【正文】 起點 { if(m_check2[j]YU2) f3=j。 } return (f3)。//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。1）在得到矩形邊緣所在直線在縱坐標上的截距點后，根據(jù)已知的斜率，由點斜式公式在OnDraw函數(shù)中畫出矩形的邊。m_top=LSUM()。m_left=HSUM()。2）簡單代碼如下：OnDraw(){pDCMoveTo(m_top,0)。 //畫出已知的一條縱向直線，為矩形的一條邊pDCLineTo(int(k*m_height+m_top),m_height)。 pDCMoveTo(m_top238,0)。//在離已知縱向直線固定距離處畫平行的另外一條邊pDCLineTo(int(k*m_height+m_top238),m_height)。 pDCMoveTo(0,m_left)。 畫出已知的一條橫向直線，為矩形的一條邊pDCLineTo(m_width,int(m_left(k*m_width)))。pDCMoveTo(0,m_left380)。 在離已知縱向直線固定距離處畫平行的另外一條邊pDCLineTo(m_width,int(m_left380(k*m_width)))。}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。通過平行原理，根據(jù)其中一條邊已確定求出平行于矩形芯片的另一條邊，這是矩形芯片的形狀優(yōu)勢所在。203）： 矩形芯片偏角的計算 1）最優(yōu)K求出以后，根據(jù)斜率與角度的數(shù)學關系求出該位圖的偏角：偏角= atan(斜率)*180/并通過MessageBox輸出結果2）偽代碼如下：degree=int(atan(k)*180/)。//偏角(該矩形芯片的偏角為 %d 度.,degree)。MessageBox(str2)。3）邊緣檢測后，輸出該位圖的偏角。 偏角對話框 矩形芯片中心坐標的計算21 1）在已知斜率和截距點的前提下，求出平行于矩形兩長邊并且截距等于兩長邊在縱坐標上的截距之差的1/2時的直線，同理，再求出平行于矩形兩短邊并且截距等于兩短邊在縱坐標上的截距之差的1/2時的直線，兩條直線的方程形成方程組，求出兩直線的交點，即為矩形芯片的中心坐標。=k*x+ H_ju =k*y+ L_ju 得出的（x,y）即為中心坐標即（H_center,L_center）2）偽代碼如下int H_ju,L_ju,H_center,L_center。 Get_top_left()。 H_ju=m_top238/2。 L_ju=m_left380/2。 k_no = OptimalK(m_check)。 k=float(+k_no*float(DELTA_K))。 H_center=int((k/(k*k+1))*L_ju+(1/(k*k+1))*H_ju)。 L_center=int((k)*H_center+L_ju)。 (該矩形芯片的中心坐標 ( %d , %d ).,H_center,L_center)。 MessageBox(str1)。3）邊緣檢測后，輸出該位圖的中心坐標。 中心坐標對話框 功能總結 本課題的算法是通過掃描位圖信息，得到矩形芯片邊緣的四條直線，由這四條規(guī)則的直線可以得出中心坐標和夾角，是一個方便而又有效的算法。當然其中也不乏有閾值確定時的誤差，需要大量的實驗驗證才能精確，同時閾值設定的算法很簡單，仍需改進?？偟膩碚f，本算法實現(xiàn)了任務預期的結果，達到了最終的目的。21第五章 小結與感受 VC++編程感受 通過做畢設這幾個月對VC的學習，對windows編程逐步熟悉起來，同時也認識到學習就是一個循序漸進的過程，所以，堅持最終要，只要堅持住了，就會有收獲，一點一點的積累就好，時間也是很重要的，沒有實踐，只是不會從理論過渡到一個應用的過程，沒有實際的操作，就不可能把知識掌握牢。在沒有熟練C、C＋＋及編程思想前，一定不要接觸VC的圖形界面編程和MFC類庫，否則你就會對VC望而卻步的。由于畢業(yè)設計的需要我必須從頭學VC界面編程和使用MFC類庫,當然之前C++是必須要有一定基礎的，這樣才能學起來不算太難?，F(xiàn)在畢業(yè)設計已接近尾聲，我總結了自己編程方面的感受。我認為首先在有了一定的編程基礎后，看別人的程序，尤其是好程序，是非常有益的，其幫助也會很大。不過在這同時你一定要動手去編，不然只能算是你看明白了或者“懂”了，而不能說你會了、“掌握”了，這之間有很大的差別。當然，我并不否認讀程序，其實“看別人的”和“自己寫 ”幾乎同等重要。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。其實學習就是這樣：看看，記記，然后就掌握了。有時看別人一個程序，能解決自己長期的困惑。 通過近幾個月的學習VC這個工具，對它的熟悉也不斷提高，對它的方便之處深有體會，在這個過程中，啟發(fā)出了不少的想法，也對大學中學習到的知識或多或少的進行了復習，也不乏是個好的學習的機會。VC的核心就是MFC，MFC是個C++類庫，就像結構化程序設計時代的C語言函數(shù)庫一樣 ，給程序員提供了豐富的編程接口，簡化了程序的設計。 而MFC就是直接把WINDOWS的C語言編程接口API函數(shù)用C++的類封裝而成！ 這樣既實現(xiàn)了面向對象的編程思想，又直接使用了WINDOWS的原始編程接口，代碼的效率是 最高的，開發(fā)Window程序就是如何調用這些DLL，對于C程序員，,這些東西和一些文檔就構成SDK,DDK。他們在任何支持DLL調用的開發(fā)環(huán)境中都可以使用（即函數(shù)指針）。，但并不是專用名稱。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，他們三個方面應該說是相對比較獨立的。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。所以在我看來，學習的過程22可以是這樣的，先學習C或C++，在windows的console環(huán)境下編寫不太深入涉及API的程序；在基本上掌握了語法之后，開始接觸簡單的系統(tǒng)API，學習Windows的編程原理和機制；在可以編寫簡單的菜單程序，可以簡單地在WM_PAINT下操作GDI函數(shù)后，開始學習MFC，可以從Step tourist學起，看MFC的源代碼，理解幾個關鍵的宏的定義與實現(xiàn)，特別是MESSAGE MAP。在學習的過程中為了給自己增加點挑戰(zhàn)，盡量不要使用resource edit，試著自己編碼實現(xiàn)控件的創(chuàng)建，消息的響應。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。 本芯片定位方法的意義本課題的重點是熟練掌握visual c++編程工具，及圖像的讀入及識別，掌握數(shù)字圖像處理的基本方法。基于數(shù)字圖像的矩形芯片的定位研究內容有兩大塊。第一塊主要是研究并實現(xiàn)邊緣檢測算法；第二塊主要是研究并實現(xiàn)矩形芯片中心的計算算法。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。 本芯片定位方法的優(yōu)點本芯片在定位時所用的邊緣檢測算法對矩形的特定形狀有很大的優(yōu)點，只要確定一條直線就能確定整個矩形的一個邊緣，而且得到矩形的四條邊所在的直線后，就能很容易的求出矩形的中心坐標。由于對矩形芯片進行邊緣檢測和輪廓提取時需要求得中心坐標，而重心坐標的計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準直線形的，所以以往教材書上所設計出來的算法如Roberts算子、Prewitt算子、Sobel算子檢測，以及拉普拉斯算子有它的經典之處，僅僅是不適合這樣的矩形邊緣檢測而已。 本研究有待改進的地方本課題雖然實現(xiàn)了矩形的定位，但在邊緣檢測時還是有一定的誤差，在邊緣掃描時設定閾值的方法上還需進一步的改進。本次畢業(yè)設計所使用的設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。通過這次畢業(yè)設計使得我對圖像識別這項技術了有了一些了解，而我做的畢業(yè)設計雖然說是完成了任務書中的目的，但是離實際的應用還有很遠的差距。在此，我僅僅是在這項技術中出了一些微不足道的力量。23結束語 　　24參考文獻[1] C++數(shù)字圖像處理[M].北京:人民郵電出版社,2002年[2] [M].北京:清華大學出版社,2003年[3] ++圖像處理程序設計[M].北京:清華大學出版社,2004年[4] 求是科技編著。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。數(shù)字圖像處理學[M].北京：北京電子工業(yè)出版社 2007[6] —Visual C++實現(xiàn)[M].北京:北京希望電子出版社,2002.[7] 劉榴娣,劉明奇,黨長民,[M].北京:北京理工大學出版社,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,1982.2