【正文】 索連通性理論與技術(shù)的研究提出，微小塑料齒輪的二值圖像噪聲點(diǎn)去除及齒輪輪廓提取方法，用數(shù)學(xué)形態(tài)學(xué)方法提出輪廓的簡(jiǎn)化算法采用邊緣濾波器對(duì)圖像進(jìn)行去噪處理。要求： 對(duì)圖像進(jìn)行二值化處理，確定閾值 采用Robot邊緣檢測(cè)算法進(jìn)行邊緣提取齒輪的輪廓 分別統(tǒng)計(jì)出大齒輪和小齒輪上面齒的個(gè)數(shù)和每個(gè)齒輪上齒之間的角度。39基于MATLAB的燃油噴霧圖像處理方法主要內(nèi)容：基于MATLAB的燃油噴霧圖像處理方法對(duì)霧圖像進(jìn)行分割和濾波處理，將多幅圖像轉(zhuǎn)換融合為一幅比較清楚的二值圖像提取其輪廓圖MATLAB程序來(lái)分析處理燃油噴霧圖像。要求：1）運(yùn)用直方圖均化函數(shù)histeq處理，使圖像細(xì)節(jié)更加清楚，然后設(shè)置閾值。2）對(duì)灰度圖像進(jìn)行LOG算子濾波，進(jìn)行邊緣檢測(cè)，提取邊界點(diǎn)然后進(jìn)行擬合。圖片： 原圖像 二值化后的圖像 最終的圖像40基于數(shù)字圖像處理的答題卡識(shí)別方法主要內(nèi)容：利用基于Hough變換的直線檢測(cè)技術(shù)檢測(cè)圖像的傾斜。對(duì)存在傾斜的圖像進(jìn)行旋轉(zhuǎn)校正，最終實(shí)現(xiàn)答題卡的定位和檢測(cè)。實(shí)驗(yàn)步驟：檢測(cè)圖像傾斜度及旋轉(zhuǎn)校正Hough變換檢測(cè)圖像中自線的傾角以及校正步驟如:1) 讀取整幅圖像，將彩色圖像變?yōu)榛叶葓D像.2) 將圖像變?yōu)槎祱D像。3) 對(duì)圖像進(jìn)行Hough變換。4) 找到Hough變換域空間的峰值。5) 判斷找到的峰值所對(duì)應(yīng)的是否為答題卡圖像中的直線。答題卡的識(shí)別找到答題卡中每一個(gè)選項(xiàng)的坐標(biāo)，然后統(tǒng)計(jì)以該坐標(biāo)為左頂點(diǎn)的矩形區(qū)域的灰度值總和。如果這個(gè)值小于某個(gè)閾值，則判斷該選項(xiàng)為黑，就是該選項(xiàng)已涂。實(shí)驗(yàn)圖片：41利用圖像處理技術(shù)檢測(cè)糧倉(cāng)害蟲(chóng)的研究?jī)?nèi)容：根據(jù)資料顯示,全世界每年至少有5%的糧食被害蟲(chóng)糟踏。我國(guó)總存儲(chǔ)糧食量約為4750億kg,%，、識(shí)別和怎樣有效地殺死害蟲(chóng)的研究,新的測(cè)蟲(chóng)、殺蟲(chóng)方法不斷出現(xiàn). 在檢測(cè)害蟲(chóng)方面，國(guó)內(nèi)技術(shù)還比較落后。隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展,數(shù)字圖像處理及模式識(shí)別技術(shù)在害蟲(chóng)檢測(cè)方面也得到一定程度的發(fā)展與應(yīng)用。 要求：找出糧食當(dāng)中的害蟲(chóng)位置，并統(tǒng)計(jì)出害蟲(chóng)的個(gè)數(shù)。提示：進(jìn)行通常的濾波、去噪、增強(qiáng)預(yù)處理；采用基于圖像直方圖統(tǒng)計(jì)信息的閾值處理算法對(duì)圖像進(jìn)行快速的二值化方法處理。42二維條碼識(shí)別內(nèi)容：在信息時(shí)代,信息流日益成為物流系統(tǒng)的重要組成部分,ADC(Automatic Data Capture自動(dòng)化數(shù)據(jù)采集)技術(shù)是信息采集和處理的關(guān)鍵技術(shù),傳統(tǒng)的一維條碼由于受信息容量的限制,即使條碼符號(hào)有污點(diǎn)、殘缺也能被識(shí)出.要求：對(duì)給出的傾斜條碼進(jìn)行校正和旋轉(zhuǎn)；定位出圖像上的條碼；在條碼中分割出單個(gè)碼字符號(hào)圖像；對(duì)分割出的單個(gè)碼字符號(hào)進(jìn)行識(shí)別。圖143利基于連通域分析的木頭個(gè)數(shù)檢測(cè)要求：利用連通域分析算法檢測(cè)出圖像中所有木頭個(gè)數(shù)（未在圖像中完全顯示的木頭不算）。連通域分析算法就是對(duì)當(dāng)前像素點(diǎn)的連通域內(nèi)其他像素進(jìn)行判讀，如果與當(dāng)前像素相同則認(rèn)為是同一目標(biāo)。遍歷整個(gè)圖像則可以統(tǒng)計(jì)出圖像內(nèi)的所有目標(biāo)。按照此想法完成木頭個(gè)數(shù)的檢測(cè)。試驗(yàn)圖片：參考步驟：（1）利用圖像分割將所有木頭從背景中提取出來(lái) （2）對(duì)分割后的圖像進(jìn)行邊緣檢測(cè)，將邊緣在圖像中不封閉的木頭濾除（3）對(duì)處理后的圖像進(jìn)行連通域分析 （4）統(tǒng)計(jì)木頭個(gè)數(shù)44 打靶環(huán)數(shù)檢測(cè)要求： 通過(guò)對(duì)靶板圖像進(jìn)行識(shí)別，完成自動(dòng)報(bào)靶的功能。每?jī)蓚€(gè)環(huán)之間的距離是已知的，靶心坐標(biāo)也是已知的，判斷出彈孔位置處在多少環(huán)。除了對(duì)彈孔位置進(jìn)行識(shí)別，而且還要統(tǒng)計(jì)出中靶的彈孔個(gè)數(shù)，以及中靶的平均成績(jī)。原靶板圖像和帶彈孔靶板圖像均為已知圖像。 圖a 圖b 參考步驟：（1） 檢測(cè)出b圖中所有彈孔的位置，可采用背景建模的方法，或者霍夫變換。（2） 統(tǒng)計(jì)出彈孔的個(gè)數(shù)，可采用連通域分析算法。（3） 檢測(cè)出每個(gè)彈孔的圓心，作為鑒別打靶的環(huán)數(shù)，可采用質(zhì)心算法（4） 計(jì)算出彈孔圓心到靶心的距離，以此判斷彈孔圓心處于幾環(huán)的范圍內(nèi)（5） 統(tǒng)計(jì)所有彈孔環(huán)數(shù)，計(jì)算出平均環(huán)數(shù) 45 零件磨損程度檢測(cè)要求：圖1為零件無(wú)磨損的圖片，圖2中白色區(qū)域?yàn)槟p區(qū)域，兩條紅線距離為磨損寬度，兩條藍(lán)線之間的距離磨損深度，左側(cè)綠線為零件軸線，右側(cè)綠線為磨損位置，圖3為試驗(yàn)圖片。要求在試驗(yàn)圖片中求出磨損寬度，深度以及位置，其中零件軸線位置已知。 圖1 圖2圖3參考步驟：（1） 利用邊緣檢測(cè)算法確定零件磨損區(qū)域（2） 判斷出磨損區(qū)域的邊界范圍，求出寬度與深度（3） 對(duì)磨損區(qū)域進(jìn)行求質(zhì)心，確定磨損位置。46鐘表識(shí)別要求：對(duì)自己的手表拍照，完成識(shí)別出鐘表顯示時(shí)間的功能，要求識(shí)別出的時(shí)間精確到秒。對(duì)時(shí)間的識(shí)別可通過(guò)3個(gè)表針的位置和角度進(jìn)行確定。試驗(yàn)圖片：參考步驟：（1） 利用圖像分割和邊緣閾值，得到3根表針的位置（2） 通過(guò)表針的長(zhǎng)度不同區(qū)分出時(shí)針、分針和秒針（3） 通過(guò)表針的起始點(diǎn)坐標(biāo)得到表針指向的角度，得到對(duì)應(yīng)地刻度（4） 計(jì)算出當(dāng)前時(shí)刻的時(shí)間47 找出兩幅圖像中不同的地方，并在不同處用方框標(biāo)出要求：對(duì)兩幅找茬圖像進(jìn)行對(duì)比，找出圖像中不同的地方，并在不同處用方框標(biāo)出。試驗(yàn)圖片 參考步驟：（1） 對(duì)左右兩幅圖像進(jìn)行幀相減（2） 統(tǒng)計(jì)不同處的個(gè)數(shù)、位置坐標(biāo)以及不同區(qū)域的大?。?） 在所有不同區(qū)域按照目標(biāo)大小向外擴(kuò)5個(gè)像素的地方用紅色線畫出方框（4） 不同方法圖像融合的比較48應(yīng)用MATLAB軟件進(jìn)行兩幅圖像的融合。主要內(nèi)容：圖像融合的目的把來(lái)自多傳感器的數(shù)據(jù)互補(bǔ)信息合并成一幅新的圖像,以改善圖像的質(zhì)量。圖像融合最簡(jiǎn)單的理解就是兩個(gè)（或多個(gè)）圖像間的相加運(yùn)算。這一技術(shù)廣泛應(yīng)用于多頻譜圖像理解和醫(yī)學(xué)圖像處理等領(lǐng)域。主要分為空域和頻域相加。方法有：1圖像直接融合；2圖像傅立葉變換融合；3圖像小波變換融合。要求：讀取兩幅圖像，分別對(duì)兩幅圖像進(jìn)行融合，比較3種融和結(jié)果，分析優(yōu)缺點(diǎn)。 49微笑捕捉識(shí)別系統(tǒng)要求：讀取數(shù)張人臉圖像，對(duì)面部進(jìn)行識(shí)別，當(dāng)人臉出現(xiàn)微笑表情時(shí)，指示框變成綠色，如下圖所示。 50鈔票檢測(cè)軟件要求：自己拍攝數(shù)張不同面值鈔票，編寫程序進(jìn)行圖像的逐幀讀取，通過(guò)算法識(shí)別不同面值人民幣，最后統(tǒng)計(jì)總額。例如：有3張100元，2張50元，1張20元，最后軟件顯示總額為420元。