![图像识别技术报告_第1页](http://file3.renrendoc.com/fileroot_temp3/2022-1/6/c1643849-e581-4eaa-8c8a-ac03b057f329/c1643849-e581-4eaa-8c8a-ac03b057f3291.gif)
![图像识别技术报告_第2页](http://file3.renrendoc.com/fileroot_temp3/2022-1/6/c1643849-e581-4eaa-8c8a-ac03b057f329/c1643849-e581-4eaa-8c8a-ac03b057f3292.gif)
![图像识别技术报告_第3页](http://file3.renrendoc.com/fileroot_temp3/2022-1/6/c1643849-e581-4eaa-8c8a-ac03b057f329/c1643849-e581-4eaa-8c8a-ac03b057f3293.gif)
![图像识别技术报告_第4页](http://file3.renrendoc.com/fileroot_temp3/2022-1/6/c1643849-e581-4eaa-8c8a-ac03b057f329/c1643849-e581-4eaa-8c8a-ac03b057f3294.gif)
![图像识别技术报告_第5页](http://file3.renrendoc.com/fileroot_temp3/2022-1/6/c1643849-e581-4eaa-8c8a-ac03b057f329/c1643849-e581-4eaa-8c8a-ac03b057f3295.gif)
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
1、下载可编辑图像识别技术课程教师:桑爱军老师报告组成员:五里雾.专业.整理.下载可编辑一、图像识别简介图像识别是指图形刺激作用于感觉器官,人们辨认出它是经验过 的某一图形的过程,也叫图像再认。在图像识别中,既要有当时进入感 官的信息,也要有记忆中存储的信息。只有通过存储的信息与当前的 信息进行比较的加工过程,才能实现对图像的再认。人的图像识别能力是很强的。图像距离的改变或图像在感觉器官 上作用位置的改变,都会造成图像在视网膜上的大小和形状的改变。 即使在这种情况下,人们仍然可以认出他们过去知觉过的图像。 甚至 图像识别可以不受感觉通道的限制。例如,人可以用眼看字,当别人 在他背上写字时,他也可认
2、出这个字来。图像识别技术可能是以图像的主要特征为基础的。 每个图像都有它的 特征,如字母A有个尖,P有个圈、而Y的中心有个锐角等。对图像 识别时眼动的研究表明,视线总是集中在图像的主要特征上, 也就是 集中在图像轮廓曲度最大或轮廓方向突然改变的地方, 这些地方的信 息量最大。而且眼睛的扫描路线也总是依次从一个特征转到另一个特 征上。由此可见,在图像识别过程中,知觉机制必须排除输入的多余 信息,抽出关键的信息。同时,在大脑里必定有一个负责整合信息的机 制,它能把分阶段获得的信息整理成一个完整的知觉映象。在人类图像识别系统中,对复杂图像的识别往往要通过不同层次的信 息加工才能实现。对于熟悉的图形,
3、由于掌握了它的主要特征,就会 把它当作一个单元来识别,而不再注意它的细节了。这种由孤立的单.专业.整理.下载可编辑元材料组成的整体单位叫做组块, 每一个组块是同时被感知的。在文 字材料的识别中,人们不仅可以把一个汉字的笔划或偏旁等单元组成 一个组块,而且能把经常在一起出现的字或词组成组块单位来加以识 别。图像识别技术是人工智能的一个重要领域。 为了编制模拟人类图 像识别活动的计算机程序,人们提出了不同的图像识别模型。 例如模 板匹配模型。这种模型认为,识别某个图像,必须在过去的经验中有 这个图像的记忆模式,又叫模板。当前的刺激如果能与大脑中的模板 相匹配,这个图像也就被识别了。例如有一个字母
4、A,如果在脑中有 个A模板,字母A的大小、方位、形状都与这个A模板完全一致,字母 A就被识别了。这个模型简单明了,也容易得到实际应用。但这种模 型强调图像必须与脑中的模板完全符合才能加以识别,而事实上人不仅能识别与脑中的模板完全一致的图像,也能识别与模板不完全一致 的图像。例如,人们不仅能识别某一个具体的字母 A,也能识别印刷体 的、手写体的、方向不正、大小不同的各种字母 A。同时,人能识别 的图像是大量的,如果所识别的每一个图像在脑中都有一个相应的模 板,也是不可能的。为了解决模板匹配模型存在的问题,格式塔心理学家又提出了一个原 型匹配模型。这种模型认为,在长时记忆中存储的并不是所要识别的
5、无数个模板,而是图像的某些“相似性”。从图像中抽象出来的“相 似性”就可作为原型,拿它来检验所要识别的图像。如果能找到一个 相似的原型,这个图像也就被识别了。这种模型从神经上和记忆探寻.专业.整理.下载可编辑的过程上来看,都比模板匹配模型更适宜,而且还能说明对一些不规 则的,但某些方面与原型相似的图像的识别。但是,这种模型没有说明人是怎样对相似的刺激进行辨别和加工的, 它也难以在计算机程序 中得到实现。因此又有人提出了一个更复杂的模型, 即“泛魔”识别 模型。.专业.整理.下载可编辑二、具体应用实例基于方向梯度极值的手形轮廓跟踪算法摘要针对受自然光照影响的手形图像难以准确提取手形轮廓的问题,本
6、文基于手形边界像素在垂直于边界方向上存在灰度突变的特性,提出了 一种基于方向梯度极值的手形轮廓跟踪算法。该算法首先找到手形轮廓的起始点,然后按照一定的搜索方向和规则,在局部区域内计 算候选点集中梯度极大值所在的点,并逐点跟踪极大值点,得到手形 轮廓。将该方法在实验室自采图库及香港科技大学 (HKUST羽手形图 像库两个数据库中进行轮廓跟踪实验,结果显示,自采图库的跟踪准 确率为100%香港科技大学手形图像库的跟踪准确率为 85.8%,该库 中符合本文算法限制条件的图像的跟踪准确率为99.4%。实验结果表明,该方法能在灰度图像上直接跟踪出准确、 连续、完整的手形轮廓, 尤其适合于受光照不均影响的
7、手形图像的边缘提取。1引言在生物特征识别领域,手形识别以其采集方便、处理速度快、对设 备要求不高、易与其它特征组合成多生物特征识别等优点而备受关注 和重视,已成为一种极具发展潜力的生物特征识别技术。.专业.整理.下载可编辑手形识别是指对手部的外部轮廓所构成的几何图形进行识别 ,提 取的特征为手的不同部位的尺寸或是手指边缘的轮廓点集。 因此手形 轮廓提取的准确程度对整个手形识别过程至关重要,直接决定了提取 特征的准确性。采用现有的手形提取方法获取完整准确的手形轮廓图形时,对采 集设备的遮光和光线要求比较严格,采集的大多是前景和背景灰度差 异十分明显的不受光照影响的手形图像,通过阈值二值化和图像滤
8、波 来获得较好的分割效果。但这些手形提取方法都局限于各自的图像条 件,适用范围局限性大。在实际应用中往往不便于在采集图像时加入过多的限制条件,一是限制条件过多会使用户觉得不友好,甚至产生抵触情绪;二是这大 大减小了手形识别/认证的适用范围,制约其发展。考虑到友好性、实 用性和价格等因素,手形识别应尽量选用普通低成本设备,并尽量减 少手形采集时的限制条件,但这就使得实际应用环境中采集的图像会 不同程度地受到光照环境和采集设备的影响。如偏光导致的高光和阴 影以及随着照明光源的位置变化,极易在提取过程中造成手形轮廓的 缺失和冗余,而设备噪声也会给手形轮廓的提取造成很大的误差。因 此,在这些图像条件下
9、,原有的手形提取方法不再适用,需要寻找与之 相适应的新的手形提取方法,以确保提取的特征受外界环境的干扰尽 可能小。针对实际环境中自然光照条件下拍摄的图像易受光照影响,而原 有方法难以准确提取轮廓的问题,本文提出了一种基于方向梯度极值.专业.整理.下载可编辑的手形轮廓跟踪算法,在灰度图像上直接跟踪手形轮廓。该方法利用 手形边界像素在垂直于边界方向上存在灰度突变的特性,从手形轮廓起始点开始,通过计算局部区域内的候选点中梯度极大值所在的点,并逐点跟踪极大值点得到手形轮廓。分别应用该算法对实验室自采的 手形图像库和香港科技大学提供的手形图像库进行实验,结果表明了该算法的有效性。2本文轮廓跟踪方法在手形
10、灰度图像中,位于手形边界轮廓处的像素,在垂直于边界方 向上存在灰度级的迅速变化,且真实边界点在垂直于边界方向上的灰 度梯度应为局部区域内各像素梯度的极大值,因此可以通过判断局部 区域内各点灰度梯度的大小找到手形的真实边缘点。本文方法首先定位手形轮廓的起始点,然后依据手形轮廓的走向在局部区域内确定出 候选的轮廓点集,用合适的梯度卷积模板计算出候选像素点集中垂直 于边缘方向上梯度最大的点(此处的边缘方向是指:从上一轮廓点到 该候选点的方向),并逐点跟踪梯度最大点,既可得到完整的手形轮 廓。通过对大量图像的观察,发现位于手形边缘处存在34个像素宽 度的灰度过渡变化带,如图1所示。由于该过渡带的存在,
11、手形边界处 的像素并非在单像素宽度内呈现梯度的急剧变化,因此用简单的微分 算子难以找到真实边缘。算法关键是:(1)找到合适的梯度卷积模 板;(2)在手形边界的过渡带像素中确定出真实边界点的准则。若选取的梯度卷积模板过小,则受过渡带像素的影响大,易出现梯度极大值.专业.整理.下载可编辑所在的点偏离手形轮廓的情况;而模板过大不仅会导致算法计算量大 而且对于手指间缝隙较小的图像,在跟踪至指跟处时,由于轮廓像素 的方向变化较快,过大的模板窗口在此处卷积后的值表征垂直于轮廓 方向梯度的能力减小,影响跟踪的准确性。因此梯度卷积模板的选取 至关重要。本文通过用不同大小、不同方向的模板对大量图像进行实 验验证
12、得出:本文选用的5X5大小的4个方向的梯度卷积模板计算手 形边缘像素的灰度梯度效果最优。图1手形轮廓边缘像素本文均以手腕部位在图像右侧的右手图像为例阐述该算法,如图2.专业.整理.下载可编辑2.1轮廓跟踪算法描述2.1.1 确定轮廓跟踪起始点本文算法设定轮廓跟踪起始点为图像最右列的手腕上边缘点。位 于手腕边缘处的像素点,灰度级存在明显变化,且真实边缘点处应有 最大的灰度变化。微分边缘检测算子在图像灰度级迅速变化的点处得 到较高的值,且灰度级变化越大,该点所得的值越大。因此本文用一个 竖直方向的边缘检测模板(模板1),逐点与图像最右列像素做卷积,卷 积所得的值即为图像中与模板中心元素对应的像素点
13、在竖直方向上 的梯度,梯度值最大且为正值的点即为手形轮廓起始点。若在定位轮廓起始点时,出现两个梯度值最大且为正值的点的情 况,则增大梯度模板,将模板上下各增加一个元素,用新模板对这两个 梯度值最大且为正值的点重新求取梯度值,若两点的梯度值仍相等,.专业.整理.下载可编辑则继续增大模板,直至找到唯一的轮廓起始点。若出现两个以上梯度 值相同的点,可用同样方法处理。2.1.2 确定第二、第三轮廓点及轮廓走向依据起始点位置,确定第二、第三轮廓点。本文轮廓跟踪顺序为: 从起始点开始,沿逆时针方向,按照手形轮廓的自然走向逐点跟踪,直 至跟踪到达图像右侧边缘,结束跟踪。因此第二轮廓点的候选点集为 起始点(i
14、, j) 左侧的3个邻域像素点,如图3所示,3个候选点为 (i-1,j-1),(i,j-1),(i+1,j-1)。由于此时候选像素点位于图像边界,若采用本文的5X5模板进行卷积,位于图像边缘处的像素不够容纳模 板窗口的大小,因此不适宜用本文5X5模板求取梯度的方法确定 第二轮廓点。故对第二轮廓点采用了如下求取方法:(1)依据公式(1)求得最大值MAX 当公式(1)取得最大值MAXt对应的像素点坐 标(i+k,j-1) 为第二轮廓点。MAX=maxabsh(i+k,j-1)-h(i+k-1,j-1) k=-1,0,1(1) 其中:h(p,q)为图像中第p行,第q列像素点的灰度值。第二轮廓点确定后
15、,依据第二轮廓点位置,用相同方法确定第三 轮廓点,并将第三轮廓点作为当前点,将第二轮廓点到第三轮廓点的 方向记录为当前方向。2.1.3 轮廓跟踪规则根据前一步的走向,即当前方向,确定下一步的可能走向(3个可 选方向)。下一步走向的三个可选方向分别为当前方向以及对应于8方向码(如图4)中的当前方向的两个邻接方向。例如:若当前方向为.专业.整理.下载可编辑4,则下一步的可选方向为3、4、5;若当前方向为5,则下一步的可选 方向为4、5、6;其余同理。对3个可能走向分别以从当前点沿该方 向前进一点作为候选点,得到3个候选点,将每个候选点对应于卷积 模板的中心元素求卷积。模板的选取是根据从当前点到该候
16、选点的方 向(称为候选方向)确定的,每个不同的候选方向对应于不同的卷积模 板进行计算。若候选方向为0或4,选用0度方向模板;若候选方向为 1或5,用135度方向模板;若候选方向为2或6,用90度方向模板;若 候选方向为3或7,用45度方向模板,四个方向的卷积模板如图5所 示。对3个候选点分别用与之相对应的方向梯度卷积模板求卷积,求得的值即为与该候选点的走向垂直方向上的梯度。当某一候选点位于手形轮廓真实边缘时,其垂直于边缘方向的梯度在三个候选点中应呈 现出最大值。因此3个候选点中梯度绝对值最大的点以及该点对应的 方向即为下一轮廓点及下一步走向。将找到的下一轮廓点作为新的当 前点,将其对应的方向作
17、为新的当前方向,循环此过程,直至遇到终止 条件结束跟踪。.专业.整理.下载可编辑图3候选点示意图0度方向模板检测的是垂直方向的梯度,45度方向模板检测的是135度方向的梯度,其余两个方向模板同理。.专业.整理.下载可编辑炉方向450方向000001101-11101-1110-1-100000工叵口0pTrr0-i-1-11350方向图5 4个方向的卷积模板2.1.4 轮廓跟踪的终止条件依据模板窗口大小和跟踪结束时的轮廓走向,当当前点的横坐标距离图像右侧边界小于3个像素的距离,且跟踪方向为0或1或7时, 跟踪结束2.2算法步骤.专业.整理.下载可编辑(1)对图像中最右列的上数第四点至下数第四点
18、之间的像素逐点用模 板1做卷积,卷积所得的值最大的点记为轮廓跟踪的起始点。若得到 两个(或两个以上)值最大的点,则将模板1上下各增加一个元素,用 新模板对这两点重新做卷积,直至只得到一个最大值为止。初始化轮 廓数组,并将起始点存入轮廓数组。(2)将起始点的左侧邻域三点分别作为候选点,依据公式(1)计算得到 第二轮廓点。再以第二轮廓点左侧邻域三点为候选点,用同样方法找到第三轮廓点。将第二、第三轮廓点分别存入轮廓数组。将第三轮廓 点作为当前点CurrentPoint,将第二轮廓点到第三轮廓点的方向记录 为当前方向 CurrentDirection 。(3)将当前方向CurrentDirection
19、以及对应于图4方向码中当前方向的两个邻接方向作为下一步的3个可能走向。(4)从当前点沿着每个可能走向分别前进一点作为候选点。对每个候 选点,依据从当前点到该候选点的方向,从图5中选取与该方向相对 应的卷积模板,将该候选点对应于模板中心元素求卷积,将卷积结果 的绝对值作为该候选点的灰度梯度值。(5)比较第(4)步中3个候选点的灰度梯度值的大小,将值最大的候选 点作为下一个轮廓点(若3个候选点的灰度梯度值出现相等的情况, 则若出现相等情况的点中包括中心方向上的点,则取中心方向上的点 作为下一轮廓点;否则,取中心方向右侧方向上的点作为下一轮廓 点)。将找到的轮廓点存入轮廓数组,将当前方向更新为从当前
20、点到该 轮廓点的方向,再将当前点更新为该轮廓点。.专业.整理.下载可编辑(6)判断当前点坐标是否满足结束条件。若当前点的横坐标距离图像 右侧边界小于3个像素,且跟踪方向为0或1或7时,跟踪结束,否则 转(3)继续执行。参考文献:基于方向梯度极值的手形轮廓跟踪算法,苑玮琦, 董 茜,桑海峰,沈阳工业大学视觉检测技术研究所。3实验结果处理图像:代码程序:建立10个m文件.专业.整理.下载可编辑er.m,fangxianghans.m, gezhongsuanfa.m, juanji.m, lunkuo.m, moban.m, qishi.m, san.m, Untitled.m, youle.m,
21、最终运行Untitled 文件,代码如下:1、er.m :function secondpoint=er(firstpoint,I)M N=size(I);for i=1:3chazhi(i)=I(M-1,firstpoint+i-1)-I(M-1,firstpoint+i-2);endsecond=find(chazhi=max(chazhi);secondpoint=firstpoint+second(1)-1;2、fangxianghans.m :function fangxiang=fangxianghans(yqian,xqian,yhou,xhou)fang2=xhou-xqian
22、;%1 0 -1左右fang1=yhou-yqian;%1 0 -1上下if fang1=0&&fang2=-1 % 向左 左 1fangxiang=1;endif fang1=-1&&fang2=-1 % 向左上 左上 2 fangxiang=2;endif fang1=-1&&fang2=0 % 向上.专业.整理.下载可编辑fangxiang=3;endif fang1=-1&&fang2=1 % 向右上 右上 4 fangxiang=4;endif fang1=0&&fang2=1 % 向右 右 5 fang
23、xiang=5;endif fang1=1&&fang2=1 % 向右下 右下 6 fangxiang=6;endif fang1=1&&fang2=0 % 向下 fangxiang=7;endif fang1=1&&fang2=-1 % 向左下 左下 8 fangxiang=8;endfangxiang=fangxiang;3、gezhongsuanfa.m :clear;I=imread('5.bmp');% 读图片%figure;.专业.整理.下载可编辑%imshow(I);%原图像显示 %i2=im2bw(I,0.30);
24、% 二值化 %imshow(i2);% 二值化显示 BW = edge(I,'sobel',0.3);figure;imshow(BW);%M 图像显示title('soble');BW = edge(I,'prewitt');figure;imshow(BW);%M 图像显示title('prewitt');BW = edge(I,'roberts');figure;imshow(BW);%M 图像显示title('roberts');BW = edge(I,'log');figu
25、re;imshow(BW);%M 图像显示title('log');BW = edge(I,'canny');figure;imshow(BW);%M 图像显示.专业.整理.下载可编辑title('canny');4、juanji.m :functionpointvalue=juanji(xianpointy,xianpointx,I,y,x,moban)wei_y=xianpointy+y;wei_x=xianpointx+x;I=im2double(I);pointvalues=0;for ii=1:5for jj=1:5pointvalue
26、s=I(wei_y+ii-3,wei_x+jj-3)*moban(ii,jj)+pointvalu es;endendpointvalue=abs(pointvalues);5、lunkuo.m :function I_lunkuo=lunkuo(secondpoint,thirdpoint,I)M N=size(I);%fangxiang=fangxianghans(M,secondpoint,M-1,thirdpoint);%xianpointx=thirdpoint;%xianpointy=secondpoint;.专业.整理.下载可编辑points(2)=secondpoint;poi
27、nts(1)=M-1;point(2)=thirdpoint;point(1)=M-2;flag=1;count=4;lunkuopoint(1,1)=1;lunkuopoint(1,2)=1;lunkuopoint(2,1)=M-1;lunkuopoint(2,2)=secondpoint;lunkuopoint(3,1)=M-2;lunkuopoint(3,2)=thirdpoint;while flag=1fangxiang=fangxianghans(points(1),points(2),point(1),po int(2);xianpointy=point(1);xianpoint
28、x=point(2);pointqian=moban(fangxiang,xianpointy,xianpointx,I);points=point;point=pointqian;if point(1)=M-2&&point(2)=thirdpoint%if count=M-10.专业.整理.下载可编辑flag=0;end%if point(1)=M-5&&point(2)=thirdpoint%if count=200%flag=0;%endlunkuopoint(count,1)=point(1);lunkuopoint(count,2)=point(2)
29、;count=count+1;endM N=size(I);for ii=1:Mfor jj=1:NI_lunkuo(ii,jj)=0;endendfor iii=1:count-2I_lunkuo(lunkuopoint(iii,1),lunkuopoint(iii,2)=255;endmm=lunkuopoint;6、moban.m.专业.整理.下载可编辑functionpointqian=moban(fangxiang,xianpointy,xianpointx,I)moban1=0 1 1 1 0;0 1 1 1 0;0 0 0 0 0;0 -1 -1 -1 0;0 -1 -1 -1
30、0;moban2=0 1 1 0 0;1 1 1 0 0;1 1 0 -1 -1;0 0 -1 -1 -1;0 0 -1 -1 0;moban3=0 0 0 0 0;1 1 0 -1 -1;1 1 0 -1 -1;1 1 0 -1 -1;0 0 0 0 0;moban4=0 0 1 1 0;0 0 1 1 1;-1 -1 0 1 1;-1 -1 -1 0 0;.专业.整理.下载可编辑-1 -1 0 0 0;% a=1111switch fangxiangcase 1pointqian1=juanji(xianpointy,xianpointx,I,1,-1,moban2);%向左下8 4poi
31、ntqian2=juanji(xianpointy,xianpointx,I,0,-1,moban1);%继续向左1 1pointqian3=juanji(xianpointy,xianpointx,I,-1,-1,moban4);%向左上2 2case 2pointqian1=juanji(xianpointy,xianpointx,I,0,-1,moban1);%向左1 1pointqian2=juanji(xianpointy,xianpointx,I,-1,-1,moban4);%继续左上2 2.专业.整理.下载可编辑pointqian3=juanji(xianpointy,xianp
32、ointx,I,-1,0,moban3);%向上3 3case 3pointqian1=juanji(xianpointy,xianpointx,I,-1,-1,moban4);%向左上2 4pointqian2=juanji(xianpointy,xianpointx,I,-1,0,moban3);%继续向上3 3pointqian3=juanji(xianpointy,xianpointx,I,-1,1,moban2);%向右上4 2case 4pointqian1=juanji(xianpointy,xianpointx,I,-1,0,moban3);%向上3pointqian2=jua
33、nji(xianpointy,xianpointx,I,-1,1,moban2);%继续右上4 2.专业.整理.下载可编辑pointqian3=juanji(xianpointy,xianpointx,I,0,1,moban1);%向右5 case 5pointqian1=juanji(xianpointy,xianpointx,I,-1,1,moban2);%向右上4 2pointqian2=juanji(xianpointy,xianpointx,I,0,1,moban1);%继续向右5pointqian3=juanji(xianpointy,xianpointx,I,1,1,moban4
34、);%向右下62case 6pointqian1=juanji(xianpointy,xianpointx,I,0,1,moban1);%向右5pointqian2=juanji(xianpointy,xianpointx,I,1,1,moban4);%继续右下6.专业.整理.下载可编辑pointqian3=juanji(xianpointy,xianpointx,I,1,0,moban3);%向下7case 7pointqian1=juanji(xianpointy,xianpointx,I,1,1,moban4);%向右下6 4pointqian2=juanji(xianpointy,xi
35、anpointx,I,1,0,moban3);%继续向下7pointqian3=juanji(xianpointy,xianpointx,I,1,-1,moban2);%向左下8 2case 8pointqian1=juanji(xianpointy,xianpointx,I,1,0,moban3);%向下7pointqian2=juanji(xianpointy,xianpointx,I,1,-1,moban2);%继续左下8 2.专业.整理.下载可编辑pointqian3=juanji(xianpointy,xianpointx,I,0,-1,moban1);%向左1endbijiao(1
36、)=pointqian1;bijiao(2)=pointqian2;bijiao(3)=pointqian3;suoyins=find(max(bijiao)=bijiao);suoyin=suoyins(1);switch fangxiangcase 9if suoyin=1pointqian(1)=xianpointy+1;pointqian(2)=xianpointx-1;endif suoyin=2pointqian(1)=xianpointy;pointqian(2)=xianpointx-1;endif suoyin=3pointqian(1)=xianpointy-1;point
37、qian(2)=xianpointx-1;.专业.整理.下载可编辑endcase 10if suoyin=1pointqian(1)=xianpointy;pointqian(2)=xianpointx-1;endif suoyin=2pointqian(1)=xianpointy-1;pointqian(2)=xianpointx-1;endif suoyin=3pointqian(1)=xianpointy-1;pointqian(2)=xianpointx;endcase 11if suoyin=1pointqian(1)=xianpointy-1;pointqian(2)=xianpo
38、intx-1;endif suoyin=2pointqian(1)=xianpointy-1;pointqian(2)=xianpointx;.专业.整理.下载可编辑endif suoyin=3pointqian(1)=xianpointy-1;pointqian(2)=xianpointx+1;endcase 12if suoyin=1pointqian(1)=xianpointy-1;pointqian(2)=xianpointx;endif suoyin=2pointqian(1)=xianpointy-1;pointqian(2)=xianpointx+1;endif suoyin=3
39、pointqian(1)=xianpointy;pointqian(2)=xianpointx+1;endcase 13if suoyin=1pointqian(1)=xianpointy-1;pointqian(2)=xianpointx+1;.专业.整理.下载可编辑endif suoyin=2pointqian(1)=xianpointy;pointqian(2)=xianpointx+1;endif suoyin=3pointqian(1)=xianpointy+1;pointqian(2)=xianpointx+1;endcase 14if suoyin=1pointqian(1)=x
40、ianpointy;pointqian(2)=xianpointx+1;endif suoyin=2pointqian(1)=xianpointy+1;pointqian(2)=xianpointx+1;endif suoyin=3pointqian(1)=xianpointy+1;pointqian(2)=xianpointx;end.专业.整理.下载可编辑case 15if suoyin=1pointqian(1)=xianpointy+1;pointqian(2)=xianpointx+1;endif suoyin=2pointqian(1)=xianpointy+1;pointqian
41、(2)=xianpointx;endif suoyin=3pointqian(1)=xianpointy+1;pointqian(2)=xianpointx-1;endcase 16if suoyin=1pointqian(1)=xianpointy+1;pointqian(2)=xianpointx;endif suoyin=2pointqian(1)=xianpointy+1;pointqian(2)=xianpointx-1;end.专业.整理.下载可编辑if suoyin=3pointqian(1)=xianpointy-1;pointqian(2)=xianpointx;endend7、qishi.m :function firstpoint=qishi(I)moban1=-1 -1 -1 0 1 1 1;M N=size(I);I=im2double(I);for i=4:N-4chazhi(i-2)=I(M,i+3)+I(M,i+2)+I(M,i+1)-I(M,i-1)-I(M,i-2)-I(M,i-3);endfi
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 腹腔镜微创手术治疗异位妊娠的临床效果及安全性研究
- 二零二五年度林业碳汇交易林地承包合同范本3篇
- 二零二五年度环保产业委托担保合同模板3篇
- 通信行业安全设备检修
- 二零二五年度个人租赁车辆保险合同范本2篇
- 《二零二五版水电站施工合同争议解决及仲裁条款》3篇
- 二零二五年度电子商务平台销售担保合同范本
- 初中学年度第二学期八年级地理教案
- 关注民生-加强公共安全-构建和谐社会
- 二零二五年度金融创新产品居间服务合同3篇
- 《亚太经合组织》课件
- 《会展概述》课件
- 《郴州市总体规划》课件
- 【高中物理竞赛大全】 竞赛3 电磁学 50题竞赛真题强化训练解析版-高考物理备考复习重点资料归纳
- 再见2024你好2025展望未来
- 2025届山东省济南市历城二中高二上数学期末学业质量监测试题含解析
- 2024年全国各地中考试题分类汇编:文学常识
- 2022年版义务教育语文课程标准题库(教师教资培训考试专用十三套)
- 高考模拟作文“文化自信:春节走向世界”导写+范文3篇
- 湖南汽车工程职业学院单招职业技能测试参考试题库(含答案)
- 焊接机器人在汽车制造中应用案例分析报告
评论
0/150
提交评论