边界跟踪算法

⑴ 矢量与栅格数据怎样转化

栅格数据转换为矢量数据，需要将离散的栅格单元转化为独立表达的点线多边形，特征的属性取决于栅格单元的属性。转化的关键是正确识别点数据单元 边界数据单元 节点和角点单元，并对构成特征的数据单元进行拓扑化处理。
矢量数据转换为栅格数据，需要根据设定的栅格分辨率将矢量数据的空间特征转换为离散的栅格单元，即将地图坐标转换为栅格单元的行列号，栅格单元的属性通过属性赋值获得。
栅格数据更容易产生颜色编码的多边形地图，矢量数据更容易进行边界跟踪处理。

⑵ 求MATLAB代码

MATLAB实用源代码
1图像的读取及旋转
A=imread('');%读取图像
subplot(2,2,1),imshow(A),title('原始图像');%输出图像
I=rgb2gray（A）;
subplot(2,2,2),imshow(A),title('灰度图像');
subplot(2,2,3),imhist(I),title('灰度图像直方图');%输出原图直方图
theta = 30;J = imrotate(I,theta);% Try varying the angle, theta.
subplot(2,2,4)， imshow(J),title(‘旋转图像’)
2边缘检测
I=imread('C:\Users\HP\Desktop\平时总结\路飞.jpg');
subplot(2,2,1),imshow(I),title('原始图像');
I1=edge(I,'sobel');
subplot(2,2,2),imshow(I1),title('sobel边缘检测');
I2=edge(I,'prewitt');
subplot(2,2,3),imshow(I2),title（'prewitt边缘检测'）;
I3=edge(I,'log');
subplot(2,2,4),imshow(I3),title（'log边缘检测'）;
3图像反转
MATLAB 程序实现如下：
I=imread('xian.bmp');
J=double(I);
J=-J+(256-1);%图像反转线性变换
H=uint8(J);
subplot(1,2,1),imshow(I);
subplot(1,2,2),imshow(H);
4.灰度线性变换
MATLAB 程序实现如下：
I=imread('xian.bmp');
subplot(2,2,1),imshow(I);
title('原始图像');
axis([50,250,50,200]);
axis on;%显示坐标系
I1=rgb2gray(I);
subplot(2,2,2),imshow(I1);
title('灰度图像');
axis([50,250,50,200]);
axis on; %显示坐标系
J=imadjust(I1,[0.1 0.5],[]); %局部拉伸，把[0.1 0.5]内的灰度拉伸为[0 1]
subplot(2,2,3),imshow(J);
title('线性变换图像[0.1 0.5]');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
K=imadjust(I1,[0.3 0.7],[]); %局部拉伸，把[0.3 0.7]内的灰度拉伸为[0 1]
subplot(2,2,4),imshow(K);
title('线性变换图像[0.3 0.7]');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
5.非线性变换
MATLAB 程序实现如下：
I=imread('xian.bmp');
I1=rgb2gray(I);
subplot(1,2,1),imshow(I1);
title(' 灰度图像');
axis([50,250,50,200]);
grid on;%显示网格线
axis on;%显示坐标系
J=double(I1);
J=40*(log(J+1));
H=uint8(J);
subplot(1,2,2),imshow(H);
title(' 对数变换图像');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
4.直方图均衡化
MATLAB 程序实现如下：
I=imread('xian.bmp');
I=rgb2gray(I);
figure;
subplot(2,2,1);
imshow(I);
subplot(2,2,2);
imhist(I);
I1=histeq(I);
figure;
subplot(2,2,1);
imshow(I1);
subplot(2,2,2);
imhist(I1);
5. 线性平滑滤波器
用MATLAB实现领域平均法抑制噪声程序：
I=imread('xian.bmp');
subplot(231)
imshow(I)
title('原始图像')
I=rgb2gray(I);
I1=imnoise(I,'salt & pepper',0.02);
subplot(232)
imshow(I1)
title(' 添加椒盐噪声的图像')
k1=filter2(fspecial('average',3),I1)/255; %进行3*3模板平滑滤波
k2=filter2(fspecial('average',5),I1)/255; %进行5*5模板平滑滤波k3=filter2(fspecial('average',7),I1)/255; %进行7*7模板平滑滤波
k4=filter2(fspecial('average',9),I1)/255; %进行9*9模板平滑滤波
subplot(233),imshow(k1);title('3*3 模板平滑滤波');
subplot(234),imshow(k2);title('5*5 模板平滑滤波');
subplot(235),imshow(k3);title('7*7 模板平滑滤波');
subplot(236),imshow(k4);title('9*9 模板平滑滤波');
6.中值滤波器
用MATLAB实现中值滤波程序如下：
I=imread('xian.bmp');
I=rgb2gray(I);
J=imnoise(I,'salt&pepper',0.02);
subplot(231),imshow(I);title('原图像');
subplot(232),imshow(J);title('添加椒盐噪声图像');
k1=medfilt2(J); %进行3*3模板中值滤波
k2=medfilt2(J,[5,5]); %进行5*5模板中值滤波
k3=medfilt2(J,[7,7]); %进行7*7模板中值滤波
k4=medfilt2(J,[9,9]); %进行9*9模板中值滤波
subplot(233),imshow(k1);title('3*3模板中值滤波');
subplot(234),imshow(k2);title('5*5模板中值滤波 ');
subplot(235),imshow(k3);title('7*7模板中值滤波');
subplot(236),imshow(k4);title('9*9 模板中值滤波');
7.用Sobel算子和拉普拉斯对图像锐化：
I=imread('xian.bmp');
subplot(2,2,1),imshow(I);
title('原始图像');
axis([50,250,50,200]);
grid on; %显示网格线
axis on;%显示坐标系
I1=im2bw(I);
subplot(2,2,2),imshow(I1);
title('二值图像');
axis([50,250,50,200]);
grid on;%显示网格线
axis on;%显示坐标系
H=fspecial('sobel');%选择sobel算子
J=filter2(H,I1); %卷积运算
subplot(2,2,3),imshow(J);
title('sobel算子锐化图像');
axis([50,250,50,200]);
grid on; %显示网格线
axis on;%显示坐标系
h=[0 1 0,1 -4 1,0 1 0]; %拉普拉斯算子
J1=conv2(I1,h,'same');%卷积运算
subplot(2,2,4),imshow(J1);
title('拉普拉斯算子锐化图像');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
8.梯度算子检测边缘
用 MATLAB实现如下：
I=imread('xian.bmp');
subplot(2,3,1);
imshow(I);
title('原始图像');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
I1=im2bw(I);
subplot(2,3,2);
imshow(I1);
title('二值图像');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
I2=edge(I1,'roberts');
figure;
subplot(2,3,3);
imshow(I2);
title('roberts算子分割结果');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
I3=edge(I1,'sobel');
subplot(2,3,4);
imshow(I3);
title('sobel算子分割结果');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
I4=edge(I1,'Prewitt');
subplot(2,3,5);
imshow(I4);
title('Prewitt算子分割结果 ');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
9.LOG算子检测边缘
用 MATLAB程序实现如下：
I=imread('xian.bmp');
subplot(2,2,1);
imshow(I);
title('原始图像');
I1=rgb2gray(I);
subplot(2,2,2);
imshow(I1);
title('灰度图像');
I2=edge(I1,'log');
subplot(2,2,3);
imshow(I2);
title('log算子分割结果');
10.Canny算子检测边 缘
用MATLAB程序实现如下：
I=imread('xian.bmp');
subplot(2,2,1);
imshow(I);
title('原始图像')
I1=rgb2gray(I);
subplot(2,2,2);
imshow(I1);
title('灰度图像');
I2=edge(I1,'canny');
subplot(2,2,3);
imshow(I2);
title('canny算子分割结果');
11.边界跟踪 （bwtraceboundary函数）
clc
clear all
I=imread('xian.bmp');
figure
imshow(I);
title('原始图像');
I1=rgb2gray(I); %将彩色图像转化灰度图像
threshold=graythresh(I1); %计算将灰度图像转化为二值图像所需的门限
BW=im2bw(I1, threshold); %将灰度图像转化为二值图像
figure
imshow(BW);
title('二值图像');
dim=size(BW);
col=round(dim(2)/2)-90; %计算起始点列坐标
row=find(BW(:,col),1); %计算起始点行坐标
connectivity=8;
num_points=180;
contour=bwtraceboundary(BW,[row,col],'N',connectivity,num_points);
%提取边界
figure
imshow(I1);
hold on;
plot(contour(:,2),contour(:,1), 'g','LineWidth' ,2);
title('边界跟踪图像');
12.Hough变换
I= imread('xian.bmp');
rotI=rgb2gray(I);
subplot(2,2,1);
imshow(rotI);
title('灰度图像');
axis([50,250,50,200]);
grid on;
axis on;
BW=edge(rotI,'prewitt');
subplot(2,2,2);
imshow(BW);
title('prewitt算子边缘检测 后图像');
axis([50,250,50,200]);
grid on;
axis on;
[H,T,R]=hough(BW);
subplot(2,2,3);
imshow(H,[],'XData',T,'YData',R,'InitialMagnification','fit');
title('霍夫变换图');
xlabel('\theta'),ylabel('\rho');
axis on , axis normal, hold on;
P=houghpeaks(H,5,'threshold',ceil(0.3*max(H(:))));
x=T(P(:,2));y=R(P(:,1));
plot(x,y,'s','color','white');
lines=houghlines(BW,T,R,P,'FillGap',5,'MinLength',7);
subplot(2,2,4);,imshow(rotI);
title('霍夫变换图像检测');
axis([50,250,50,200]);
grid on;
axis on;
hold on;
max_len=0;
for k=1:length(lines)
xy=[lines(k).point1;lines(k).point2];
plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','green');
plot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow');
plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','red');
len=norm(lines(k).point1-lines(k).point2);
if(len>max_len)
max_len=len;
xy_long=xy;
end
end
plot(xy_long(:,1),xy_long(:,2),'LineWidth',2,'Color','cyan');
13.直方图阈值法
用 MATLAB实现直方图阈值法：
I=imread('xian.bmp');
I1=rgb2gray(I);
figure;
subplot(2,2,1);
imshow(I1);
title(' 灰度图像')
axis([50,250,50,200]);
grid on;%显示网格线
axis on; %显示坐标系
[m,n]=size(I1);%测量图像尺寸参数
GP=zeros(1,256); %预创建存放灰度出现概率的向量
for k=0:255
GP(k+1)=length(find(I1==k))/(m*n);%计算每级灰度出现的概率，将其存入GP中相应位置
end
subplot(2,2,2),bar(0:255,GP,'g')%绘制直方图
title('灰度直方图')
xlabel('灰度值')
ylabel(' 出现概率')
I2=im2bw(I,150/255);
subplot(2,2,3),imshow(I2);
title('阈值150的分割图像')
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
I3=im2bw(I,200/255); %
subplot(2,2,4),imshow(I3);
title('阈值200的分割图像')
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
14. 自动阈值法：Otsu法
用MATLAB实现Otsu算法：
clc
clear all
I=imread('xian.bmp');
subplot(1,2,1),imshow(I);
title('原始图像')
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
level=graythresh(I); %确定灰度阈值
BW=im2bw(I,level);
subplot(1,2,2),imshow(BW);
title('Otsu 法阈值分割图像')
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
15.膨胀操作
I=imread('xian.bmp'); %载入图像
I1=rgb2gray(I);
subplot(1,2,1);
imshow(I1);
title('灰度图像')
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
se=strel('disk',1); %生成圆形结构元素
I2=imdilate(I1,se); %用生成的结构元素对图像进行膨胀
subplot(1,2,2);
imshow(I2);
title(' 膨胀后图像');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
16.腐蚀操作
MATLAB 实现腐蚀操作
I=imread('xian.bmp'); %载入图像
I1=rgb2gray(I);
subplot(1,2,1);
imshow(I1);
title('灰度图像')
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
se=strel('disk',1); %生成圆形结构元素
I2=imerode(I1,se); %用生成的结构元素对图像进行腐蚀
subplot(1,2,2);
imshow(I2);
title('腐蚀后图像');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
17.开启和闭合操作
用 MATLAB实现开启和闭合操作
I=imread('xian.bmp'); %载入图像
subplot(2,2,1),imshow(I);
title('原始图像');
axis([50,250,50,200]);
axis on; %显示坐标系
I1=rgb2gray(I);
subplot(2,2,2),imshow(I1);
title('灰度图像');
axis([50,250,50,200]);
axis on; %显示坐标系
se=strel('disk',1); %采用半径为1的圆作为结构元素
I2=imopen(I1,se); %开启操作
I3=imclose(I1,se); %闭合操作
subplot(2,2,3),imshow(I2);
title('开启运算后图像');
axis([50,250,50,200]);
axis on; %显示坐标系
subplot(2,2,4),imshow(I3);
title('闭合运算后图像');
axis([50,250,50,200]);
axis on; %显示坐标系
18.开启和闭合组合操作
I=imread('xian.bmp');%载入图像
subplot(3,2,1),imshow(I);
title('原始图像');
axis([50,250,50,200]);
axis on;%显示坐标系
I1=rgb2gray(I);
subplot(3,2,2),imshow(I1);
title('灰度图像');
axis([50,250,50,200]);
axis on;%显示坐标系
se=strel('disk',1);
I2=imopen(I1,se);%开启操作
I3=imclose(I1,se);%闭合操作
subplot(3,2,3),imshow(I2);
title('开启运算后图像');
axis([50,250,50,200]);
axis on;%显示坐标系
subplot(3,2,4),imshow(I3);
title('闭合运算后图像');
axis([50,250,50,200]);
axis on;%显示坐标系
se=strel('disk',1);
I4=imopen(I1,se);
I5=imclose(I4,se);
subplot(3,2,5),imshow(I5);%开—闭运算图像
title('开—闭运算图像');
axis([50,250,50,200]);
axis on;%显示坐标系
I6=imclose(I1,se);
I7=imopen(I6,se);
subplot(3,2,6),imshow(I7);%闭—开运算图像
title('闭—开运算图像');
axis([50,250,50,200]);
axis on;%显示坐标系
19.形态学边界提取
利用 MATLAB实现如下：
I=imread('xian.bmp');%载入图像
subplot(1,3,1),imshow(I);
title('原始图像');
axis([50,250,50,200]);
grid on;%显示网格线
axis on;%显示坐标系
I1=im2bw(I);
subplot(1,3,2),imshow(I1);
title('二值化图像');
axis([50,250,50,200]);
grid on;%显示网格线
axis on;%显示坐标系
I2=bwperim(I1); %获取区域的周长
subplot(1,3,3),imshow(I2);
title('边界周长的二值图像');
axis([50,250,50,200]);
grid on;
axis on;
20.形态学骨架提取
利用MATLAB实现如下：
I=imread('xian.bmp');
subplot(2,2,1),imshow(I);
title('原始图像');
axis([50,250,50,200]);
axis on;
I1=im2bw(I);
subplot(2,2,2),imshow(I1);
title('二值图像');
axis([50,250,50,200]);
axis on;
I2=bwmorph(I1,'skel',1);
subplot(2,2,3),imshow(I2);
title('1次骨架提取');
axis([50,250,50,200]);
axis on;
I3=bwmorph(I1,'skel',2);
subplot(2,2,4),imshow(I3);
title('2次骨架提取');
axis([50,250,50,200]);
axis on;
21.直接提取四个顶点坐标
I = imread('xian.bmp');
I = I(:,:,1);
BW=im2bw(I);
figure
imshow(~BW)
[x,y]=getpts
平滑滤波
h=fspecial('average',9);
I_gray=imfilter(I_gray,h,'replicate');%平滑滤波

⑶ 步态识别的软件算法

根据医学和心理学等学科的研究表明：人可以感知步态，并可以通过步态进行人的身份认证。尤其自“911事件”以来，使得远距离的身份识别研究备受关注。而与其他生物特征识别相比，步态识别的突出特点主要是能远距离识别。因此，步态识别的研究，己越来越引起国内外学者的关注。目前，己研究出的步态识别的软件算法有如下几种：
对于每个步态序列而言，一种改进的背景减除技术被使用来提取人的空间轮廓。这些轮廓的边缘，被逆时针方向展开为一系列相对于质心的距离模板。这些模板特征通过使用主元统计分析方法来训练，从而得出步态形状的变化模式在特征空间中的轨迹表达。识别时，采用了时空相关匹配方法和基于归一化欧氏距离的最近邻规则，并引入了相应于个人的体形等生理特征的融合，以用于必要的步态分类校验。
该算法来源于“从行走运动的时空模式中可学习人体的外观模型”的观点。对于每个序列而言，背景减除过程用来提取行人的运动轮廓，这些轮廓随时间的姿态变化在二维空间中被对应描述为一个序列的复数配置(Complex Configuration)。利用Procrustes形状分析方法，从该序列配置中获取主轮廓模型作为人体的静态外观特征。实验结果表明，该算法获得了令人鼓舞的识别性能。
该算法来源于“人体行走运动很大程度上依赖于轮廓随着时间的形状变化”的直观想法。对于每个序列而言，背景减除与轮廓相关方法用于检测和跟踪行人的运动轮廓，这些时变的二维轮廓形状被转换为对应的一维距离信号，同时通过特征空间变换来提取低维步态特征。基于时空相关或归一化欧氏距离度量，以及标准的模式分类技术用于最终的识别。实验结果表明，该算法不仅获得了令人满意的识别性能，而且拥有相对较低的计算代价。
该算法来源于“行走运动的关节角度变化包含着丰富的个体识别信息”的思想。首先，结合人体模型、运动模型和运动约束等先验知识，利用Condensation算法进行行人的跟踪。然后，从跟踪结果中获取人体主要关节的角度变化轨迹。这些轨迹经过结构和时间归一化后，作为动态特征而用于身份识别。
这是一种基于新的特征提取方法的自动步态识别算法，该算法仅从腿部的运动进行身份识别。对于每个序列，用一种基于图像色度偏差的背景减除算法来检测运动对象。在经过后处理的二值图像序列中，利用边界跟踪算法获取对象边界，在对象边界图像上，局部应用Hough变换检测大腿和小腿的直线，从而得到大腿和小腿的倾斜角。用最小二乘法将一个周期内的倾斜角序列，拟合成5阶多项式，把Fourier级数展开后得到的相位与振幅的乘积，定义为低维步态特征向量。在小样本的数据库上用Fisher线性分类器验证所研究算法的性能，正确分类率为79.17%，在步态数据库不很理想的情况下也获得了较好的识别率。
基于广义多尺度分析理论，针对不同的应用图像或信号库，得到最优小波分解, 并在人体步态识别中与二维小波矩结合进行应用。在三维物体的表示方面, 作为三维物体的一种无冗余的描述和识别方法，提出了三维小波矩理论。与现存的方法相比，它不但具有平移、缩放和旋转不变性，在径向上还增加了多尺度分析的特性。可以根据不同的需要，提供多层次的特征描述子，同时引进球面调和函数加速算法和小波的Mallat算法后，使小波矩的计算得到了双重加速。有人计划搭建实用的三维物体检索平台，将进一步完善该算法。
此外，有人在基于人体生物特征不仅包含静态外观信息，也包含行走运动的动态信息的思想，提出了一种判决级上融合人体静态和动态特征的身份识别方法。利用此方法在不同融合规则下的实验结果表明，融合后的识别性能均优于使用任何单一模态下的识别性能。

⑷ MATLAB数字图像处理的目录

前言
第1章图像处理与MATLAB2007a简介
1.1概述
1.1.1MATLAB概述
1.1.2数字图像处理技术的内容与发展现状
1.2相关学科和领域
1.2.1数字信号处理学
1.2.2计算机图形学
1.2.3计算机视觉
1.3MATLAB2007a的新功能
1.3.1MATLAB2007a的新特性
1.3.2Simulink6的新特性
1.4MATLAB2007a图像处理
1.4.1MATLAB图像处理应用举例
1.4.2图像处理基本操作
1.4.3图像处理的高级应用
第2章图像的编码和解码
2.1概述
2.1.1图像压缩编码的必要性
2.1.2图像压缩编码的可能性
2.1.3图像压缩编码的评价准则
2.2统计编码
2.2.1信息熵
2.2.2ShannonFano编码
2.2.3哈夫曼编码
2.2.4算术编码
2.2.5行程编码
2.3预测编码
2.4图像的变换编码
2.5数据压缩编码的国际标准
2.5.1JPEG标准
2.5.2MPEG视频编码压缩标准
2.6小结
习题
第3章图像复原
3.1图像复原的基本概念
3.2图像退化模型
3.2.1连续的退化模型
3.2.2离散的退化模型
3.3非约束复原
3.3.1非约束复原的代数方法
3.3.2逆滤波复原法
3.4有约束复原
3.4.1最小二乘类约束复原
3.4.2维纳滤波
3.4.3LucyRichardson滤波复原
3.4.4盲解卷积复原
3.5几种其他图像复原技术
3.5.1几何畸变校正
3.5.2盲目图像复原
3.6运动模糊图像的复原
3.6.1模糊模型
3.6.2水平匀速直线运动引起模糊的复原
3.7小结
习题
第4章图像处理的相关操作
4.1图像类型转换
4.2图像数据结构
4.2.1图像模式
4.2.2颜色空间
4.2.3数据存储的数据结构
4.3线性系统和移不变系统
4.3.1线性系统
4.3.2移不变系统
4.4调用信号分析
4.4.1调谐信号
4.4.2对调谐信号的响应
4.4.3系统传递函数
4.5数字图像的显示特性
4.5.1图像的屏幕显示
4.5.2显示特性
4.5.3数字图像的暂时显示
4.5.4数字图像的永久显示
4.6二维系统及矩阵运算
4.6.1二维线性系统
4.6.2二维位置不变线性系统
4.6.3二维系统的梯度算子
4.6.4常用矩阵运算
4.7图像的块操作
4.7.1边缘操作
4.7_2显示块操作
4.8特定区域处理
4.8.1特定区域
4.8.2特定区域滤波
4.8.3特定区域填充
4.9图像质量评价
4.9.1图像质量的客观评价
4.9.2图像质量的主观评价
习题
第5章图像频域变换
5.1傅里叶变换
5.1.1傅里叶变换的基本概念
5.1.2离散傅里叶变换
5.1.3傅里叶变换的应用
5.2离散余弦变换
5.2.1一维离散余弦变换
5.2.2二维离散余弦变换
5.2.3快速离散余弦变换
5.2.4离散余弦应用
5.3离散沃尔什-哈达玛变换（DWT-DHT）
5.3.1一维离散沃尔什变换
5.3.2二维离散沃尔什变换
5.3.3一维离散哈达玛变换
5.3.4二维离散哈达玛变换
5.3.5离散沃尔什-哈达玛变换的应用举例
5.4K-L变换
5.4.1K-L变换的定义
5.4.2K-L变换的性质
5.5Radon变换
5.5.1Radon变换原理
5.5.2用Radon变换检测直线
5.5.3逆Radon变换及其应用
5.6小波变换
5.6.1传统变换方法的局限性
5.6.2小波变换的基本知识
5.6.3小波变换在图像处理方面的应用及实现
5.7扇形光束投影
5.7.1投影变换的基本概念
5.7.2投影变换函数的应用
习题
第6章图像处理中的代数运算及几何变换
6.1基本运算类型
6.2点运算
6.2.1点运算的种类
6.2.2点运算与直方图
6.2.3点运算的应用
6.3图像的代数运算
6.3.1图像代数的异常处理
6.3.2各种代数运算
6.4几何变换基础
6.4.1齐次坐标
6.4.2齐次坐标的一般表现形式及意义
6.4.3二维图像几何变换的矩阵
6.5各种几何变换
6.5.1图像平移变换
6.5.2图像比例变换
6.5.3图像旋转变换
6.5.4图像镜像变换
6.5.5图像剪切变换
6.5.6图像复合变换
6.5.7透视投影
6.5.8平行投影
6.6灰度级插值
6.6.1最近邻插值法
6.6.2双线性插值法
6.6.3三次内插值法
6.6.4灰度级插值法的MATLAB实现
习题
第7章图像增强
7.1灰度变换增强
7.1.1像素及其统计特性
7.1.2直接灰度变换
7.1.3直方图灰度变换
7.1.4直方图均衡化
7.1.5对比度自适应直方图均衡化
7.1.6去相关拉伸
7.2空间域滤波
7.2.1基本原理
7.2.2平滑滤波
7.2_3锐化滤波
7.3频域滤波增强
7.3.1低通滤波
7.3.2高通滤波
7.3.3带通和带阻滤波器
7.3.4频域滤波的MATLAB实现
7.4同态增晰
7.5彩色图像增强
7.5.1伪彩色增强
7.5.2假彩色增强
7.5.3真彩色增强
习题
第8章图像分割与边缘检测
8.1灰度阈值法
8.1.1图像分割基本原理
8.1.2灰度阈值法分割
8.2边缘检测
8.2.1微分算子
8.2.2拉普拉斯高斯算子（LOG）
8.2.3Canny算子
8.3区域分割
8.3.1区域生长
8.3.2分裂合并
8.3.3水域分割
8.4边界跟踪与直线检查
8.4.1基本原理
8.4.2直线提取算法
8.5基于图像分割的图像分析
8.5.1通过图像分割检测细胞
8.5.2图像粒度测定
8.6彩色图像分割
8.6.1色彩空间
8.6.2彩色分割方法
习题
第9章小波分析及其在MATLAB中的应用
9.1小波变换基础
9.1.1连续小波变换
9.1.2离散小波
9.1.3二进小波变换
9.1.4MATLAB中的小波函数工具箱
9.2小波分析在图像增强中的应用
9.3基于小波的图像降噪和压缩
9.3.1小波的图像压缩技术
9.3.2小波的图像降噪技术
9.4小波的融合技术
9.5小波包在图像边缘检测中的应用
9.6小波包与图像消噪
9.7小结
第10章图像特征的描述
10.1灰度描述
10.1.1幅度特征
10.1.2直方图特征
10.1.3变换系数的特征
10.2纹理分析
10.2.1纹理特征
10.2.2统计法
10.2.3自相关函数法
10.2.4频谱法
10.2.5纹理的句法结构分析法
10.2.6联合概率矩阵法
10.3形状描述
10.3.1链码
10.3.2傅里叶描述子
10.3.3形状特征的描述
10.4区域描述
10.4.1几何特征
10.4.2不变矩
10.5形态分析
10.6区域、对象及特性度量
10.6.1连通区域标记
10.6.2选择对象
10.6.3图像面积
10.6.4欧拉数
10.6.5基于分水岭的图像分割示例
习题
第11章MATLAB图像处理的应用
11.1MATLAB在遥感图像处理中的应用
11.1.1遥感简介
11.1.2利用MATLAB对遥感图像进行直方图匹配
11.1.3对遥感图像进行滤波增强
11.1.4对遥感图像进行融合
11.2MATLAB在医学图像处理中的应用
11.2.1医学成像简介
11.2.2医学图像的灰度变换
11.2.3基于高频强调滤波和直方图均衡化的医学图像增强
习题
附录
附录AMATLAB6.X图像处理工具箱函数
附录BMATLAB7.0图像处理工具箱新增函数
参考文献
……

⑸ 精通MATLAB图像处理的目 录

第1篇 MATLAB入门篇
第1章 MATLAB概述 2
1.1 MATLAB的发展历程 2
1.2 MATLAB的优势与特点 2
1.3 MATLAB系统的构成 4
1.4 MATLAB桌面操作环境 5
1.4.1 启动和退出 5
1.4.2 主菜单及功能 6
1.4.3 命令窗口 9
1.4.4 工作空间 11
1.4.5 M文件编辑/调试器 13
1.4.6 Figure窗口 14
1.4.7 文件管理 16
1.4.8 使用帮助 16
1.5 MATLAB的工具箱 17
1.6 小结 18
第2章 MATLAB基本运算 19
2.1 MATLAB数据类型 19
2.2 数组及其运算 21
2.2.1 数组的创建 21
2.2.2 数组的运算 22
2.3 矩阵及其运算 24
2.3.1 矩阵的创建 24
2.3.2 矩阵的运算 25
2.4 复数及其运算 27
2.4.1 复数的表示 27
2.4.2 复数的绘图 28
2.4.3 复数的操作函数 29
2.5 符号运算 30
2.5.1 符号运算概述 30
2.5.2 常用的符号运算 32
2.6 关系运算和逻辑运算 34
2.7 小结 34
第3章 MATLAB程序设计 35
3.1 程序设计概述 35
3.2 程序设计的基本原则 36
3.3 M文件 37
3.4 程序流程控制 39
3.5 函数及调用 42
3.5.1 函数类型 42
3.5.2 函数参数传递 45
3.6 函数句柄 49
3.7 程序调试 51
3.7.1 常见程序错误 51
3.7.2 调试方法 53
3.7.2 调试工具 54
3.7.3 M文件分析工具 57
3.7.4 Profiler分析工具 58
3.8 程序设计技巧 59
3.8.1 嵌套计算 60
3.8.2 循环计算 61
3.8.3 使用异常处理机制 61
3.8.4 使用全局变量 63
3.8.5 通过varargin传递参数 65
3.9 小结 66
第4章 MATLAB图形绘制 67
4.1 MATLAB中绘图的基本步骤 67
4.2 在工作空间直接绘图 67
4.3 利用绘图函数绘图 68
4.3.1 二维图形 69
4.3.2 三维图形 69
4.4 特殊图形绘制 71
4.4.1 直方图 72
4.4.2 柱状图 73
4.4.3 面积图 74
4.4.4 饼图 75
4.4.5 火柴杆图 76
4.4.6 阶梯图 77
4.4.7 等高线图 78
4.4.8 向量图 79
4.4.9 圆柱体图 81
4.4.10 球面图 82
4.5 图形修饰 83
4.6 小结 85
第5章 MATLAB图像处理基础 86
5.1 MATLAB图像文件的格式 86
5.2 图像类型 86
5.2.1 索引图像 87
5.2.2 灰度图像 88
5.2.3 RGB图像 89
5.2.4 二值图像 90
5.2.5 图像类型转换 91
5.2.6 图像序列 92
5.3 MATLAB中的颜色模型 92
5.3.1 颜色模型的分类 93
5.3.2 颜色模型的转换 94
5.4 图像处理基本函数 95
5.4.1 图像读入和显示 96
5.4.2 图像写回 97
5.4.3 获取图像信息 98
5.5 标准图像显示技术 99
5.5.1 imshow函数 100
5.5.2 显示灰度图像 100
5.5.3 显示二值图像 101
5.5.4 显示索引图像 102
5.5.5 显示真彩图像 102
5.5.6 显示图形文件中的图像 102
5.6 特殊图像显示技术 103
5.6.1 添加颜色条 103
5.6.2 显示多帧图像阵列 103
5.6.3 图像上的区域缩放 103
5.6.4 纹理映射 104
5.6.5 同时显示多幅图像 104
5.7 小结 104
第2篇 图像处理提高篇
第6章 图像的运算 106
6.1 图像的代数运算 106
6.1.1 图像的加运算 106
6.1.2 图像的减运算 107
6.1.3 图像的乘运算 108
6.1.4 图像的除运算 108
6.1.5 图像的一般线性运算 109
6.2 图像的逻辑运算 110
6.3 图像的块和邻域处理 111
6.3.1 滑动邻域操作 111
6.3.2 分离块操作 112
6.3.3 使用列处理加快速度 114
6.4 图像的几何运算 116
6.4.1 图像的插值 116
6.4.2 图像的缩放 117
6.4.3 图像的旋转 117
6.4.4 图像的裁剪 119
6.4.5 图像的一般线性变换 120
6.5 小结 121
第7章 图像的变换 122
7.1 傅里叶变换 122
7.1.1 傅里叶变换的定义 122
7.1.2 傅里叶变换的快速实现 124
7.1.3 傅里叶变换的应用 126
7.2 离散余弦变换（DCT） 128
7.2.1 二维离散余弦变换的定义 128
7.2.2 DCT变换矩阵 129
7.2.3 DCT的实现和图像压缩 129
7.3 Radon变换 131
7.3.1 Radon变换的定义 131
7.3.2 使用Radon变换检测直线 133
7.3.3 逆Radon变换 134
7.4 小结 135
第8章 图像的增强 136
8.1 灰度变换增强 136
8.1.1 图像直方图的含义 136
8.1.2 直方图均衡化 137
8.1.3 灰度值调整到指定范围 138
8.1.4 有限对比自适应直方图
8.1.4 均衡化 140
8.1.5 使用去相关进行色度拉伸 141
8.2 线性滤波器设计 142
8.2.1 卷积 142
8.2.2 相关 143
8.2.3 imfilter函数用于滤波 144
8.2.4 使用预定义的滤波器对
8.2.4 图像滤波 148
8.3 空间域滤波增强 149
8.3.1 图像加入噪声 149
8.3.2 中值滤波器 150
8.3.3 自适应滤波器 151
8.4 频域滤波增强 152
8.4.1 频率变换方法 152
8.4.2 频率抽样法 153
8.4.3 窗函数法 154
8.4.4 创建所需的频率响应矩阵 156
8.4.5 计算滤波器的频率响应 157
8.5 小结 157
第9章 图像的分析 158
9.1 像素值和图像统计量 158
9.1.1 获取像素值 158
9.1.2 创建图像强度曲线 159
9.1.3 显示图像数据的等值线图 161
9.1.4 图像的统计信息 162
9.1.5 图像的局部属性 163
9.2 图像的边界分析 166
9.2.1 边缘检测 166
9.2.2 边界跟踪 168
9.2.3 使用hough变换检测图像
9.2.3 中的直线 171
9.3 四叉树分解 172
9.4 图像的纹理分析 174
9.4.1 纹理分析的函数 174
9.4.2 使用灰度共生矩阵 176
9.5 小结 178
第10章 图像的复原 179
10.1 图像的退化 179
10.1.1 图像退化的原因 179
10.1.2 图像退化的数学模型 179
10.1.3 图像的噪声 181
10.2 图像复原的模型和方法分类 182
10.2.1 图像的复原模型 183
10.2.2 无约束复原方法 183
10.2.3 有约束复原方法 184
10.2.4 复原方法的评估 184
10.3 图像的复原方法 184
10.3.1 维纳滤波 185
10.3.2 规则化滤波 186
10.3.3 Lucy-Richardson滤波 188
10.3.4 盲反卷积 189
10.4 点扩散函数和光学转换函数
10.4 的互相转化 190
10.5 小结 191
第11章 图像的形态学操作 192
11.1 膨胀和腐蚀 192
11.1.1 理解膨胀和腐蚀 192
11.1.2 处理图像边界的像素 193
11.1.3 理解结构元素 193
11.1.4 图像膨胀 197
11.1.5 图像腐蚀 199
11.1.6 膨胀和腐蚀组合 201
11.1.7 以膨胀和腐蚀为基础的
11.1.6 其他操作 203
11.2 数学形态学重建 207
11.2.1 理解标记图像和掩膜图像 207
11.2.2 像素连通性 208
11.2.3 填充操作 210
11.2.4 寻找最大值和最小值 211
11.3 距离变换 217
11.4 对象的标记和测量 220
11.4.1 连通区域的标记 221
11.4.2 选择二值图像中的对象 222
11.4.3 计算二值图像中前景
11.4.3 的面积 223
11.4.4 计算二值图像的欧拉数 224
11.5 查表操作 224
11.5.1 创建一个查询表 224
11.5.2 使用查询表 225
11.6 小结 225
第12章 彩色图像处理 226
12.1 减少彩色图像中的色彩数 226
12.1.1 使用色彩近似 226
12.1.2 使用imapprox函数 230
12.1.3 抖动 231
12.2 色彩空间转换 231
12.3 小结 236
第3篇 综合实战篇
第13章 MATLAB图像重构实战 238
第14章 MATLAB图像增强实战 243
14.1 对比度增强 243
14.2 纠正不均匀的照明 250
14.3 多分辨率彩色图像增强 254
14.4 小结 259
第15章 MATLAB图像配准实战 260
第16章 MATLAB图像去模糊
第16章 实战 264
第17章 MATLAB图像分割实战 272
17.1 基于L*a*b*空间的色彩
17.1 分割 272
17.2 利用图像分割来检测细胞 279
17.3 检测交通视频中的汽车
17.3 目标 282
17.4 在多分辨率图像中检测
17.4 植被 285
17.5 分水岭分割算法 289
17.6 使用纹理滤波器分割图像 295
17.7 小结 298
第18章 MATLAB图像特征提取
第18章 实战 299
18.1 计算运动中单摆的长度 299
18.2 粒度测定 302
18.3 确定圆形目标 305
18.4 测量角度 307
18.5 灰度图像的属性测量 310
18.6 磁带滚动轴半径的测量 313
18.7 小结 316
附录 MATLAB图像处理工具箱
附录 函数详解 317
实例目录
第2章 MATLAB基本运算 19
例2-1 元胞数组创建与显示实例。 20
例2-2 数组创建实例。 22
例2-3 数组运算。 23
例2-4 矩阵创建实例。 24
例2-5 特殊矩阵生成函数使用实例。 25
例2-6 矩阵基本运算实例。 26
例2-7 矩阵函数运算实例。 26
例2-8 矩阵分解运算函数使用实例。 26
例2-9 复数构造实例。 27
例2-10 复数矩阵构造实例。 28
例2-11 复数函数绘图实例。 29
例2-12 符号表达式创建实例。 31
例2-13 微积分的符号运算实例。 33
例2-14 常微分方程符号运算实例。 33
第3章 MATLAB程序设计 35
例3-1 M文件创建实例。 38
例3-2 return语句使用实例。 41
例3-3 匿名函数创建实例。 43
例3-4 显示函数输入和输出参数的
例3-4 数目实例。 46
例3-5 可变数目的参数传递实例。 47
例3-6 函数内部的输入参数修改实例。 48
例3-7 函数参数传递实例。 48
例3-8 全局变量使用实例。 49
例3-9 函数句柄创建和调用实例。 50
例3-10 处理函数句柄的函数使用实例。 50
例3-11 嵌套计算与直接求值的
例3-11 比较实例。 60
例3-12 嵌套计算与非嵌套计算的
例3-12 比较实例。 60
例3-13 异常处理机制使用实例。 62
例3-14 nargin函数应用实例。 63
例3-15 全局变量使用实例。 64
例3-16 通过varargin传递参数的实例。 65
第4章 MATLAB图形绘制 67
例4-1 工作空间直接作图法使用实例。 68
例4-2 二维图形绘制实例。 69
例4-3 三维曲线绘制函数使用实例。 70
例4-4 三维网格曲面图绘制实例。 70
例4-5 阴影曲面绘制函数surf使用实例。 71
例4-6 直方图绘制函数hist使用实例。 72
例4-7 玫瑰图绘制函数rose使用实例。 72
例4-8 柱状图绘制函数bar使用实例。 73
例4-9 三维柱状图函数使用实例。 73
例4-10 面积图绘制函数area使用实例。 74
例4-11 饼图绘制函数pie使用实例。 75
例4-12 绘制饼图应用实例。 75
例4-13 火柴杆图绘制函数stem
例4-13 使用实例。 76
例4-14 stem3函数绘图应用实例。 76
例4-15 阶梯图绘制函数stairs使用实例。 77
例4-16 等高线图绘制函数contour
例4-16 使用实例。 78
例4-17 三维等高线绘制应用实例。 78
例4-18 罗盘图绘制函数compass
例4-18 使用实例。 79
例4-19 羽毛图绘制函数feather
例4-19 使用实例。 80
例4-20 向量场图绘制函数quiver
例4-20 使用实例。 81
例4-21 圆柱体绘制函数cylinder
例4-21 使用实例。 82
例4-22 球面绘制函数sphere使用实例。 82
例4-23 绘图命令使用实例。 84
第5章 MATLAB图像处理基础 86
例5-1 索引图像及颜色表说明实例。 88
例5-2 灰度图像显示。 88
例5-3 RGB图像显示。 90
例5-4 gray2ind函数应用实例。 92
例5-5 rgb2hsv函数应用实例。 95
例5-6 图像读入及显示应用实例。 96
例5-7 图像写回命令应用实例。 97
例5-8 图像信息查询函数应用实例一。 99
例5-9 图像信息查询函数应用实例二。 99
例5-10 显示灰度图像的函数应用实例。 101
例5-11 二值图像显示应用实例。 101
第6章 图像的运算 106
例6-1 图像的加运算。 106
例6-2 图像的减运算。 107
例6-3 图像的乘运算。 108
例6-4 图像的除运算。 109
例6-5 图像的一般线性运算。 109
例6-6 图像的逻辑运算。 110
例6-7 滑动邻域操作。 112
例6-8 分离块操作。 114
例6-9 列处理操作。 115
例6-10 图像的插值。 116
例6-11 图像的缩放。 117
例6-12 图像的旋转。 118
例6-13 图像的交互式裁剪。 119
例6-14 图像的参数式裁剪。 119
例6-15 图像的一般线性变换。 120
第7章 图像的变换 122
例7-1 二维傅里叶变换函数的使用。 125
例7-2 高斯低通滤波器的频率响应。 126
例7-3 傅里叶变换应用于快速卷积。 127
例7-4 确定图像特征的位置。 127
例7-5 离散余弦变换和逆变换。 129
例7-6 DCT用于图像压缩示例。 130
例7-7 两个方向的Radon变换。 132
例7-8 在一幅图像中显示不同方向的
例7-8 Radon变换。 133
例7-9 使用Radon变换来检测直线。 133
例7-10 逆Radon变换重建图像。 135
第8章 图像的增强 136
例8-1 直方图的显示。 136
例8-2 直方图均衡化。 137
例8-3 调整灰度范围。 138
例8-4 imadjust函数用于展现
例8-4 图像的细节。 139
例8-5 用stretchlim函数确定映射
例8-5 的灰度。 139
例8-6 gamma校正。 140
例8-7 有限对比自适应直方图均衡化。 141
例8-8 简单的去相关拉伸操作。 141
例8-9 均值滤波。 145
例8-10 不同的填充选项对比。 147
例8-11 对真彩色图像滤波。 147
例8-12 不同的滤波器对图像进行滤波。 148
例8-13 在图像中加入不同的噪声。 150
例8-14 中值滤波和均值滤波对比。 151
例8-15 wiener2函数自适应滤波。 152
例8-16 一维滤波器转化为二维滤波器。 153
例8-17 用频率抽样法设计二维带
例8-17 通滤波器。 153
例8-18 fwind1函数产生二维滤波器。 154
例8-19 fwind2函数产生二维滤波器。 155
例8-20 理想低通圆形滤波器。 156
例8-21 利用freqz2函数计算频率响应。 157
第9章 图像的分析 158
例9-1 返回指定点坐标的像素值。 158
例9-2 交互式获取像素值。 159
例9-3 返回指定坐标的图像强度曲线。 160
例9-4 交互式获取图像像素强度曲线。 160
例9-5 真彩色图像的像素强度曲线。 161
例9-6 显示等值线。 162
例9-7 计算图像的统计信息。 163
例9-8 求图像区域的质心。 165
例9-9 边缘检测。 168
例9-10 利用bwtraceboundary函数
例9-10 跟踪边界。 169
例9-11 利用bwboundaries函数跟踪
例9-11 外部边界。 170
例9-12 利用bwboundaries函数检测外部
例9-12 边界和内部边界。 170
例9-13 利用hough变换检测图像
例9-13 中的直线。 171
例9-14 矩阵四叉树分解。 173
例9-15 图像的四叉树分解。 173
例9-16 计算图像的局部最大差值。 175
例9-17 计算图像的局部标准差。 175
例9-18 计算图像的局部熵。 176
例9-19 计算矩阵的灰度共生矩阵。 177
例9-20 计算灰度共生矩阵的统计量。 178
第10章 图像的复原 179
例10-1 图像的模糊。 180
例10-2 维纳滤波复原图像。 185
例10-3 规则化复原图像。 187
例10-4 Lucy-Richardson方法复原图像。 188
例10-5 盲反卷积恢复图像。 190
例10-6 点扩散函数和光学转换函数的
例10-6 互相转化。 191
第11章 图像的形态学操作 192
例11-1 二值图像的膨胀。 198
例11-2 灰度图像的膨胀。 198
例11-3 灰度图像的膨胀（图像先取
例11-3 反后膨胀）。 199
例11-4 二值图像的腐蚀。 200
例11-5 灰度图像的腐蚀。 200
例11-6 二值图像的开运算。 201
例11-7 利用imopen函数进行开运算。 202
例11-8 二值图像的关运算。 202
例11-9 图像的骨架提取。 203
例11-10 图像的边缘检测。 204
例11-11 击中击不中操作。 205
例11-12 对图像进行top-hat滤波。 206
例11-13 使用top-hat和bottom-hat
例11-13 滤波对图像进行增强。 206
例11-14 对图像进行孔洞填充。 211
例11-15 确定图像的局部极小值。 214
例11-16 计算简单图像的欧氏距离。 218
例11-17 二维情况下使用不同的距离
例11-17 变换函数求取距离 219
例11-18 三维情况下使用不同的距离
例11-18 变换函数求距离。 220
例11-19 对象的选择。 223
例11-20 计算前景面积增加的比例。 223
例11-21 计算二值图像的欧拉数。 224
例11-22 使用查询表操作。 225
第12章 彩色图像处理 226
例12-1 颜色查找表映射。 230
例12-2 使用imapprox函数减少
例12-2 色彩数。 230
例12-3 使用抖动创建图像。 231
例12-4 从NTSC空间转换到
例12-4 RGB空间。 233
例12-5 RGB空间和YCbCr空间之间
例12-5 的相互转化。 234
例12-6 makecform函数使用方法。 236
第13章 MATLAB图像重构实战 238
例13-1 图像的重构。 238
第14章 MATLAB图像增强实战 243
例14-1 利用最大熵原理进行图像
例14-1 对比度增强。 244
例14-2 对比度增强的主程序。 245
例14-3 纠正不均匀的照明。 250
例14-4 对多分辨率彩色图像进行增强。 254
第15章 MATLAB图像配准实战 260
例15-1 图像配准。 260
第16章 MATLAB图像去模糊实战 264
例16-1 图像去模糊。 264
第17章 MATLAB图像分割实战 272
例17-1 基于L*a*b*空间的色彩分割。 272
例17-2 K均值用于图像分割。 276
例17-3 图像分割用于检测细胞。 279
例17-4 检测运动的汽车。 282
例17-5 在多分辨率图像中检测植被。 286
例17-6 标记分水岭分割算法。 290
例17-7 利用纹理滤波器进行
例17-7 图像分割。 295
第18章 MATLAB图像特征
第18章 提取实战 299
例18-1 计算运动中的摆长。 299
例18-2 粒度测定。 302
例18-3 确定圆形目标。 305
例18-4 测量两条直线的夹角。 307
例18-5 灰度图像的属性计算。 311
例18-6 计算磁带滚动轴的半径。 313

⑹ 做图像处理算法研究需要哪些数学

可以用阈值化技术、边缘检测、边界跟踪等等至于算法，有分水岭算法、各种门限算子灰度门限法（最大类间方差、最大后验概率、最小风险法）

⑺ 二维码可以修复一下，识别出来吗

不可能修复，图像靠的是像素，每个二维码都不一样就是因为每个细节都不一样，修复的也可能变成其他的二维码了或者错误的二维码

⑻ 车牌识别系统的研究背景意义及国内外研究现状

中国车牌的格式与国外有较大差异，所以国外关于识别率的报道只具有参考价值，其在中国的应用效果可能没有在其国内的应用效果好，但其识别系统中采用的很多算法具有很好的借鉴意义。

从车牌识别系统进入中国以来，国内有大量的学者在从事这方面的研究，提出了很多新颖快速的算法。中国科学院自动化所的刘智勇等开发的系统在一个样本量为3180的样本集中，车牌定位准确率为99.42%，切分准确率为94.52%，这套系统后来应用于汉王公司的车牌识别系统，取得了不错的效果。但是包括其他研究人员提出的算法，都存在计算量和存储量大的问题，难以满足实时性的要求。此外，当车辆区域的颜色和附近颜色相近时，定位失误率会增加。国内还有许多学者一直在进行这方面的研究，并且取得了大量的研究成果。

（2）国外研究现状

国外在这方面的研究工作开展较早，在上世纪70年代，英国就在实验室中完成了“实时车牌检测系统”的广域检测和开发。同时代，诞生了面向被盗车辆的第一个实时自动车牌监测系统。进入20世纪90年代后，车牌自动识别的系统化研究开始起步。典型的如特征提取、模板构造和字符识别等三个部分，完成车牌的自动识别。字符识别分析技术分析所获得的图像，首先在二值化图像中找到车牌，然后用边界跟踪技术提取字符特征，再利用统计最邻近分类器与字符库中的字符比较，得出一个或几个车牌候选号码，再对这些号码进行核实检查，确定是否为该车牌号码，最终确定车牌号码。这个时期的应用在识别正确率方面有所突破。

发展到今日，国外对车牌检测的研究已经取得了一些令人瞩目的成就，识别率都在80%以上，甚至有高于90%。并且已经实现了产品化，并在实际的交通系统中得到了广泛的应用。

⑼ 四近的意思

四近的意思：周围邻近的地方。

四近，读音sì jìn，汉语词语，指指君王周围的近臣。周围邻近的地方、形容距离不远之处四近有许多商店。

造句

1、他眼光向四近横扫一遍，就连忙来到她跟前。

2、晴空万里，太阳火辣辣的，四近树子上的知了一个劲聒噪着。

3、没想仅使如此还不算完，一阵马蹄纷响，早有两队骑兵埋伏在四近，等候着这些落网之鱼。

4、而覃鸣珂一不做二不休，率苗兵四处烧杀抢掠，弄得四近鸡飞狗跳，百姓携家带口，四处逃难。

5、分别就八近邻图像和四近邻图像给出了边界跟踪、顶点链码抽取及围线树结构的生成算法。

6、赵家往年都在四近县域接济，不少人都认得赵家少爷，更有甚者是相邻，算是赵斗的旧识。

7、门口一个警察，立在那儿，邱飞扬正欲使眼色，祝东尧觑得四近无人，一个狠拳砸在了那个警察的后脑勺上。

8、但金兵大名也非幸致，一个二流将领，又在占尽优势的情况下围城，依然不忘派出一波波游骑，侦探四近情况。

9、如果说无论是过去还是现在，在这个离太阳第四近的行星上都没有找到确实的生命痕迹，那是很令人惊讶和失望的。