【文章內(nèi)容簡介】 所示：%使運動目標進行閉合 (進行背景差的時候閾值T=40) %先腐蝕邊緣膨脹填充膨脹三次se90=strel(39。line39。,3,90)。se0=strel(39。line39。,3,0)。bwero=imerode(M,se90)。%figure,imshow(bwero)。 medge=edge(bwero,39。sobel39。)。%figure,imshow(medge)。MM=imdilate(medge,[se90 se0])。%figure,imshow(MM)。bwfil=imfill(MM,39。holes39。)。%figure,imshow(bwfil)。mdil1=imdilate(bwfil,[se90 se0])。%figure,imshow(mdil1)。mdil2=imdilate(mdil1,[se90 se0])。%figure,imshow(mdil2)。mdil3=imdilate(mdil2,[se90 se0])。figure,imshow(mdil3)。 結果如下圖所示：%標記計算面積去除小的面積區(qū)域（重新標記）[L,num] = bwlabel(mdil3,8)。stats = regionprops(L,39。Area39。)。allArea = []。idx = find([] 300)。 %第30幀的時候700都可以BW2 = ismember(L,idx)。figure,imshow(double(BW2))。[LL,NN] = bwlabel(BW2,8)。 %重新標記 figure,imshow(I_g)。for i=1:NN[x,y]=find(LL==i)。left=min(y)。 right=max(y)。top=min(x)。 botton=max(x)。hold onrectangle(39。Position39。,[left top rightleft bottontop],39。LineWidth39。,2)。end結果如下圖所示：按照以上程序?qū)D二處理： ： 結果1 結果2 結果3 結果4 結果5 結果6 結果7源程序中三次開運算清晰地表示了對圖像陰影進行檢測的過程；陰影處理使得圖像陰影能夠準確的檢測出來。陰影檢測是數(shù)學形態(tài)學在圖像處理方面的重要應用，通過設計算法和經(jīng)過MATLAB實現(xiàn)，可見對圖像進行陰影檢測和濾波是對圖像的有效預處理，在理論與實踐中都有重大的意義。 總結應用數(shù)學形態(tài)學進行圖象處理是當今計算機科學中最具有前景的領域之一，圖象技術有非常廣的應用，而數(shù)學形態(tài)學是圖象處理中的重要方法之一。數(shù)學形態(tài)學的基本理論和方法在醫(yī)學成象、顯微鏡學、生物學、機器人視覺、自動字符讀取、金相學、地質(zhì)學、冶金學、遙感技術等諸多領域都取得了非常成功的應用。本文首先對數(shù)字圖像處理進行了簡單的說明，從最基本的理論入手，對圖像分割的傳統(tǒng)算子進行了述說，進而引出了數(shù)學形態(tài)學的圖像處理方法。介紹了二值圖象的形態(tài)學處理的基本算子，對其特性進行了分析，并且研究了圖象的形態(tài)分析算法:腐蝕、膨脹、開運算和閉運算等形態(tài)學算法。舉出了數(shù)學形態(tài)學在邊緣檢測、圖像分割及濾波方面的應用實例，并進行了算法與圖像分析。最后，本文還設計一種簡單的圖像邊緣檢測的算法及MATLAB實現(xiàn)。 智能視頻監(jiān)控領域、影視技術、多媒體應用技術中，常常需要檢測出人體或其它物體，并將其與背景分離，即解決實時背景下目標的分割問題。視頻圖像的目標分割結果，將對目標分類、跟蹤及行為理解等后續(xù)處理產(chǎn)生重要影響。圖像分割多年里一直受到研究人員的重視，也提出了數(shù)以千計的算法?，F(xiàn)今比較流行的目標分割的方法，有不少是忽略陰影檢測的，目標總是與陰影一起被檢測出來。陰影會引起目標的合并、目標形狀的失真等一些嚴重問題，引起分割和跟蹤錯誤。由于陰影直接影響目標的檢測，成為影響后續(xù)處理效果的關鍵因素，有必要進一步研究。為了使陰影檢測結果更加準確和魯棒,提出了一種基于區(qū)域的運動陰影檢測方法。該方法從陰影具有的物理特性出發(fā),考慮了區(qū)域內(nèi)所有像素的總體特征。將每幀圖像進行合理的分塊,并且采用基于梯度的方法對運動區(qū)域邊緣的小塊進行合并。對每個小塊根據(jù)陰影區(qū)域和對應的背景區(qū)域之間具有較強的結構相似性和色度近似性的特點進行陰影檢測。初步實驗表明,陰影檢測準確率超過90%,其結果明顯比基于顏色不變量的方法有效。該方法能夠準確而魯棒地檢測出運動陰影。 致 謝 畢業(yè)設計已經(jīng)落稿，回想這次畢業(yè)設計的過程，有過松懈，有過努力，有過失敗，有過成功，給我的大學生活又增添了絢麗的一筆。畢業(yè)設計是一次全新的自主式的學習，它不同于平時的課堂學習，它要求我們自己找資料，自己探求如何進展課題。在這期間我遇到了許多麻煩和困難，欒老師總是耐心的幫助我，在開題時，向我介紹了課題的選材依據(jù)，為我開展課題指明了方向；進展過程中，欒老師向我們許多有價值的文獻資料，每個星期，安排的我們的問答，為我們解決很多問題；在最后的算法編程中，欒老師更是極大的幫助了我，欒老師為人謙虛，學識淵博,治學嚴謹，這次畢業(yè)設計的順利的完成離不開欒老師的諄諄教導，在此，我感謝指導我的欒老師。我還有感謝系領導和老師對我們的關懷，感謝實驗室老師，他們?yōu)槲覀兲峁┝肆己玫膶W習環(huán)境和實驗環(huán)境。我也感謝，同學對我的幫助和支持。最后，衷心感謝在百忙之中評閱論文和參加答辯的各位專家，教授！ 祖軍 2010年5月于合肥 參考文獻(References)[1] CucchiaraR,GranaC,PiccardiM, shadow suppression in moving objectdetection with HSV color information [A]. ProcIEEE IntConf Intelligent Trans Systems[C].Oakland:IEEE, 339.[2] PratiA,MikicI,TrivediM M, movingshadows:Algorithms and evaluation[J].IEEE TransonPAMI,2003,25(7):918 923.[3] HorprasertT,HarwoodD, approachforrealtime robust background subtraction and shadowdetection [A].ProcIEEE IntConf Computer Vision39。99FRAMERATE Workshop [C]. Kerkyra: IEEE, 19.[4] HsiehJW,HuW F,ChangCJ,For effective moving object detection by Gaussian shadowmodeling[J].IntJ Image and Vision Computing,2003,21:505 516.[5] Salvador E, Cavallaro S, EbrahimiT. Cast shadowSegmentation using invariant color features[J].ComputerVision and Image Understanding,2004,95:238 259.[6] NadimiS, models for moving shadow andObject detection invideo[J].IEEETransonPAMI,2004,26(8):1079[7].MATLAB使用詳解 董霖 電子工業(yè)出版社 [8].MATLAB數(shù)字圖像處理 張德豐等編著． 北京：機械工業(yè)出版社，2009[9].結合二值形態(tài)學的圖象邊緣檢測方法及其MATLAB實現(xiàn) 周山 華東師范大學 2008[10].基于數(shù)學形態(tài)學的彩色圖像處理研究 張起麗 西北大學 2009[11].圖像工程（上冊）圖像處理 章毓晉 北京：清華大學出版社 2006[12]. 王家文 :國防工業(yè)出版社 [13].數(shù)字圖像處理技術與應用 1997[14].MATLABR2007基礎教程 劉輝穎編著 清華大學出版社 2008[15].數(shù)字圖像處理（第二版）岡薩雷斯．電子工業(yè)出版社，2007．8[16].一種基于紋理的牌照圖象二值化方法 葉晨洲，廖金周 微型電腦應用，1999Design of a GPS data logger device with streetlevel map interface AbstractThe Global Positioning System (GPS) has now bee a widely used aid to navigation and it is monly used in many navigational applications such as land surveying, shipping, piloting, route guidance, map making, study of earthquakes, precise time reference, and hobbies and games such as geocaching. One of the problems with the early GPS system was its low accuracy which prevented it to be used in applications requiring high accuracy, such as piloting and streetlevel route guidance. With the Recent introduction of the sophisticated error correction techniques such as the WAAS/EGNOS, the horizontal accuracy of a GPS system is nowadays around 10m. This study describes the design of a microcontroller based GPS data logger device with Secure Data (SD) card storage and Google Map mapping interface. The device collects the user coordinates in a file on an SD card, and then the Google Map software is used to draw the track of the user on a streetlevel map.Keywords: Data logger。 GPS。 GPS based data logger。 Streetlevel map 1. Introduction The Global Positioning System (GPS) is a satellite based navigation system [1], [2], [3], [4] and [5] developed by the USA Department of Defence. The first GPS system was tested in 1960s usin