定稿静止背景下的移动目标视觉监控系统设计

摘要静止背景下的移动目标视觉监控系统设计是基于数字图像处理的一种对视频的监测技术。随着当今科技领域的不断发展壮阔，移动的目标监测放眼当下也是非常热门的研究领域，但又和每个人的生活息息相关，家用智能摄像头、公司监控系统、工业、农业、医学、交通等领域。本次设计基于MATLAB语言，运用数字图像处理和视频处理相关知识，针对视频处理中常出现的图像噪声、监测移动目标模糊、提取图像帧等问题，采用图像降噪、帧差法等方法，实现静止背景下对移动目标的监测系统设计。关键词：数字图像处理移动目标监测噪声去噪图像分割MovingTargetVisualSurveillanceSystemDesignBasedOnStaticBackgroundAbstractThisobjectwhosenameisthedesignofmovingtargetvisionmonitoringsysteminstaticbackgroundisakindofvideomonitoringbasedondigitalimageprocessing.Withthecontinuousdevelopmentoftoday'sscienceandtechnologyfield,mobiletargetdetectionisaveryhotresearchfield,butitiscloselyrelatedtoeveryone'slife,suchashomesmartcamera,companysurveillancesystem,industry,agriculture,medicine,transportationandotherfields.Itisveryimportanttodetectmovingobjectsbycomparingadjacentframessoastofindthetargettobedetected.Itisnecessarytoeliminatetheinterferenceofsomemovingobjectsforcorrectvideodetection.ThisdesignisbasedonMATLABlanguage,theuseofdigitalimageprocessingandvideoprocessingrelatedknowledge,inviewofthevideoprocessingoftenoccursintheimagenoisemonitoringmovingtargetfuzzyextractionimageframe,imagenoisereductionframedifferencemethodandothermethods,toachievethestaticbackgroundofthemovingtargetmonitoringsystemdesign.Keywords：DigitalimageprocessingMovingtargetdetectionThenoiseandThenoisereductionImageedgedetection目录TOC\o"1-3"\h\u281371前言 2236721.1发展现状 275551.2研究背景 211341.3.1研究内容 384392数字图像基础 4105452.1图像的取样和量化 4168802.2图像灰度变换 6170512.3灰度变换函数 66012.3.1彩色图变为灰度图 6221622.3.2图像二值化 7218803.图像降噪 810893.1噪声 8232713.2图像降噪 9157793.2.1理论知识 9292653.2.2图像降噪实现 9191544图像分割 12302374.1理论知识 12195884.1.1帧差法 1372774.1.2背景差分法 14244574.2图像分割实现 15146205布防设计 16208295.1问题分析 16124465.2布防实现 165627参考文献 1810993谢辞 1929079附录 201前言1.1发展现状现如今，随着科技飞速进步发展，计算机及其相关领域不断兴起发展，数字信息化也高速发展应用于各行各业中。由于当下数字图像处理技术这门学科不断被大众所熟知，并且越来越多的学者对这项技术进行研究创新，该技术现已成为一门发展前景较好的学科，被广受关注，并且很多领域都应用到了该项技术，比如航空技术、医学行业、工业检测、人工智能、军事领域、艺术行业等。对于视频检测来说，地域与运动目标的监测和控制是图像分析的重要研究领域之一。在背景是静止的状态下，通过对移动目标的监测和识别来提醒监测人员监测的异动，利用捕捉到的图像并跟踪运动目标在信息全球化、科技共享的今天，视频监测这一项技术已经可以应用在人们的日常生活中。1.2研究背景对于静止状态下的移动目标监测，主要就是实时图像监测，其中最主要的应用技术就是数字图像处理和目标监测跟踪。图像处理最早应用在20世纪20年代初，当时数字图像处理首次面世应用，由于当时从伦敦到纽约之间海底电缆发送图片质量一般、耗时比较久，于是数字图像处理便被应用于此来改善图片的传输时间和视觉效果；到了50年代，数字图像便逐渐走入大众的视野中；1964年，美国喷气式推进实验室用计算机对“徘徊者七号”太空飞船返回的大批月亮照片进行处理，图片质量改进的效果显著；在20世纪60年代末数字图像处理具备了比较完整的体系,形成了一门新兴的学科，20世纪70年代，数字图像处理技术领域飞速发展，与之同时图像处理的理论和方法也逐步成熟，越来越多的行业都使用到了图像处理的相关知识，计算机、思维科学迅速发展起来[1]。在当时，已经有很多发达国家投入了大量的人力物力来研究这个刚崛起的领域。在这个时期，数字图像已经提升了一个研究层面，当时的主要目的是对景象的识别和计算视觉研究，但数字图像处理已经可以从二维进阶到三维层面来进行解释。相较于数字图像处理，实时图像处理在国际上也拥有了很悠久的历史，国际上实时图像处理最早源自20世纪于50年代，国内则是起步于20世纪80年代末期，1989年浙江大学用中小规模集成电路实现了模块化的实时图像处理系统，1993年用LOGIC公司研制出了改进型系统，该系统可以对图像中指定的几十个三维目标进行识别[2]。但因为当时国内科技水平相对落后，国内处理图像的技术理论没有非常成熟，对于相应的图像处理系统不能很好地及时处理复杂多变的图像。而现如今，我国的科技实力日益强大，这项技术也在全球走在前列，也逐渐融入人们的日常生活。1.3.1研究内容本次设计主要研究的是对于移动目标的监测，主要是根据实时监控到的图像，运用数字图像处理和目标跟踪理论等知识，实现在静止背景下对移动目标的监测，主要的研究内容包括：针对监控到的彩色图像转换成灰度图，以便后续对图像的处理操作。对获取到的帧图像可能会出现的质量问题，对图像进行降噪处理。为了获取到移动目标，对视频进行处理，获取到前后两帧图像并进行对，从而获取到监测目标。在上述的基础上做了一些改进：对于在监控系统中监测移动目标，设置布防区域和目标占比，从而可以避免监控不必要的目标，使监控系统更有针对性。本次课题的主要研究目的是对于监测移动目标的获取，目标获取就是当监测到有目标出现时，把监测到的目标从视频帧图像中分割提取出来，为下一步的布防提供有效的数据。因此，一个视频监控系统的好坏与目标检测和图像分割的算法有着密切的关联，一个好的视觉监控系统的设计应该能适用于各种环境的监测。通常一个好的视频监测目标监测和提取的系统算法应该有以下的几种特性：适应于各种监测环境状态，不论是室内还是室外，阴天还是晴天，都能很好的分割出背景与前景、对监测目标进行提取。能够处理在大面积区域中不规则运动物体的识别，以及在视频中目标不断叠加的情况下对目标的监测识别。系统能够适应背景中各位微小的波动干扰，比如摇晃的树叶，水纹的波动等。系统初始化问题，在某些监控场景中，如果只有背景没有运动物体，可能会监测失误。系统在提取某些监测物体时，如果物体的灰度值集中在某个较小的范围内，物体内部的像素点可能会被忽略。系统对目标丢失的解决，当某个运动目标长期停留在图像中可能会造成的现象。对监测到的运动目标，其阴影可能也会影响监测结果。本文的结构安排如下：第一章：实时目标监测与数字图像处理的发展现状及其背景，讨论本文的研究内容及其可能存在的问题。第二章：图像处理的基础知识，彩色图与灰度图的转换和图像二值化。第三章：常见的几种噪声和本设计所用的图像降噪类型及其对比。第四章：图像分割技术，获取到移动目标并进行目标提取和背景置黑，并进行图像形态学优化。第五章：布防设计，根据移动目标与整幅图像的比例关系设置是否警告等内容。2数字图像基础2.1图像的取样和量化无论是在日常生活中，还是科研技术，使用和接收到的图像大都是模拟信。在图像处理中，传感器接收到图像后再输出连续的电压波形，但对于计算机处理器只能处理数字信号，这时就需要把接收到的连续信号转化为数字信号。为了形成一幅计算机可以处理的数字图像，把接收到连续的信号转换为数字形式，这一个过程就可以称之为取样和量化。传感器接收到的一幅图像，如图2.1所示，如果要把这幅图像转换成数字信号，首先，对这幅连续的图像等间隔的在幅度上取样,这里要注意的是对于图像的取样是对图像的灰度级进行取样，该图像的灰度级，图2.2所示。其次，再在时间上等间隔地对幅度进行取样，如图2.3所示，这时就得到了一组取样函数。但对于要最后得到的图像来说，取样点的灰度值不是很统一，这时需要在纵向上对灰度级进行分级，最简单的就是8个灰度级，从0到7分别映射为从黑到白中间的灰度级变换。完成以上步骤大体得到了一个离散的数字信号，但这时还需要对离散的灰度值进行量化，就是在图2.3的基础上，根据之前规定的灰度级级别对取样的灰度值赋值，赋值的大小是由取样的垂直接近程度。如图2.4所示。完成了以上三个步骤就基本完成了图像的取样和量化过程。图2.1原始图像图2.2图像一维灰度曲线图2.3图像取样图2.4量化后的灰度图2.2图像灰度变换图像的灰度变换是把对图像的变换定义为一个变换域，然后对输入图像进行变换，最后输出的图像是根据计算机修改的变换反变换得到的，输入与输出的图像是在空间域完成的。简而言之就是把预变换的图像从空间域到变换域在回到空间域，如图2.5所示。g(x,y)g(x,y)变换运算Rf(x,y)反变换空间域空间域变换域图2.5灰度转化流程灰度变换的计算公式为：（式2.1）2.3灰度变换函数2.3.1彩色图变为灰度图在日常生活和实验中，所接收到的图像大多数都是彩色的，但如果想把一个彩色的图像想转换成灰度图就可以用rgb2gray这个函数，公式为：（式2.2）如图2.6所示，是本次设计中视频监控到的一帧的彩色图像，但如果要进行后续的图像处理就需要把图像转换为灰度图，使用式2.2就可以实现，如图2.7所示，为所得到的灰度图。图2.6原始图像图2.7灰度处理后的图像2.3.2图像二值化图像二值化主要是基于是根据某一特定的灰度值值来划分图像，也就是阈值的处理，如图2.8所示是一张图像的灰度直方图。根据该直方图可以看出：该图像灰度值明显划分为两个区域，可能是在灰度值较暗的地方存在某些灰度值较高的明亮物体，因此该图像的背景和图像的主体的灰度级就分为两种主要模式。当需要从一幅图像的灰度值较暗的区域中提取出灰度值较高的某些部分就可以使用到阈值处理，确定一个阈值T来分割背景与主体。图像中灰度级〉T的部分为主体；灰度级≦T的部分则为背景，如式2.3所示。结果为a的像素就为图像主体，结果为b的像素为图像背景。一般最后设a=1（白色）；b=1（黑色）。图2.8灰度直方图（式2.3）当阈值T为一个常数适用于整幅图像时，上述方法就成为全局阈值处理。对于一幅灰度直方图分布不均匀的图像来说，阈值T的选取是需要多次迭代变换，最终才能很好地分割出一幅图像的背景和主体。通常，在图像处理中，优先考虑使用一个可以根据图像的灰度信息自动生成的灰度值对图像进行分割，并且能实时更新最优灰度值，具体过程如下：初步计算，为图像选取一个合适划分图像灰度值的估计阈值T。使用阈值T划分图像灰度级，此时会产生两组像素，所有大于T的像素的灰度值归为P1组；所有小于T的像素值归为P2组[3]。分别计算两组P1和P2所有像素的灰度值的平均值m1和m2。重新使用式2.4选取一个能分割图像灰度级的新阈值：（式2.4）重复上述的步骤2至步骤4，直到后续迭代中T的差小于一个预定义的值。使用im2bw分割图像，如式2.5所示，其中den是一个整数（8比特图像，den就为255）：（式2.5）3.图像降噪这一章介绍了图像传输时出现的几种噪声类型，并讲述了本次设计所用到的两种降噪方法：均值滤波和中值滤波，并进行了两组对比，通过对比更直观的来了解两种滤波的优缺点。在接收到一幅图像时，图像会由于某些不可抗拒的原因受到噪声的影响从而降低图像的质量。噪声在一幅图像的灰度级可以理解为突变的部分，如果想去掉噪声就需要把灰度级突变的地方平滑一下，平滑的目的就是保留图像某些基本信息不被损坏的前提下,尽可能地减少噪声对图像带来的负面影响,提高视觉美观。3.1噪声图像处理中提到的噪声与日常生活中所接触到的噪声是不一样的。数字图像处理中噪声的产生常常是因为在传输接收图像中，传感器自身的影响和外界环境的影响，或者传输图像时信道产生的一些干扰。比如，在无线网络传输图像时，就可能会因为太阳光照或者大气环境的影响会影响图像的质量，使图像出现噪声污染[3][4][5]。在图像处理中常见的噪声类型有：1.椒盐噪声椒盐噪声又称为脉冲噪声，是\t"/item/%E6%A4%92%E7%9B%90%E5%99%AA%E5%A3%B0/_blank"图像处理中经常遇到的一种\t"/item/%E6%A4%92%E7%9B%90%E5%99%AA%E5%A3%B0/_blank"噪声类型。椒盐噪声具体表现为一种随机出现在图上上的白点或者黑点，可能是在灰度级较高的区域出现黑点，或者是在灰度级较低的区域出现暗点。然而，导致椒盐噪声产生的原因可能是在图像传输过程中影像讯号受到强烈的干扰。在数字图像处理中，信道脉冲的污染与图像信号的强度相比，脉冲的污染大多数情况下在图像中区域覆盖比较广泛，影响比较严重，椒盐噪声一般在图像中呈现为黑色或者白色的噪声点，灰度值为图像灰度级范围内的最大灰度值或者最小灰度值。2.高斯噪声高斯噪声又称为正态噪声，因为它的\t"/item/%E9%AB%98%E6%96%AF%E5%99%AA%E5%A3%B0/_blank"概率密度函数服从\t"/item/%E9%AB%98%E6%96%AF%E5%99%AA%E5%A3%B0/_blank"高斯分布[4]如式3.1所示：（式3.1）像起伏噪声、宇宙噪声、热噪声和散粒噪声等都是比较常见的高斯噪声[5]。高斯噪声在数学形式来看是比较容易处理的，所以在通信信道测试和建模中，高斯噪声被用作加性白噪声来产生加性白噪声。3.2图像降噪3.2.1理论知识在本次设计中，使用到了两种降噪模型：1.均值滤波均值滤波又可称为平滑滤波，是基于图像领域间的关系进行操作的。均值滤波所使用到的滤波器是一种常见的线性滤波器，均值滤波器的模板是一个m*n的巨型窗口，以中心点f(x,y)周围的m*n个像素点为一组，计算它们灰度值的算术均值（如式3.2所示），来代替原先f(x,y)该点处的灰度值：（式3.2）最常见的模板一般为3*3的模板，在这次设计中也是使用的3*3的模板，则滤波器的系数为1/9，但对于均值滤波而言。2.中值滤波相较于均值滤波，中值滤波使用到的滤波器是一种非线性滤波器[6]。该滤波器把模板内像素的灰度值从低到高或者从高到低重新进行排序，然后取用中间值来代替原始的灰度值，即：（式3.3）中值滤波的结果与模板包含的像素数目有关，当数目为奇数个时，选取中间的灰度值来代替原先的灰度值；当个数为偶数个时，选取中间两个灰度值的平均值来代替原先的灰度值。降噪处理的意义：在后续的图像处理中，会使用到图像分割，其中会用到阈值处理，而一幅图像中的噪声会随机分布在图像所有位置，噪声的灰度值也是随机分布的。如果没有进行降噪处理，那么，在进行下一步的图像分割中，噪声会把根据图像阈值进行图像灰度级分割这一简单的问题变成非常棘手的问题，因为噪声的随机性，使得阈值分割会误判噪声为图像背景或者主体，此时，处理后的图像还是会有噪声的污染，并且不能完全的分割出图像背景与主体。所以，在进行后续步骤之前，先要进行降噪处理。3.2.2图像降噪实现考虑到噪声会对图像产生一些不好的影响，所以在提取监测目标之前首先对图像进行降噪处理，本次设计用到了均值滤波与中值滤波两种降噪方法。首先对监控视频所获取到的帧图像进行灰度转换如图3.1所示。为了能明显地区分两种降噪处理方式的优缺点，分别进行两组对比：第一组：首先把椒盐噪声这种随机分布的孤立噪声点添加进原始灰度图中，如图3.2所示；然后对灰度图降噪处理，使用均值滤波降噪，如图3.3所示；使用中值滤波降噪，如图3.4所示；同时对比两幅图像，判别两种方法的优缺点：图3.1原始灰度图像图3.2加噪后的图像图3.3均值处理后图像图3.4中值处理后图像第二组对比：分别用均值滤波和中值滤波对原灰度图降噪处理，结果如图3.2、图3.3所示：图3.1原始灰度图像图3.5均值处理后图像图3.6中值处理后图像结果分析：根据第一组对比，在原图像上加入了椒盐噪声，使得图像随机分布着一些孤立的黑点白点，经过均值滤波和中值滤波对比可以看出：对于椒盐噪声而言，均值滤波虽然能在保留图像原始信息的基础上去除一些噪声的污染，改善图像的质量，但它的降噪效果不好，图像中还是存在一些肉眼可见的噪声污染；而中值滤波则能很好的降噪能力则更完善一点，不仅保留了原始图像的基本信息，在肉眼观察范围内几乎没有噪声的污染情况，降噪效果较好。通过两组对比发现：均值滤波器的主要表现就是去除图像中的不要紧的细节，均值滤波在平滑脉冲的噪声效果非常显著，但它的主要缺点是无法完全去掉噪声，只能在一定程度上减弱噪声的影响，同时也会模糊掉图像一些比较重要的细节部分，虽然不是噪声，但由于该处灰度值与周围灰度值差异较大，就会被模糊掉，因此造成图像中某些重要细节的缺失，不能真正的去除噪声点。滤波模板的邻域越大，在去噪能力增强的同时模糊程度越严重[7]。相较于均值滤波，就中值滤波而言，中值滤波对噪声的削弱能力则比较强，可以消除图像中存在的一些单独存在的噪声点，也可以很好地对图像进行灰度平滑处理，对于某些随机噪声也可以很好地进行降噪处理，采用中值滤波降噪的好处是程序算法简便，处理时间较短，并且不会改变图像的基本信息，中值噪声是将图像中没有被噪声影响的像素点取代了被影响的像素点,所以可以很好削减噪声的影响,同时保持图像物体的边缘不被模糊。但中值滤波对图像的原始信息中存在很多尖锐突变的灰度值的情况不能很好地适应，如果采用中值滤波的处理上述情况的图像很容易在滤波的同时把图像中的重要细节也过滤掉。中值滤波是\t"/item/%E6%A4%92%E7%9B%90%E5%99%AA%E5%A3%B0/_blank"图像处理中的一个常用步骤，它对于斑点噪声和\t"/item/%E6%A4%92%E7%9B%90%E5%99%AA%E5%A3%B0/_blank"椒盐噪声来说尤其有用，保存边缘的特性使它在不希望出现边缘模糊的场合也很有用[8]。但具体观察第二组的对比发现，对于本次视频图像而言，均值滤波与中值滤波在肉眼观察范围内并无明显的区别，但考虑到中值滤波相较于均值滤波能够更好地对噪声进行处理，并且能较好地保存图像的原始信息，因此在进行后续的图像分割步骤前，使用到中值滤波对图像进行降噪处理。4图像分割这一章主要是对于目标提取的介绍和仿真实现。目标提取的实质就是图像分割，把监测目标与背景分割开，因为本次设计背景是静止的，所以只用考虑对视频监控中移动物体的检测。还介绍了对于视频这种连续的图像如果要截取监测的移动目标用到的方法：帧差法与背景帧差法，并进行了对比分析两者的优缺点。4.1理论知识图像分割是把图像细化分为多个区域，主要就是将图像划分为构成它的主体与背景，分割的精确程度与目标任务有关，在实际情况中，当所需要的物体区域已经被监测到就可以停止分割。但图像分割对于一些结构复杂的图像的提取是比较困难的，分割的精度决定了计算分析以及后续主体获取的最终成败。所以，在进行图像分割前首先进行图像降噪处理是非常必要的。图像的不连续性和相似性是图像分割的两个基本性质。对于不连续的灰度，图像分割就是把灰度值与周围灰度值差值较大的部分提取出来，比如物体的轮廓，阈值处理就是用到了这种方法；对于图像灰度值相近，主要的办法就是实现规定一些分割标准，然后根据规定的标准分割图像。图像分割技术在实际应用中也常用到，比如在产品生产中，利用这项技术可以识别出有无缺少的零件，在电路生产中可以检测出有无电线遗漏等。利用图像分割不需要精确识别每项元件物体，只需要检测出有无遗漏缺少的地方便可。对于图像分割处理，可以利用图像灰度值的不连续性与相似性，这是基于图像灰度值的突变和预定义的规则来进行分割。图像分割的基本思路为基于阈值处理，把一幅图像的主体与背景区分开来。若假设一幅图像的大小为P，然后对图像进行分割，即把P分成若干个子区域，这个过程需要满足以下几个要求：分割是完全的，图像的每个像素都必须在分割区域中，即（i=1）[9]。划分的某个区域具有连通性，在内全部的像素点之间存在一条通路可以连接，i=1，2，3...，n。划分的区域是相对独立的，即，。一个区域的所有像素都必须满足某个属性，比如都必须小于某个特定的值，或者都在某个边界之外等，即，i=1，2，3...，n。基于第四条，任何两个相邻的区域对于某个属性是不同的，比如两个区域、像素的灰度值不能相同，或者两个区域不能都在某个边界之内，即像最基本的阈值处理就是划分的区域内的灰度值都大于（或者小于）确定的阈值，并且每个区域内的像素灰度值与另一个区域都不同。4.1.1帧差法本次设计用到获取移动目标的方法是帧差法。帧差法在处理由连续的帧图像组成的视频是非常实用的。帧差法顾名思义就是帧与帧之间的差距，利用视频连续两帧的前后差异来进行移动目标的监测与获取，因为背景是静止的，所以前后两帧不同的地方就是视频中的移动物体。帧差法的公式如式4.1所示，大体过程如下图4.1所示：（式4.1）连通性延迟二值化判别连通性延迟二值化判别图4.1帧差法流程图帧差法的基本思路就是：首先，获取视频前后两帧图像和，然后用公式4.1计算两帧之间的差别，得到差分后的图像。然后，对得到的差分图像进行二值化（如式4.2所示）处理得到新的图像。最后，对得到的新图像进行连通性分析，判断目标的边缘，得到要监测的目标。（式4.2）4.1.2背景差分法基于背景差分的图像分割相比较于帧差法，背景差分法的算法比较简单，运行速度也比较快，如今在图像处理中得到了广泛地应用。背景差分法用过前景与背景的减运算，进行目标提取。该算法主要包括背景模型的建立、背景差分、背景模型更新，首先对视频监控构造一个背景模型[10]。使用式4.3和式4.4计算系统获取到当前的一帧图像与背景图像进行对应像素点灰度值得差分运算，然后对差分后的图像进行二值化，并且对二值化的图像进行连通性分析。当某一连通区域的像素值大于某一阈值，则就认为监测目标出现，并且认为这个连通的区域就为提取出的目标图像[11]。背景帧差法的流程如图4.2所示：（式4.3）（式4.4）连通性背景图像二值化判别连通性背景图像二值化判别图4.2背景差分流程图背景差分法就是使用背景模型中的背景图像与系统截取到的当前帧做减法运算，因此称为背景差分法，最终提取到监测目标的准确程度与背景模型的建立密切相关。若在运算时没有及时地对背景模型中的图像实时更新，后续背景的变化则会导致对移动目标的监测产生比较严重的失误，比如一天中太阳光线的变换在一定时间段内可能会超出监测范围，此时这部分的背景就会被误判为图像的前景运动物体。因此，在使用背景差分法进行图像分割时，背景模型建立的精确度是非常有必要的，以便可以适应于外界环境的变换。背景差分法背景模型的更新是背景差分法的关键之处，更新方法也是算法的核心要素。因此。可以让运行平均背景模型采用逐帧更新，这个方法广泛应用于计算机进行图像处理中，因为运行速度快，占用的内存很少。但若背景中存在运动物体，就会对该方法产生干扰，造成背景误差。虽然已经很多研究者都对背景差分法的更新做出相应的改进，但目前还没有一种可以同时适应于室内外相对复杂的环境进行背景更新的方法，针对不同情况、不同应用，需要按照具体的情况要求对背景进行更新，使背景模型能够近似于真实场景模拟。4.2图像分割实现4.2.1初步实现为了使本次设计能够更加准确地提取监测目标，对上述提到的两种图像分割方法进行对比，择优采用。使用帧差法对视频进行目标提取，MATLAB仿真后的结果如图4.2所示；使用背景差分法获取视频中移动的监测目标，MATLAB仿真后的结果如图4.3所示；然后对两幅图像进行阈值处理，二值化两幅图像，如图4.4、图4.5所示：图4.2帧差法处理后的图像图4.3背景差分法处理后图像图4.4二值化帧差法图像图4.5二值化背景差分法图像因为本次设计使用的监控视频只有一个移动目标，所以在获取图像时比较容易。通过两组对比可以发现使用帧差法来进行目标的获取优点有以下几点：算法仿真难度低，比较容易实现。对于实时监控来说，比较容易监控。因为是使用前后相邻两帧来做差分，时间间隔比较短，因此对于日常监控来说，对外界环境的影响不会很敏感，比如太阳光线。但通过图像，还是能比较直观地发现帧差法所存在的一些问题：对于目标的提取比较模糊，目标边缘粗糙。当出现多个移动目标时，可能会出现误判移动目标。当监测移动目标灰度值与背景相近时，可能会导致检测目标边缘提取失误[12]。相对于帧差法，背景差分法则能较好地分割图像，提取出监测目标，但背景差分法对光线比较敏感，等光线亮度累积到一定程度可能会对目标提取造成误差。4.2.2图像形态优化通过上述对比图还是发现，尽管背景差分法的效果对与帧差法来说效果好一点，但还是能明显地看出两种方法可能存在不可避免的影响，比如背景图像可能会有细微的变化或者图像存在某些孤立的噪声，因此对监测目标的提取精确程度还是不够，所以需要对监测目标的提取进行形态学上的优化，本次用到的形态学处理方法是腐蚀和膨胀，这两种方法也是形态学处理的基础。数学形态学描述的是一种集合，即对图像中所有的对象的总称。形态学的基本思路就是：为了能尽量对图像进行更全面地分析和对图像的目标进行更精确的识别和分析，采用具备某一特定形态的结构元素去衡量图像中的对应形状的方法。使用形态学可以简化图像中某些比较复杂的元素，并同时保持图像的进本特性，去除某些不必要的元素。形态学处理可以在程序中并行运算，并且算法比较简单，计算难度较低，在处理实时的视频图像中非常适用。数学形态研究的前提是图像为二值图像，因此形态学处理也可称之为二值形态学，利用一组形态学的代数运算，推导出数学形态学的实际算法，为下一步对图形形状结构分析的实现做铺垫。首先对形态学进行一个简单地介绍：二值形态学运算对象是集合，通常假设A为图像集合，B为图像中的结构元素，运用B对A进行形态学运算，对每个结构元素，指定一个原点，该点为参与形态学运算的结构运算的参考点。腐蚀与膨胀互为对偶运算，腐蚀的作用是收缩图像，膨胀的作用是放大图像形态学的运算尺寸[13]。腐蚀腐蚀的算子为，使用B对A进行腐蚀，定义为式4.4：（式4.4）式4.4的含义为：使用B对A进行腐蚀的结果是所有点x的集合，B平移x个单位后仍然在A中，简而言之就是，用B来腐蚀A得到的集合是B完全包含在A中时B的原点位置的集合。对图像进行腐蚀运算的作用是消除物体的边界点，腐蚀可以把小于结构元素的物体去掉，此外，如果两个物体存在某些细微的连接，当选择一个较大的结构体时，通过腐蚀可以把两个物体分离开[14]。膨胀膨胀的算子为，使用B对A进行膨胀，定义为式4.5：（式4.5）式4.4的含义为：首先对B做关于原点的映射，再将映射后的平移x个单位，此时A与的交集不是空集，换句话说就是，用B来膨胀A得到的集合是B的映射的位移与A至少有一个非零元素相交是B的原点位置的集合[15]。因此式4.5也可写成式4.6：（式4.6）膨胀的操作可以利用卷积的知识进行理解，如果把B看成为一个卷积模板，膨胀就是先对B做关于原点的映射，再将映像连续地在A上移动而实现。膨胀运算的作用是把图像周围的背景点合并到物体中，如果两个物体之间距离比较近，那么膨胀运算可能会使两个物体连通在一起，但膨胀对填补图像分割产生的物体空洞有良好的效果。因为考虑到之前在图像分割时，对监测目标的获取效果还有待改进，所以进行的腐蚀和膨胀的处理，处理后的图像和二值化后图像如图4.6、图4.7、图4.8、图4.9所示：图4.6膨胀腐蚀帧差法图像图4.7膨胀腐蚀背景差分法图像图4.8二值化膨胀腐蚀帧差法图像图4.9二值化膨胀腐蚀背景差分法图像通过与图4.4、图4.5对比发现，经过膨胀处理后的图像分割，对于监测物体的提取相较之前有明显地改善。观察经过形态学处理后的图像细节，如图4.10所示，可以基本能发现监测目标的轮廓：图4.10目标轮廓但还是能发现对于目标提取的效果还是有待改进。但通过观察没有经过形态学改进前的图像细节，如图4.11所示，红色圈出来的地方经过形态学处理后消失了，对于目标的提取是有进步的。图4.11形态处理前图像细节但观察形态学处理后的图像，发现图像的轮廓边缘有很多类似小方块的堆积，如图4.12所示：图4.12图像边缘细节这是因为在背景差分后，目标比较散，被分成了很多小块，所以用到了在形态学处理后，经过膨胀把目标粘连在一起，但与此同时监测目标的边缘也被扩大，所以就造成了在图像边缘处有很多小方块的堆积；同时，因为监空图像受到光线的影响产生了影子的干扰，所以对目标的提取还是不够精确。由于考虑到本次设计光线变换不是很强烈，并且背景差分法能在获取图像的同时还能在计算机中快速运行并且占用内存较少，所以本次设计使用的是背景差分法进行图像分割，并同时进行图像形态学处理，对分割后的图像进行腐蚀和膨胀。5布防设计本章主要是在已经对视频图像进行了灰度转换、降噪处理、图像分割和形态学优化的基础上，完善系统对移动目标的监测。5.1问题分析在实际视频监控中，一个视频可能会同时出现多个移动目标，但很多移动目标是不需要被监测的，比如吹落的树叶、舞动的小鸟等，所以对于视频中监测目标大小的设置还是需要考虑的。对于一些安全监测，比如家门口的监控：监控画面可能会宽，但如果当移动目标在某个区域范围停留时间过久，就要考虑安全问题，此时就需要对监测人员进行警告。因此，对监测画面布防区域和移动目标在该布防区域停留的时间也是可以考虑的。对于一些视频监测，监测人员可能在一天不同的时间段精力也不一样。所以，在布防设计时，可以对布防时间进行设置：白天，监测人员精力比较旺盛时，就可以设置不进行布防；当时间较晚，监测人员精力比较疲惫时，就可以设置一直布防。5.2布防实现对于上述所提到的三点问题，在进行MATLAB程序设计时，设计并不复杂。在编译程序进行仿真，得到的结果如下图所示：如图5.1所示，红色方框标示的是设置的布防区域，当有移动目标进入该区域时，系统将对监测人员进行警告，如图5.2所示图5.1布防设计图5.2警告根据仿真结果可以明显地看到，当有移动目标侵入事先选定的区域时，就会对监测人员发出警告。对于布防时间的设计是比较简单的，首先设计布防时间；然后在设计是否布防，具体程序语句如下：;（式5.1）这句话是设计的布防时间，时间为帧数，比如t=600,帧数小于600，不报警，大于600且设防，就报警;（式5.2）这句话是设计是否设防，当defence的值为0，则表示不用布防；当defence的值为1，则表示需要布防。参考文献［1］崔琳.航空相机操纵器图像处理技术研究[D].长春理工大学，2010.［2］袁博.基于FPGA的光谱图像实时处理技术研究[D].中国科学院大学，2016.［3］张皓.基于视觉显著性的芯棒缺陷检测[D].北京邮电大学，2017.［4］张玉峰.基于OpenCV的运动车辆目标检测与跟踪研究[D].安徽理工大学，2018.\o"期刊分析"［5］陈浩.基于小波变换的量子图像去噪算法研究[D].南昌航空大学，2019.［6］及增值.多目标视觉辅助刚体构件对接技术研究与实现[D].北方工业大学，2015.［7］宿敬肖.基于机器视觉的液剂异物检测研究算法[D].西安建筑科技大学，2007.［8］周宗思.全方位视觉技术及其在移动机器人导航中的应用[D].浙江工业大学，2009.［9］谭志存，杜峰.基于灰度图像分割的改进遗传算法[J].科技风，2011,000(022):18.［10］曹朋朋.智能视频监控系统中运动目标的检测与跟踪.西安电子科技大学，2010.［11］廉正.动态背景下运动目标分割技术研究[D].长春理工大学，2009.［12］鲁书山.移动目标检测与跟踪技术的研究及MATLAB的实现].中北大学，2017.［13］李学华.基于识别的圆形钢管计数方法研究[D].山东科技大学，2005.［14］周龙，黄凌霄，牟怿，etal.数学形态学方法在储量害虫图像预处理中的应用[J].华中科技大学学报:自然科学版，2008(2):85-87［15］董晓庆.运动监测算法研究及其在智能监控中的应用[D].广东工业大学，2008.谢辞衷心的感谢我的指导老师孟颖老师，是她严肃的科学态度，严谨的教学精神，精益求精的工作作风，深深感染和激励着我。在之前的学期，我非常荣幸上过老师两个学期的课程，老师学识渊博，工作严谨，品德高尚，平易近人，在我学习期间，不仅教授我学习知识，更是教导我很多做事的准则，使我在以后的学习生活中更加规范我自己，受益匪浅。在我这次论文写作中，出现了很多问题，但老师始终耐心地给我指导，帮助我解决问题和给我不懈的支持。感谢老师在教学中严谨的态度和平日里对我不懈的帮助。在此向老师致以我最真诚的谢意和崇高的致敬。同时，我也要感谢我的一些同学，是他们在我遇到问题时，向我伸出了援手，帮助我解答很多问题。这次的课题对我来说还是有些陌生的，虽然有些知识是之前学过的，但学的还是很片面的，在这次设计中，我学到了更深层次的东西。时光匆匆，转眼就到了要毕业的时候，在北京理工大学珠海学院的这四年，在信息学院的这四年是我人生中非常重要的思念，是我从学校到社会的过渡。感谢这四年来，信息学院的老师们对我的辛勤付出，感谢我的同学对我的关切帮助。路漫漫其修远兮，吾将上下而求索。知识的学习是无止境的，在今后的学习生活中，我会秉持着不忘初心的信念，继续砥砺前进。附录程序源代码video='1.mp4'obj=VideoReader(video); %读取视频文件numFrames=obj.NumberOfFrames;%视频总的帧数originalframe=read(obj,1);[cm,cn]=size(originalframe);ca=cm*cn; %图像总面积%fort=1:numFrames%frame=read(obj,t);%%I=rgb2gray(frame)%%保存每一帧图片%imwrite(frame,strcat('D:\picture\',num2str(t),'.jpg'),'jpg');%endfig=figure(1);%originalframe=rgb2gray(originalframe);imshow(originalframe);rect=getrect(fig); %显示图片后用矩形画出检测区域frame1=read(obj,1);frame1=imcrop(frame1,rect);Background=imread('背景.jpg'); %读取背景图像，构建背景模型Background1=rgb2gray(Background);Background=medfilt2(Background); %中值滤波去除图像噪声Background1=double(Background1);Background=imcrop(Background,rect);Background=rgb2gray(Background);Background=imfilter(Background,I_3);Background=double(Background);%背景更新过程t=300;%设防时间，时间为帧数，比如t=600,帧数小于600，不报警，大于600且设防，就报警defence=1; %是否设防，0表示不设防，1设防fori=320:numFramesCurrentImage=read(obj,i); %当前帧showImage=CurrentImage;CurrentImage=rgb2gray(CurrentImage);CurrentImage=medfilt2(CurrentImage);%中值滤波去除图像噪声CurrentImage=imfilter(CurrentImage,I_3);imshow(CurrentImage);CurrentImage=double(CurrentImage);back=abs(CurrentImage-Background1);back=uint8(back);BWsave=im2bw(back,0.15); %根据阈值对差分后的图像进行二值化SE=strel('square',3);%结构元素BWerode=imerode(BWsave,SE);%对二值图像进行腐蚀，以消除微小变动的区域saveimage=bwmorph(BWsave,'dilate',5); %膨胀imwrite(saveimage,strcat('picture\',num2str(i),'.jpg'),'jpg');area=regionprops(saveimage,'Area'); %计算区域面积sumarea=0;length=size(area);forg=1:length(1)sumarea=sumarea+area(g).Area; %计算目标面积endscale=sumarea/ca*100; %目标占面积比例CurrentImage=imcrop(CurrentImage,rect);Cut=abs(CurrentImage-Background); %前景与背景差分Cut=uint8(Cut);%level1=graythresh(Cut); %确定灰度阈值BWCut=im2bw(Cut,0.15); %根据阈值对差分后的图像进行二值化SE=[010;111;010];BWCutero=imerode(BWCut,SE); %对二值图像进行腐蚀，以消除微小变动的区域BWCuterodil=bwmorph(BWCutero,'dilate',9); %膨胀figure(2);imshow(BWCuterodil);imshow(showImage);ifdefence==1&&i>t&&scale>0.2%报警条件，设防且在报警时间内,面积超出一定比例（这里画面太大，所以比例有点小）[L,nm]=bwlabel(BWCuterodil,8);%找出图像中的八连通区域，视为物体所在的区域ifnm~=0forj=1:nm[r,c]=find(L==j);left=min(c);right=max(c);top=min(r);buttom=max(r);width=right-left+1;height=buttom-top+1;rectangle('Position',rect,'EdgeColor','r');%对设防区域标记，有人进入，红色显示rectangle('Position',[left+rect(1),top+rect(2),width,height],'EdgeColor','r');%对物体用矩形标记text(30,30,'警告','Color','red','FontSize',16);%显示报警endpause(0.0001);elserectangle('Position',rect,'EdgeColor','r');%对设防区域标记，有人进入，红色显示pause(0.0001);endelserectangle('Position',rect,'EdgeColor','b');%标记设防区域，没人进入时，蓝色显示pause(0.0001);endend

HYPERLINK如何选择组装电脑配件

如何选择组装的电脑配件．

第一，选择好CPU平台，就是INTER还是AMD，看你是要配什么样的电脑，高端还是低端的，两个平台都高低的产品。第二，选择主板了，主板的品牌比较多，质量，价格也不一，当你第一步却定了，那么主板也就相应的却定下来了，以INTER为例，只可以选择775接口的主板（早期有478接口的，不推荐），主板的选择主要有两种，一是集成显卡，二是不集成显卡。集成显卡的话，就可以省下显卡的钱，但是对游戏玩家不推荐。那么当然是选择不集成显卡的主板了，而且最好选择一线品牌，如华硕，技嘉等。主板里，还有个蕊片组的选择。关于蕊片组，各个品牌的主板命名有些不一样，主流是INTER965，945，915，VIA的KT890，还有NFORCE4，NFORCE5。等。比较难说清楚。最好是选择INTER的蕊片组，虽然价格会稍高一些。推荐945，技术比较成熟。第三，显卡的选择。显卡主要还是有两类品牌，GEFORCE和ATI，两个品牌有高，中，低的显卡。显卡选择要看你个人喜欢了，预算充足的话，最好是买中，高端的显卡。

第四，就是内存了，内存关系电脑的稳定性。当然是要好一点的。买一线品牌的。现在配电脑，主流是DDR667，DDR800DDR1333第五，显示器的选择，推荐液晶。如何选择硬件组装电脑这是一个老生常谈的问题了，这也是一个让高手们显示自己硬件功底的问题，同时这还是一个让很多新手为之焦头烂额的问题。该怎么配？具体配什么？怎样配才能尽量减小瓶颈？本文就将从内到外，从理论到实践，为朋友们抽丝剥茧一一道来。

一、CPU

作为一台电脑最关键的组成部分，CPU确实起着举足轻重的作用，但体现一台电脑的综合速度，并不是仅仅依靠CPU的，常常看到很多新手们在配电脑的时候，把CPU选的很好，但其他的东西诸如内存、主板、硬盘等都选的不太理想，好像这台电脑速度的快慢就体现在CPU速度的快慢上似的。甚至很多著名的品牌机厂商，都推出过类似“P4+256M内存”的这种跛脚配置。其实对于一般的家用电脑而言，一个真正会配的高手，是不会把大量的钱花在CPU上的。家用电脑，毕竟不是做密集型科学计算用的，它讲求的是多种媒体的配合工作，讲求的是能一边下载文件、一边上网浏览网页、一边听音乐、一边还能打开其他的程序，在这种情况下，提升内存的容量比提升CPU的主频对速度的影响要明显的多。现今的中国家庭用户，很多家长对于电脑一窍不通，他们只听说“奔四”代表着速度快，并不知道整机速度的快慢除了CPU以外，还有很多其他的因素影响着它。但在买电脑的时候，最后做决定并掏钱的人，往往都是这些啥都不懂的家长们，于是就出现了上面的一幕：品牌机厂商为了能有更好的销路、兼容机装机店的销售人员为了能拿到更多的奖金，开始违背良心来配置出这种高主频处理器、低容量内存的跛脚电脑。说严重点，这是属于对消费者的不负责任，是一种商业欺诈行为！同样5000元的配置，高手配出来的赛扬，比新手配出来的P4还要快很多，曾经有一家全球著名的硬件网站在2003年的时候刊登过一篇关于配置家用电脑时各硬件占用总预算百分比的文章，文中很明确的提到了CPU的价钱最好不要超过总预算的10％－15％，我们虽然不能说他肯定完全正确，但至少人家是通过很多调查后得出的结论，有借鉴的理由。反观现在的很多所谓的“低价奔四电脑”、“3999元买P4品牌机”之类的广告，我想说的就是：你花了3999元，只买了一块P4的处理器，其他的什么都没有了！

二、内存

对于配置一台电脑来说，内存是重头戏，容量、速度、类型等等每一项指标都对最终的整机综合速度起着至关重要的影响，尤其是内存的带宽和容量。对于内存带宽而言，很多人都认为400MHz、533MHz前端总线的赛扬四或P4，配单通道的DDR内存就足够了，双通道DDR内存是配合800MHz以上前端总线的P4处理器用的，其实这样就大错特错了，哪怕是最老的赛扬四，都需要双通道的DDR内存才能达到它的带宽！也就是说，你如果选择赛扬四1.8G，必须配合865以上的主板和至少双通道DDR200的内存，才能满足它的带宽要求！稍微计算一下就可以得知：赛扬四1.8G的前端总线是400MHz，它的内存带宽理论值是400MHz×64bit÷8＝3.2G/s，但当它装在845系列的主板上时，由于845主板的限制，即使你插上能符合它带宽要求的DDR400内存，也只能运行在DDR266上，这时的内存所能提供的带宽是266MHz×64bit÷8＝2.1G/s，比3.2G/s要小很多，即使你通过BIOS里的内存调节选项往上调节一档（也只能调节一档而已），让内存运行在DDR333下，所能提供的带宽也仅仅是333MHz×64bit÷8＝2.66G/s，离3.2G/s还是有一定的距离，而内存带宽的降低，能非常明显的降低整机的综合速度，运行任何程序都能明显的感觉出来！所以如果想满足赛扬1.8G处理器的内存带宽要求，你必须要为它配置865以上的主板和双通道的内存才行！P4亦是如此。很多人也许会问：那845系列的主板是配什么处理器的呢？我想回答你的就是：845系列的主板是属于“不能用”的主板，因为处理器永远比主板发展的快，当初Intel造出845系列的芯片组是为了能给当时的赛扬和P4提供一个过渡的平台，不至于让它们成为“没有主板配合”的处理器而已，也是为了能在低端市场分一杯羹，而现今865甚至9xx系列的主板横行的时候，845系列的主板确实是属于“不能用”的主板了，满足不了任何一款处理器的内存带宽，造成性能上的严重低下，试问这种主板你会选择么？即使配台2000多元的超低价电脑，也不要去选择845系列的主板，至少需要865以上的和双通道内存才行，因为内存带宽是一个非常影响系统性能的参数，倘若一味的为了省钱而配置845系列的主板，那就得不偿失了。

内存的容量方面，应每个人对电脑的使用方向不同，容量的要求也是不同的，现在配置的家用电脑，笔者建议：如果不打游戏，或者是打打扫雷、纸牌之类的游戏，平时注重于上网浏览或者是聊天、看电影之类的应用的话，内存容量不应该低于1G；如果是偶尔打打单机游戏或者是网络游戏，内存容量应该选择在2G左右，如果是经常打大型的游戏或是进行HDTV视频编辑等应用，那么4G的内存是必不可少的。

三、主板

一台电脑的稳定性和兼容性，一大部分是看主板的，一款优秀的主板不仅需要拥有上等的用料和优良的做工，还需要拥有合理的走线设计，那些没有技术实力的三、四线主板厂家生产的主板，多数是采用公版走线，而且用料非常差，稳定性不堪一击，这种类型的主板，笔者建议宁愿不买电脑也不要配这种主板，否则以后将会是个淘气的祖宗。对于家庭用户，主板方面一定不能省钱，预算够的话最好能买个一线的主板品牌，如果预算实在不足，二线的主板是底线了，不要再往下选择了，毕竟家用电脑是用来使用的，不是用来整天维修的。再谈到主板的用料，笔者常常看到很多新手在配置主板的时候，貌似老鸟似的说某某品牌的主板好，某某品牌的不好，试问你知道它好在哪里么？不好在哪里么？这个就要看主板的用料了，虽然用料好的主板并不能代表一定是高档主板，但最少能代表它的电气性能出色。举一个很简单的例子吧：有A、B两款主板，A主板的处理器供电滤波电容采用的是日系电容，B主板的处理器供电滤波电容采用的是台系电容，那么基本上可以肯定的是：如果在电源输出电压的波动范围比较大的情况下，A主板就比较能耐得住，而B主板就很容易产生电容鼓包、漏夜等情况。不要小看这小小的电容，笔者从一个开维修店的朋友那里得知，来维修主板的人，有80％的都是这几个小电容损坏，究其原因，就是电源选择的不好，导致了输出电压的不稳定，久而久之最终导致这几个小电容爆浆，并且详细叙述了主板的品牌：“一线厂家的×硕牌主板就很少出现这种情况，但同样为一线厂家的×星牌主板，经常遇到！原因就是前者的大部分主板使用的是日系电容，而后者的大部分主板为了省钱，选用的是台系电容！”厂家的广告不能信，宣传也不能信，看到一个产品的广告之后，你所能相信的唯一一点就是：地球上有这么个产品的存在！然后其他的就统统都不能信了！网上有好多所谓的“评测”文章，都是枪手写的，基本上没有任何参考余地，只能作为一篇小说来读，一款主板的真正性能，只有你自己使用了之后才能知道。厂家为了销量、商家为了利润，他们能把最最垃圾的主板宣传为最顶级的产品，笔者曾经就看到过一款四线品牌的主板厂商，在对其主流主板的广告上说“最优秀的设计、最精湛的工艺、最稳定的性能”……结果一看报价：550元/块……其他的话我也不想多说了，只想问问这家厂商：你这么垃圾的主板都用了三个“最”字，那么华硕的同芯片组主板，售价是你三倍的，应该用什么词语来描述了？？中国有一句古话：一分钱一分货，说的非常正确！不要认为价格高的主板就是暴利产品，从市场经济学上说，暴利产品是不会被市场所接受的，之所以他能存活到今天，而且售价依然是这么高，肯定有他的理由，他在做工用料方面肯定比其他品牌的要好很多，成本高所以售价高，在此，笔者奉劝大家一句：买主板千万不要凭侥幸心理，认为自己能花很少的钱买到很好的东西，只有错买的没有错卖的，商家永远都比你精明！主板上面还是老老实实的多花点钱来买个一线产品吧，否则以后有你吃苦的时候！

四、硬盘

现在的电脑，硬盘的速度当之无愧的成为了“第一大瓶颈”，无论你是再高的高手，配电脑的时候也无法消除这个瓶颈的存在，我们只有尽量的减小…再减小……。对于家用电脑的硬盘来说，容量和速度是两个非常重要的参数，容量上而言，笔者建议：如果你的电脑只是上网浏览浏览、偶尔打打小游戏的，那么160G的硬盘是个不错的选择；如果你常常下载软件或电影，那么250G的硬盘是个不错的选择，如果你是个下载狂人，那么400G的硬盘比较适合你；如果你有DV或者是经常编辑大型的视频文件，那么400G×2比较适合你，如果你是个玩HDTV的人，那么恭喜你，400G×4也许你都不够用。对于硬盘容量上的选择，你不能考虑现在是否够用，你应该考虑未来的1年里是否够用，大概的公式是：现在需要的容量×3。也就是说，如果你现在感觉80G的硬盘差不多够用了，那么你就需要买个250G的硬盘。如果你现在感觉120G的硬盘够用了，那么就去买个400G的硬盘吧。硬盘另外的一个参数就是速度，受到内部传输率等诸多因素的限制，一块硬盘的实际传输速度是不可能达到它的接口速度的，现在的并口硬盘基本上都是ATA133了，串口硬盘也都是150了，但民用级硬盘的实际传输速度最快的也还没突破66M/s，所以跟内存相比，硬盘的速度是电脑中最大的瓶颈，那么怎么来减小这个瓶颈呢？于是人们就发明了RAID，就是磁盘阵列（当然RAID不是仅仅为了这个而发明的），用两块一模一样的硬盘来组成RAID0，速度理论上能提高1倍，虽然实际上是不可能达到1倍的，但至少能非常非常明显的感觉到了硬盘速度的提升，笔者建议：如果你买的主板是带有RAID功能的，并且你需要保存的数据不是很重要的话，那么强烈建议你在预算允许的情况下购买两块硬盘来组建RAID0，这将使你能亲身体会到飞机与火车的速度差别！但最好是串口的，如果是并口的话，因为并口走的是PCI总线，由于PCI总线上的设备比较多，所以速度不可能达到比较高的地步，但如果是串口的话，那么硬盘的速度提升将更加明显！

五、显示器

显示器方面，笔者想澄清一个观念：曾经听过非常多的人说液晶显示器保护眼睛，因为没有辐射和闪烁……包括很多业内人士都这么认为的，其实错了，液晶显示器比普通的CRT还要伤眼睛！因为伤眼睛不仅仅是辐射和闪烁，还有对比度、亮度等参数，虽然液晶显示器的辐射和闪烁比CRT要小的多，但它那要命的对比度、那要命的色泽度、还有那大于每平方米300cd的亮度，这些都会对眼睛造成很大的伤害，并且你即使将液晶显示器的亮度和对比度调节到最低，也还是非常的刺眼。德国的一家权威机构做过一项调查：液晶显示器用久了会使人的眼睛感觉到疲倦，甚至头痛等症状，而使用相同时间的CRT显示器，却基本没有这些情况出现。现在的通过TCO03认证的CRT显示器，其实外露的辐射已经相当小了，基本上对人已经没有多大的伤害了，闪烁感也可以通过调节刷新率来降低，笔者实在是搞不懂为什么很多人非要去选择液晶显示器，还非要说液晶显示器不伤眼睛？？一个最差的17寸液晶显示器的价格，能买一台不错的、通过TCO03标准的19寸CRT了，显示面积也差不多大，而且CRT又比液晶更保护眼睛，液晶显示器唯一的一个优点就是占用空间小而已，其他的统统是缺点，为什么不选择CRT呢？？说到TCO03标准，现在很多的号称是通过TCO03认证的显示器，其实都是贴牌的，都没有真正的通过，关于怎样鉴别一台TCO0