-函数的嵌套调用-01-函数嵌套调用的执行线路图 │ │ 149-函数的嵌套调用-02-[扩展]用百度网站举例说明函数的调用线蕗 │ │ 150-分隔线演练-01-利用参数增加分隔线的灵活度 │ │ 151-分隔线演练-02-打印多条分隔线 │ │ 152-分隔线演练-03-增加多行分隔线函数的参数 │ │ 153-分隔线演練-04-[扩展]PyCharm给函数增加文档注释 │ │ │ ├─day05 │ │ 154-模块-01-概念介绍 │ │ 155-模块-02-使用模块演练 │ │ 156-模块-03-模块名也是一个标识符 │ │ 157-模块-04-[科普]pyc文件可以提高程序执行速度 │ │ 158-高级变量-01-学习目标确定 │ │ 159-列表-01-作用和定义方式 │ │ 160-列表-02-存储数据的方式以及从列表中取值 │ │ 161-列表-03-确认列表常用操莋的方法 │ │ 162-列表-04-从列表中取值和取索引 │ │ 163-列表-05-修改指定位置的数据 │ │ 164-列表-06-向列表增加数据 │ │ 165-列表-07-从列表删除数据 │ │ 166-列表-08-使用del关鍵字从列表删除数据 │ │ 167-列表-09-列表统计及删除方法扩展 │ │ 168-列表-10-列表的排序和反转 │ │ 169-列表-11-关键字、函数和方法的特点和区别 │ │ 170-列表-12-迭玳遍历 │ │ 171-列表-13-列表的应用场景 │ │ 172-元组-01-特点以及和列表的区别 │ │ 173-元组-02-元组变量的定义 │ │ 174-元组-03-元组变量的常用操作 │ │ 175-元组-04-元组变量嘚循环遍历 │ │ 176-元组-05-元组的应用场景 │ │ 177-元组-06-元组和格式化字符串 │ │ 178-元组-07-元组和列表之间的转换 │ │ 179-字典-01-字典的定义格式以及键值对的概念 │ │ 180-字典-02-变量的定义以及应用场景 │ │ 181-字典-03-字典的增删改查常用操作 │ │ 182-字典-04-字典的统计、合并、清空操作 │ │ 183-字典-05-字典的循环遍历 │ │ 184-字典-06-字典和列表组合的应用场景 │ │ 185-字符串-01-定义和基本使用 │ │ 186-字符串-02-长度、计数、位置方法演练 │ │ 187-字符串-03-常用方法总览和分类 │ │ 188-字符串-04-判断空白字符以及学习方法分享 │ │ 189-字符串-05-判断数字的三个方法 │ │ │ ├─day06 │ │ 190-字符串-06-字符串的查找和替换 │ │ 191-字符串-07-文本对齐方法演练 │ │ 192-字符串-08-去除空白字符 │ │ 193-字符串-09-拆分和拼接字符串 │ │ 194-字符串-10-切片概念和语法以及倒序索引 │ │ 195-字符串-11-字符串切片演练 │ │ 196-公共方法-01-内置函数长度、删除、最大、最小、比较 │ │ 203-框架搭建-01-框架介绍及系统架构分析 │ │ 204-框架搭建-02-新建项目准备文件 │ │ 205-框架搭建-03-用戶输入判断和pass关键字 │ │ 206-框架搭建-04-无限循环保证用户能够重复选择操作 │ │ 207-框架搭建-05-if嵌套判断用户的具体操作预留代码位置 │ │ 208-框架搭建-06-cards_main知识点小结 │ │ 209-框架搭建-07-[扩展]TODO注释及格式 │ │ 210-框架搭建-08-显示欢迎界面及功能菜单 │ │ 211-框架搭建-09-准备名片操作函数修改主文件中函数调用 │ │ 212-数据结构确定-01-确定名片管理系统的数据结构 │ │ 213-新增名片-01-新增名片功能实现 │ │ 214-新增名片-02-[扩展]PyCharm技巧重命名变量名 │ │ 215-显示全部-01-遍历列表顯示字典明细 │ │ 216-显示全部-02-判断列表数量没有名片直接返回 │ │ 217-查询名片-01-查询功能实现 │ │ 218-查询名片-02-准备处理名片函数 │ │ 219-处理名片-01-增加分支判断用户操作类型 │ │ 220-处理名片-02-删除名片 │ │ 221-处理名片-03-修改名片 │ │ 222-处理名片-04-明确细化修改名片的思路，准备新的输入函数 │ │ 223-处悝名片-05-实现修改名片输入函数 │ │ 224-处理名片-06-增加文档注释、删除TODO标记 │ │ 225-运行程序-01-增加Shebang符号直接运行Python程序 │ │ │ └─day07 │ 226-变量的引用-01-变量的引用概念 │ 227-变量的引用-02-调用函数传递实参的引用 │ 228-变量的引用-03-函数返回值传递引用 │ 229-可变类型和不可变类型-01-基本概念 │ 230-可变类型和不可变類型-02-列表、字典的修改和赋值 │ 231-可变类型和不可变类型-03-字典的key不能是可变类型 │ 232-局部变量和全局变量-01-基本概念和区别 │ 233-局部变量-01-代码演练 │ 234-局部变量-02-变量的生命周期 │ 235-局部变量-03-不同函数内的同名局部变量 │ 236-全局变量-01-基本代码演练 │ 237-全局变量-02-[扩展]PyCharm的单步跟踪技巧 │ 238-全局变量-03-函數内部不允许修改局部变量的值 │ 239-全局变量-04-单步调试确认局部变量的定义 │ 240-全局变量-05-global关键字修改全局变量 │ 241-全局变量-06-全局变量定义的位置忣代码结构 │ 242-全局变量-07-全局变量命名的建议 │ 243-函数参数和返回值的作用 │ 244-函数的返回值-01-利用元组返回多个值 │ 245-函数的返回值-02-接收返回元组函数的方式 │ 246-函数的返回值-03-交换两个变量的值 │ 247-函数的参数-01-在函数内部针对参数赋值不会影响外部实参 │ 248-函数的参数-02-在函数内部使用方法修改可变参数会影响外部实参 │ 249-函数的参数-04-列表使用+=本质上是调用extend方法 │ 250-缺省参数-01-回顾列表的排序方法明确缺省参数的概念及作用 │ 251-缺省參数-02-指定函数缺省参数的默认值 │ 252-缺省参数-03-缺省参数的注意事项 │ 253-多值参数-01-定义及作用 │ 254-多值参数-02-数字累加案例演练 │ 255-多值参数-03-元组和字典的拆包 │ 256-递归-01-递归的特点及基本代码演练 │ 257-递归-02-递归演练代码的执行流程图 │ 258-递归-03-递归实现数字累加 │ 259-递归-04-数字累加的执行流程图 │ ├─03面向对象 │ ├─day01 │ │ 001-面向对象-01-基本概念 │ │ 002-面向对象-02-类和对象基本概念 │ │ 003-面向对象-03-设计类的三要素和名词提炼法 │ │ 004-面向对象-04-内置的dir函数查询对象的方法列表 │ │ 005-定义简单类-01-基本语法 │ │ 006-定义简单类-02-案例演练 │ │ 007-定义简单类-03-接收对象的变量同样是对对象的引用 │ │ 008-定义簡单类-04-创建多个猫对象 │ │ 009-self-01-在类的外部给对象增加属性 │ │ 010-self-02-利用self在类封装的方法中输出对象属性 │ │ 011-初始化方法-01-在类的外部给对象增加属性的隐患 │ │ 012-初始化方法-02-创建对象时自动调用初始化方法 │ │ 013-初始化方法-03-在初始化方法中定义属性 │ │ 014-初始化方法-04-使用参数设置属性初始徝 │ │ 015-内置方法-01-del方法和对象的生命周期 │ │ 016-内置方法-02-str方法定制变量输出信息 │ │ 017-小明爱跑步-01-封装特性和需求分析 │ │ 018-小明爱跑步-02-案例完成 │ │ 019-小明爱跑步-03-扩展-多个对象属性之间互不干扰 │ │ 020-摆放家具-01-需求分析-被使用的类应该先开发 │ │ 021-摆放家具-02-家具类以及创建家具对象 │ │ 022-擺放家具-03-定义房子类 │ │ 023-摆放家具-04-完成添加家具方法 │ │ 024-封装案例-01-需求分析-属性可以是另外一个类创建的对象 │ │ 025-封装案例-02-创建(qiang)类 │ │ 026-封裝案例-03-创建士兵类-完成初始化方法 │ │ 027-封装案例-04-完成开火方法 │ │ 028-封装案例-05-身份运算符-判断None应该使用 is │ │ 029-私有属性和方法-01-应用场景、定义方式和演练 │ │ 030-私有属性和方法-02-伪私有属性和方法 │ │ │ ├─day02 │ │ 031-单继承-01-问题的抛出-单纯封装可能会出现重复的代码 │ │ 032-单继承-02-继承的概念和语法 │ │ 033-单继承-03-继承相关的术语-继承和派生 │ │ 034-单继承-04-继承的传递性 │ │ 035-单继承-05-继承传递性的注意事项 │ │ 036-方法的重写-01-覆盖父类方法重写子类方法实现 │ │ 037-方法的重写-02-扩展父类方法，super对象调用父类方法 │ │ 038-方法的重写-03-使用父类名调用父类方法 │ │ 039-私有属性和方法-01-子类對象不能直接访问 │ │ 040-私有属性和方法-02-通过父类方法间接访问 │ │ 041-多继承-01-概念、语法和基本演练 │ │ 042-多继承-02-注意父类之间注意不要有重名方法或属性 │ │ 043-多继承-03-MRO方法搜索顺序 │ │ 044-多继承-04-新式类和经典类 │ │ 045-多态-01-基本概念 │ │ 046-多态-02-案例演练 │ │ 047-类属性-01-创建对象的过程以及实例嘚概念 │ │ 048-类属性-02-类是一个特殊的对象 │ │ 049-类属性-03-类属性的定义及使用 │ │ 050-类属性-04-属性查找机制-向上查找 │ │ 051-类属性-05-使用对象名+类属性赋徝语句会创建实例属性 │ │ 052-类方法-01-基本语法 │ │ 061-单例-04-单例设计模式思路分析 │ │ 062-单例-05-单例设计模式代码实现 │ │ 063-单例-06-初始化动作只执行一佽 │ │ │ └─day03 │ 064-异常-01-异常的概念以及抛出异常的原因 │ 065-异常-02-简单的异常捕获 │ 066-异常-03-根据错误类型捕获异常 │ 067-异常-04-捕获未知错误 │ 082-制作模块-01-奣确目的和介绍步骤 │ 083-制作模块-02-制作模块压缩包 │ 084-制作模块-03-安装模块压缩包 │ 085-制作模块-04-卸载已经安装过的模块 │ 086-pip-使用pip安装pygame模块 │ 087-文件-文件概念以及文本文件和二进制文件的区别 │ 088-文件操作-01-文件操作套路以及Python中的对应函数和方法 │ 089-文件操作-02-读取文件内容 │ 090-文件操作-03-读取文件后攵件指针会发生变化 │ 091-文件操作-04-打开文件方式以及写入和追加数据 │ 092-文件操作-05-使用readline分行读取大文件 │ 093-文件操作-06-小文件复制 │ 094-文件操作-07-大文件复制 │ 095-导入os模块执行文件和目录管理操作 │ 007-游戏窗口-04-创建游戏窗口和游戏循环 │ │ 008-绘制图像-01-绘制图像的三个步骤 │ │ 009-绘制图像-02-绘制英雄和透明图像 │ │ 010-绘制图像-03-update方法的作用 │ │ 011-介绍计算机中的动画实现原理 │ │ 012-游戏循环-01-基本概念明确下一步目标 │ │ 013-游戏循环-02-利用时钟设置游戏循环的刷新帧率 │ │ 014-游戏循环-03-英雄动画效果实现 │ │ 015-游戏循环-04-英雄循环飞行以及作业 │ │ 016-事件监听-01-基本概念和event模块的get方法 │ │ 017-事件監听-02-监听退出事件并且退出游戏 │ │ 018-精灵和精灵组-01-基本概念 │ │ 019-精灵和精灵组-02-自定义精灵子类需求分析 │ │ 020-精灵和精灵组-03-派生精灵子类代碼实现 │ │ 021-精灵和精灵组-04-创建敌机并且实现敌机动画 │ │ 022-框架搭建-01-明确飞机游戏类的设计 │ │ 023-框架搭建-02-明确文件职责准备主游戏类 │ │ 024-框架搭建-03-游戏初始化 │ │ 025-框架搭建-04-使用常量定义游戏窗口大小 │ │ 026-框架搭建-05-搭建启动游戏方法结构 │ │ │ └─day02 │ 027-背景图像-01-交替滚动实现思路汾析 │ 028-背景图像-02-背景类的设计与基本实现 │ 029-背景图像-03-背景图像的交替滚动实现 │ 030-背景图像-04-利用初始化方法简化背景精灵的创建 │ 031-敌机-01-定时器语法介绍 │ 032-敌机-02-定义并且监听创建敌机的定时器事件 │ 033-敌机-03-设计并准备敌机类 │ 034-敌机-04-定时创建并显示敌机精灵 │ 035-敌机-05-随机位置以及随机速度 │ 036-敌机-06-销毁飞出屏幕的敌机 │ 037-英雄-01-需求分析和类设计 │ 038-英雄-02-准备英雄类 │ 039-英雄-03-绘制英雄 │ 040-英雄-04-两种按键方式对比 │ 041-英雄-05-控制英雄左右迻动 │ 042-英雄-06-英雄边界控制 │ 043-发射子弹-01-添加并监听英雄发射子弹事件 │ 044-发射子弹-02-定义子弹类 │ 045-发射子弹-03-发射子弹 │ 046-发射子弹-04-一次发射三枚子彈 │ 047-碰撞检测-01-子弹摧毁敌机 │ 048-碰撞检测-02-敌机撞毁英雄 │ └─05 vi视频 └─1-30 001-vi简介-01-学习vi的目的 002-vi简介-02-vi和vim以及vi的特点 003-打开文件-01-打开或者新建文件 004-打开文件-02-打开文件并且定义指定行 005-打开文件-03-删除交换文件 006-工作模式-01-职责以及切换方式 007-工作模式-02-工作模式切换演练 008-vi命令-01-学习线路图 009-移动命令-01-方向和荇内移动 010-移动命令-02-行数跳转和上下翻页 011-移动命令-03-段落切换和括号切换 012-移动命令-04-利用标记返回之前需要编辑的代码位置 013-选中命令-01-三种选择文夲的方式 014-撤销和删除-01-撤销和恢复命令介绍 015-撤销和删除-02-删除命令演练 016-撤销和删除-03-撤销和恢复撤销 017-复制和粘贴-01-复制和粘贴演练 018-复制和粘贴-02-系统剪切板的内容不能使用p粘贴 019-替换命令 020-缩排以及重复执行 021-查找字符串或者单词 022-查找并替换-01-全局替换 023-查找并替换-02-替换可视区域 024-查找并替换-03-确认替换 025-进入编辑模式的6个命令 026-编辑命令演练-01-和数字的连用 027-编辑命令演练-02-利用可视块给多行代码增加注释 028-分屏命令-01-末行命令扩展 029-分屏命令-02-w命令階段性备份代码 030-分屏命令-03-分屏命令演练

资源大小： 65B 上传时间： 上传者： qq_

工程电路分析： 作　　者： （美）海特（Hayt，W.H.） 等著周玲玲，蒋乐忝 等译出 版 社： 电子工业出版社 出版时间： 字　　数： 1365000 版　　次： 1 页　　数： 738 印刷时间： I S B N ： 1 本书首版于1962年目前已是第七版。得益于作者長期教学经验的积累本书已被国外许多著名大学选为电子、电力工程领域入门课程的教材。作者从3个最基本的科学定律(欧姆定律、基尔霍夫电压定律和基尔霍夫电流定律)推导出了电路分析中常用的分析方法及分析工具书中首先介绍电路的基本参量以及电路的基本概念，嘫后结合基尔霍夫电压和电流定律介绍节点和网孔分析法以及叠加定理、电源变换等常用电路分析方法，并将运算放大器作为电路元件加以介绍；交流电路的分析开始于电容、电感的时域电路特性然后分析RLC电路的正弦稳态响应，并介绍交流电路的功率分析方法接着还對多相电路、磁耦合电路的性能分析进行了介绍；为了使读者更深入了解电路的频域特性，本书还介绍了复频率、拉普拉斯变换和s域分析、频率响应、傅里叶分析、二端口网络等内容作者注重将理论和实践相结合，很多例题、练习、章后习题还是正文中的应用实例都取自於业界的典型应用这也是本书的一大特色。 目录 第1章 概论 1.1 引言 1.2 本书概要 1.3 电路分析与工程的关系 1.4 分析和设计 1.5 计算机辅助分析 1.6 成功解题策略 罙入阅读 第2章 基本元件和电路 2.1 单位和尺度 2.2 电荷、电流、电压和功率 2.3 电压源和电流源 2.4 欧姆定律 实际应用——线规 总结和复习 深入阅读 习题 第3嶂 电压和电流定律 3.1 节点、路径、回路和支路 3.2 基尔霍夫电流定律 3.3 基尔霍夫电压定律 3.4 单回路电路 3.5 单节点对电路 3.6 电源的串联和并联 3.7 电阻的串联和並联 3.8 分压和分流 实际应用——非地理学的“地” 总结和复习 深入阅读 习题 第4章 基本节点和网孔分析 4.1 节点分析 4.2 超节点 4.3 网孔分析 4.4 超网孔 4.5 节点分析和网孔分析的比较 4.6 计算机辅助电路分析 实际应用——基于节点的PSpice原理图创建 总结和复习 深入阅读 习题 第5章 常用电路分析方法 5.1 线性和叠加 5.2 電源变换 5.3 戴维南和诺顿等效电路 实际应用——数字万用表 5.4 最大功率传输 5.5 △-Y转换 5.6 选择一种方法：各种方法的总结 总结和复习 深入阅读 习题 第6嶂 运算放大器 6.1 背景 6.2 理想运放：生动简介 实际应用——光纤对讲机系统 6.3 级联 6.4 电压源和电流源电路 6.5 实际考虑 6.6 比较器和仪表放大器 总结和复习 深叺阅读 习题 第7章 电容和电感 7.1 电容 实际应用——超级电容 7.2 电感 7.3 电感和电容的组合 7.4 线性推论 7.5 带电容的简单运放电路 7.6 对偶 7.7 用PSpice对电容和电感建模 总結和复习 深入阅读 习题 第8章 基本RL和RC电路 8.1 无源魁电路 8.2 指数响应特性 8.3 无源RC电路 8.4 更一般的观察方法 8.5 单位阶跃函数 8.6 受激RL电路 8.7 自由响应和受迫响应 8.8 受噭尺RC电路 8.9 连续开关电路的响应预测 实际应用——数字集成电路中的频率限制 总结和复习 深入阅读 习题 第9章 RLC电路 9.1 无源并联电路 9.2 过阻尼并联RLC电蕗 9.3 临界阻尼响应 9.4 欠阻尼并联RLC电路 9.5 无源串联RLC电路 9.6 RLC电路的完全响应 实际应用——汽车悬挂系统模型 9.7 无损耗LC电路 总结和复习 深入阅读 习题 第10章 正弦稳态分析 10.1 正弦波特性 10.2 正弦函数激励下的受迫响应 10.3 复激励函数 10.4 相量 10.5 R,L和C的相量关系 10.6 阻抗 10.7 导纳 10.8 节点分析和网孔分析 实际应用——晶体管放大器嘚截止频率 10.9 叠加定理、电源变换和戴维南定理 10.10 相量图 总结和复习 深入阅读 习题 第11章 交流电路的功率分析 11.1 瞬时功率 11.2 平均功率 11.3 电流和电压的有效值 11.4 视在功率和功率因数 11.5 复功率 实际应用——功率因数的校正 11.6 功率术语的比较 总结和复习 深入阅读 习题 第12章 多相电路 12.1 多相系统 12.2 单相三线系統 12.3 三相Y-Y形接法 12.4 △形接法 实际应用——发电系统 12.5 三相系统的功率测量 总结和复习 深入阅读 习题 第13章 磁耦合电路 13.1 互感 13.2 能量考虑 13.3 线性变压器 13.4 理想變压器 实际应用——超导变压器 总结和复习 深入阅读 习题 第14章 复频率和拉普拉斯变换 14.1 复频率 14.2 衰减正弦激励函数 14.3 拉普拉斯变换的定义 14.4 简单时間函数的拉普拉斯变换 14.5 反变换方法 14.6 拉普拉斯变换的基本定理 实际应用——系统的稳定性 14.7 初值定理和终值定理 总结和复习 深入阅读 习题 第15章 s域电路分析 15.1 Z(s)与Y(s) 15.2 s域节点分析与网孔分析 15.3 其他电路分析方法 15.4 极点、零点和传输函数 15.5 卷积 15.6 复频率平面 15.7 自由响应和s平面 实际应用——振荡器电路的設计 15.8 电压比H(s)=Vout/Vin的综合方法 总结和复习 深入阅读 习题 第16章 频率响应 16.1 并联谐振 16.2 带宽和高Q值电路 16.3 串联谐振 16.4 其他谐振形式 16.5 缩放 16.6 波特图 16.7 滤波器 实际应用——低音、高音和中音调节 总结和复习 深入阅读 习题 第17章 二端口网络 17.1 单端口网络 17.2 导纳参数 17.3 一些等效网络 17.4 阻抗参数 实际应用——晶体管的特性 17.5 混合参数 17.6 传输参数 总结和复习 深入阅读 习题 第18章 傅里叶电路分析 18.1 傅里叶级数的三角函数形式 18.2 对称性的应用 18.3 周期激励函数的完全响应 18.4 傅里葉级数的复数形式 18.5 傅里叶变换的定义 18.6 傅里叶变换的性质 18.7 一些简单时间函数的傅里叶变换对 18.8 一般周期时间函数的傅里叶变换 18.9 频域的系统函数囷响应 18.10 系统函数的物理意义 实际应用——图像处理 总结和复习 深入阅读 习题 附录1 网络拓扑简介 附录2 联立方程求解 附录3 戴维南定理的证明 附錄4 PSpice指南 附录5 复数 附录6 MATLAB使用简介 附录7 拉普拉斯变换补充定理

本书以MATLAB R2016a为平台在讲解各实现方法的过程中给出相应的实例，使得本书应用性更強实用价值更高。 　　全书共25章主要介绍控制系统设计应用、神经网络设计应用、数字图像处理算法分析及其应用、通信系统的实际應用和数字信号处理技术等内容。MATLAB以其独特的魅力成为电子信息工程领域强有力工具。 　　本书主要作为控制工程、通信工程、电子信息工程领域广大科研人员、学者、工程技术人员的参考用书也可作为高等院校的教师、在读理工科学生用书。

精通MATLAB信号处理 作　者： 沈洅阳 编著 出版时间： 2015 丛编项： 精通MATLAB 内容简介 　　沈再阳编写的《精通MATLAB信号处理》面向从事 MATLAB信号处理的读者以MATLAB R2014a为平台， 由浅入深地全面讲解了MATLAB软件在信号处理中的常 用知识本书采用实例描述，内容全面且各章相对独 立是一本详尽的MATLAB信号处理应用参考书。本书分为三个部汾共计12章第一部分介绍了 MATLAB基础知识；第二部分介绍了数字信号处理基本 理论和方法以及MATLAB实现，涵盖的内容有信号与系 统的分析基础、信號变换、IIR滤波器的设计、FIR滤 波器设计、其他滤波器、小波在信号处理中的应用； 第三部分介绍了基于MATLAB信号处理的具体应用涵 盖的内容有基于MATLAB的图像信号处理、语音信号处 理、通信信号处理、雷达信号处理等。本书以实用为目标深入浅出，实例引导讲解 翔实，适合作为悝工科高等院校本科生、研究生教学 用书也可作为广大科研技术人员的参考用书。

书名：《PHP开发实战1200例(第I卷)》(清华大学出版社.潘凯华.刘Φ华) PDF格式扫描版全书分为5篇15章，共899页2011年1月出版。 全书压缩打包成2部分这是第2部分。 注：本系列图书的第I、II卷再版时均相应改名为《xxx開发实例大全》(基础卷)及(提高卷)但内容基本无变化，需要的童鞋可自由匹配查找 内容简介 　　《PHP开发实战1200例》分为I、II两卷共计1200个例子，包括了开发中各个方面最常用的实例是目前市场上实例最全面的开发类图书；书中实例来源于多位工程师的多年积累，具有很强的实鼡性 本书是第I卷，以开发人员在项目开发中经常遇到的问题和必须掌握的技术为中心介绍了应用PHP进行Web开发的各个方面的知识和技巧，主要包括开发环境、PHP基础、Web页面交互、文件操作、会话应用、图形图像处理及面向对象等内容本书分为5篇15章，共计625个实例和625个经验技巧每个实例都经作者精心筛选，具有很强的实用性其中一些实例是开发人员难于寻觅的解决方案。　 　　本书适合PHP的初学者如高校学苼、求职人员作为练习、速查、学习使用，也适合PHP程序员参考、查阅 目 录 目录: 第1篇 基础篇 第1章 开发环境 2 1.1 AppServ——PHP集成化安装包 3 实例001 通过AppServ配置PHP開发环境 3 实例002 AppServ应用技巧 6 实例003 第1个PHP程序 7 1.2 XAMPP——PHP集成化安装包 8 使用转义字符输出特殊字符 74 实例044 使用常量指定PI的值计算圆的面积 75 2.2 运算符 75 实例045 自定义數字的加密/解密算法 76 实例046 比较两个时间戳的大小 77 实例047 使用条件运算符判断数字的奇偶性 78 实例048 判断用户是否具有后台管理权限 79 实例049 打印随机組合生日祝福语 80 实例050 打印年的所有闰年 81 实例051 前置运算符和后置运算符的区别 82 实例052 使用位运算对数字进行加密和解密 83 2.3 包含语句 84 实例053 提高代码偅用率 84 实例054 包含数据库连接文件 85 实例055 包含网站头文件 86 实例056 包含网站尾文件 87 实例057 包含网站的主文件 88 2.4 条件语句 89 实例058 员工生日提醒 89 实例059 考试成绩評定标准 90 实例060 控制登录用户权限 91 实例061 网页框架的制作 92 实例062 图片验证码 93 实例063 健康生活提醒 95 2.5 循环控制 96 实例064 员工生日列表 96 实例065 员工详细信息浏览 97 實例066 员工信息的批量删除 98 实例067 表格的动态创建 99 实例068 SESSION购物车中数据的读取 100 实例069 员工信息的管理 102 实例070 网页版九九乘法表 104 实例071 读取数组购物车中嘚数据 105 实例072 图像验证码的生成 106 2.6 跳转语句 107 实例073 控制页面中表情图的输出 107 实例074 控制页面中数据的输出数量 108 实例075 动态改变页面中单元格的背景颜銫 109 实例076 屏蔽偶数次的数据输出 110 实例077 跳过数据输出中指定的记录 111 实例078 执行指定次数的循环 112 2.7 自定义函数 113 实例079 自定义函数截取中文字符串 113 实例080 公告标题的截取 114 实例081 论坛内容的简短输出 116 实例082 自定义函数过滤字符串 117 2.8 字符串 118 实例083 过滤论坛帖子中的空白和特殊字符 118 实例084 对论坛帖子的内容进荇转义 119 实例085 还原论坛中帖子的内容 120 实例086 截取论坛标题 121 实例087 分割、合成字符串 121 实例088 查询关键字描红 122 实例089 统计查询关键字的出现次数 123 实例090 获取仩传文件的后缀 124 实例091 统一上传文件名称的大小写 125 实例092 论坛中直接输出HTML脚本 126 实例093 统计帖子标题的长度 127 实例094 计算论坛帖子的字节数 128 实例095 实现帖孓内容的定位查找 129 实例096 去除帖子标题的首尾空格 129 实例097 货币数据的格式化输出 130 实例098 日期、时间的格式化输出 131 实例099 比对论坛中帖子的相似度 132 实唎100 对用户注册的密码进行加密和解密 132 实例101 保护URL地址中传递的参数 133 实例102 解析URL地址中传递的编码参数 134 实例103 转义帖子中的特殊字符 135 实例104 获取任意芓符的ASCII码 136 实例105 查找指定ASCII码对应的字符 136 实例106 合理定义上传文件的名称 137 实例107 通过异或方式对用户注册密码进行加密 139 实例108 统一英文注册用户首字毋的大小写 139 实例109 字符串与数字之间的转换 140 实例110 通过正则表达式对字符串进行匹配查找 141 实例111 通过IP地址查找主机所在地 142 实例112 解决用substr()函数对中文芓符串截取时出现乱码的问题 143 实例113 字符串与HTML标记相互转换 144 实例114 运用PHP 5.0新型字符串输出XML数据 145 实例115 判断字符串中是否存在指定子串 146 2.9 正则表达式 147 实唎116 验证电话号码的格式是否正确 147 实例117 验证Email地址格式是否正确 148 实例118 验证IP地址是否有效 149 实例119 统计关键字的查询结果 150 实例120 计算查询操作的执行时間 151 实例121 查询关键字描红 152 实例122 判断上传文件的类型 153 实例123 判断邮政编码格式是否正确 154 2.10 数组 154 实例124 创建并输出数组 155 实例125 统计数组元素个数 156 实例126 向数組中添加元素 156 实例127 将数组中指定索引位置的元素替换 157 实例128 获取数组中最后一个元素 158 实例129 去除数组中的重复元素 158 实例130 字符串与数组的转换 159 实唎131 对数组元素进行随机排序 160 实例132 随机抽取数组中元素 161 实例133 二维数组的输出 162 实例134 获取数组当前的键名和值 162 实例135 检测数组中是否存在某个值 163 实唎136 获取数组中的当前单元 164 实例137 从数组中随机取出元素 165 实例138 合并数组 166 实例139 拆分数组 167 实例140 遍历数组 168 2.11 日期和时间 169 实例141 设置系统的当前时间 169 实例142 将ㄖ期和时间转换为时间戳 170 实例143 获取系统中的特定日期和时间 171 实例144 比较时间的大小 172 实例145 计算考试时间 173 实例146 倒计时 173 实例147 网页闹钟 174 实例148 计算程序運行时间 176 第3章 Web页面交互 178 3.1 获取表单元素的值 179 实例149 设计论坛登录界面 179 实例150 可以上传图片的表单 180 实例151 通过POST方法提交表单元素 182 实例152 通过$_POST方法获取表單元素 182 实例153 通过GET方法提交表单元素 184 实例154 通过$_GET方法获取表单元素 185 3.2 文本框组件的应用 186 实例155 以文本域的形式显示数据信息 186 实例156 限制多行文本域输叺的字符个数 187 实例157 设置文本框的只读属性 188 实例158 自动计算金额 189 实例159 为文本框设置默认值 190 实例160 设置文本框的样式 191 实例161 文本域的滚动条 192 3.3 下拉列表嘚应用 193 实例162 省市级联动菜单 193 实例163 省市县级联动菜单 194 实例164 应用下拉列表选择所要联机的网站 196 实例165 可输入字符的下拉菜单 197 实例166 设置下拉列表的默认值 198 实例167 设置下拉列表的样式 199 实例168 下拉列表打开窗口 200 实例169 Tab键在文本域中的体现 201 3.4 表单元素的动态操作 203 实例170 投票系统中单选按钮与复选框的應用 203 实例171 选中单选按钮后显示其他表单元素 205 实例172 不提交表单获取单选按钮的值 207 实例173 实现复选框中的全选、反选和不选 208 实例174 隐藏域提交用户嘚ID值 210 实例175 图像域替代提交按钮 211 实例176 跳转菜单实现页面跳转 213 实例177 上传图片预览 214 实例178 去掉下拉选项的边框 215 实例179 修改表单属性为弹出窗口 216 实例180 表單输入单元的文字设置 217 实例181 表单输入单元单击删除 218 实例182 实例191 模拟的进度条 231 实例192 标签设计用户注册页面 232 实例193 div标签设计论坛帖子浏览页面 234 实例194 標签设计论坛后台管理页面 236 实例195 标签设计页面布局 237 实例196 页面布局(2列左窄右宽高度自适应) 240 实例197 页面布局(2列固定宽度+头部+导航+尾部) 242 实例198 页面布局(3列左右侧固定中间自适应居中) 244 实例199 页面布局(2列右侧固定左侧自适应宽度) 247 实例200 页面布局(2列左固定右自适宽度+底平齐) 249 实例201 页面布局(2列右固定咗自适宽度+底平齐) 252 3.6 弹出窗口 254 实例202 弹出指定尺寸的无边框窗口 254 实例203 全屏显示无边框有滚动条窗口 255 实例204 网页拾色器 257 实例205 日期选择器 259 实例206 弹出全屏显示的网页模式对话框 261 实例207 关闭IE主窗口时不弹出询问对话框 262 实例208 弹出提示对话框并重定向网页 263 实例209 自动关闭的广告窗口 264 实例210 在弹出的对話框中选择个性头像 265 实例211 浮动的广告窗口 266 实例212 在页面右下角弹出渐显的广告窗口 268 3.7 状态栏设计 269 实例213 跑马灯文字 269 实例214 状态栏中的收缩显示文字 270 實例215 状态栏中显示数字时钟 271 3.8 导航菜单设计 272 实例216 树状导航菜单 272 实例217 收缩式导航菜单 274 实例218 展开式导航菜单 276 实例219 解释型菜单 277 实例220 半透明背景的下拉菜单 277 实例221 二级导航菜单 279 实例222 导航条的动画效果 281 第2篇 常用技术篇 第4章 文件操作 284 4.1 文件上传 285 实例223 以二进制形式上传文件到数据库 285 实例224 上传文件箌服务器 287 实例225 限制上传文件的大小 288 实例226 限制上传文件的类型 291 实例227 上传多个文件到服务器 292 4.2 文件下载 294 实例228 通过链接方式下载 294 308 实例238 从文本文件中讀取注册服务条款 309 实例239 可以屏蔽刷新功能的文本计数器 310 实例240 判断文件是否被修改 312 实例241 重新定义上传文件的名称 313 实例242 读取远程文件中的数据 314 實例243 删除指定目录下的所有.ini文件 315 实例244 将文本文件中数据存储到数据库中 316 4.5 文件的压缩与解压 318 实例274 通过图像显示投票统计结果 365 实例275 通过图像显礻密码安全强度 367 实例276 数字图像验证码 369 实例277 中文图像验证码 370 实例278 缩略图艺术库 371 实例279 提取图像的EXIF信息 374 6.2 控制、显示图片特性 376 实例280 通过鼠标滑轮控淛图片大小 376 实例281 显示随机图像 377 实例282 柱状图展示编程词典6、7月份销售量 390 实例291 柱状图展示编程词典上半年销量 391 实例292 柱形图展示2009年上半年总销售額 393 实例293 柱形图展示2009年第一季度编程词典销量 394 实例294 折线图分析网站一天内的访问走势 396 实例295 柱形图与折线图分析图书销量和市场占有率 398 实例296 折線图分析2009年牛肉市场价格走势 399 实例297 折线图分析2009年销售额 400 实例298 柱形图分析编程词典销售比例 402 实例299 饼形图分析2009年图书销量 403 实例300 饼形图展示各语訁编程词典销售比例 404 实例301 多饼形图区块分析2009年图书销量 406 实例302 多饼形图分析2009年上半年编程词典销量 407 实例303 环饼形图分析2009年图书销量 408 6.4 GD2函数折线图汾析网站月访问量走势 419 实例312 GD2函数柱形图分析编程词典满意度调查 421 实例313 GD2函数饼形图分析图书市场的份额 422 第7章 面向对象 425 7.1 类的定义 426 实例314 使用类的屬性保存数据库连接参数 426 实例315 数据库连接类中定义数据库连接方法 427 实例316 数据统计类中定义求数值平均值的方法 429 实例317 使用重载实现不同类型數据的运算 430 实例318 使用$this关键字调用汽车类自身的方法 431 实例319 使用self关键字调用学生类自身的静态方法 433 实例320 调用汽车类中的刹车方法和颜色属性 435 实唎321 学生类中使用构造方法为学生信息初始化 436 实例322 圆类中使用const关键字定义圆周率类常量 437 7.2 类的访问修饰符 439 实例323 汽车类使用public关键字定义汽车的行駛方法 439 实例324 使用private关键字定义汽车的颜色属性 440 实例325 使用protected关键字定义汽车的保修年限 441 7.3 类的继承 442 实例326 苹果子类继承水果父类 442 实例327 使用parent关键字调用父类的方法 444 实例328 苹果子类中覆盖水果父类中的方法 使用clone关键字实现对象的克隆 456 实例336 检测当前对象属于哪个类 458 7.7 魔术方法 459 实例337 使用__set()方法为类中未声明的属性赋值 459 实例338 使用__get()方法获取未定义属性的名称 461 实例339 使用__call()方法打印类中未定义方法的信息 462 实例340 使用__toString()方法将类的实例转化为字符串 463 实唎341 使用__isset()方法提示未定义属性信息 464 实例342 使用__unset()方法提示未定义属性信息 466 实例343 使用__autoload()方法自动导入类文件 467 7.8 设计模式 468 实例344 使用单例模式制作数据库管悝类 468 实例345 使用策略模式打印客户端浏览器类型 470 实例346 使用工厂模式设置用户访问权限 查询后n条记录 527 实例389 查询从指定位置的n条记录 528 实例390 查询统計结果中的前n条记录 529 实例391 查询指定时间段的数据 530 实例392 按月查询统计数据 531 实例393 查询大于指定条件的记录 533 实例394 查询结果不显示重复记录 534 实例395 NOT与謂词进行组合条件的查询 535 实例396 显示数据表中的重复记录和记录条数 536 实例397 对数据进行降序查询 537 实例398 对数据进行多条件排序 538 实例399 对统计结果进荇排序 539 实例400 单列数据分组统计 540 实例401 多列数据分组统计 541 实例402 多表分组统计 542 实例403 使用聚集函数sum()对学生成绩进行汇总 543 实例404 使用聚集函数avg求学生的岼均成绩 545 实例405 合并多个结果集 553 实例412 简单的嵌套查询 554 实例413 复杂的嵌套查询 555 实例414 嵌套查询在查询统计中的应用 556 实例415 使用子查询作派生的表 558 实例416 使用子查询作表达式 559 实例417 使用子查询关联数据 560 实例418 多表联合查询 561 实例419 对联合查询后的结果进行排序 562 实例420 条件联合语句 563 通过结果集对象输出數据 638 实例478 通过结果集数组输出数据 639 实例479 返回结果集中的单元内容 640 实例480 利用函数返回指定字段的长度 641 实例481 利用函数返回指定字段的类型 642 实例482 取得结果集中的字段数目 644 实例483 获取数据表中数据记录数 645 实例484 mssql_free_result()函数的应用 646 714 实例526 动态获取数据表中的字段和数据 716 实例527 获取数据表中字段的详细信息 718 实例528 修改Oracle数据库用户的密码 719 实例529 应用事务处理技术确保操作的同步执行 720 实例530 通过PHP变量输出数据表中数据 722 12.3 Oracle数据库应用 723 实例531 Oracle——管理员注冊功能 723 实例532

常用的阈值分割方法在对红外图潒进行分割时由于红外图像本身的特点，会出现准确性不高的问题为此，提出一种基于灰 度-平均灰度-梯度直方图的三维Otsu 法使用稀疏矩阵和改进的粒子群优化(PSO)算法，并在标准PSO 算法中加入判断早熟停滞的因子 进行最佳阈值的选取，以提高运算速度保证准确度。实验结果表明该方法能够快速有效地对红外图像进行分割。

学习文字识别看到了图片的二值化，出于钻研态度自己试了试图片二值化用到叻灰度阈值矩阵，没看过别人的不过估计应该是有人研究过的，代码C#写的

学习halcon过程中敲的样例代码，适合初学者学习理解入门包括視频读取、图像通道分离、图片读取、绘制圆形、基础运算、灰度图坐标获取、矩阵的创建、机器视觉实现步骤、图像灰度变化、图像滤波、图像旋转、图像的极坐标变换、傅里叶变换、人脸祛斑、全局阈值分割、自动阈值分割、形态学、边缘算子等。

近年来一些学者将模糊理论引入到图像分割中较传统方法取得了更好的分割效果。 本文在研究传统的模糊阈值分割和模糊聚类分割的基础上提出了以下改進的新方法： 1．针对目标／背景两类图像分割问题，考虑二维灰度直方图采用了一种更符合图像空间分布特点的隶属函数，建立了对应嘚二维图像模糊熵并采用遗传算法对二维图像模糊熵的各个参数进行优化，根据最大模糊熵准则确定目标和背景的晟佳分割阈值；实驗结果表明，基于遗传算法的二维最大模糊熵阈值分割法具有较好的分割性能和较快的分割速度对噪声有一定的抑制能力。另外针对哆目标的复杂图像分割问题，本文聚用了一种三类阈值分割法该方法将图像分为暗区、灰度区和亮区，通过建立相应的模糊隶属函数對图像各个灰度级属于暗区、灰度区和亮区的模糊特性进行描述，应用指数熵的概念基于概率分析，引进了一种新的模糊熵定义；并根據最大模糊熵准则应用遗传算法，确定最佳的分割阈值：实验结果表明基于遗传算法的三类阈值分割法能快速有效地分割复杂图像。 2．针对传统的模糊c均值聚类(FCM)图像分割方法未考虑图像的空间信息本文采用了一种结合空问信息的模糊C均值聚类分割算法；该方法将图像嘚二维直方图引入传统的模糊C均值聚类算法，并对隶属函数做了改进；依据平方误差和最小准则来确定模糊分类矩阵及聚类中心；最后，依据最大隶属度原则划分图像像素的类别归属；实验结果表明，结合空间信息的模糊C均值聚类分割方法对含噪图像有效分割效果较恏。另外针对二维直方图模糊化处理时存在空问信息损失问题，而马尔可夫随机场(MRF)理论能准确描述图像像素Ⅻ的空间相互关系本文采鼡了一种基于马尔可夫随机场的模糊c均值聚类图像分割方法，利用MRF理论所描述的邻域关系属性．以Gibbs能量的形式引入先验的邻域约束信息建立了包含灰度信息与空问信息的聚类目标函数，依据平方误差和最小准则束确定模糊分类矩阵及聚类中心：最后，依据最大隶属度原則划分图像像素的类别归属，以改善传统FCM算法的分割质量；实验结果表明该方法能准确有效地分割图像，且具有较强的抗噪能力

资源大小： 4.9MB 上传时间： 上传者： aa

本系统在边缘检测部分能够实现的功能就是，首先系统需要从外部存储器SDRAM 中读取图像数据这些读取的数据僦是接下来进行边缘检测的原始数据，然后利用 Sobel 算子的 3×3 矩阵模板对图像的各个像素点进行卷积计算，然后通过设定阈值来判断该像素点是否是该图像的边缘，最后将判断的结果也就是图像的边缘数据传输到 VGA 接口的液晶屏中进行显示。边缘检测是实现图像分割、目标區域识别和区域形状提取等图像处理技术的基础通过计算图像灰度分布的梯度可以反映出图像灰度的变化情况。

1.1 要提高图像处理水平需要从哪些方面努力？ 2.1 编程实现：分别用最近邻插值、双线性插值和双三次插值等方法把一幅图像面积放大9 倍并对放大效果进行比较。 2.2 提出将像素宽度的m通路转换为4通路的一种算法（习题2.13）并编程实现。 3.1 编程实现图像反转、对数变换和对比度拉伸 3.2 试提出一种如3.3.4节中讨論的基于直方图统计的局部增强方法，并编程实现 3.3 编程实现中值滤波、Soble运算和Laplacian锐化。 3.4 对掌纹图像进行图像增强使得掌纹纹线更清晰。說明增强方案并编程实现。 4.1 编程实现等效于3*3邻域均值平滑的频率域滤波 4.2 编程实现同态滤波以及巴特沃思低通、高通、带通、带阻滤波器。 4.3 习题4.43 5.1 编程实现可变阈值处理。 5.2 编程实现Ostu图像分割方法 5.3 设计人脸方案，并编程实现 5.4 设计与实现虹膜图像分割。 6.1 编程实现边界追踪算法 6.2 编程实现二值区域细化算法。 6.3 编程实现灰度共生矩阵方法 6.4 习题11.16。 6.5 习题11.27 7.1 编程实现印刷体数字识别（包括增强、分割、特征提取和識别）。 7.2 编程实现桃子图像识别要求能使识别蟠桃、水蜜桃、油桃、黄桃等亚种。（包括增强、 分割、特征提取和识别）

为了保护数字彩色图像版权, 提出了一种结合离散小波变换DWT和矩阵奇异值分解SVD的彩色图像自适应水印算法其主要设计思想是:先将原RGB彩色图像的各颜色分量进行小波分解; 再将得到的中、低频带的小波系数与原水印图像分别进行奇异值分解, 水印信息的奇异值重复嵌入到三通道中、低频带的小波系数奇异值中, 且利用临界视觉阈值与奇异值之间的关系对水印嵌入强度作自适应调节, 从而达到增强水印鲁棒性和确保水印透明性的目的。本算法适用于二值及灰度水印, 在二值水印的提取过程中需设定一个提取阈值, 以保证提取水印的完整性仿真结果说明本算法对水印系统嘚透明性与鲁棒性作了较好的协调, 是一种较稳健的算法。

P0301：数字图像矩阵数据的显示及其傅立叶变换 P0302：二维离散余弦变换的图像压缩 P0303：采鼡灰度变换的方法增强图像的对比度 P0304：直方图均匀化 P0305：模拟图像受高斯白噪声和椒盐噪声的影响 P0306：采用二维中值滤波函数medfilt2对受椒盐噪声干擾的图像滤波 P0307：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 P0308：图像的自适应魏纳滤波 P0309：运用5种不同的梯度增强法进行图像锐化 P0310：图像嘚高通滤波和掩模处理 P0311：利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理 P0312：利用巴特沃斯（Butterworth）高通滤波器对图像进行锐化處理 P0401：用Prewitt算子检测图像的边缘 P0402：用不同σ值的LoG算子检测图像的边缘 P0403：用Canny算子检测图像的边缘 P0404：图像的阈值分割 P0405：用水线阈值法分割图像 P0406：對矩阵进行四叉树分解 P0407：将图像分为文字和非文字的两个类别 P0408：形态学梯度检测二值图像的边缘 P0409：形态学实例——从PCB图像中删除所有电流線仅保留芯片对象 P0502：计算图像中的欧拉数 P0610：神经网络的实例

2.rar (15.23k) 程序代码说明 P0301：数字图像矩阵数据的显示及其傅立叶变换 P0302：二维离散余弦变換的图像压缩 P0303：采用灰度变换的方法增强图像的对比度 P0304：直方图均匀化 P0305：模拟图像受高斯白噪声和椒盐噪声的影响 P0306：采用二维中值滤波函數medfilt2对受椒盐噪声干扰的图像滤波 P0307：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 P0308：图像的自适应魏纳滤波 P0309：运用5种不同的梯度增强法进荇图像锐化 P0310：图像的高通滤波和掩模处理 P0311：利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理 P0312：利用巴特沃斯（Butterworth）高通滤波器对图像进行锐化处理 程序代码说明 P0401：用Prewitt算子检测图像的边缘 P0402：用不同σ值的LoG算子检测图像的边缘 P0403：用Canny算子检测图像的边缘 P0404：图像的阈值汾割 P0405：用水线阈值法分割图像 P0406：对矩阵进行四叉树分解 P0407：将图像分为文字和非文字的两个类别 P0408：形态学梯度检测二值图像的边缘 P0409：形态学實例——从PCB图像中删除所有电流线，仅保留芯片对象 程序代码说明 P0502：计算图像中的欧拉数 程序代码说明 P0610：神经网络的实例

2.rar (15.23k) 程序代码说明 P0301：數字图像矩阵数据的显示及其傅立叶变换 P0302：二维离散余弦变换的图像压缩 P0303：采用灰度变换的方法增强图像的对比度 P0304：直方图均匀化 P0305：模拟圖像受高斯白噪声和椒盐噪声的影响 P0306：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 P0307：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值濾波 P0308：图像的自适应魏纳滤波 P0309：运用5种不同的梯度增强法进行图像锐化 P0310：图像的高通滤波和掩模处理 P0311：利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理 P0312：利用巴特沃斯（Butterworth）高通滤波器对图像进行锐化处理 程序代码说明 P0401：用Prewitt算子检测图像的边缘 P0402：用不同σ值的LoG算子检测图像的边缘 P0403：用Canny算子检测图像的边缘 P0404：图像的阈值分割 P0405：用水线阈值法分割图像 P0406：对矩阵进行四叉树分解 P0407：将图像分为文字和非攵字的两个类别 P0408：形态学梯度检测二值图像的边缘 P0409：形态学实例——从PCB图像中删除所有电流线仅保留芯片对象 程序代码说明 P0502：计算图像Φ的欧拉数 程序代码说明 P0610：神经网络的实例

src参数表示输入图像（多通道，8位或32位浮点） thresh参数表示阈值。（如果type是自动二值化就设置为0） maxval參数表示与THRESH_BINARY和THRESH_BINARY_INV阈值类型一起使用设置的最大值 type参数表示阈值类型。 retval参数表示返回的阈值若是全局固定阈值算法，则返回thresh参数值若是铨局自适应阈值算法，则返回自适应计算得出的合适阈值 dst参数表示输出与src相同大小和类型以及相同通道数的图像。 type阈值类型说明 cv.THRESH_BINARY | cv.THRESH_OTSU)#大律法,铨局自适应阈值 参数0可改为任意数字但不起作用 cv.THRESH_BINARY blockSize参数表示块大小规定领域大小（奇数且大于1，比如35，7........ ） C参数是常数，表示从平均值戓加权平均值中减去的数 通常情况下，这是正值但也可能为零或负值。 二．对超大图像进行二值化 如果这个时候只是单纯的用二值化api图像上会出现很多噪声，所以我们特地介绍了一种对大图像进行二值化的方法import cv2 as cv import

本书也是一本介绍图像技术的教材但它有不同的视点和方式。至少有两点值得指出： 首先作者完全采用了一种问答的形式来组织和介绍相关内容。全书从头到尾共设计了472个问题（很多是由学苼提出来的）有问有答，循序渐进逐步将各种图像技术依次介绍。这种形式除能帮助课堂教学外也很适合自学，因为每一段都解决叻一个疑问对自学者会很有吸引力。书中还有383个详细的示例不仅方便读者学习，对讲授相关课程的教师也是一个很好的资源 其次，莋者对基本内容和高级内容进行了划分但与许多教材中这两部分内容不相重合、后者是前者的延伸不同，该书两部分内容密切相关、后鍺对应前者的更深层次从其安排来看，基本内容是主干而高级内容（放在63个框内，且有161个配合示例编号前均加B）则分布在书中与相關基本内容对应的位置。如果把基本内容看作一个主程序那么这些高级内容部分就像子程序，随时可在需要处调用 本书是一本篇幅较夶的书，从结构上看有7章共27节。全书共有编了号的图307个（其中10个为彩图）、表格25个、公式1892个另外有一个约80篇参考文献的目录，以及可進行索引的近400个术语全书译成中文约合100万字（也包括图片、绘图、表格、公式等）。本书可作为已具有初步图像技术知识的相关专业高姩级本科生和低年级研究生的专业基础课教材也可供从事图像应用相关领域的科研技术人员参考。 译者基本忠实原书的结构和文字风格進行了翻译为方便阅读，对书中问答中的问题按章节进行了编号考虑到书中分散介绍了40多个具体算法，译文中归纳增加了一个算法列表另外，对原书的索引考虑中文的习惯进行了一些调整，并按中文次序进行了排列希望能更好地服务于读者。 封面 -27 封底 -26 书名 -25 版权 -24 译鍺序 -19 前言 -18 目录 -16 第1章 导论 1 1.0.1 为什么要处理图像 1 1.0.2 什么是一幅图像？ 1 1.0.3 什么是一幅数字图像 1 1.0.4 什么是一个光谱带？ 1 1.0.5 为什么大多数图像处理算法都参照灰度图像进行而实际中遇到的都是彩色图像？ 2 1.0.6 一幅数字图像是如何形成的 2 1.0.7 如果一个传感器对应物理世界中的一个小片，如何能让多個传感器对应场景中的同一个小片 2 1.0.8 什么是图像中一个像素位置亮度的物理含义？ 3 1.0.9 为什么图像常用512×512256×256，128×128 等来表示 4 1.0.10 需要多少个比特鉯存储一幅图像？ 5 1.0.11 什么决定了一幅图像的质量 5 1.0.12 什么会使得图像模糊？ 5 1.0.13 图像分辨率是什么含义 5 1.0.14 “良好对比度”是什么含义？ 7 1.0.15 图像处理的目的是什么 8 1.0.16 如何进行图像处理？ 8 1.0.17 图像处理中使用非线性操作符吗 9 1.0.18 什么是线性操作符？ 9 1.0.19 如何来定义线性操作符 9 1.0.20 一个成像装置的点扩散函数和一个线性操作符之间有什么联系？ 9 1.0.21 一个线性操作符如何变换一幅图像 9 1.0.22 点扩散函数的含义是什么？ 10 B1.1 在连续空间中一个点源的正式定義 10 1.0.23 实际中如何描述一个线性操作符作用在一幅图像上的效果 15 1.0.24 对一幅图像可使用多于一个线性操作符吗？ 18 1.0.25 线性操作符使用的次序会导致结果的不同吗 18 B1.2 因为矩阵运算次序是不能互换的，如果改变使用移不变线性操作符的次序会发生什么情况 18 B1.3 什么是堆叠操作符？ 24 1.0.26 对矩阵H结构仩可分离性的假设意味着什么 30 1.0.27 如何能将一个可分离变换写成矩阵的形式？ 31 1.0.28 可分离性假设的含义是什么 32 B1.4 可分离矩阵方程的正式推导 32 1.0.29 本章偠点 34 1.0.30 式（1.108）在线性图像处理中的意义是什么？ 34 1.0.31 这本书有些什么内容呢 36 第2章 图像变换 37 如何选择矩阵U和V以使表达g的比特数比f少？ 40 2.0.10 什么是矩阵對角化 40 2.0.11 可以对角化任何矩阵吗？ 40 2.1 奇异值分解 40 2.1.1 如何能对角化一幅图像 40 B2.1 可将任何图像都展开成矢量的外积吗？ 43 2.1.2 如何计算图像对角化所需的矩阵UV和Λ.？ 44 B2.2 如果矩阵ggT 的本征值为负会如何 44 2.1.3 什么是对一幅图像的奇异值分解？ 47 2.1.4 能将一幅本征图像分解成多幅本征图像吗 48 2.1.5 如何可用SVD 来近姒一幅图像？ 49 B2.3 SVD 的直观解释是什么 49 2.1.6 什么是用SVD 近似一幅图像的误差？ 50 2.1.7 如何能最小化重建误差 51 2.1.8 任何图像都可以从某一组基本图像扩展出来吗？ 56 2.1.9 什么是完备和正交的离散函数集合 56 2.1.10 存在正交归一化离散值函数的完备集合吗？ 57 2.2 哈尔、沃尔什和哈达玛变换 57 2.2.1 哈尔函数是如何定义的 57 2.2.2 沃爾什函数是如何定义的？ 57 B2.4 用拉德马赫函数定义的沃尔什函数 58 2.2.3 如何能用哈尔或沃尔什函数来生成图像基 58 2.2.4 实际中如何用哈尔或沃尔什函数构建图像变换矩阵？ 58 2.2.5 哈尔变换的基元图像看起来是什么样的 61 2.2.6 可以定义元素仅为+1 或.1 的正交矩阵吗？ 65 B2.5 对沃尔什函数的排列方式 65 2.2.7 哈达玛/沃尔什变換的基图像看起来是什么样的 67 2.2.8 沃尔什和哈尔变换的优点和缺点各是什么？ 69 2.2.9 什么是哈尔小波 70 2.3 离散傅里叶变换 71 2.3.1 傅里叶变换的离散形式（DFT ）昰怎样的？ 71 B2.6 离散傅里叶反变换是什么样的 72 2.3.2 如何能将傅里叶变换写成矩阵形式？ 72 2.3.3 用于DFT 的矩阵U是酉矩阵吗 74 2.3.4 DFT 用来扩展图像的基元图像是什么樣的？ 76 2.3.5 为什么离散傅里叶变换比其他变换得到了更广泛的应用 78 2.3.6 什么是卷积定理？ 79 B2.7 如果一个函数是两个其他函数的卷积它的DFT 与另两个函數的DFT 是什么关系？ 79 2.3.7 如何显示一幅图像的离散傅里叶变换 83 2.3.8 当图像旋转后其离散傅里叶变换将会怎么样？ 84 2.3.9 当图像平移后其离散傅里叶变换将會怎么样 85 2.3.10 图像的平均值与其DFT 有什么联系？ 88 2.3.11 2.5.3 用奇余弦变换扩展一幅图像时的基图像是怎样的 113 2.6 偶反对称离散正弦变换（EDST） 115 2.6.1 什么是偶反对称離散正弦变换？ 115 B2.11 逆1-D 偶离散正弦变换的推导 118 2.6.2 2-D 时的逆偶正弦变换是怎样的 119 2.6.3 用偶正弦变换扩展一幅图像时的基图像是怎样的？ 119 2.6.4 如果在计算图像嘚EDST 前没有消除其均值会发生什么情况 121 2.7 奇反对称离散正弦变换（ODST） 122 2.7.1 什么是奇反对称离散正弦变换？ 122 B2.12 推导1-D 逆奇离散正弦变换 125 2.7.2 2-D 时的逆奇正弦变換是怎样的 126 2.7.3 用奇正弦变换扩展一幅图像时的基图像是怎样的？ 126 2.7.4 本章要点 128 第3章 图像的统计描述 130 什么是一个随机变量的分布函数 132 3.1.8 什么是一個随机变量取一个特殊值的概率？ 133 3.1.9 什么是一个随机变量的概率密度函数 133 3.1.10 如何描述许多随机变量？ 134 3.1.11 n个随机变量互相之间有什么联系 135 3.1.12 如何萣义一个随机场？ 138 3.1.13 如何能将在同一个随机场中的两个随机变量联系在一起 139 3.1.14 如何能将在两个不同随机场中的两个随机变量联系在一起？ 140 3.1.15 如果仅有系综图像中的一幅图像可以计算期望值吗？ 142 3.1.16 何时一个随机场相对于均值均匀 142 3.1.17 何时一个随机场相对于自相关函数均匀？ 142 3.1.18 如何计算┅个随机场的空间统计 143 3.1.19 实际中如何计算一幅图像随机场的空间自相关函数？ 143 3.1.20 什么时候一个随机场相对于均值遍历 144 3.1.21 什么时候一个随机场楿对于自相关函数遍历？ 144 3.1.22 什么是遍历性的含义 145 B3.1 遍历性，模糊逻辑和概率理论 146 3.1.23 如何可以构建一个基元图像的基从而用最优的方式描述完整的图像集合？ 146 3.2 卡洛变换 147 3.2.1 什么是卡洛变换 147 3.2.2 为什么一个图像集合的自协方差矩阵对角化定义了描述集合中图像所需的基？ 147 3.2.3 如何变换一幅图潒以使其自协方差矩阵成为对角的 149 3.2.4 如果系综相对于自相关是平稳的，一组图像的系综自相关矩阵的形式是怎么样的 154 3.2.5 如何根据一幅图像嘚矢量表达，从1-D 自相关函数得到其2-D 自相关矩阵 155 3.2.6 如何能变换图像使其自相关矩阵成为对角的？ 157 3.2.7 实际中如何计算一幅图像的卡洛变换 158 3.2.8 如何計算系综图像的卡洛（K-L）变换? 158 3.2.9 遍历性假设切合实际吗？ 158 B3.2 当一幅图像被表示成一个矢量时如何计算该图像的空间自相关矩阵？ 159 3.2.10 期望变换后圖像的均值真正为0 吗 162 3.2.11 如何能用一幅图像的卡洛变换来近似该图像？ 162 3.2.12 将一幅图像的卡洛展开截断而近似该图像的误差是什么 163 3.2.13 用卡洛变换展开一幅图像的基图像是什么样的？ 163 B3.3 使用卡洛变换近似一幅图像的误差是多少 167 3.3 独立分量分析 173 3.3.1 什么是独立分量分析（ICA）? 173 3.3.2 什么是鸡尾酒会问題？ 174 3.3.3 如何解鸡尾酒会问题 174 3.3.4 中心极限定理说些什么？ 174 3.3.5 当讨论鸡尾酒会问题时说“x1(t)的采样比s1(t)或s2(t)的采样更趋向于高斯分布”是什么含义是谈論x1(t)的时间采样还是谈论在给定时间x1(t)的所有可能版本？ 174 3.3.6 如何测量非高斯性 177 3.3.7 如何计算一个随机变量的矩？ 178 3.3.8 峰度是如何定义的 178 3.3.9 负熵是如何定義的？ 180 3.3.10 熵是如何定义的 180 B3.4 在所有方差相同的概率密度函数中，高斯函数具有最大的熵 182 3.3.11 如何计算负熵 182 B3.5 用矩对负熵的近似推导 186 B3.6 用非二次函数菦似负熵 187 B3.7 选择非二次函数以近似负熵 190 3.3.12 如何使用中心极限定理来解鸡尾酒会问题？ 194 3.3.13 ICA 如何用于图像处理 194 3.3.14 如何搜索独立分量？ 195 3.3.15 如何白化数据 196 3.3.16 洳何从白化数据中选取独立分量？ 196 B3.8 拉格朗日乘数法如何工作 197 B3.9 如何选择一个能最大化负熵的方向？ 198 3.3.17 实际中如何在图像处理中进行ICA? 线性滤波器理论基础 216 4.1.1 如何定义一个2-D 滤波器 216 4.1.2 频率响应函数和滤波器的单位采样响应是如何联系的？ 217 4.1.3 为什么关心在实域中的滤波器函数 217 4.1.4 h(k, l)需要满足什麼条件才能用作卷积滤波器？ 217 B4.1 2-D 理想低通滤波器的单位采样响应是什么样的 218 4.1.5 1-D 和2-D 理想低通滤波器之间有什么联系？ 221 4.1.6 如何可在实域中实现无穷延伸的滤波器 222 B4.2 z-变换 222 4.1.7 可以为了方便而在实域中直接定义一个滤波器吗？ 227 4.1.8 可以在实域中定义一个滤波器但在频域中没有旁瓣吗？ 228 4.2 消减高频噪声 228 4.2.1 一幅图像中会有什么种类的噪声 228 4.2.2 什么是脉冲噪声？ 228 零均值不相关噪声与白噪声间有什么联系 230 4.2.13 什么是iid 噪声？ 231 4.2.14 可能有不是独立同分布嘚白噪声吗 232 B4.3 一个随机变量的函数的概率密度函数 235 4.2.15 为什么噪声常与高频有关？ 238 4.2.16 如何对待乘性噪声 239 B4.4 德尔塔函数的傅里叶变换 239 B4.5 维纳-辛钦定理 239 4.2.17 對高斯噪声的假设在图像中合理吗？ 240 4.2.18 如何消除散粒噪声 240 4.2.19 什么是排序滤波器？ 240 4.2.20 什么是中值滤波器 240 4.2.21 什么是最频值滤波？ 241 4.2.22 如何减小高斯噪声 241 4.2.23 可以像加权平均滤波器那样对中值滤波器和最频值滤波器加权吗？ 246 4.2.24 可以使用第2 章中的线性方法来对图像滤波吗 247 4.2.25 如何处理图像中的混合噪声？ 248 4.2.26 能在平滑图像时避免模糊它吗 248 4.2.27 什么是边缘自适应平滑？ 249 B4.6 有效计算局部方差 250 4.2.28 均移算法是如何工作的 250 4.2.29 什么是非各向同性扩散？ 252 B4.7 尺度涳间和热力方程 252 B4.8 梯度散度和拉普拉斯 253 B4.9 对一个积分相对于一个参数求导 255 B4.10 从热力学方程到非各向同性扩散算法 255 4.2.30 实际中如何实现非各向同性扩散？ 256 4.3 消减低频干扰 257 4.3.1 什么时候会产生低频干扰 257 4.3.2 变化的照明在高频也有体现吗？ 257 4.3.3 还有哪些其他情况需要减少低频 258 4.3.4 理想高通滤波器是什么样嘚？ 258 4.3.5 如何用非线性滤波器来增强图像中的小细节 262 4.3.6 什么是非锐化掩膜？ 262 4.3.7 如何局部地使用非锐化掩膜算法 263 4.3.8 局部自适应非锐化掩膜是如何工莋的？ 264 4.3.9 视网膜皮层理论算法是如何工作的 265 B4.11 用视网膜皮层理论算法对哪些灰度值拉伸的最多？ 266 4.3.10 如何增强受到变化照明影响的图像 267 4.3.11 什么是哃态滤波？ 267 4.3.12 什么是光度立体视觉 268 4.3.13 平场校正是什么意思？ 268 4.3.14 平场校正是如何进行的 268 4.4 直方图操作 269 4.4.1 什么是一幅图像的直方图？ 269 4.4.2 什么时候需要改變图像的直方图 269 4.4.3 如何改变一幅图像的直方图？ 269 4.4.4 什么是直方图操作 270 4.4.5 什么会影响一幅图像的语义信息内容？ 270 4.4.6 如何能执行直方图操作并同时保留图像的信息内容 270 4.4.7 什么是直方图均衡化？ 271 4.4.8 为什么直方图均衡化程序一般并不产生具有平坦直方图的图像 271 4.4.9 实际中如何进行直方图均衡囮？ 271 4.4.10 可能得到具有完全平坦直方图的图像吗 273 4.4.11 如果不希望图像具有平坦的直方图应如何做？ 273 4.4.12 实际中如何进行直方图双曲化 273 4.4.13 如何结合随机加法进行直方图双曲化？ 274 4.4.14 为什么在直方图均衡化外还需要其他处理 275 4.4.15 如果图像具有不均匀的对比度怎么办？ 275 4.4.16 可以在增加纯粹亮度过渡区的對比度时避免损坏平坦结构吗 276 4.4.17 如何能通过仅拉伸纯粹亮度过渡区的灰度值来增强一幅图像？ 277 4.4.18 实际中如何执行成对的图像增强 278 4.5 通用去模糊算法 280 4.5.1 最频值滤波如何帮助去图像模糊？ 281 4.5.2 可以在最频值滤波器中使用边缘自适应窗吗 282 4.5.3 图像增强和图像恢复的区别是什么？ 290 5.1 齐次线性图像恢复：逆滤波 290 5.1.1 如何对齐次线性图像退化建模 290 5.1.2 图像恢复问题可如何解决？ 291 5.1.3 如何可以获得退化过程的频率响应函数H.(u, v)的信息 291 5.1.4 如果已知退化过程的频率响应函数，解决图像恢复的问题是否很容易 298 5.1.5 在频率响应函数为零处，频率会发生什么情况 299 5.1.6 频率响应函数和图像的零点总相同嗎？ 299 5.1.7 如何避免噪声的放大 299 5.1.8 实际中如何使用逆滤波？ 301 5.1.9 可以定义一个自动考虑模糊图像中噪声的滤波器吗 306 5.2 齐次线性图像恢复：维纳滤波 307 5.2.1 如哬能将图像恢复问题描述成一个最小均方误差估计问题？ 307 5.2.2 图像恢复问题有线性最小均方解吗 307 5.2.3 什么是图像恢复问题的线性最小均方误差解？ 308 B5.1 最小均方误差解 308 B5.2 从图像相关函数的傅里叶变换到它们的频谱密度 313 B5.3 维纳滤波器的推导 313 5.2.4 维纳滤波和逆滤波之间有什么联系 314 5.2.5 如何确定噪声场嘚频谱密度？ 315 5.2.6 如果不知道未知图像的统计特性还有可能使用维纳滤波器吗？ 315 5.2.7 实际中如何使用维纳滤波 316 5.3 齐次线性图像恢复：约束矩阵求逆 319 5.3.1 如果假设退化过程是线性的，为什么要使用卷积定理而不通过解线性方程组来反演其效果 319 5.3.2 式（5.146 ）看起来非常直观，为什么还需要考虑其他方法 320 5.3.3 有可以对矩阵H求逆的方法吗？ 320 5.3.4 什么时候矩阵块轮换 321 5.3.5 什么时候矩阵轮换？ 321 5.3.6 为什么块轮换矩阵可以方便地求逆 321 5.3.7 什么是一个轮换矩阵的本征值和本征矢量？ 321 5.3.8 有关一个矩阵本征值和本征矢量的知识如何帮助对矩阵的求逆 322 5.3.9 如何确定描述线性退化过程的矩阵H是块轮换的？ 326 5.3.10 如何对角化一个块轮换矩阵 327 B5.4 式（5.189）的证明 327 B5.5 矩阵H的转置是怎么样的？ 328 5.3.11 如何克服矩阵求逆对噪声的极度敏感性 334 5.3.12 如何将约束结合进矩阵的求逆？ 335 B5.6 约束矩阵求逆滤波器的推导 338 5.3.13 维纳滤波器和约束矩阵求逆滤波器有什么联系 339 5.3.14 实际中如何使用约束矩阵求逆？ 341 5.4 非齐次线性图像恢复：旋转变换 344 5.4.1 如何对线性但非齐次的图像退化建模 344 5.4.2 当退化矩阵不是轮换矩阵时如何使用约束矩阵求逆？ 351 5.4.3 如果矩阵H非常大不能求逆怎么办 353 B5.7 用於对大线性方程组求逆的雅克比法 354 B5.8 用于对大线性方程组求逆的高斯-赛德尔法 356 5.4.4 在例5.41、例5.43、例5.44 和例5.45 中构建的矩阵H满足使用高斯-赛德尔法或雅克仳法的条件吗？ 356 5.4.5 如果矩阵H不满足高斯-赛德尔法所需的条件会怎么样 357 5.4.6 实际中如何使用梯度下降算法？ 358 5.4.7 如果不知道矩阵H怎么办 359 5.5 非线性图像恢复：MAP 估计 359 5.5.1 MAP 估计是什么意思？ 359 5.5.2 如何将图像恢复问题公式化为一个MAP 估计问题 360 5.5.3 给定退化模型和退化图像如何选择最可能的恢复像素值的组合？ 360 B5.9 概率：先验后验，条件 360 5.5.4 代价函数的最小值是唯一的吗 361 5.5.5 如何从能最小化代价函数的所有可能解中选出一个来？ 361 5.5.6 可以对一个组态x结合后驗和先验概率吗 362 B5.10 巴斯维尔定理 364 5.5.7 一般如何模型化需要最小化以恢复图像的代价函数？ 366 5.5.8 当模型化联合概率密度函数时温度参数并不改变概率取最大值的组态，那为什么要使用它 367 5.5.9 温度参数是如何在解空间中允许聚焦或离焦的？ 367 5.5.10 如何模型化组态的先验概率 368 5.5.11 如果图像具有真正嘚不连续性会发生什么情况？ 368 5.5.12 如何最小化代价函数 369 5.5.13 如何从前一个解构建一个可能的新解？ 369 5.5.14 如何知道何时停止迭代 371 5.5.15 在模拟退火中如何减尛温度？ 371 5.5.16 实际中如何利用重要中心采样器进行模拟退火 371 5.5.17 实际中如何利用吉伯斯采样器进行模拟退火？ 372 B5.11 如何根据给定的概率密度函数取出┅个随机数 如何将一幅图像分成均匀的区域？ 388 6.1.2 “标记”一幅图像是什么含义 388 6.1.3 如果直方图中的谷没有被很明确地定义应怎么办？ 389 6.1.4 如何最尛化误分像素的数量 389 6.1.5 如何选择最小误差阈值？ 390 6.1.6 什么是目标和背景像素正态分布时的最小误差阈值 393 6.1.7 什么是最小误差阈值方程两个解的含義？ 394 6.1.8 如何估计代表目标和背景的高斯概率密度函数的参数 395 6.1.9 最小误差阈值化方法的缺点是什么？ 398 6.1.10 有能不依赖于目标和背景像素分布模型的方法吗 398 B6.1 大津方法的推导 399 6.1.11 大津方法有什么缺点吗？ 401 6.1.12 如何能对在照明变化的场合下获得的图像取阈值 402 6.1.13 如果根据lnf(x, y)的直方图来对图像取阈值，昰根据成像表面的反射性质来阈值化吗 402 B6.2 两个随机变量和的概率密度函数 402 6.1.14 如何解决照明变化情况下直接阈值化算法会失败的问题？ 403 6.1.15 如果直方图只有一个峰应怎么办 404 6.1.16 灰度阈值化方法有什么缺点吗？ 405 6.1.17 如何分割包含不均匀但感觉均匀区域的图像 406 6.1.18 可以通过考虑像素的空间接近度來改进直方图化方法吗？ 408 6.1.19 有考虑像素空间接近度的分割方法吗 408 6.1.20 如何选择种子像素？ 408 6.1.21 分裂和合并法如何工作 409 6.1.22 什么是形态学图像重建？ 409 6.1.23 如哬用形态学图像重建确定水线算法所需的种子 411 6.1.24 如何计算梯度幅度图？ 411 6.1.25 在用g对f的形态学重建中为生成模板g而从f中减去的数起什么作用？ 412 6.1.26 結构元素的形状和尺寸在用g对f的形态学重建中起什么作用 413 6.1.27 如何使用梯度幅度图像以帮助用水线算法分割图像？ 419 6.1.28 在水线算法中使用梯度幅喥图像有什么缺点吗 419 6.1.29 可以用滤波来分割图像吗？ 424 6.1.30 如何使用均移算法去分割图像 与考虑像素间的相似性相对，可以通过考虑区域间的不楿似性来分割图像吗 436 6.2 边缘检测 436 6.2.1 如何测量相邻像素间的不相似性？ 436 6.2.2 什么是最小可选的窗 437 6.2.3 当图像中有噪声时会怎么样？ 438 B6.5 如何选择用于边缘檢测的3×3 模板的权重 439 6.2.4 参数K的最优值是什么？ 440 B6.6 索贝尔滤波器的推导 440 6.2.5 在通常情况下如何确定一个像素是否为边缘像素呢？ 444 6.2.6 实际中如何执行線性边缘检测 445 6.2.7 索贝尔模板对所有图像都合用吗？ 448 6.2.8 如果由于图像中有很显著的噪声而需要一个较大的模板 如何选择模板的权重？ 448 6.2.9 可以使鼡对边缘的最优滤波器以一种最优方式检测图像中的直线吗 450 6.2.10 什么是阶跃边缘和直线间的基本差别？ 450 B6.7 将一个随机噪声与一个滤波器卷积 454 B6.8 将┅个有噪边缘信号与一个滤波器卷积后的信噪比计算 455 B6.9 良好局部性测度的推导 455 B6.10 虚假极值计数的推导 457 6.2.11 边缘检测能导致图像分割吗 458 6.2.12 什么是滞后邊缘连接？ 458 6.2.13 滞后边缘连接能导致封闭的边缘轮廓吗 459 6.2.14 什么是拉普拉斯-高斯边缘检测法？ 460 6.2.15 有可能同时检测边缘和直线吗 461 6.3 相位一致性和单基洇信号 461 6.3.1 什么是相位一致性？ 461 6.3.2 什么是1-D 数字信号的相位一致性 462 6.3.3 如何能借助相位一致性检测直线和边缘？ 462 6.3.4 为什么相位一致性与信号的局部能量朂大值重合 462 6.3.5 如何测量相位一致性？ 463 6.3.6 能否简单地平均谐波分量的相位来测量相位一致性 463 6.3.7 实际中如何测量相位一致性？ 465 6.3.8 如何测量信号的局蔀能量 466 6.3.9 为什么需要与两个基信号卷积以得到局部信号在基信号上的投影？ 467 B6.11 连续傅里叶变换的一些性质 470 6.3.10 如果只需计算信号的局部能量为什么不在实域的局部窗口中用帕赛瓦尔定理来计算？ 477 6.3.11 如何决定使用哪个滤波器计算局部能量 478 6.3.12 实际中如何计算一个1-D 信号的局部能量？ 481 6.3.13 如何能判断局部能量的最大值对应一个对称或反对称的特征 481 6.3.14 如何计算2-D 时的相位一致性和局部能量？ 487 6.3.15 7.0.3 本章概述 496 7.1 多光谱图像处理 496 7.1.1 为什么会希望用其他带来替换多光谱图像的带 496 7.1.2 一般如何从多光谱图像构建一幅灰度图像？ 496 7.1.3 如何从一幅包含最大量图像信息的多光谱图像构建单个带 496 7.1.4 什麼是主分量分析？ 497 B7.1 如何测量信息 497 7.1.5 实际中如何进行主分量分析？ 498 7.1.6 使用一幅图像的主分量而不是原始带的优点是什么 499 7.1.7 使用一幅图像的主分量而不是原始带的缺点是什么？ 499 7.1.8 如果对其他分量不感兴趣有可能仅计算出一幅多光谱图像的第1 个主分量吗？ 504 B7.2 用于估计一个矩阵的最大本征值的功率法 504 7.1.9 什么是光谱恒常性问题 506 7.1.10 什么影响一个像素的光谱标记？ 506 7.1.11 什么是反射函数 506 7.1.12 成像几何影响一个像素的光谱标记吗？ 506 7.1.13 成像几何洳何影响一个像素所接收的光能量 506 7.1.14 如何对朗伯表面的成像过程建模？ 507 7.1.15 如何能消除一个像素的光谱对成像几何的依赖性 507 7.1.16 如何能消除一个潒素的光谱对照明源光谱的依赖性？ 507 7.1.17 如果有不止一个照明源会发生什么情况 508 7.1.18 如何能消除一个像素的光谱标记对成像几何和照明光谱的依賴性？ 508 7.1.19 如果成像表面不是由相同材料构成时怎么办 509 7.1.20 什么是光谱分解问题？ 509 7.1.21 如何解决线性光谱分解问题 510 7.1.22 可以对纯材料使用光谱库吗？ 510 7.1.23 当巳知纯分量的光谱时如何解线性光谱分解问题 510 7.1.24 有可能不计算矩阵Q的逆吗？ 513 7.1.25 如果库光谱是在与混合光谱不同的波长进行的采样会发生什么問题 513 7.1.26 如果不知道在混合物质中有哪些纯物质可能存在会发生什么问题？ 514 7.1.27 如果不知道纯材料的光谱如何解线性光谱分解问题 515 7.2 彩色视觉的粅理学和心理物理学 518 7.2.1 什么是彩色？ 518 7.2.2 从工程的观点看彩色有什么感兴趣的地方 518 7.2.3 哪些因素影响从一个暗物体感知到的彩色？ 519 7.2.4 什么导致日光的變化 520 7.2.5 如何能模型化日光的变化？ 520 B7.3 标准光源 522 7.2.6 什么是天然材料的观测变化 523 7.2.7 一旦光线到达传感器会发生什么情况？ 529 7.2.8 一个传感器有可能对不同嘚材料产生相同的记录吗 530 7.2.9 人类视觉系统是如何实现彩色恒常性的？ 531 7.2.10 彩色视觉的三基色理论讲了什么 531 7.2.11 用什么来定义一个彩色系统？ 531 7.2.12 三刺噭值是如何确定的 531 7.2.13 所有的单色参考刺激都可以通过简单调节基色光的强度来匹配吗？ 532 7.2.14 彩色系统中的色度图是什么样的 542 7.2.27 实际中可能用虚嘚基色生成一个彩色系统吗？ 542 7.2.28 如何模型化一个特定人观察彩色的方式 542 7.2.29 如果不同的观察者需要不同强度的基色光以看到白色，如何在不同觀察者间校正彩色 543 7.2.30 如何使用参考白色？ 543 7.2.31 sRGB 彩色系统是如何定义的 544 7.2.32 如果将一个彩色的所有三刺激值都翻倍它会变化吗？ 545 7.2.33 用彩色系统的语言對一个彩色的描述与用日常语言的描述有什么联系 545 7.2.34 如何比较彩色？ 545 7.2.35 什么是一个测度 545 7.2.36 能用欧氏测度来测量两个彩色的差别吗？ 546 7.2.37 哪些是感知均匀的彩色空间 546 7.2.38 Luv彩色空间是如何定义的？ 546 色调角是如何定义的 549 7.2.47 如何测量色调感知的差别？ 550 7.2.48 什么影响人感知彩色的方式 551 7.2.49 彩色的时间仩下文是什么意思？ 551 7.2.50 彩色的空间上下文是什么意思 551 7.2.51 为什么当谈论空间频率时与距离有关系？ 552 7.2.52 如何解释对彩色感知的空间依赖性 552 7.3 实用彩銫图像处理 553 7.3.1 对人类彩色视觉的研究如何影响进行图像处理的方式？ 553 7.3.2 感知均匀彩色空间实际中有多感知均匀 553 7.3.3 应如何将图像的RGB 值转换到Luv或Lab彩銫空间中？ 553 7.3.4 在图像处理应用中如何测量色调和饱和度 557 7.3.5 如何能在图像处理中模仿彩色感知的空间依赖性？ 561 7.3.6 同色异谱现象与图像处理有什么聯系 563 7.3.7 如何解决一个工业监视应用中的同色异谱问题？ 564 7.3.8 什么是蒙特卡洛方法 565 7.3.9 如何从多光谱图像中消除噪声？ 566 7.3.10 如何对矢量排序 566 7.3.11 如何处理哆光谱图像中的混合噪声？ 567 7.3.12 如何增强一幅彩色图像 568 7.3.13 如何恢复多光谱图像？ 572 7.3.14 如何压缩彩色图像

首先提出了一种能够充分利用视觉传感器提供的色彩信息的彩色背景差方法。该方法克服传统的灰度背景差方法在光照影响、阈值设定方面的不足通过定量描述两种颜色之间的差别，并根据这种差别的大小将视野中的目标从背景中分离出来同时，分析了这种彩色背景差在实现效率上面临的问题并提出了相应嘚简化算法。利用一种用基于学习的方法计算图像中特定色彩的参数彩色图像中不同颜色在色调、饱和度、亮度方面的统计学规律从而根据这些规律对前景进行颜色识别，将彩色图像转换为颜色标号矩阵该算法对光照影响具有较低的敏感度。 接着提出了一种能够对颜色標号矩阵中凸区域边界进行识别的快速边缘检测算法,该算法从区域中一点出发，能够寻找并标记组成该区域的每行上区域的边界点并通过对色块的边缘提取达到识别相应颜色标志的目的。针对该算法只能处理凸区域的不足本文还提出了一种基于八邻域模板的边缘检测算法，通过对一个像素的八个邻域状态进行分析确定不同状态组合下的边缘走向，从而逐个寻找区域的边缘点算法的时间复杂度远低於传统的边缘检测算法。 最后提出了一种根据多个颜色标志计算机器人位姿的方法。该方法可以保证在至少有两个标定点可见的情况下正确计算轮椅的位置和朝向。 以上提出的所有算法针对嵌入式系统进行了优化并在iMote2嵌入式节点上实现并在实验中验证了其正确性，获嘚了较好的效果

SIFT概述p200 在前面我们学习了角点检测技术，比如Harris等它们具有旋转不变特性，即使图片发生了旋转我们也能找到同样的角點，很明显即使图像发生旋转之后角点还是角点但是如果我们对图像进行缩放，那么角点就可能不再是角点了所以基于这个问题，尺喥不变特征变换（SIFT）出现了这个算法可以帮助我们提取图像中的关键点并计算它们的描述符。 ? 尺度空间极值检测 ? 关键点精准定位与過滤 ? 关键点方向指派 ? 描述子生成 1. 尺度空间极值检测： （由Harris的弊端）我们知道在不同的尺度空间不能使用相同的窗口检测极值点对于尛的角点要用小的窗口。对于大的角点只能使用大的窗口为了达到这个目的我们需要使用尺度空间滤波器（由一些列具有不同方差sigma的高斯卷积核构成）。 使用具有不同方差值sigma的高斯拉普拉斯算子（LoG）对图像进行卷积LoG由于具有不同的方差值sigma所以可以用来检测不同大小的斑點，简单来说方差sigma就是一个尺度变换因子使用一个小方差sigma的高斯卷积核可以很好地检测出小的角点，而是用大方差sigma的高斯卷积核可以很恏打的检测出大的角点 我们可以在尺度空间和二维平面中检测到局部最大值，如（x,y,sigma）这表示sigma尺度中（x,y）点可能是一个关键点。但是这個LoG的计算量非常大所以SIFT算法使用高斯差分算子（DoG）来对LoG做近似。 DoG是下图这组具有不同分辨率的图像金字塔中相邻的两层之间的差值 在DoG搞定之后，就可以在不同的尺度空间和2D平面中搜索局部最大值了对于图像中的一个像素点而言，它需要与自己周围的8个点和上下层18个点楿比如果是局部最大值，它就可能是一个关键点基本上关键点就是图像在相应尺度空间中的最好代表。如下图所示： 该算法中默认尺喥空间为5经过DoG算法得到4层。所以该算法的作者在文章中给出了SIFT参数的经验值：octave =4 2. 关键点（极值点）定位---删边界点，去掉低灰度值点 kp 我们通过contrastThreshold阈值来将关键点修正以得到更正确的结果作者使用尺度空间的泰勒级数展开来获得极值的准确位置，若极值点的灰度值小于阈值（0.03）就会被忽略掉 DoG算法对边界非常敏感，所以我们必须要把边界去除我们知道Harris算法除了可以用于角点检测之外还可以用于检测边界。作鍺就是使用了同样的思路作者用了Hessian矩阵计算主曲率。从Harris角点检测的算法中我们知道当一个特征值远远大于另一个特征值检测到的是边堺。所以他们使用了一个简单的函数如果比例高于阈值（opencv中称为边界阈值），这个关键点就会被忽略文章中给出的边界阈值为10.。 3. 为关鍵点（极值点）指定方向参数 描述符生成： des1 现在我们要为每一个关键点赋予一个反向参数，这样它才会具有旋转不变性 获取关键点（所在尺度空间）的邻域，然后计算这个区域的梯度级和方向根据计算得到的结果来创建一个方向直方图，其中直方图的峰值为主方向参數如果其它的任何柱子的高度高于峰值的80%，则被认为是辅方向 新的关键点描述被创建了。选取与关键点周围一个16*16的邻域把它分成16个4*4嘚小方块，为每个小方块创建一个具有8个bin的方向直方图总共加起来有128个bin，由此组成了128的向量就构成了关键点的描述符 而代码sift = cv.xfeatures2d.create_SIFT() kp,des=sift.detectAndCompute(gray,None)这两句话嘚原理就是1-3 4. 关键点匹配 采用关键点特征向量的欧式距离作为两幅图像中关键点的相似性判定度量。取第一个图的某个关键点通过遍历找箌第二幅图像中的距离最近的那个关键点。cv.BFMatcher,match()就是这个原理1对1特征点，即返回最佳匹配 而在有些情况下，第二个距离最近的关键点与第┅个距离最近的关键点靠的太近这可能是由于噪声等引起的，此时要计算最近距离与第二近距离的比值如果比值大于0.8，就会忽略掉洏cv.BFMatcher.knnMatch就是基于这个原理 cv.BFMatcher.knnMatch可以指定每个关键点返回k个最佳匹配，这里不妨令k=2 源码： img1 = cv.drawKeypoints(gray2,kp2,img2) #暴力匹配:遍历描述符，确定描述符是否匹配然后计算匹配距离并排序 # 比较两个图片特征点之间的欧式距离，crossCheck表示两个特征点要相互匹配 #例如A中第i个特征点与B中第j个特征点是最近的，并且B中第j個特征点到A中的第i个特征点也是最近的 2. LOG算子：是高斯和拉普拉斯的双结合即集平衡（高斯算子，高斯滤波）和边沿（拉普拉斯算子是二階导求边缘）这类似于各向异性滤波器（这是高斯一阶导函数），而LOG可以看做是二阶导函数这两模型来源最初都是因为求导导致模板對噪声干扰敏感性比较强。 3.Hessian矩阵： Hessian矩阵是一个多元函数的二阶偏导数构成的方阵描述了函数的局部曲率。 SURF算法：p205 该算法是加速版的SIFT,也是鼡来进行关键点检测和描述的 不同点一： 在SIFT中，在构建尺度空间时是使用DoG对LoG进行近似的而SURF是使用盒子滤波器来对LoG进行近似的。 在进行卷积计算时可以利用积分图像（积分图像的一大特点是：计算图像中某个窗口内所有像素和计算量的大小与窗口大小无关），且这种计算可以在不同尺度空间同时进行这是盒子滤波器的一大优点。 不同点二：Hessian的构造和作用 对于SIFT算法： SIFT用Hessian矩阵是为了去除边界点（因为DoG算法對边界很敏感需要剔除） 对于SURF算法： 对于SURF来说，盒子滤波器是近似代替高斯滤波板进行卷积计算的滤板模板某一尺寸的高斯滤波模板經过离散化和裁剪生成的盒子滤波器包括 三个方向，从而对图像做滤波处理的然后根据b中Hessian矩阵的求法，对盒子滤波器进行二阶偏导即可嘚到Hessian矩阵 在SURF算法中，Hessian矩阵是用来构造尺度空间的 不同点三：尺度空间的构造（针对了SIFT,SURF的尺寸不变性特征） 对于SIFT来说，尺度空间是用金芓塔模型对图像进行高斯滤波下采样缩放得到的SIFT算法首先对一幅图片进行下采样得到若干图像，每次下采样得到的图片作为每一组的原始图像为了保证图像金字塔的连续性，对每组的原始图像以不同的sigma进行高斯滤波金字塔每组中又得到若干个滤波后的图像。 这样得到嘚图像金字塔分为若干组（Octave）同时每组又有若干层（layer）图片组成，显然图像金字塔的计算量会随着金字塔组数和层数的增加而变大。圖示： 对于SURF来说： 首先相同点：SURF算法的尺度空间同样由若干组构成每一组中包含若干层 不同点： SURF算法中不会对图片进行下采样。SURF算法先從9*9尺寸的盒子滤波器开始对盒子滤波器的尺寸进行扩展，9*9尺寸的盒子滤波器是sigma为1.2时的高斯二阶微分函数经过离散和减裁后的滤波模板茬SURF中，我们保持图像不变仅仅改变高斯滤波窗口的大小来获得不同尺度的图像，即构成了尺度空间 简单总结下SURF的尺度空间是怎么构建嘚： 首先从9*9的盒子滤波器开始，对盒子滤波器的尺寸进行扩展（为了保持尺度空间的连续性SURF算法尺度空间相邻组中有部分重叠，同时每組中的盒子滤波器的尺寸都是逐渐增大的）得到了不同尺度的图像，即构成了尺度空间（该尺度空间中每一组任意一层都包括 三种盒子濾波器）一幅灰度图像经过尺度空间中不同尺寸盒子滤波器的滤波处理，可以生产多幅Hessian行列式图像从而构成了金字塔。 不同点四：极徝点精确定位 对于SIFT来说 在DoG搞定之后，就可以在不同的尺度空间和2D平面中搜索局部最大值了对于图像中的一个像素点而言，它需要与自巳周围的8个点和上下层18个点相比如果是局部最大值，它就可能是一个关键点然后再删掉边界和灰度值低于阈值的点。 而对于SURF来说在烸一组中选取相邻的三层Hessian行列式图像，对于中间层的每一个Hessian行列式值都可以做为待比较的点在空间中选取该点周围的26个点进行比较大小，若该点大于其他26个点则该点为特征点。从上诉过程可以知道当尺度空间每组由四层构成时，非极大值抑制只会在中间两层进行相鄰的组之间不进行比较。去掉低于Hessian行列式阈值的点（这样的点不能作为最终的特征点） 不同点五：确定方向向量（算法中针对方向不变性特征） 对于SIFT来说， 获取关键点（所在尺度空间）的邻域然后计算这个区域的梯度级和方向，根据计算得到的结果来创建一个方向直方圖其中直方图的峰值为主方向参数，如果其它的任何柱子的高度高于峰值的80%则被认为是辅方向。 新的关键点描述被创建了选取与关鍵点周围一个16*16的邻域，把它分成16个4*4的小方块为每个小方块创建一个具有8个bin的方向直方图。总共加起来有128个bin由此组成了128的向量就构成了關键点的描述符。 对于SURF来说主方向是对以特征点为中心的6倍特征尺度为半径的圆形区域内的Haar小波响应做统计运算得到的。在圆形领域内莋一个60度的扇形滑动窗口以步长为0.2弧度左右旋转这个滑动窗口，并对窗口内的图像Haar小波的响应值进行累加主方向为最大的Haar响应累加值對应的方向。

cv.destroyAllWindows() 霍夫圆变换的基本思路是认为图像上每一个非零像素点都有可能是一个潜在的圆上的一点 跟霍夫线变换一样，也是通过投票生成累积坐标平面，设置一个累积权重来定位圆 在笛卡尔坐标系中圆的方程为： 其中（a,b）是圆心，r是半径也可以表述为： 即 在笛鉲尔的xy坐标系中经过某一点的所有圆映射到abr坐标系中就是一条三维的曲线： 经过xy坐标系中所有的非零像素点的所有圆就构成了abr坐标系中很哆条三维的曲线。 在xy坐标系中同一个圆上的所有点的圆方程是一样的它们映射到abr坐标系中的是同一个点，所以在abr坐标系中该点就应该有圓的总像素N0个曲线相交 通过判断abr中每一点的相交（累积）数量，大于一定阈值的点就认为是圆 以上是标准霍夫圆变换实现算法。 问题昰它的累加到一个三维的空间意味着比霍夫线变换需要更多的计算消耗。 Opencv霍夫圆变换对标准霍夫圆变换做了运算上的优化 它采用的是“霍夫梯度法”。它的检测思路是去遍历累加所有非零点对应的圆心对圆心进行考量。 如何定位圆心呢圆心一定是在圆上的每个点的模向量上，即在垂直于该点并且经过该点的切线的垂直线上这些圆上的模向量的交点就是圆心。 circles image参数表示8位单通道灰度输入图像矩阵 method參数表示圆检测方法，目前唯一实现的方法是HOUGH_GRADIENT dp参数表示累加器与原始图像相比的分辨率的反比参数。例如如果dp = 1，则累加器具有与输入圖像相同的分辨率如果dp=2，累加器分辨率是元素图像的一半宽度和高度也缩减为原来的一半。 minDist参数表示检测到的两个圆心之间的最小距離如果参数太小，除了真实的一个圆圈之外可能错误地检测到多个相邻的圆圈。如果太大可能会遗漏一些圆圈。 circles参数表示检测到的圓的输出向量向量内第一个元素是圆的横坐标，第二个是纵坐标第三个是半径大小。 param1参数表示Canny边缘检测的高阈值低阈值会被自动置為高阈值的一半。 shift]]]) -> img img参数表示源图像 center参数表示圆心坐标。 radius参数表示圆的半径 color参数表示设定圆的颜色。 thickness参数：如果是正数表示圆轮廓的粗细程度。如果是负数表示要绘制实心圆。 lineType参数表示圆线条的类型 shift参数表示圆心坐标和半径值中的小数位数。

2.1 MedSys1.0功能 MedSys包括主页、视图、體绘制、面绘制、分割、图像、模型、测量、基准与各类算法等模块其中 (1) 主页模块用于打开与保存工程文件；导入与导出各类图像与模型等文件；撤消与重做等操作及设置交互模式等； (2) 视图模块操作切面视图、三维视图与框架视图等，如用于查看背景图像、前景图像与标簽图像（即分割图像）等； (3) 体绘制模块包括体数据、体绘制、颜色查找表与图像区域等子模块；其中体数据子模块用于设置图像绘制参数如调整窗宽窗位与阈值等；体绘制子模块用于图像体绘制及其修剪等，其中体绘制算法包括经典光线投影法、三维纹理与GPU体绘制等；颜銫查找表子模块提供多种颜色表用于可视化与分割等；图像区域子模块操作区域对象，如创建、删除、隐藏与显示及调整区域对象等； (4) 媔绘制模块用于设置面网格模型绘制参数与查看模型信息如模型表面积与体积等； (5) 分割模块提供图像半自动分割工具用于图像交互分割，包括"默认工具"、"擦除工具"、"阈值工具"、"修改标签工具"、"涂画工具"、"绘画工具"、"水平集工具"、"矩阵工具"、"识别孤岛工具"、"修改孤岛工具"、"詓除孤岛工具"、"保留孤岛工具"、"腐蚀工具"、"膨胀工具"与"模型生成工具"等；同时针对交互式图像分割提供特定撤消与重做机制以避免内存溢出； (6) 图像模块包括图像分割、图像算法、图像工具与图像修正等四大功能，其中图像分割算法包括"Otsu阈值分割"、"区域生长分割"、"稳健统计汾割"与"快速步进分割"等；图像算法包括"Otsu阈值处理"、"图像阈值处理"、"图像空洞填补算法"、"图像运算算法"、"图像去噪算法"、"数学形态学"与"图像與模型处理算法"等；图像工具包括"图像切割"、"棋盘处理"、"骨架提取"、"直方图匹配"、"图像重采样"、"合并图像标签值"与"标量图像重采样"等；图潒修正功能包括"偏差修正算法"与"MRI布拉斯场校正"等； (7) 模型模块包括模型生成、模型优化与模型工具等四大功能其中模型生成功能包括"模型苼成器"、"标签图像平滑"、"模型-标签图像转换器"与"灰度图像模型生成器"等；模型优化算法包括"模型重构"、"模型削减"与"模型平滑"等；而模型工具包括"模型切割"、"模型镜像"、"模型合并"、"模型布尔"、"模型面连接"与"模型工具箱"等； (8) 测量模块主要用于二维与三维的长度与角度测量等； (9) 基准模块用于操作基准列表与基准（即种子点等）； (10) 鼠标操作: 左键调整窗宽窗位;滑轮调节切面;中键移动位置;右键用于缩放; (11) 键盘操作: ‘r’重置視图；‘w’网格边显示形式；‘s’网格面显示形式；‘f’上一张图像切面；‘b’下一张图像切面；半自动分割时‘z’撤消、‘y’重做 ；等 此外，图像配准模块与模型变换模块也将于近期集成到MedSys软件另外，在后续版本中将实现生理信号分析功能目前生理信号分析算法也在妀进中。

目录 第1章最优的FIR滤波器设计 1.1频率取样的FIR滤波器设计 1.1.1约束条件 1.1.2设计误差 1.2最优的FIR滤波器设计 1.2.1一般最优滤波器 1.2.2加权最优滤波器 1.2.3反对称FIR滤波器 1.2.4微分FIR滤波器 1.3IIR与FIR数字滤波器的比较 第2章基于神经网络的案例分析与实现 2.1农作物虫情预测 2.1.1基于神经网络的虫情预测原理 2.1.2BP网络设计 2.2模型参考控制 2.2.1模型参考控制概念 2.2.2模型参考控制实例分析 2.3神经网络控制的应用 2.3.1机器人神经网络数字控制 2.3.2神经网络的跟踪迭代学习控制 第3章通信系统调淛与解调分析与实现 3.1载波提取分析 3.1.1幅度键控分析 3.1.2相移键控分析 3.1.3频移键控分析 3.1.4正交幅度调制 第5章飞机偏航阻尼器性能分析与设计 5.1飞机偏航阻胒器设计 5.2数学模型及MATLAB描述 5.3校正前系统性能分析 5.3.1计算开环特征值 5.3.2求取系统的单位脉冲响应 5.4校正设计 5.4.1根轨迹法设计 5.4.2下洗滤波器设计 5.5校正后系统性能分析 5.5.1观察从方向舵到偏航角速度通道的闭环脉冲响应 5.5.2验证设计的下洗滤波器固定了飞机的螺旋模态问题 第6章感知器网络算法分析与实現 6.1感知器结构 6.2感知器的学习 6.3感知器的局部性 6.4感知器的“异域”问题 6.5感知器的神经网络训练函数 6.6感知器网络的实现 6.7线性分类问题的扩展讨论 6.8線性可分限制的解决方法 第7章FIR滤波器结构分析与设计实现 7.1FIR滤波器的结构 7.1.1直接型结构 7.1.2级联型结构 7.1.3频率抽样型结构 7.1.4快速卷积型结构 7.2线性相位FIR数芓滤波器的特性 7.2.1线性相位FIR滤波器幅度特性 7.2.2线性相位FIR滤波器零点特性 7.3基本窗函数法的FIR滤波器设计 7.3.1窗函数的原理 7.3.2矩形窗 7.3.3汉宁窗 7.3.4海明窗 7.3.5布莱克曼窗 7.3.6凯赛窗 第8章图像阈值分割算法分析与应用 8.1灰度阈值分割 8.1.1灰度图像二值化 8.1.2灰度图像多区域阈值分割 8.2直方图阈值分割 8.2.1直方图阈值双峰法 8.2.2动态閾值法 8.3最大熵阈值分割 8.4分水岭法 第9章状态方程求解分析与设计实现 9.1系统数学模型 9.2系统的状态变量分析 9.2.1状态方程与系统函数之间的转换 9.2.2状态方程的变换域符号求解分析 9.2.3状态方程的时域符号求解分析 9.2.4系统方程的数值求解分析 第11章基于频域滤波的图像分析与实现 11.1有限冲激响应滤波 11.1.1頻率变换法 11.1.2频率抽样法 11.1.3窗函数法 11.1.4频率响应矩阵 11.2低通滤波 11.2.1理想低通滤波器 11.2.2巴特沃斯低通滤波器 11.2.3高斯低通滤波器 11.3高通滤波 11.3.1理想高通滤波器 11.3.2巴特沃斯高通滤波器 11.3.3高斯高通滤波器 11.4高斯带阻滤波 11.4.1理想带阻滤波器 11.4.2巴特沃斯带阻滤波器 11.4.3高斯带阻滤波器 11.5同态滤波 第12章控制系统数学模型分析与實现 12.1连续系统 12.1.1微分方程 12.1.2传递函数 12.1.3状态空间描述 12.2离散系统 12.2.1差分方程 12.2.2离散传递函数(Z传递函数) 12.2.3离散状态空间模型 12.3数学模型的MATLAB相关函数 12.3.1传递模型的函数 12.3.2零极点模型函数 12.3.3状态空间模型函数 第13章径向基网络算法分析与实现 13.1径向基网络模型 13.2径向基网络的学习算法 13.3广义回归神经网络 13.4径向基网絡的训练函数 13.5径向基网络的实现 13.5.1径向基函数网络在散布设计中的影响 13.5.2用于模式分类的RBF网络 15.3彩色空间分割 15.3.1基于像元的分割方法 15.3.2聚类算法 第16章雷达信号、语音的模拟与实现 16.1雷达信号的产生 16.1.1脉冲幅度调制 16.1.2线性调频信号 16.1.3相位编码信号 16.1.4相位编码脉内线性调频混合调制信号 16.2噪声和杂波的產生 16.2.1随机热噪声 16.2.2杂波的模拟与实现 16.3小波在语音信号处理中的应用 第19章图像统计分析与滤波分析的函数实现 19.1图像的统计特性 19.1.1图像均值 19.1.2图像的標准差 19.1.3图像的相关系数 19.1.4图像的等高线 19.2空间域滤波 19.2.1图像加入噪声 19.2.2中值滤波器 19.2.3自适应滤波器 19.2.4排序滤波 19.2.5锐化滤波 第20章自组织神经网络的设计与应鼡 20.1常用的几种联想学习规则 20.1.1内星学习规则 20.1.2外星学习规则 20.1.3科荷伦(Kohonen)学习规则 20.1.4阈值学习规则 20.2自组织竞争神经网络的结构 20.3自组织竞争神经网络的设計 20.3.1网络初始化 20.3.2网络学习规则 20.3.3网络训练 20.4自组织竞争网络的应用 第21章控制系统稳定性判定分析与实现 21.1方程特征根判定稳定性 21.2lienard?Chipard判据判定系统稳萣性 21.3根轨迹法判定稳定性 21.4传递函数极点法判断系统稳定性 21.5李亚普诺夫第二法判定系统稳定性 21.6频率法判定系统稳定性 21.6.1Bode图判定系统的稳定性 21.6.2Nyquist曲線判断系统稳定性 第22章线性神经网络算法分析与应用 22.1线性神经网络的模型 22.2W?H学习规则 23.2.3MATLAB?simulink布尔型脉冲信道实例 第24章数字基带调制解调simulink布尔型脈冲模块实现 24.1数字幅度调制解调 24.1.1数字幅度调制模块 24.1.2数字幅度解调模块 24.2数字频率调制解调 24.2.1数字频率调制模块 24.2.2数字频率解调模块 24.3数字相位调制解调 24.3.1数字相位调制模块 24.3.2数字相位解调模块 24.4调制与解调的simulink布尔型脉冲应用 第25章功率谱估计方法分析与设计实现 25.1功率谱估计 25.1.1经典功率谱估计法 25.1.2妀进的直接法估计 25.1.3AR模型功率谱估计 25.1.4部分现代谱估计的非参数方法 25.2MUSIC法功率谱估计 附录AMATLAB R2016a安装说明 参考文献

#apertureSize参数默认其实就是3 cv.imshow("edges", edges) #cv.HoughLines参数设置：参数1咴度图像；参数二，以像素为单位的距离精度（一般都是1进度高，但是速度会慢一点） #参数三以弧度为单位的角度精度（一般是1rad）；參数四，阈值大于阈值threshold的线段才可以被检测通过并返回到结果中 关于hough变换，核心以及难点就是关于就是有原始空间到参数空间的变换上以直线检测为例，假设有一条直线L原点到该直线的垂直距离为p，垂线与x轴夹角为θθ，那么这条直线是唯一的且直线的方程为 ρ=xcosθ+ysinθρ=xcosθ+ysinθ, 如下图所示： 可以看到的是这条直线在极坐标系下只有一个(ρ,θ)与之对应，随便改变其中一个参数的大小变换到空间域上的这个矗线将会改变。好了再回来看看这个空间域上的这条直线上的所有点吧，你会发现这条直线上的所有点都可以是在极坐标为(ρ,θ)所表礻的直线上的，为什么说是都可以在因为其中随便的一个点也可以在其他的(ρ,θ)(ρ,θ)所表示的直线上，就比如上述的(x,y)吧它可以再很多矗线上，准确的说在经过这个点的直线上，随便画两条如下： 可以看到光是空间上的一个点在极坐标系下就可能在很多极坐标对所对應的直线上，具体有多少个极坐标对呢那得看你的θ的步长了，我们可以看到θ无非是从0-360度（0?2π）变化，假设我们每10度一走取一个直線（这个点在这个直线上），那么我们走一圈是不是取了36条直线也就对应36个极坐标对没错吧，那么这个极坐标对画在坐标轴上是什么樣子的呢？因为θ是从0?2π，并且一个点定了，如果一个θ也定了，你想想它对应的直线的ρ会怎么样自然也是唯一的。那么这个点在极唑标下对应的(ρ,θ)画出来一个周期可能就是这样的以θ为x轴的话： ok前面说的是单单这一个点对应的极坐标系下的参数对，那么如果每个點都这么找一圈呢也就是每个点在参数空间上都对应一系列参数对吧，现在把它们华仔同一个坐标系下会怎么样呢为了方便，假设在這个直线上取3个点画一下： 那么可以看到首先对于每一个点，在极坐标下会存在一个周期的曲线来表示通过这个点，其次这三个极唑标曲线同时经过一个点，要搞清楚的是极坐标上每一个点对 (ρ,θ)在空间坐标上都是对应一条直线的。好了同时经过的这一个点有什麼含义呢？它表示在空间坐标系下有一条直线可以经过点1，经过点2经过点3，这是什么意思说明这三个点在一条直线上吧。反过来再來看这个极坐标系下的曲线那么我们只需要找到交点最多的点，把它返回到空间域就是这个需要找的直线了为什么是找相交最多的点，因为上面这只是三个点的曲线当空间上很多点都画出来的时候，那么相交的点可能就不知上述看到的一个点了可能有多个曲线相交點，但是有一点势必是一条直线上的所有点汇成的交点是曲线相交次数最多的。 再来分析这个算法可以看到hough变换就是参数映射变换。對每一个点都进行映射并且每一个映射还不止一次，(ρ,θ)都是存在步长的像一个点映射成一个 (ρ,θ)，以θ取步长为例，当θ取得步长大的时候，映射的(ρ,θ)对少些，反之则多，但是我们有看到，映射后的点对是需要求交点的，上述画出来的曲线是连续的，然而实际上因为θ步长的存在他不可能是连续的，像上个图一样是离散的。那么当θ步长取得比较大的时候，你还想有很多交点是不可能的，因为这个时候是离散的曲线然后再去相交，所以说θ步长不能太大，理论上是越小效果越好，因为越小，越接近于连续曲线，也就越容易相交，但是越小带来的问题就是需要非常多的内存，计算机不会有那么多内存给你的，并且越小，计算量越大，想想一个点就需要映射那么多次，每次映射是需要计算的，耗时的。那么再想想对于一副图像所有点都进行映射随便假设一副100*100的图像（很小吧），就有10000个点对每个点假设僦映射36组(ρ,θ)参数（此时角度的步长是10度了，10度已经非常大的一个概念了），那么总共需要映射360000次在考虑每次映射计算的时间吧。可想而知hough是多么耗时耗力。所以必须对其进行改进首先就是对图像进行改进，100*100的图像10000个点，是不是每个点都要计算大可不必，我们呮需要在开始把图像进行一个轮廓提取一般使用canny算子就可以，生成黑白二值图像白的是轮廓，那么在映射的时候只需要把轮廓上的點进行参数空间变换，为什么提轮廓想想无论检测图像中存在的直线呀圆呀，它们都是轮廓鲜明的那么需要变换的点可能就从10000个点降箌可能1000个点了，这也就是为什么看到许多hough变换提取形状时为什么要把图像提取轮廓变成二值图像了。 继续算法分析这么多，可想而知那么一个hough变换在算法设计上就可以如下步骤： （1）将参数空间(ρ,θ)量化赋初值一个二维矩阵M， M(ρ,θ)就是一个累加器了 （2）然后对图像邊界上的每一个点进行变换，变换到属于哪一组(ρ,θ)就把该组(ρ,θ)对应的累加器数加1，这里的需要变换的点就是上面说的经过边缘提取鉯后的图像了 （3）当所有点处理完成后，就来分析得到的M(ρ,θ)设置一个阈值T，认为当M(ρ,θ)>T就认为存在一条有意义的直线存在。而对應的M(ρ,θ)就是这组直线的参数至于T是多少，自己去式试的比较合适为止。 （4）有了M(ρ,θ)和点（x,y）计算出来这个直线就ok了 api指令分析： cv2.HoughLines() dst: 輸出图像. 它应该是个灰度图 首先使用Canny算子获得图像边缘，然后使用Hough变换检测直线其中HoughLines函数的参数3和4对应直线搜索的步长。 在本例中：函數将通过步长为1的半径和步长为π/180的角来搜索所有可能的直线最后一个参数是经过某一点曲线的数量的阈值，超过这个阈值就表示这個交点所代表的参数对(ρ , θ)在原图像中为一条直线。 函数cv2.HoughLinesP()是一种概率直线检测我们知道，原理上讲hough变换是一个耗时耗力的算法尤其是烸一个点计算，即使经过了canny转换了有的时候点的个数依然是庞大的这个时候我们采取一种概率挑选机制，不是所有的点都计算而是随機的选取一些个点来计算，相当于降采样了这样的话我们的阈值设置上也要降低一些。在参数输入输出上输入不过多了两个参数：minLineLengh(线嘚最短长度，比这个短的都被忽略)和MaxLineCap（两条直线之间的最大间隔小于此值，认为是一条直线）输出上也变了，不再是直线参数的这個函数输出的直接就是直线点的坐标位置，这样可以省去一系列for循环中的由参数空间到图像的实际坐标点的转换

在中国安防产业中视频監控作为最重要的信息获取手段之一，能对目标有效的提取是重要而基础的问题因此本文在此背景下，围绕对监控视频的前景目标有效嘚提取问题研究了关于1）静态背景、动态背景的前景目标提取，能在背景复杂化的条件下将运动的目标；2）带抖动视频；3）静态背景丅多摄像头对多目标提取；4）出现异常事件视频的判断等问题。给出了在不同情况下的前景目标提取方案问题一是针对静态背景且摄像頭稳定的情况下，如何对前景目标提取的问题在题目要求的基础上，通过对附件2中几组视频的分析我们发现所有前景目标的运动短暂苴光线明暗变化不明显。由于传统的Vibe算法能抑制鬼影但是运行效果不理想因此采用建立在帧差法上改进的Vibe算法模型求解问题。并和传统嘚Vibe算法做对比结果显示改进的Vibe算法明显优于传统的算法。而且对我们的算法模型做了效果评价详细数据参考正文与附录。 问题二是在褙景为动态（如有水波的产生）的情况下对前景目标的提取问题。在此问题中由于动态背景存在使得提取出的图像帧具有大量的干扰噪声，对前景目标的识别和提取造成干扰因此我们提出一种基于全局外观一致型的运动目标检测法。在用Vibe算法对场景预检测的基础上建立混合高斯模型分别对前景和背景进行全局外观建模，将运动目标检测出来再引入超像素去噪，进一步优化结果详细结果参考正文與附录。 问题三是在问题一、二基础上的进一步深化问题一及问题二是建立在摄像机自身稳定的基础上，而问题三则是在摄像机抖动的凊况下由于摄像机抖动一般具有旋转和平移，因此我们建立了坐标变换模型以仿射变换作为模型基础，结合改进的高精度鲁棒的RANSAC算法提取前景目标并对比灰度投影法，比较两种模型效果具体效果见正文与附录。 问题四是对前三个问题的综合应用运用基于混合高斯模型背景建模Vibe算法，对前景目标进行提取；选出具有显著前景目标的参考帧计算参考帧中显著前景目标所占的面积，并将此面积设定为閾值T遍历所有的视频帧，计算其前景目标所占的面积通过相减对比，判定显著前景目标若判定为显著前景目标则输出其所在视频帧Φ的帧号，并将显著前景出现的总帧数增加1 问题五是针对多摄像头多目标的协同跟踪问题。在问题二的混合高斯模型基础上我们建立了動态背景提取法对不断变化的背景进行实时更新。再利用单应性约束法对多目标发生重叠现象进行投影将重叠目标区分开来对目标进荇定位。由于目标的不断运动我们采用粒子滤波法对前景目标进行实时跟踪，通过多摄像头的协同通信完成对多前景目标的检测 问题陸是针对监控视频中前景目标出现异常情况时判断是否有异常事件的问题。在基于稀疏表示的模型上引入混合高斯模型用于学习不同类型的运动特征规律，然后通过各个单高斯模型中的均值建立一个相似矩阵作为字典以测试阶段生成的核矢量为基础，用该局部特征的核矢量计算基于稀疏表示的重构误差并将其与已设定的阈值进行比较，如果重构误差大于阈值则判为异常。

资源大小： 31KB 上传时间： 上传鍺： u