【正文】 由于對(duì)矩形芯片進(jìn)行邊緣檢測(cè)和輪廓提取時(shí)需要求得中心坐標(biāo)，而重心坐標(biāo)的計(jì)算需要知道邊緣直線的具體形式，因此必須要求矩形的邊是封閉且是標(biāo)準(zhǔn)直線形的，所以以往教材書上所設(shè)計(jì)出來(lái)的算法如Roberts算子、Prewitt算子、Sobel算子檢測(cè)，以及拉普拉斯算子有它的經(jīng)典之處，僅僅是不適合這樣的矩形邊緣檢測(cè)而已。有時(shí)看別人一個(gè)程序，能解決自己長(zhǎng)期的困惑。 L_center=int((k)*H_center+L_ju)。pDCMoveTo(0,m_left380)。//直線上的灰度值之和 m_check2[j] +=T2。im_width。 p=m_buffer+((m_heighti)*m_width+x2)*bytes。4）簡(jiǎn)要代碼實(shí)現(xiàn)：縱向掃描時(shí)：（最優(yōu)K已確定）for(j=1。jm_width2。amp。m=K_NUM。bytes=m_InfoHeaderbiBitCount/8。本課題總共分為以下幾個(gè)模塊：模塊一：讀入矩形芯片的圖像，得到圖像的坐標(biāo)和每個(gè)坐標(biāo)對(duì)應(yīng)的RGB值。根據(jù)圖像邊緣處的一階微分（梯度）是極限值點(diǎn)，圖像邊緣處的二階微分應(yīng)為零，確定過零點(diǎn)的位置要比確定極值點(diǎn)容易得多，而且比較精確。 Sobel邊緣檢測(cè)算子 索貝爾算子（Sobel operator）是圖像處理中的算子之一，主要用作邊緣檢測(cè)。如果 I(x) 表示點(diǎn) x 的亮度，I′′(x) 表示點(diǎn) x 亮度的二階導(dǎo)數(shù)，那么同樣許多算法也使用卷積掩碼快速處理圖像數(shù)據(jù)。常見的邊緣點(diǎn)有：階梯型邊緣（Stepedge），即從一個(gè)灰度（或線性灰度）到達(dá)比它高（或低）很多的另一個(gè)灰度；屋頂型邊緣（Roofedge），它的灰度是慢慢增加（減少）到一定程度然后慢慢減小（增加）；線性邊緣（Lineedge），它是灰度線性變換中出現(xiàn)的灰度脈沖。由于圖像數(shù)據(jù)量的龐大,在存儲(chǔ)、傳輸、處理時(shí)非常困難,因此圖像數(shù)據(jù)的壓縮就顯得非常重要。數(shù)字圖像從數(shù)學(xué)的角度其實(shí)就是一個(gè)二維矩陣, 因此數(shù)字圖像處理本質(zhì)上就是矩陣運(yùn)算.通常所說的數(shù)字圖像處理是指計(jì)算機(jī)對(duì)圖像信息的處理?！isual C++它大概可以分成三個(gè)主要的部分：　1． Developer Studio，這是一個(gè)集成開發(fā)環(huán)境，我們?nèi)粘９ぷ鞯?9%都是在它上面完成的，再加上它的標(biāo)題赫然寫著“Microsoft Visual C++”，所以很多人理所當(dāng)然的認(rèn)為，那就是Visual C++了。 ⒉程序：通常說的程序都是指一個(gè)能讓計(jì)算機(jī)識(shí)別的文件。數(shù)字圖像處理技術(shù)在航空航天、工業(yè)生產(chǎn)、醫(yī)療診斷、資源環(huán)境、氣象及交通監(jiān)測(cè)、文化教育等領(lǐng)域有著廣泛的應(yīng)用，創(chuàng)造了巨額社會(huì)價(jià)值；同時(shí)還遠(yuǎn)遠(yuǎn)不能滿足社會(huì)需求，自身也在不斷完善和發(fā)展，有很多新的方面要探索。很多發(fā)達(dá)國(guó)家投入更多的人力、物力到這項(xiàng)研究，取得了不少重要的研究成果。 Angle。作 者 簽 名：　　 　 　　日　 期：　　 　 　　 指導(dǎo)教師簽名：　　 　 　　 日　　期：　　 　 　　 使用授權(quán)說明本人完全了解 大學(xué)關(guān)于收集、保存、使用畢業(yè)設(shè)計(jì)（論文）的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版本；學(xué)校有權(quán)保存畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學(xué)校可以采用影印、縮印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為目的前提下，學(xué)?？梢怨颊撐牡牟糠只蛉?jī)?nèi)容。：任務(wù)書、開題報(bào)告、外文譯文、譯文原文（復(fù)印件）。他們對(duì)航天探測(cè)器在1964年發(fā)回的幾千張?jiān)虑蛘掌褂昧藞D像處理技術(shù)，為人類登月創(chuàng)舉奠定了堅(jiān)實(shí)的基礎(chǔ)，也推動(dòng)了數(shù)字圖像處理這門學(xué)科的誕生。主要用于圖像變換、量測(cè)、模式識(shí)別、模擬以及圖像產(chǎn)生。二是針對(duì)矩形芯片的特征設(shè)計(jì)邊緣檢測(cè)算法，得到圖像的邊緣并把邊緣提取出來(lái)。通常一個(gè)句柄就可以傳遞我們所要做的事情。3． Platform SDK。圖像增強(qiáng)不考慮圖像質(zhì)量下降的原因，只將圖像中感興趣的特征有選擇的突出，而衰減不需要的特征，它的目的主要是提高圖像的可懂度。典型的BMP圖像文件由三部分組成：位圖文件頭數(shù)據(jù)結(jié)構(gòu)，它包含BMP圖像文件的類型、顯示內(nèi)容等信息；位圖信息數(shù)據(jù)結(jié)構(gòu)，它包含有BMP圖像的寬、高、壓縮方法，以及定義顏色等信息。6其它一些邊緣檢測(cè)操作是基于亮度的二階導(dǎo)數(shù)。 四種典型邊緣檢測(cè)算子如果一個(gè)像素落在圖像中某一個(gè)物體的邊界上，那么它的鄰域?qū)⒊蔀橐粋€(gè)灰度級(jí)變化的帶?！　? （）　如果以上的角度等于零，即代表圖像該處擁有縱向邊緣，并且左方較右方暗。其它三個(gè)算子，都是3*3算子，對(duì)灰度漸變和噪聲較多的圖像處理得較好。(m_buffer,m_InfoHeaderbiWidth*m_InfoHeaderbiHeight)為位圖分配一定空間的緩沖區(qū)。即：p=m_buffer+((m_heighti)*m_width+x1)*bytes。15 x=float(k*i+j)。然后根據(jù)差分法求出灰度和變化最大的k值就是最優(yōu)K。1）BH和BW的確定：BW為縱向掃描時(shí)需要檢測(cè)的高度，BH為橫向掃描時(shí)需要檢測(cè)高度的起點(diǎn)。 x2=int(x)+1。 } return (f2)。//灰度值 if(y10 amp。m_left=HSUM()。=k*x+ H_ju =k*y+ L_ju 得出的（x,y）即為中心坐標(biāo)即（H_center,L_center）2）偽代碼如下int H_ju,L_ju,H_center,L_center。由于畢業(yè)設(shè)計(jì)的需要我必須從頭學(xué)VC界面編程和使用MFC類庫(kù),當(dāng)然之前C++是必須要有一定基礎(chǔ)的，這樣才能學(xué)起來(lái)不算太難。在學(xué)習(xí)的過程中為了給自己增加點(diǎn)挑戰(zhàn)，盡量不要使用resource edit，試著自己編碼實(shí)現(xiàn)控件的創(chuàng)建，消息的響應(yīng)。數(shù)字圖像處理學(xué)[M].北京：北京電子工業(yè)出版社 2007[6] —Visual C++實(shí)現(xiàn)[M].北京:北京希望電子出版社,2002.[7] 劉榴娣,劉明奇,黨長(zhǎng)民,[M].北京:北京理工大學(xué)出版社,1998[8] Sonka, M., V. Hlavac, R. Boyle: Image Processing, Analysis, and Machine Vision, 2d edition[D], PWS Publ. at BrooksCole Publ. Co, ITP, Pacific Grove, CA, 1998[9]Dimov, ., 2001. Using an Exact Performance of Hough Transform for Image TextSegmentation[C] //Proceedings ICIP’2001, IEEE International Conference on Image Processing, Oct. 710, 2001, Thessaloniki, Greece, , pp. 778781.[10]Rosenfeld A,Kak A [J].余英林,:人民郵電出版社,1982.25。VC是MS開發(fā)的，所以針對(duì)的是windows API，你可以不會(huì)C++，也可以在VC下用C語(yǔ)言寫出優(yōu)秀的程序，當(dāng)然如果你比較熟練C++，并且熟悉開發(fā)包MFC的話，工作可能要輕松不少。21第五章 小結(jié)與感受 VC++編程感受 通過做畢設(shè)這幾個(gè)月對(duì)VC的學(xué)習(xí)，對(duì)windows編程逐步熟悉起來(lái)，同時(shí)也認(rèn)識(shí)到學(xué)習(xí)就是一個(gè)循序漸進(jìn)的過程，所以，堅(jiān)持最終要，只要堅(jiān)持住了，就會(huì)有收獲，一點(diǎn)一點(diǎn)的積累就好，時(shí)間也是很重要的，沒有實(shí)踐，只是不會(huì)從理論過渡到一個(gè)應(yīng)用的過程，沒有實(shí)際的操作，就不可能把知識(shí)掌握牢。3）邊緣檢測(cè)后，輸出該位圖的偏角。1）在得到矩形邊緣所在直線在縱坐標(biāo)上的截距點(diǎn)后，根據(jù)已知的斜率，由點(diǎn)斜式公式在OnDraw函數(shù)中畫出矩形的邊。//s為lameda T2=0。jBW。 x=float(k*i+j)。此算法同于求最優(yōu)K時(shí)的掃描算法。 //直線上的灰度值之和 } } }最后得到的是不同斜率下，不同截距的直線上的灰度值的和。i+=1) //橫向的像素點(diǎn) { float x,r?？v向掃描時(shí)的邊緣檢測(cè)原理同理于橫向掃描?；叶葓D使用比較方便，首先RGB值都一樣，其次圖像數(shù)據(jù)即調(diào)色板索引值，也就是實(shí)際的RGB的亮度值。它們看起來(lái)像一個(gè)繪畫者從圖片中做出的線條畫。Gx= and Gy= Sobel邊緣算子圖像的每一個(gè)像素的橫向及縱向梯度近似值可用（）公式結(jié)合，來(lái)計(jì)算梯度的大小。一旦找到了一個(gè)開始點(diǎn)，我們?cè)趫D像上逐點(diǎn)跟蹤邊緣路徑，當(dāng)大于門檻下限時(shí)一直紀(jì)錄邊緣位置，直到數(shù)值小于下限之后才停止紀(jì)錄。使用這個(gè)信息我們能夠在圖像的亮度梯度中搜尋峰值。BMP文件存儲(chǔ)數(shù)據(jù)時(shí)，圖像的掃描方式是按從左到右、從下到上的順序。因此圖像質(zhì)量不可避免的降低了，輕者表現(xiàn)為圖像不干凈，難于看清細(xì)節(jié)；重者表現(xiàn)為圖像模糊不清，連概貌也看不出來(lái)。不過，Visual C++本來(lái)就是為MFC打造的，Visual C++中的許多特征和語(yǔ)言擴(kuò)展也是為MFC而設(shè)計(jì)4的，所以用Visual C++而不用MFC就等于拋棄了Visual C++中很大的一部分功能?！　、妒录簭乃淖置嬉馑嘉覀兙涂梢悦靼姿暮x，如在程序運(yùn)行的過程中改變窗口的大小或者移動(dòng)窗口等，都會(huì)觸發(fā)相應(yīng)的“事件”。本課題是基于數(shù)字圖像的矩形芯片的定位研究，主要通過對(duì)芯片在電路板上的掃描圖像，識(shí)別圖像的外觀、形態(tài)及坐標(biāo)，利用正確的算法計(jì)算芯片在電路板上放置的正確性，從而達(dá)到芯片正確焊接的目的。隨著技術(shù)的發(fā)展，數(shù)字圖像處理主要應(yīng)用于通訊技術(shù)、宇宙探索遙感技術(shù)和生物工程等領(lǐng)域。輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像。涉密論文按學(xué)校規(guī)定處理。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫的成果作品。圖象處理的主要內(nèi)容有：圖像的采集、增強(qiáng)、復(fù)原、變換、編碼、重建、分割、配準(zhǔn)、嵌拼、融合、特征提取、模式識(shí)別和圖像理解。20世紀(jì)20年代，圖像處理首次得到應(yīng)用。 基于數(shù)字圖像的研究國(guó)內(nèi)已有很多例子，例如基于SPCA563B芯片的圖像識(shí)別系統(tǒng)，是凌陽(yáng)科技公司推出的一顆用于圖像識(shí)別領(lǐng)域的IC，不僅具有一般單片機(jī)的控制功能，而且具有圖像識(shí)別與處理能力。需要注意的是：進(jìn)程是程序動(dòng)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。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。點(diǎn)運(yùn)算：主要針對(duì)圖像的像素進(jìn)行加減乘除等運(yùn)算。它是信息科學(xué)和人工智能的重要組成部分，主要應(yīng)用領(lǐng)域是圖像分析與處理、語(yǔ)音識(shí)別、聲音分類