【正文】 由于對 矩形芯片 進(jìn)行邊緣檢測和輪廓提取 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)出來的算法如 Roberts 算子、 Prewitt 算子、 Sobel 算子檢測，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 而已。有時(shí)看別人一個(gè)程序，能解決自己長期的困惑。 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 。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?。ㄔ黾樱?；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、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)對圖像信息的處理。 Visual 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?99%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)識別的文件，接觸得最多的便是 .exe 型的可執(zhí)行文件。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、文化教育等領(lǐng)域有著廣泛的應(yīng)用，創(chuàng)造了 巨額社會價(jià)值；同時(shí)還遠(yuǎn)遠(yuǎn)不能滿足社會需求，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)?？梢圆捎糜坝?、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)校可以公布論文的部分或全部內(nèi)容。 ：任務(wù)書、開題報(bào)告、外文譯文、譯文 原文（復(fù)印件）。他們對航天探測器在 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、模式識別、模擬以及圖像產(chǎn)生。 二 是針對矩形芯片的特征設(shè)計(jì)邊緣檢測算法，得到圖像的邊緣并把邊緣提取出來。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。其它一些邊緣檢測操作是基于亮度的二階導(dǎo)數(shù)。 四 種典型邊緣檢測算子 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)灰度級變化的帶。 ? ?xyGGar c tan?? （ ） 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。 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) 需要檢測的高度 ， BH 為 橫向掃描時(shí) 需要檢測高度的起點(diǎn) 。 x2=int(x)+1。 } return (f2)。//灰度值 if(y10 amp。 m_left=HSUM()。 由方程組 =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 ,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 20xx [6] 郎銳 .數(shù)字圖像處理學(xué) — Visual C++實(shí)現(xiàn) [M].北京 :北京希望電子出版社 ,20xx. [7] 劉榴娣 ,劉明奇 ,黨長民 ,等 .實(shí)用數(shù)字圖像處理 [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, ., 20xx. Using an Exact Performance of Hough Transform for Image Text Segmentation[C] //Proceedings ICIP’20xx, IEEE International Conference on Image Processing, Oct. 710, 20xx, Thessaloniki, Greece, , pp. 778781. [10]Rosenfeld A,Kak A [J].余英林 ,譯 .北京 :人民郵電出版社 ,1982. 。 VC 是 MS 開發(fā)的，所以針對的是 windows API，你可以 不會 C++，也可以在 VC 下用 C 語言 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。 基于數(shù)字圖像的矩形芯片定位方法研究與實(shí)現(xiàn) 22 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 VC 的 學(xué)習(xí)，對 windows 編程逐步熟悉起來，同時(shí)也認(rèn)識到 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，就不可能把知識掌握牢。 3） 邊緣檢測后，點(diǎn)擊偏角即得如圖 所示的 對話框，輸出該位圖的偏角。 邊界提取方案 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 基于數(shù)字圖像的矩形芯片定位方法研究與實(shí)現(xiàn) 16 } } } 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。縱向掃描時(shí)的邊緣檢測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 起來像一個(gè)繪畫者從圖片中 做 出的線條畫。 Gx= A*101202101???????????????? and Gy= A*121000121???????????????? 圖 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，來計(jì)算梯度的大小。一旦找到了一個(gè)開始點(diǎn)，我們在圖像上逐點(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。不過，Visual C++本來就是為 MFC 打造的， Visual C++中的許多特征和語言擴(kuò)展也是為 MFC 而設(shè)計(jì)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。 ⒍ 事件： 從它的字面意思我們就可以明白它的含義，如在程序運(yùn)行的過程中改變窗口的大小或者移動窗口等，都會觸發(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(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、模式識別和 圖像 理解。 20世紀(jì) 20年代，圖像處理首次得到應(yīng)用。 矩形芯片研究的實(shí)際意義 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(jī)的控制功能，而且具有圖像識別與處理能力。 需要注意的是：進(jìn)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。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、語音識別、聲音分類、通信、計(jì)算機(jī)輔助診斷、數(shù)據(jù)挖掘等學(xué)科。 這些特征包括物體光學(xué)度、幾何、物理等的不連續(xù)性。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。在圖像的任何一點(diǎn)使用此算子，將會產(chǎn)生對應(yīng)的梯度矢量或是其法矢量 。因此，在通常情況下，在對圖像進(jìn)行拉普拉斯算子進(jìn)行邊緣處理前，應(yīng)先對圖像進(jìn)行平滑濾波器處理，一般采用的是高斯濾波器。 包括： K 的計(jì)算 . ,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(biāo) 。//灰度值基于數(shù)字圖像的矩形芯片定位方法研究與實(shí)現(xiàn) 14 if(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)。 for(j=1。 p=m_buffer+((m_heighti)*m_width+x2)*byt