【正文】 1基于形態(tài)學(xué)運(yùn)算的星空圖像分割主要內(nèi)容： 在獲取星圖像的過程中，由于某些因素的影響，獲得的星圖像存在噪聲，而且星圖像的背景經(jīng)常是不均勻的，為星圖像的分割造成了極大的困難。膨脹和腐蝕是形態(tài)學(xué)的兩個(gè)基本運(yùn)算。用形態(tài)學(xué)運(yùn)算對星圖像進(jìn)行處理，補(bǔ)償不均勻的星圖像背景，然后進(jìn)行星圖像的閾值分割。 要求：1 圖像預(yù)處理：對原始星空圖像進(jìn)行濾波去噪處理；2 對去噪后的圖像進(jìn)行形態(tài)學(xué)運(yùn)算處理；3 選取自適應(yīng)閾值對形態(tài)學(xué)運(yùn)算處理后的圖像進(jìn)行二值化；4 顯示每步處理后的圖像；5 對經(jīng)過形態(tài)學(xué)處理后再閾值的圖像和未作形態(tài)學(xué)處理后再閾值的圖像進(jìn)行對比分析。 待分割圖像 直接分割圖像 處理后的分割圖像2基于數(shù)字圖像處理的印刷電路板智能檢測方法主要內(nèi)容： 通過對由相機(jī)實(shí)時(shí)獲取的印刷電路板圖像進(jìn)行焊盤識別，從而提高電子元件的貼片質(zhì)量，有效提高電路板的印刷效率。 要求：1 圖像預(yù)處理：將原始彩色印刷電路板圖像轉(zhuǎn)成灰度圖像，對灰度圖像進(jìn)行背景平滑和濾波去噪；2 對去噪后的圖像進(jìn)行圖像增強(qiáng)處理，增強(qiáng)邊緣提取的效果。3 對增強(qiáng)后的圖像進(jìn)行邊緣提取（至少兩種以上的邊緣提取算法）；4 顯示每步處理后的圖像（原始電路板圖像可自行查找）；5 圖像處理后要求能對每個(gè)焊盤進(jìn)行邊緣提取，邊緣清晰。3靜止背景下的移動(dòng)目標(biāo)視覺監(jiān)控主要內(nèi)容： 基于視覺的人的運(yùn)動(dòng)分析最有前景的潛在應(yīng)用之一是視覺監(jiān)控。視覺監(jiān)控系統(tǒng)的需求主要來自那些對安全要求敏感的場合，如銀行、商店、停車場、軍事基地等。通過對靜止背景下的目標(biāo)識別，來提醒監(jiān)測人員有目標(biāo)出現(xiàn)。 要求：1 對原始參考圖和實(shí)時(shí)圖像進(jìn)行去噪處理；2 對去噪后的兩幅圖像進(jìn)行代數(shù)運(yùn)算，找出目標(biāo)所在位置，提取目標(biāo)，并將背景置黑； 3 判斷目標(biāo)大小，若目標(biāo)超過整幅圖像的一定比例時(shí)，說明目標(biāo)進(jìn)入攝像保護(hù)區(qū)域，系統(tǒng)對監(jiān)測人員進(jìn)行提示（提示方式自選）。4 顯示每步處理后的圖像；5 分析此種圖像監(jiān)控方式的優(yōu)缺點(diǎn)。 背景 目標(biāo)出現(xiàn) 目標(biāo)提取4車牌識別圖像預(yù)處理技術(shù)主要內(nèi)容： 車輛自動(dòng)識別涉及到多種現(xiàn)代學(xué)科技術(shù)，如圖像處理、模式識別與人工智能、計(jì)算機(jī)視覺、光學(xué)、機(jī)械設(shè)計(jì)、自動(dòng)控制等。汽車作為人類生產(chǎn)、生活中的重要工具被廣泛的使用，實(shí)現(xiàn)自動(dòng)采集車輛信息和智能管理的車牌自動(dòng)識別系統(tǒng)具有十分重要的意義: 要求：1 對原始車牌圖像做增強(qiáng)處理；2 對增強(qiáng)后的彩色圖像進(jìn)行灰度變換；3 對灰度圖像進(jìn)行直方圖均衡處理； 4 選取自適應(yīng)的閾值，對圖像做二值化處理；5 顯示每步處理后的圖像；6 分析此種圖像預(yù)處理的優(yōu)缺點(diǎn)及改進(jìn)措施，簡要敘述車牌字符識別方法 原始車牌圖像 處理后的車牌圖像5醫(yī)學(xué)細(xì)胞圖像細(xì)胞分割圖像增強(qiáng)算法研究主要內(nèi)容：醫(yī)學(xué)圖象處理利用多種方法對各種圖像數(shù)據(jù)進(jìn)行處理，以期得到更好的顯示效果以便醫(yī)生根據(jù)細(xì)胞的外貌進(jìn)行病變分析。要求：1 通過對圖像的灰度變換調(diào)整改變細(xì)胞圖像的灰度，突出感興趣的細(xì)胞和細(xì)胞核區(qū)域。2 通過直方圖修改技術(shù)得到均衡化或規(guī)定化等不同的處理效果。3 采用有效的圖像平滑方法對細(xì)胞圖像進(jìn)行降噪處理，消除圖像數(shù)字化和傳輸時(shí)所混入的噪聲，提高圖像的視覺效果。4 利用圖像銳化處理突出細(xì)胞的邊緣信息，加強(qiáng)細(xì)胞的輪廓特征。5 顯示每步處理圖像，分析此種細(xì)胞分割圖像預(yù)處理方法的優(yōu)缺點(diǎn)。 原始細(xì)胞圖像圖像處理后的細(xì)胞圖像6瓶子灌裝流水線檢測是否液體灌裝滿瓶體當(dāng)飲料瓶子在罐裝設(shè)備后要進(jìn)行液體的檢測，即：進(jìn)行判斷瓶子灌裝流水線是否灌裝滿瓶體的檢測，如液面超過瓶頸的位置，則裝滿，否則不滿，如果不滿則灌裝液體不合格，需重新進(jìn)行灌裝。具體要求：1） 將原進(jìn)行二值化2） 二值化后的圖像若不好，將其濾波再進(jìn)行膨脹處理,并重新進(jìn)行二值化3） 將圖像標(biāo)記連通域并進(jìn)行面積計(jì)算，找出不符合要求的標(biāo)記塊4） 將不合格的圖像進(jìn)行提取，并記錄不合格率5)顯示所有的圖像，對經(jīng)過處理后的圖像和未作處理后的圖像進(jìn)行對比分析。 7對加噪聲的圖像進(jìn)行頻域低通和高通濾波，并針對其顯示圖像進(jìn)行對比分析具體要求： 對源圖像進(jìn)行空域到頻域的變換 進(jìn)行頻域的高斯低通濾波（取D0為10，20，40，80） 頻域的高斯高通濾波（取D0為10，20，40，80） 頻域的布特沃斯低通濾波（取D0為10，20，40，80，n為2） 頻域的布特沃斯低通濾波（取D0為10，20，40，80，n為2）顯示所有的圖像，對圖像濾波的結(jié)果進(jìn)行比較，包括同種濾波器不同D0處理圖像的比較以及不同濾波器之間的比較。（下圖為D0取為20的結(jié)果）8請根據(jù)所學(xué)過的圖象分析方法，將飛機(jī)邊界進(jìn)行提取，并疊加在原圖上具體要求：將RGB圖像（圖A）轉(zhuǎn)換成灰度模式圖像（圖B），再將其進(jìn)行二值化（圖C），所得圖像進(jìn)行閉運(yùn)算，去掉暗點(diǎn)和圓角（圖D），最后對圖像進(jìn)行邊界提取并疊加在原圖上（圖E）。顯示所有的圖像，對經(jīng)過處理后的圖像和未作處理后的圖像進(jìn)行對比分析。 9基于數(shù)字圖像處理的森林火災(zāi)識別方法研究主要內(nèi)容：基于攝像機(jī)攝取的視頻圖像對現(xiàn)場進(jìn)行火災(zāi)的自動(dòng)探測、監(jiān)視，同時(shí)將攝得的圖像，利用各種圖像處理技術(shù)不斷進(jìn)行圖像處理和分析，通過早期火災(zāi)的圖像變化特征來探測火災(zāi)是否發(fā)生。測試要求： 首先從彩色攝像機(jī)獲取視頻流圖像，并轉(zhuǎn)換成BMP格式圖像，先判斷圖像中有紅色區(qū)域存在。 l)火災(zāi)圖像預(yù)處理，包括圖像抽樣、圖像分割、圖像灰度化、二值化、圖像平滑處理。 2)研究火焰目標(biāo)的特征提取方法 (l)輪廓特征提取:該模塊主要功能為提取火焰輪廓上的尖點(diǎn)特征和圓形度。在火焰輪廓特征圖中，從下至上從左至右逐點(diǎn)掃描，將火焰的邊緣編成鏈碼。當(dāng)鏈碼在一定步數(shù)內(nèi)，出現(xiàn)一次有效上升和一次有效下降時(shí)，我們就得到一個(gè)尖角。 (2)顏色特征提取:火焰一般從焰心到外焰其顏色應(yīng)從白色到黃色再向紅色移動(dòng)，在圖像中表現(xiàn)為像素值的變化不明顯，可以用圖像像素方差值來反映這種變化。 (3)動(dòng)態(tài)特征提取:火焰在燃燒的過程中，它的面積和質(zhì)心在不斷的變化，通過質(zhì)心的變化來判斷火勢的大小 采用數(shù)字圖像處理技術(shù)實(shí)現(xiàn)對玉米種子表面裂紋的識別和檢測。玉米籽粒產(chǎn)生裂紋后會影響淀粉出率，不能用來加工玉米片等食品，同時(shí)在儲存時(shí)裂紋粒吸濕性強(qiáng),易于引起發(fā)熱和遭受害蟲及霉菌的侵襲，對于種子