【正文】 理主要研究以下內(nèi)容：傅立葉變換、小波變換等各種圖像變換；對圖像進行編碼和壓縮；采用各種方法對圖像進行復原和增強；對圖像進行分割、描述和識別等。屬于這些領(lǐng)域的有航空航天、生物醫(yī)學工程、工業(yè)檢測、機器人視覺、公安司法、軍事制導、文化藝術(shù)等。還有近年來對各種車牌圖像的提取文獻都用到了圖像識別的方法，對車牌的定位，車牌的邊緣檢測以及對車牌上各種字符（英文字母和數(shù)字）的識別，還要有一定得圖像分割與模式匹配，得到車牌上的各種字符。用戶打開一個應用程序后，程序?qū)?chuàng)建一個窗口，并在那里默默地等待用戶的要求。所有的這些都可以通過Get Message，Send Message等函數(shù)得到。Visual C++，包括編輯器、調(diào)試器以及程序向?qū)ppWizard、類向?qū)lass Wizard等開發(fā)工具。同時，用Visual C++編寫代碼也并不意味著一定要用MFC，只要愿意，用Visual C++來編寫SDK程序，或者使用STL，ATL，一樣沒有限制。當幅值f為有限的、離散的數(shù)值時，稱該圖像為數(shù)字圖像。圖像增強和圖像復原：影響系統(tǒng)圖像清晰程度的因素很多，例如室外光照度不夠均勻就會造成圖像灰度過于集中；由CCD（攝像頭）獲得的圖像經(jīng)過A/D（數(shù)/模轉(zhuǎn)換，該功能在圖像系統(tǒng)中由數(shù)字采集卡來實現(xiàn)）轉(zhuǎn)換、線路傳送都會產(chǎn)生噪聲污染等等。5圖像數(shù)據(jù)的冗余主要表現(xiàn)為：圖像中相鄰像素間的相關(guān)性引起的空間冗余；圖像序列中不同幀之間存在相關(guān)性引起的時間冗余；不同彩色平面或頻譜帶的相關(guān)性引起的頻譜冗余。BMP文件的圖像深度可選1bit、4bit、8bit及24bit。由于邊緣是位置的標志，對灰度的變化不敏感，因此，邊緣也是圖像匹配的重要特征。許多邊緣檢測操作都是基于亮度的一階導數(shù)——這樣就得到了原始數(shù)據(jù)亮度的梯度。這樣如果圖像中有邊線出現(xiàn)的話我們就能在亮度梯度上看到7非常大的變化。首先使用一個閾值上限去尋找邊線開始的地方。它由公式（）給出：　　 g(x,y)={[]2+[]2} （）　　其中f(x, y)是具有整數(shù)像素坐標的輸入圖像。兩個卷積的最大值作為該點的輸出值、運算結(jié)果是一幅邊緣幅度圖像。Prewitt 算子也產(chǎn)生一幅邊緣幅度圖像。 四種典型算子的不足之處 由上述邊緣算子產(chǎn)生的邊緣圖像看來很相似。但是以上三種經(jīng)典算子檢測出來的邊緣在本文的芯片定位中所達到的效果卻不是很好，因為本文的主要目的是通過邊緣檢測得出芯片的偏角和中心坐標，這些經(jīng)典的算法只能把邊緣顯示出來，但之后要求的偏角和中心坐標卻難以求出，所以邊緣檢測的算法必須重新設(shè)計。 BMP格式的文件可以用256色的調(diào)色板來表示灰度圖，只不過這個調(diào)色板有點特殊，每一個RGB值都是相同的，也就是RGB值從（0，0，0）一直到（255，255，255）。 ShowBuffer(0,0)。 邊緣檢測算法的設(shè)計思路考慮到本圖像中芯片的形狀是矩形，在圖像任一點的灰度值已經(jīng)求出的前提下，把對圖像的掃描分為橫向掃描和縱向掃描，橫向掃描時，從原點開始做固定斜率且互相平行的直線，該直線在y軸上的截距是逐漸加1變化的，當直線恰好掃描到矩形芯片的邊緣時，此時該直線上的所有像素點的灰度值的和變化最大，此時可以確定該直線，得到邊緣所在直線在y軸上的截距，以便于后面的邊緣提取。 //直線上的灰度值之和此時所求的才是直線式的灰度之和，r就為lameda,是通過r=fabs(xx1)求得。im_height。 p=m_buffer+((m_heighti)*m_width+x1)*bytes。 15 check[m][j]+=T1。m=K_NUM。//返回最優(yōu)K所對應的m值，即K_NUM17 邊緣掃描在最優(yōu)K獲取的情況下對位圖進行橫向和縱向掃描，多次實驗找出最合適的閾值，分別得出矩形邊緣所在直線在縱坐標上的截距點。m_heightm_widthBWij掃描直線 邊緣掃描算法圖示2）閾值確定所做的試驗：不斷嘗試賦值給閾值，設(shè)斷點查看運行結(jié)果，直到閾值滿足所需的邊緣時確定出此時的閾值。 int x1,x2。amp。//閾值一 for(j=1。j++) { m_check2[j]=。 s=yy1。amp。//截距點說明：當然閾值的確定是個很難的過程，在橫向掃描和縱向掃描的算法弄明白以后，需要一步步的進行實驗來確定閾值，在這個過程中，我嘗試過很多方法，為了避免過大的誤差，只能一步步的代入接近邊緣的灰度值，對不同的圖像進行試驗，最終會得到一個比較適合的閾值。 pDCMoveTo(0,m_left)。MessageBox(str2)。 k=float(+k_no*float(DELTA_K))?？偟膩碚f，本算法實現(xiàn)了任務(wù)預期的結(jié)果，達到了最終的目的。有時我覺得總寫一些程序，似乎沒什么新東西，原來很久沒看新東西了，看一看，似乎會有點發(fā)現(xiàn)，新的或者原來問題的解決辦法。也用于其他地方VC只是一個編程工具，就如BC、BCB、Delphi一樣，其實對于編程最根本的就是三個方面，語言、開發(fā)包、操作系統(tǒng)API，他們?nèi)齻€方面應該說是相對比較獨立的。該課題主要通過對芯片在電路板上的掃描圖像，識別圖像的外觀、形態(tài)及坐標，通過對矩形芯片的邊緣檢測和中心坐標計算來實現(xiàn)芯片放置在電路板上的精確程度，從而達到芯片正確焊接的目的。Visual C++數(shù)字圖像處理典型算法及實現(xiàn)[M].北京：人民郵電出版社 2006 [5] 阮秋琦編著。本次畢業(yè)設(shè)計所使用的設(shè)定閾值的方法就是簡單的試驗，通過不斷試驗求出離邊緣較接近的灰度和，但有一定得誤差，需要以后進行改進。再就是看自己的造化了，動手做一些小工具，特別是自己平常需要的，對自己的提高也應該是很有幫助。VC的核心就是MFC，MFC是個C++類庫，就像結(jié)構(gòu)化程序設(shè)計時代的C語言函數(shù)庫一樣 ，給程序員提供了豐富的編程接口，簡化了程序的設(shè)計?，F(xiàn)在畢業(yè)設(shè)計已接近尾聲，我總結(jié)了自己編程方面的感受。 MessageBox(str1)。 Get_top_left()。}說明：此時固定數(shù)值238與380為矩形芯片圖像的寬度和長度。2）簡單代碼如下：OnDraw(){pDCMoveTo(m_top,0)。//閾值二 for(j=BH。amp。 int y1,y2。//截距點橫向掃描時：最優(yōu)K一定后，橫向掃描的斜率根據(jù)垂直定律和坐標平移原理得出即為K。amp。 r=xx1。j++) { m_check1[j]=。下圖為求BW的過程，縱向掃描時，橫坐標i為位圖高度所在的方向，縱坐標j為位圖寬度所在的方向。//差分 if(max_grad d) { max_grad = d。1)不同斜率下，不同截距的直線上的灰度值的和求出之后，通過差分法（即前一像素和減去后一像素和）來比較，求出像素和變化最大的點，此時所返回的k_num就是最優(yōu)k所需要的。 p=m_buffer+((m_heighti)*m_width+x2)*bytes。 //掃描時的直線方程 x1=int(x)。 for(j=1。//灰度值 T1 +=(1r)*(*p)。//灰度值13if(bytes==1)//如果是8位灰度圖，就輸出灰度值sprintf(message,x=%3d y=%3d gray=%3d,*p)。2）在CBmp256View文件中，如果緩沖區(qū)不為空，通過OnDraw函數(shù)調(diào)用ShowBuffer函數(shù)把緩沖區(qū)中的圖像顯示在內(nèi)存設(shè)備環(huán)境中。 包括：,得出邊緣所在直線的截距. .模塊三：求出芯片與水平線的夾角和芯片中心坐標。使用兩個掩模板組成邊緣檢測器時，通常取較大得幅度作為輸出值。因此，在通常情況下，在對圖像進行拉普拉斯算子進行邊緣處理前，應先對圖像進行平滑濾波器處理，一般采用的是高斯濾波器。 Prewitt邊緣檢測算子在一個較大區(qū)域中，用兩點的偏導數(shù)值來求梯度幅度值，受噪聲干擾很大。在圖像的任何一點使用此算子，將會產(chǎn)生對應的梯度矢量或是其法矢量。對這種變化最有用的兩個特征是灰度的變化率和方向，它們分別以梯度向量的幅度和方向來表示。閾值越低，能夠檢測出的邊線越多，結(jié)果也就越容易受到圖片噪聲的影響，并且越容易從圖像中挑出不相關(guān)的特性。這實質(zhì)上是亮度梯度的變化率。這些特征包括物體光學度、幾何、物理等的不連續(xù)性。在BMP位圖中，位圖每行的灰度值要填充到一個四字節(jié)邊界，即位圖每行所占的存儲長度為四字節(jié)的倍數(shù)，不足時將多余位用0填充。它是信息科學和人工智能的重要組成部分，主要應用領(lǐng)域是圖像分析與處理、語音識別、聲音分類、通信、計算機輔助診斷、數(shù)據(jù)挖掘等學科。圖像增強的方法分為空域法和頻域法兩類，空域法主要是對圖像中的各個像素點進行操作；而頻域法是在圖像的某個變換域內(nèi)，對圖像進行操作，修改變換后的系數(shù)，例如傅里葉變換、DCT變換等的系數(shù)，然后再進行反變換得到處理后的圖像。點運算：主要針對圖像的像素進行加減乘除等運算。這才是Visual C++和整個Visual Studio的精華和靈魂，雖然我們很少能直接接觸到它。我們也知道，Developer Studio并不是專門用于VC的，它也同樣用于VB，VJ，VID等Visual Studio家族的其他同胞兄弟。有經(jīng)驗的讀者肯定清楚，編寫程序總是要和各種句柄打交道的，句柄是系統(tǒng)用來標識不同對象類型的工具，如窗口、菜單等，這些東西在系統(tǒng)中被視為不同類型的對象，用不同的句柄將他們區(qū)分開來。需要注意的是：進程是程序動態(tài)的描述，而上面說到的程序是靜態(tài)的描述，兩者有本質(zhì)的區(qū)別。三是在已經(jīng)得到的矩形芯片圖片的邊緣與輪廓的基礎(chǔ)上,利用計算機編程技術(shù)對得到的參數(shù)數(shù)據(jù)進行研究，分析出芯片中心坐標和芯片與水平線的夾角，為后期的準確焊接提供數(shù)據(jù)支持。 基于數(shù)字圖像的研究國內(nèi)已有很多例子，例如基于SPCA563B芯片的圖像識別系統(tǒng)，是凌陽科技公司推出的一顆用于圖像識別領(lǐng)域的IC，不僅具有一般單片機的控制功能，而且具有圖像識別與處理能力。廣泛應用在遙感、宇宙觀測、影像醫(yī)學、1通信、刑偵及多種工業(yè)領(lǐng)域。20世紀20年代，圖像處理首次得到應用。數(shù)字圖像處理取得的另一個巨大成就是在醫(yī)學上獲得的成果。圖象處理的主要內(nèi)容有：圖像的采集、增強、復原、變換、編碼、重建、分割、配準、嵌拼、融合、特征提取、模式識別和圖像理解。、圖表要求：1）文字通順，語言流暢，書寫字跡工整，打印字體及大小符合要求，無錯別字，不準請他人代寫2）工程設(shè)計類題目的圖紙，要求部分用尺規(guī)繪制，部分用計算機繪制，所有圖紙應符合國家技術(shù)標準規(guī)范。除了文中特別加以標注引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本研究提供過幫助和做出過貢獻的個人或集體，均已在文中作了明確的說明并表示了謝意。涉密論文按學校規(guī)定處理。 Center coor