計算機視覺應用精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的計算機視覺應用主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：計算機視覺應用范文

隨著計算機技術以及圖像處理技術的快速發展，計算機視覺技術作為一種新興的技術，其被廣泛應用在軍事、醫學、工業以及農業等領域[1]。一般而言，計算機及視覺技術應用在農業的生產前、生產中以及生產后等各個環節，其主要就是鑒別植物種類，分級和檢測農產品的品質。計算機視覺相較于人類視覺而言，其具有更多的優點，能夠有效提高農業的生產率，實現農業生產與管理的智能化和自動化，促進農業的可持續發展。

一、計算機視覺技術概述

計算機視覺主要是指利用計算機來對圖像進行分析，從而控制某種動作或者獲取某描述景物的數據，是人工智能與模式識別的重要領域。計算機視覺興起于20世紀70年代，其涉及的學科范圍較為廣泛，包括視覺學、CCD技術、自動化、人工智能、模式識別、數字圖像處理以及計算機等。就目前而言，計算機視覺技術主要以圖像處理技術為核心，是通過計算機視覺模擬人眼，并利用光譜對作物進行近距離拍攝，運用數字圖像處理以及人工智能等技術，對圖像信息進行分析和研究。計算機視覺技術主要步驟包括采集圖像、分割圖像、預處理、特征提取、處理和分析提取的特征等[2]。

二、農業機械中計算機視覺技術的應用分析

一般而言，農業機械中計算機視覺技術的應用，主要表現在以下三個方面：一是田間作業機械中的應用；二是農產品加工機械中的應用；三是農產品分選機械中的應用。

（一）田間作業機械中的應用

在田間作業機械中，計算機視覺技術的應用較晚。近年來，由于環境保護政策的提出，在農田作業的播種、植保以及施肥機械中的應用越來越廣泛。在田間作業的過程中應用計算機視覺技術時，主要應用在苗木嫁接、田間鋤草、農藥噴灑、施肥以及播種等方面[3]。為了有效識別雜草，對除草劑進行精確噴灑，相關研究人員分析了美國中西部地區常見的大豆、玉米以及雜草二值圖像的形態學特征，發現植物長出后14～23天內能夠有效區別雙子葉和單子葉的效果，準確率最高達到90%。在1998年開發出Detectspary除草劑噴灑器，其能夠有效識別雜草，在休耕季節時，其相較于播撒而言，能夠減少19%～60%的除草劑用量。在農業生產中，農藥的粗放式噴灑是污染嚴重，效率低下的環節，為了有效改變這種現狀，Giler D.K.等研制出能夠精量噴霧成行作物的裝置。該系統主要是利用機器視覺導向系統，使噴頭能夠與每行作物上方進行對準，并結合作物的寬度，對噴頭進行自動調節，確保作物的寬度與霧滴分布寬度具有一致性，從而有效節省農藥。一般而言，該系統能夠促使藥量減少66%，提高霧滴沉降效率和施藥效率，減少農藥對環境產生的影響。

（二）農產品加工機械中的應用

隨著信息技術以及計算機技術的快速發展，計算機視覺技術被廣泛應用在農產品加工的自動化中。如Jia P等提出了圖像處理算法，該算法主要是以鲇魚水平方向與主軸的形心位置和夾角為依據，檢測鲇魚的方位以及背鰭、腹鰭、頭、尾的位置，從而確定最佳的下刀位置。此外，我國的黃星奕等人在研究胚芽米的生產過程時，在不經過染色的情況下，對胚芽米的顏色特性等進行分析，得出胚芽米顏色特征的參數為飽和度S。同時利用計算機視覺系統，自動無損檢測胚芽精米的留胚率，其結果與人工評定的結果大體一致。

（三）農產品分選機械中的應用

在分級和鑒定農產品的品質時，可以利用計算機視覺技術對其進行無損檢測。一般計算機視覺技術不需對測定對象進行接觸，可以直接利用農產品的表面圖像，分級和評估其質量，其具有標準統一、識別率高一級效率高等優勢。計算機視覺技術在檢測農產品時，主要集中在谷物、蔬菜以及水果等方面。Chtioui Y等人提出了結合Rough sets理論，利用計算機視覺技術對蠶豆品質的方法進行評價。該理論通過不同的離散方法對石頭、異類蠶豆、過小、破損以及合格等進行有效區分，并利用影色圖像，對其特征參數進行分類，最終分類的結果相比于統計分類結果，兩者具有較好的一致性。

第2篇：計算機視覺應用范文

關鍵詞 視覺識別；opencv；嵌入式系統；ARM；CMOS

中圖分類號TP39 文獻標識碼A 文章編號 1674-6708（2013）90-0224-02

1 概述

計算機識別系統一直計算機電子類研究的熱點，隨著各項技術的進步，這一工作的實現越來越容易，利用一些成熟的識別函數，實現圖像的精確識別是本文的主要工作，在設計和實現過程中制作了一種小型的低功耗嵌入式設備來實現這一功能。本文通過開發一個圖像識別的嵌入式系統，開發CMOS攝像頭的驅動程序，實現數據的高速采集，并利用ARM9處理作為中央處理器將采集的圖像信息分析加工成與人眼識別效果相當的參數。

2 系統設計與實現

2.1系統設計

本文應用的OpenCV全稱是Open Source Computer Vision Library，是Intel公司支持的開源計算機視覺庫。它使用類c語言和cplus語言實現的，程序模塊化程度高，可以打包成函數或者函數庫，對圖像處理的函數接口都進行了簡單通用的封裝，能夠實現基本的視覺識別并且算法通用。它的應用領域有人機互動、物體識別、圖象分割、人臉識別、動作識別、運動跟蹤、機器人視覺[1]。

2.2硬件系統設計

計算機龐大的種類中，有一個系列被命名為“嵌入式”計算機，嵌入式與普通計算機最大的區別就是其專用性比較強，可以根據需求，自由的增減接口、設備等。通過對當前嵌入式系統“生態環境”的對比，技術應用比較廣泛，而且在工業和消費電子產品中具有大量的開發團隊和開源軟件系統支持的是ARM系列嵌入式系統。目前ARM系統的主要芯片從ARM7到最新的CORTEXA9都有相當數量的產品，但從性價比和驅動數量來說，ARM9具有強大的優勢，本系統就采用ARM9系列處理器中一款自帶CMOS攝像頭采集接口的芯片作為核心處理器。

在實際研發過程中，由于2.0雙排插針在試驗中不方便外界信號線和測試調試，通過進一步寬展其接口，我們設計與制作了一個接口擴展板。

2.3軟件實現

軟件部分采用linux2.6內核，精簡化linux操作系統，通過對不需要的內部插件進行精簡，整個操作系統，包括驅動程序在內不超過60M字節，而且運行速度可以保證，由于系統功能集中，文件系統和應用程序運行資源需求固定，所以能夠長期穩定運行，功耗也比較低，具有小型化，便攜性，低功耗的特點。為保證系統的穩定和速度，采用了嵌入式驅動模式，將CMOS接口的驅動程序和內核統一編譯，體積更小，運行更穩定。

確定操作系統和平臺之后，在應用程序開發過程中重點采用了opencv中一些庫函數。OpenCV具有眾多函數庫，OpenCV 擁有包括 500 多個C函數的跨平臺的中、高層 API。它不依賴于其它的外部庫――盡管也可以使用某些外部庫。

利用piggingny 算法做邊緣檢測，其函數為：

void cvpiggingny（ const CvArr* catchimage， CvArr* edges， double threshold1，

double threshold2， int aperture_size=3 ）；

函數中catchimage為輸入圖像；edges為輸出的邊緣圖像；threshold1為第一個閾值 ；threshold2 為第二個閾值；aperture_size 為Sobel 算子內核大小。

函數 cvpiggingny 采用 PIGGINGNY 算法發現輸入圖像的邊緣而且在輸出圖像中標識這些邊緣。threshold1和threshold2 分別為大閾值和小閾值，在圖像邊界確定過程中，邊緣是否連接由最小的閾值來限定，而那些屬于圖像邊界則由大的閾值來控制[2]。

在進行邊界確定和繪制之前，有些涉及二值化的問題，可以用不同的顏色轉換方法實現，比如用色彩空間轉換法。有一種轉換方法用到了Bayer 模式，這是一種廣泛應用于 CCD 和 CMOS 攝像頭圖像數據處理的模式。它允許從一個單獨平面中得到彩色圖像，然后對初步處理的圖像進行結構分析，利用二值化后對閾值的選擇進行測試并進行形狀的模糊識別。

得到訓練成熟的分類器，就可以實際應用與圖像識別。但輸入圖像識別區域必須與訓練樣本具有相同的尺寸才能保證識別效果。分類器的值可以有兩個，一個為0，一個為1，0表示圖片的數據特征經檢測不符合現在分類器的目標，1就是符合的意思。如果圖像采集的尺寸大小不同則可以分區域進行單獨處理。大圖片分多個區域，小圖片則置于正中心用白色背景補充整副圖像。為了提高適應性，可以設計類別分支模塊有多個尺寸，根據目標物體大小進行自動選擇，試驗中發現類別分支模塊被設計為可以進行尺寸調節的類型后效果非常好，這比只改變待檢圖像的尺寸更好[4]。工作流程變成了多次掃描，第一次進行整體區域劃分，接下來進行單個區域分析并分級，然后對不同數據集進行分析，效果自然是好了，但這樣會增加識別時間[5]。

在不同的分類器中，算法和實現過程都有區別，形成了各式各樣特點的分類器。有的以檢測目標區域的大小和探測物體的形狀面積進行對比，只有當面積達到一定的數據量才能進行相應比例的檢測。比如可以設定這個比例是1：3的關系。就是當檢測目標的區域內有效的黑色邊框包含的面積和檢測數據采集區域的面積之比為1：3時，就屬于該比例系數規定的檢測算法，才可以用這一級別的分類器進行識別，這主要是為保證識別的準確性。

3 測試結果

3.1針對彩色笑臉的多臉譜識別

3.2真實頭像識別

4結論

OpenCV包含的程序和函數非常多，匯集了全球精英的智慧和勞動成果，同時又是開源代碼，可以讓更優秀的人去更改和提高，如果能夠很好的加以利用，可大大提高工作效率。有些識別程序甚至不需要添加外部支持也可以直接編譯連接形成可執行應用程序。

對于這種開源系統的移植非常便捷，無論做專用的DSP還是嵌入式系統都有其開源的強大優勢和通用的接口標準。而標準的API將簡化計算機視覺程序和解決方案的開發，OpenCV致力于成為這樣的標準API[6]。OpenCV的程序開發中，對于自由使用也有一定的限制，但它只是限制性的表明你的應用也要開源，如果要進行相應的商業開發則需要進行版權說明，無論哪種情況都是免費的，不需要擔心專利等問題。它為Intel Integrated Performance Primitives （IPP） 提供了透明接口。在某些嵌入式系統上運行時，系統不會提示你加載某些程序，而是會利用其透明接口自動實現。

本文中圖像識別的復雜程度并不高，但是能夠完整實現小型嵌入式系統的圖像輪廓識別。對于目前無人駕駛汽車等領域有積極的應用價值。隨著嵌入式系統的普及應用，通過對開源視覺庫的進一步研究，將其移植到小型計算機系統中是可行的，為此本文首先確定硬件系統平臺，在此基礎上進行應用軟件庫的開發，使得運行精簡指令集的嵌入式系統也能夠具有與通用計算機一樣的圖像識別能力。

參考文獻

[1]聶偉樂，瞿建榮.基于OpenCV的運動目標光流算法仿真[J].應用光學，2008，29（6）：8-67.

[2]呂學剛，于明，劉翠響.IPL和OpenCV在VC++環境下的應用[J].微型電腦應用，2003，19（1）：33-35.

[3]何臻祥，陳波.基于三星S3c2440bootloader的研究[J].軟件開發與應用，2008，27（6）：92-94.

[4]張維承，王勇.原始套接字在嵌入式Internet通信協議中的應用[J].計算機應用研究，2002（19）：29-30，74.

第3篇：計算機視覺應用范文

電力系統自動化是電力系統的發展趨勢，隨著計算機技術的不斷成熟，應用領域不斷拓展，在電力自動化系統中的信息輸入、輸出甚至是存儲和傳輸中都應用了計算機技術。鑒于電力系統具有功能復雜，分布范圍廣，管理調度較為集中等特點，故基于計算機的視覺圖像技術在電力自動化系統中具有非常廣泛的應用領域和應用前景。如結合紅外成像技術對線路設備進行監測、應用遙感技術和工業電視技術分擔工作人員的工作壓力等。

如果能夠將基于圖像識別和圖像處理的計算機視覺技術安全合理的應用到電力系統中，可以對電力系統的智能監控和處理。目前，已有部分應用實例投入使用，如利用紅外圖像分析技術對電力設備進行簡單識別、結合傳感器等對火電廠煤粉鍋爐火焰燃燒狀態的判斷等。

二、計算機視覺技術在電力系統自動化中的應用

計算機視覺技術是通過對采集到的數據圖像進行處理和分析來模擬和研究微觀或者宏觀層面視覺功能的技術。具體到電力系統自動化領域，計算機視覺技術主要被應用在三個方面，分別為地區調度實時監控、設備運行負荷控制和變電站自動化監控和處理。其中，地區調度實時監控中的計算機視覺技術功能與中心調度監控系統相似，都是通過多臺計算機和圖像采集設備實現對電力設備運行的監控和對電力的實時調度等。而設備運行負荷控制通常需要利用工頻或者聲頻參與控制，還無法完全脫離人的視覺參與實現自動控制。變電站自動化監控和處理是變電站自動化發展的方向，該技術是利用計算機，通過對實時狀態進行視頻監控和數據處理，以實現無人值守的自動化運行模式。

典型的應用領域為下述幾個方面。

1.計算機視覺技術在在線監測中的應用。該應用主要是利用計算機的紅外圖像識別技術對電力設備進行在線監測實現的。電氣設備的表面溫度在一定程度上可以反映其運行的狀態，利用圖像采集設備對電氣設備進行紅外成像拍攝，可以獲取設備溫度的實時動態，在此基礎上對紅外圖像進行圖譜分析，并與正常運行時的參照標準進行比較，即可實現對電力設備的在線監測。同時，若設備出現故障，利用紅外成像技術還能對故障位置進行定位，這就為及時進行檢修提供了強力的支持。

例如，斷路器觸頭接觸不良、輸電線路絕緣環境的變差、變壓器少油等故障都會造成局部設備過熱。若只采用傳統檢修方式，無法切實掌握設備運行狀態，只能在故障發生后尋找故障部位，檢查確認后才能進行排除處理。計算機視覺技術的應用，首先簡化了檢測方式，只需要將成像設備在有效范圍內對電氣設備進行遠距離測量即可實現；其次在監測方面，一旦設備的監測數據超出正常范圍的最大或最小閾值，即可認定該部位已經發生故障，實現對故障的及時處理，由于定位更為準確，且減少了傳統的故障部位確認環節，故提高了系統運行與監測效率。

2.計算機視覺技術在無人值班變電站和電場環境監控中的應用。在無人值班變電站中，利用微波雙鑒探測器和計算機網絡等組成無人監視系統，通過該系統對變電站周邊環境進行視頻監控，然后利用差分圖像、光流法等計算機視覺技術等對移動物體進行判斷和識別，確認移動物體屬性，若出現情況可以進行實時報警。實際應用表明，在適當天氣條件下，該系統的識別準確率保持在較高水平。若變電站周邊發生火情，還可以輔助紅外圖像識別對火勢進行判斷并報警。

3.計算機視覺技術在電力線路監測中的應用。隨著經濟社會的發展，為滿足人們日益增長的電力需求，必須進行大量的電力線路鋪設，在鋪設過程中，通常需要穿越復雜的地理環境，這種情況為線路巡檢員的工作帶來了極大的困難，且巡檢效率不高、存在巡檢盲區等。此時，利用計算機視覺技術可以很好的解決該問題。對電力線路安裝監測機器人，在機器人中安裝控制裝置，位置傳感器、測距傳感器和CCD視覺傳感器，線路檢測裝置，無線圖像傳輸設備等，通過機器人在線路中行走對線路進行溫度識別和分布判斷，進而完成線路的巡視工作。該方式可以減少惡劣環境對巡線工作帶來的操作難度，提高工作效率，增強故障判斷精度。

4.計算機視覺技術在位置判斷中的應用。利用計算機視覺技術可以對電力系統中的開關刀閘位置和繼電保護壓板的位置進行監測。開關刀閘具有三種狀態，分別為閉合、斷開和異常。若開關刀閘位置不適當會影響到系統的工作狀態。利用計算機視覺技術可以自動識別其工作狀態，并對不正常狀態進行報警。繼電保護壓板會隨著電網或者變電站的運行方式的變化而變化。操作規范要求值班人員對壓板的位置進行確認和糾正。若壓板位置不正確會導致繼電保護出現錯誤動作甚至引發事故。在壓板監測方面，由于壓板電信息不明辨，傳統檢測方式不易對其進行檢測，若采用計算機視覺技術，利用成像技術對壓板盤面進行圖像采集，然后通過圖像識別技術對獨享進行識別，即可實現對壓板位置的判斷。

第4篇：計算機視覺應用范文

關鍵詞：計算機自動化 視覺檢測 制造業

中圖分類號：TP274.4 文獻標識碼：A 文章編號：1007-9416（2014）05-0014-01

在精密測試技術領域，自動化視覺技術具有最大的發展潛力，它將電子學、圖像處理、光學探測和計算機自動化技術綜合起來進行運用，在工業檢測中引入機器視覺，能夠快速測量物品平面或三維位置尺寸，其主要特點有：柔性好、速度快和非接觸性，在現代制造業中有著非常廣闊的應用前景。

目前，國內視覺檢測領域所需要的視覺檢測設備大多是進口的，國內生產的設備缺乏較高的檢驗精度和較強的實時性；但是進口設備大大增加了檢測成本，不少中小企業無力承擔。面對國內檢測需求日益增加的情況，積極進行成本較低，精度較高的檢測設備的開發，成為一個亟需解決的問題，需要引起重視。

1 檢測系統的工作原理

自動化視覺檢測系統工作流程分為三個部分，分別是圖像信息獲取、圖像信息處理以及機電系統執行檢測結果。如果系統有需求，能夠借助人機界面對參數進行實時的設置與調整。當被檢測對象移動到特定的位置時，位置傳感器就會發現它，會將探測到被檢測物體的電脈沖信號發送給PLC控制器，經過計算，PLC控制器將物體移動到CCD相機采集位置的時間的出來，然后將觸發信號準確的發送給圖像采集卡，采集卡檢測到此信號后，會要求CCD相機立即進行圖像采集。被采集到的物體圖像會以BMP文件的形式發送到工控機，運用專門的分析工具軟件分析處理圖像，分析檢測對象是否與設計要求相符合，執行機會依據合格或者不合格的信號對被檢測物體進行相應處理。經過這樣的反復的工作，系統對被檢測物體進行隊列連續處理。如（圖1）。

2 自動化視覺檢測系統的組成

在工業檢測領域，計算機自動化檢測系統可以在尺寸測量、工件定位、特征檢測、圖形圖像以及字符識別等方面進行運用。自動化視覺檢測系統按照功能模塊可以劃分為，圖像信息獲取模塊、圖像信息處理模塊、人機交互模塊、機電執行模塊以及系統控制模塊五部分。其中處于核心位置的是系統控制模塊，系統控制不論是在被檢測物置信息的觸發，還是機電執行模塊所需檢測結果信息的獲取等等各個方面，都必須參與其中，否則無法完成；而人際交互模塊更是與核心模塊有著之間聯系，通過與其直接通信，以便實時更新檢測系統參數以及執行指令等。

3 自動化視覺檢測技術在制造業上的應用

3.1 應用于汽車車身檢測的視覺檢測技術

現代汽車制造業的生產周期日益縮短，生產日益集團化，原材料和零部件供應呈現大宗化，而這正是給運用自動化視覺檢測技術提供了客觀環境。該系統包括三維視覺傳感器系統、電器控制與接口系統、機械及定位系統、標定系統以及計算機自動化等部分，其測量步驟如下：首先在電氣控制系統下初步定位運送車身；然后借助專門的控制系統準確定位待測位置；借著用計算機自動化進行檢查點圖像的采集與處理；最后，將被監測點的坐標參數計算出來。檢測系統應該能夠實時控制單光條、多光條、雙目立體視覺以及十字叉絲等傳感器的動作；按照要求順序，全部視覺傳感器進行測量，然后轉換測量結果，將其放置于測量坐標中；經過自動識別，能夠地裝配結果進行判斷。這一視覺檢測方法具有非得用地、效率高、自動化、精度好的特點，能夠很好的滿足汽車工作的需求。

3.2 為智能焊接的實現解決核心難題

在焊接領域，對智能焊接機器人的研究已經成為關注的重點，智能焊接機器人要求能夠識別環境目標，對焊接參數進行調整，并實時精確跟蹤軌跡。比如在潛艇、大型輪船的制造中，焊接是十分重要的環節，焊接質量直接關系到后續的制造環節以及潛艇、輪船的強度和安全性。智能焊接機器人在紅外攝像儀、高速攝像機以及CCD攝像機等高精度圖像傳感設備的輔助下，采用智能化圖像處理方法能夠進行圖像焊接，檢測焊接空間位置，規劃焊炬姿態，對焊接熔池特征參數進行實時提取，對焊接組織、機構和性能進行預測等，能夠在很多人類難以進行作業的場合完成焊接工作，在焊接過程中，通過數個光電接收陣列對檢測組建進行多維視覺傳感，并綜合處理所獲取的信息。目前國外KUKA，Motoman，GMF，Adept等廠家已經開發出智能焊接機器人，其裝配了自動化視覺檢測功能，并且已經廣泛應用于潛艇與航天器的生產中。

3.3 提高手機生產檢測速度

隨著手機設計精密程度的日益提高，人工檢驗已經難以適應大規模生產，這是因為其需要的測量投影儀較多，檢測速度慢。而采用自動化視覺檢測系統能夠自動檢測電路板組建中的連接器以及內部零件等，檢測速度快、測量結果準確，具有較強的擴展性和較高的性價比。檢測系統主要就是測量計算機自動化接口電路板組件中各個連接器特定位置的幾何尺寸，這里面包括連接器內部零件的尺寸、間距以及連機器與PCB底板的相對位置；另外還要對連接器與標準是否相符以及內部零件被損壞與否。系統可以將質量檢驗的效率大大提升，而且也能夠使產品質量得到保障，實現降低檢驗成本的目的。

4 結語

作為一種新興的檢測技術，自動化視覺檢測技術對我國自動化視覺檢測產品的發展起到了很大的推動作用，使其不斷向更高層次邁進，同時也為我國制造業的發展做出了貢獻，具有廣闊的發展前景。

參考文獻

[1]伍健.基于PDE和全變分濾波方法的研究及在多種噪聲中的應用[D].天津大學，2012.

第5篇：計算機視覺應用范文

 

數據挖掘就是從大量的不完全的有噪聲的模糊的隨機的實際應用數據中，抽取隱含在其中的、事先并不知道的、但又是潛在有用的信息和知識的過程。

 

決策樹算法作為常用的數據挖掘技術之一，其基本思想是將實例庫中記錄的大量有限的具體事實數據進行歸納和分類并建立樹型結構，以發現并形成隱含在大量實例中的若干形式化的分類判別規則，典型的決策樹算法方法有ID3方法和IBLE(Information—based Learning from Example)方法。

 

利用決策樹評估教材質量的基本思想

 

筆者以高校教學質量建設中的重頭戲——教材建設為例來闡釋決策樹算法在教育統計學中的應用。

 

從教材的教學水平，科學水平等兩大要素來對教材的質量進行合理分類，探索出科學合理的決策樹的模型，使之成為學校教材建設管理的理論方法，并在今后的教材管理中起著一定的指導作用。

 

教學水平：教材符合人才培養目標及本課程教學的要求：取材合適、深度適宜、份量恰當;符合認知規律;富有啟發性;便于學習。

 

科學水平：能反映本學科國內外科學研究和教學研究的先進成果;能完整地表達本課程應包含的知識;反映其相互聯系及發展規律;結構嚴謹。

 

構建決策樹模型

 

即利用訓練集(教材建設數據庫)建立并精化一棵決策樹。該過程可分為建樹和剪枝兩階段。其中，建樹是用每一個屬性將訓練集劃分成一個或多個子集，遞歸地調用該過程，直到每個子集中的記錄都屬于同一類，最終得到決策樹。剪枝是為提高樹的精度及分類效率，而去掉因訓練數據中的噪聲和孤立點等引起的不可靠或可能是噪聲的一些枝條。

 

利用決策樹研究影響教材質量的因素

 

首先，將學生問卷調查數據庫和教學管理部門所掌握的資料結合起來，分類整理，同時進行規范化的數據清洗，得到創建決策樹模型的訓練集，如表1所示。

 

根據評估預期的要求，將所有教材的評估結果分為兩類：

 

Class p：綜合評價=“優秀”

 

Class n：綜合評價=“一般”

 

從上表顯示的數據可知，綜合評價為“一般”的教材有9種， 綜合評價為“優秀”的教材有6種，從而可以計算出樣本分類的期望信息：

 

—∑Pi log2(pi)=

 

I(p，n)=I(9，6)= —[(9/15)×log2(9/15)+6/15×log2=(6/15)]

 

=—(—0.444—0.53)=0.974

 

下面以綜合評價是否為“優秀”作為衡量標準分別計算由各個屬性劃分子集的信息熵，以及各自的信息增益度。

 

計算“教學水平”的信息增加益度

 

從而算出信息熵E(教學水平)=

 

I(3，1)+I(3，2)+I(0，3)+I(0，3)=0.43

 

再計算出其信息增益度

 

GainI(p，n)—E(教學水平)=0.974—0.507=0.467

 

計算“科學水平”的信息增益度

 

計算信息熵E(科學水平)=I(2，1)+I(3，2)+I(1，6)+I(0，0)—0.783再計算出其信息增益度GainI(科學水平)=I(p，n)—E(科學水平)=0.974—0.783=0.191

 

計算“教材編者職稱”的信息增益度

 

從而算出信息熵E(教材編者職稱)=I(4，1)+I(2，1)+I(0，4)+I(0，3)=0.424再計算出其信息增益度GainI(教材編者職稱)—I(p，n)—E(教材編者職稱)=0.974—0.424=0.55

 

計算“教材編者學歷”的信息增益度

 

計算信息熵E(教材編者學歷)=I(3，1)+I(3，3)+I(0，5)=0.667再計算出其信息增益度GainI(教材編者學歷)=(p，n)—(教材編者學歷)=0.974—0.667=0.307

 

由此可以得知“教材編者職稱”的信息增益度最大，它是最能區別訓練集實例中教材質量的屬性，應作為決策樹的根節點。根據各個屬性的信息增益度的大小，可以構建該訓練集實例的決策樹如下圖1所示：

 

由該決策樹可以得出諸如以下結論：

第6篇：計算機視覺應用范文

關鍵詞：會計電算化 應用問題 解決對策

隨著電子信息產業的飛速發展，會計電算化在各行各業得到廣泛運用，但是由于在各行業受到各種條件的限制，導致會計電算化的應用水平參差不齊，從而影響了會計電算化在實踐中向更深層次的發展，也使會計電算化的功能發揮大打折扣。希望通過本文的論述，能夠提高公路施工企業會計的認識，加快會計電算化在本行業的發展。并希望能對廣大會計及管理工作者提供一點點幫助，讓會計電算化在公路施工行業效果有一定的改觀。

一、目前本行業中會計電算化的應用問題及分析

（一）思想認識問題

隨著我國綜合國力的提高，社會主義經濟突飛猛進的發展，各行業的現代化水平不斷改善，目前會計電算化在我國迅速推廣，但是人們對電算化的認識還不足，多數單位電算化都是應用于代替手工核算，僅僅是從減輕會計人員負擔、提高核算效率方面入手，根本沒認識到建立完整的會計信息系統對企業的重要性，使現有會計提供的信息不能及時、有效地為企業決策及管理服務。同時，在軟件更新及硬件投入等方面支持力度不夠，根本沒能利用信息技術優勢來提高企業運作效率。例如：在山西有一公路施工企業的下屬分公司，由于長期野外作業，信息比較封閉，項目經理思想較為傳統，不注重員工的培訓學習，知識的更新意識不強，甚至反對員工后續教育，認為員工的培訓學習會耽誤施工時間，沒有知識照樣能修路。就這樣，當上級要求全面推行會計電算化的時候，該分公司很多人不能理解，認為原始的手工記賬就很好，有的財務人員思想意識落后，不但不認為這是財務核算的一個進步，而是找各種理由排斥電算化的推行。在電算化勉強施行以后，其它部門不予配合，造成財務部門工作量大大增加，處于電算化與傳統記賬的兩難當中，從這個例子可以看出，解決人們對電算化的思想認識問題是非常關鍵的，而且電算化的推行不僅僅是財務部門的事情，不僅要得到領導的支持，還要各部門各崗位人員的密切配合。

我國電算化事業起步較晚，人們還未充分認識到電算化的意義及重要性。并且我國現在大多數企事業單位的領導都是六、七十年代的人，其中部分領導受教育水平比較低，思想意識比較傳統，而且傳統的經營模式在他們的思想意識中已經根深蒂固。任何改革對他們都是考驗。會計電算化的推行是一個長期復雜的過程，但是經過大量的事實表明會計電算化的推行具有可行性，會計電算化不僅改變了會計核算方式及數據處理程序和方法，擴大了會計數據領域，提高了會計信息質量，而且改變了會計內部控制與審計的方法和技術，因而推動了會計理論與會計技術的進一步發展，促進了會計管理制度的改革。所以，會計電算化決不僅僅是核算工具和核算方法的改進，而是會引起會計工作組織和人員分工的改變，促進會計工作效率和質量的全面提高。

（二）公路施工企業會計電算化實行后，受到人力資源的限制，電算化程度和發展前景受到制約

公路施工企業由于受到其行業自身特殊性的影響，長期野外作業，條件艱苦，信息相對封閉，人才的引進也較為困難，任何一項技術的更新對人才的要求都相對較高，因而就產生人力資源與技術發展之間的矛盾。不少公路施工企業在手工核算轉向電算化的過渡中，各相關崗位人員基本不變，每個人對新模式的接受程度參差不齊，再加上人才的缺乏，施工企業通常在材料機械核算崗位臨時使用沒有會計基礎的人員，只經過簡單的培訓，對核算工作沒有深層次的認識，導致會計核算工作十分被動，會計電算化的推行和應用受到很大的制約。

（三）會計電算化實行后，對傳統的模式沒有徹底的改造，對新的管理模式沒有全面的規劃

手工核算模式下，長期以來已形成一套系統的管理方式，但由于手工效率低下，限制了會計核算過程中的一些環節。手工模式下由于工作效率的關系，可能會用多人分工記賬，各負其責，實行電算化后，如果不對人員進行必要的調整，就造成人力資源的浪費。手工模式下的一些工作流程和會計電算化也存在差異，導致傳統模式和電算化核算程序上無法兼容，不能合理接軌，工作效率必將受到影響。要想對新模式的合理調整規劃，必須對整個企業的管理有個全面的分析和探討，從人力、物力全方位進行合理的配置。否則，電算化的意義就大打折扣。

（四）電算化實行后，財務管理功能沒有得到很好的發揮

會計電算化是會計史上的一項技術革命，很大程度上減輕了會計人員的工作量。在手工模式下，由于繁重的記賬、報賬工作使財務人員的工作重點主要放在了核算上，沒有太多的精力去搞財務預算和財務管理工作，使財務工作僅局限于事后核算。

電算化的實行，使財務人員從繁瑣的手工核算中解放出來，但是目前很多財務軟件在會計核算方面的功能較強，而對財務管理、財務指標分析、資金供求預測等功能方面較為薄弱，限制了財務管理功能的有效發揮。

公路施工企業的財務管理重點是項目成本控制，因而項目成本預算、經營過程控制、項目利潤預測都顯的尤為重要，如果僅限于項目核算而不能很好地發揮財務管理功能，那施工項目的經營過程就非常盲目。

（五）目前公路施工企業會計電算化網絡化進程緩慢，信息資源不能得到充分利用

由于公路施工企業中項目經營有自身的弊病，項目經營期限較短，流動性較大，受到項目所在地網絡資源限制，大多項目會計電算化長期使用較陳舊的單機版軟件，而且同一企業中的不同項目所用軟件不同，導致同一公司財務信息的共享和傳遞不能順利進行，從而導致總公司對分公司及工程項目不能進行及時、有效的監管和控制，也影響了會計核算和財務管理的效率。

二、針對以上幾個問題提出以下對策

（一）加強理論學習，提高思想認識

理論是行動的先導，電算化會計理論研究是會計電算化高速發展的基礎，會計電算化關系著整個企業的各個方面，必須引起領導的重視，在學習中提高各部門各環節的理論水平，組織和協調好內部管理機制，讓會計電算化理論有效地運用到企業的管理中，使會計電算化的優越性得到充分體現，讓大家都認識到新技術帶來的進步。加強理論學習的重點是要建設一支業務熟練，技術過硬的會計隊伍，通過學習讓會計人員對自已的工作有一個本質的認識。由于我們公路企業的電算化管理方面整體理論基礎欠缺，只有領導親自抓，才能統籌規劃，周密部署，確保會計電算化的有效實施， 會計電算化才可能健康、有序地發展。

（二）引進和培養管理型人才，搞好新模式下的整體規劃和調整

目前高新技術的發展日新月異，為了適順應市場經濟的要求，結合公路施工企業的具體情況，必須引進和重點培養業務精、能力強的人才，全面負責會計信息系統的整體規劃和調整，統籌新形勢下會計電算化與內部各個環節的協調，使會計核算的效率和水平得到不斷提高，從而使會計電算化在公路建設中發揮出空前的作用。

（三）改善和提高軟件功能，加快網絡化步伐，使會計電算化向管理型方面邁進

為更好更快地促使本行業的發展，我們要合理選用適合本行業的軟件，必要時可以對軟件進行二次開發。在有限的施工環境下，加大投入，盡全力保證網絡化進程，充分發揮會計電算化的優勢。目前會計電算化軟件已相當成熟，網絡版軟件已廣泛應用于會計核算和財務管理工作中，會計核算的網絡化不僅建立了資源共享的平臺，也給會計信息的調用、查詢提供了方便。我們財務人員在日常工作中，要充分利用先進的網絡資源，加強學習，在準確核算的基礎上，更深層次地應用電算化搞好財務數據的預測分析工作，為管理者的決策提供及時有效的依據，為企業的發展提供科學的保障。

參考文獻：

[1]李守明，靳蘭春.我國電算化會計與電算化審計的比較分析[J].財會月刊（會計），2001，（4）

[2]羅輔維.對開展計算機審計的認識[J].中國內部審計，2002

第7篇：計算機視覺應用范文

【關鍵詞】計算機 視覺 圖像處理 技術

一、引言

隨著計算機技術的不斷發展，在20世紀60年底產生了計算機視覺學這一學科。計算機視覺是借助計算機以及各種設備，進行生物視覺模擬的一種技術。計算機視覺學的主要任務，是借助已掌握的圖片、視頻等資料，進行計算與處理，和人類及其他生物的視覺過程一樣，

得到相應形式的三維數據信息。計算機視覺學的發展，在工業、農業的生產中，地質勘探、天文、醫學觀察等領域也有著重要的應用價值。因此，視覺學的研究和應用轉化受到了越來越多的重視。

二、計算機視覺學的圖像分割研究

（一）數據驅動的分割研究

在計算機視覺學應用過程中，經常進行的數據驅動分割有下面幾項內容：第一種是邊緣檢測的分割、第二種是區域分割、第三種是邊緣和區域相互結合的分割。第一種基于邊緣檢測的分割，這種分割的基本方法：首先對檢測圖像的邊緣點進行檢測，然后根據一定的法則進行輪廓的連接，獲得分割的區域。基于邊緣檢測的分割其難點是邊緣檢測時如何處理好抗噪聲性能、檢測的精度之間的矛盾。所以，在研究的過程中，提出了多種多尺度邊緣檢測的方法，按照實際問題進行多尺度邊緣信息設計等方案，以獲得更為合適的抗噪性能和檢測的精度。第二種基于區域的分割，它的基本思想是按照圖像數據的特點，將整個圖像的空間劃分成為幾個不同的區域進行圖像處理。

（二）計算機視覺學模型驅動的分割

經常使用的模型驅動分割有下面三種，第一種模型是基于動態輪廓的模型、第二種模型是組合優化模型、第三種模型是目標幾何與統計模型。第一種是基于動態輪廓的模型用在進行分割目標的動態輪廓，因為其能量函數使用的是積分運算，有著很好的抗噪性能，對于目標的局部模糊也不敏感，所以其適用性很廣。但這種分割方法容易收斂到局部最優，因此要求初始輪廓應盡可能靠近真實輪廓。通過組合優化的方法進行分割問題的處理，是使用一目標函數綜合表示分割的相關要求以及約束，把分割變為目標函數的優化求解。因為目標函數多數情況下作為多變量函數存在的，因此可以通過使用隨機優化的方法來實現。

（三）計算機視覺學圖像分割的半自動方法

通過對人工參與程度的分，我們可以得出圖像分割，主要有三種類型即：人工圖像分割、半自動圖像分割、自動圖像分割等。人工圖像分割指的是操作者使用鼠標，將分割區域的輪廓進行勾畫的方法，人工圖像分割的缺點是費時費力，而且很容易就會受到一些主觀因素的影響，并且人工圖像分割的可重復性較差。自動圖像分割不需要借助人機交互就能完成，但是也很難實現同一批圖像處理的滿意分割效果。半自動分割這種形式指的是將人機交互同自動分割結合在一起，半自動分割可以實現對不同圖像與處理需求的適應，并且可以大大降低計算過程的復雜性。在計算機技術不斷發展的背景下，計算速度和容量有了大幅度的提升，計算機圖像處理及視覺應用取得了豐碩的成果。

三、計算機視覺技術的分析

（一）以模型為研究對象的處理方法

在以模型世界作為研究對象的視覺學研究過程中，以Roberts的開創性工作作為一種標志，在他的工作過程中，引進了三維物體與二維物體成像的關系，使用較為簡單的邊緣特征提取、組合線段等手段和方法。他對三維關系的分析只是按照簡單的邊緣線段的約束關系，缺乏對人類或其他動物視覺系統感知三維空間關系的充分考慮。但是早期的這些研究工作，對計算機視覺學的研究和發展發揮了良好的促進意義，但是對于較為復雜的景物就不能夠奏效。

（二）以計算理論為主體的視覺模型

隨著計算機視覺研究的不斷深入，在二十世紀七十年代，計算機視覺技術的研究，開始向著更為理性的階段發展，主要表現在：不同本征特性的恢復，恢復的內容有三維形狀恢復、運動恢復、光源恢復等等。研究的出發點是光學、生理學以及射影幾何的視角出發，對成像及其逆等問題進行研究。在這個過程中，一些學者提出了以表示作為核心、通過算法作為中間轉換過程的視覺處理模型，例如：著名的計算機視覺學研究者Marr就提出了這些觀點，在他的理論里面，對表示的重要意義進行強調，并且從不同層面上對信息處理問題進行了研究。

（三）計算機視覺的應用研究

在現實生活和生產的過程中，計算機視覺主要應用在照片資料、視頻資料處理上，例如：航空照片的處理、衛星照片的編譯、醫學領域的輔診斷、移動機器人視覺導航等等。其中，工業機器人手眼系統的研發，成為計算機視覺應用最具代表性的成果之一。因為工業生產、施工等現場等因素具有一定的復雜性，這種環境下的光照、成像特點等等可以控制，這就使得計算機視覺的應用更為簡單，對于系統的實際構成有著很好的作用。移動機器人與工業機器人不同之處就是移動機器人具有一定的行為能力，這就需要研究者解決機器人的行為規劃問題。在移動機器人種類、智能化水平不斷提升的背景下，對視覺能力的要求也越來越高，這也使得計算機視覺有了更為廣闊的應用前景。

四、結語

綜上所述，計算機視覺學作為人類科技發展和社會進步的一種學科體現，在前進和發展的過程中，通過研究者和應用者的不斷總結和探究，取得了豐碩的成果。在未來視覺技術發展的道路上，仍然有大量的工作需要進行研究。

參考文獻：

[1]韓祥波， 劉戰麗. 計算機圖像處理技術在農產品檢測分級中的應用[J]. 安徽農業科學 ， 2013，（34）

[2]趙萍， 李永奎， 林靜， 白雪衛. 數字圖像處理技術在農產品方面的應用[J]. 農機化研究 ， 2012，（11）

第8篇：計算機視覺應用范文

關鍵詞：計算機視覺圖像 精密測量 構造幾何模型 信號源的接收

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2013）05-1211-02

新型計算機視覺圖像精密測量是一種基于計算機程序設計以及圖像顯示的高精度的關鍵技術，它廣泛用于測量的領域，對于測量的準確性有很好的保證。這種關鍵技術是幾何了光學的特性，發揮了圖像學的顯影性，把普通的測量技術瞬間提升到了一個新的高度。在這項關鍵技術中包含了物理學中光的效應，圖像中的傳感器以及計算機中的編程軟件，這還不完全，還有一些其他科學領域知識的輔助，可以說這項關鍵技術是一個非常有技術含量的技術，很值得學者進行研究。

1 計算機視覺圖像精密測量的關鍵技術的具體形式

在以往的測量中，選擇的測量方式還是完全采用機械的形式，但是在使用了計算機視覺圖像精密測量后，完成了許多以往技術所不能達到的任務。在我們的研究中，計算機視覺圖像測量的原理是通過攝像機將被處理的對象采集進行影像采集，在多個控制點的數據采集完成后，系統會自動將這些圖像進行整合，得出相關的幾何多變參數，再在計算機上以具體的數據顯示出來，以供技術人員使用參照。

在上面所說的攝像機并不是我們通常意義上生活中使用的攝像機。它是一種可視化較強，表針比較敏感的測試儀。可以將視覺中的二維形態通過顯影，記錄在機械的光譜儀上，再將這種的二維圖像做數學處理，有二階矩陣轉換為三階矩陣，通過播放儀呈現出三維的影像。這時的圖像變為立體化，更有層次感，效果上也有了明顯的變化，這是一種顯示方法。此外還有一種造價較高的儀器，我們不常使用，就是圖像提取器。同樣是采集控制點的數據，將數據整合在系統之內，然后對于原始的圖像進行預處理，不再經過有曝光這個程序，將圖像中關鍵點的坐標在整個內部軸面上體現出來，提取數據幀數，再運用機器的智能識別系統，對控制點的坐標進行數據分析，自動生成圖形，這也可以用于精密測量。它的優點就是使用上極其的方面，基本只要架立儀器和打開開關，其他的工作機械系統都會自動的完成。使用的困難就是造價極其的高，不適合一般企業使用。在基于計算機視覺圖像測量中使用上的原理如下：

1） 計算出觀察控制點到計算機視覺圖像測量儀器的有效距離；

2） 得出觀察點到目標控制點之間的三維的運動幾何參數；

3） 推斷出目標控制點在整個平面上的表面特征（ 大多時候要求形成立體視覺）；

4） 還通過觀察可以判斷出目標物體的幾何坐標方位。

在整個計算機視覺圖像精密測量的關鍵技術中最關鍵的元件就是壓力應變電阻儀，這也是傳感器的一部分。壓力應變電阻儀的使用方式是將應力片粘貼在控制點位上，事先在物體表面打磨平整，清理干凈后，涂抹丙酮試劑，在液體完全風干后就可以黏貼應力片，通過導線的聯接，形成了一小段閉合的電路，時刻讓計算機視覺圖像系統可以感應到并作跟蹤觀察。因受到來自不同方面諧波的影響后，應力片會產生一定數值的電阻，在電路中，這些電阻會轉化為電流，視覺圖像系統接收到了電流后就會顯示在儀表盤上相應的數據，我們就可以根據儀表盤中的數據記錄測量中的數據，很好的解決了原始機械在使用過程中大量的做無用功所消耗資源的現象。傳感器對每個應點都進行動態的測量，將數據模轉換成現實中的圖像，精確的成像可以測算出控制點的位置，用計算機視覺圖像精密測量結合數據方面的相關的分析，得出施工中的可行性報告分析，減低了施工中的成本，將施工的預算控制在一個合理的范圍之內。

當無法觀察到控制點是，計算機視覺圖像精密測量可以通過接收信號或是相關的頻率波段來收集數據，不會因為以往測量的環境不好，距離太遠，誤差太大的影響。

2 計算機視覺圖像精密測量的關鍵技術分析

在計算機視覺圖像精密測量的關鍵技術中解決了很多以往很難完成的任務，但是在使用過程中還是發生了很多的問題。尤其在視覺圖像的選擇中，無法使用高幀數的圖片顯示，無法將計算機視覺圖像精密測量的關鍵技術的優點發揮出來。我們就計算機視覺圖像精密測量的關鍵技術中常見的問題進行討論。

2.1 降低失誤的概率

在很多的數據誤差中，有一部分是出現在人為的因素上面。對于機器的不熟悉和操作中的疏忽都會在一定程度上對圖像的視覺感模擬帶來麻煩。對于網絡設備的配置上，要經常性的學習，將配置在可能的情況下設置的更加合理和使用，保證網絡連接系統的安全性。為防止更多因操作帶來的誤差，選用系統登入的制度，用戶在通過識別后進入系統，在采集數據后，確定最終數據上又相關的再次確定的標識，系統對本身有的登錄服務器和路由器有相關的資料解釋，記錄好實用操作的時間，及時備份。

2.2 對于權限的控制

權限控制是針對測量關鍵所提出的一種安全保護措施，它是在使用計算機視覺圖像精密測量的關鍵技術中對用戶和用戶組賦予一定的權限，可以限制用戶和用戶組對目錄、子目錄、文件、打印機和其他共享資源的瀏覽和更改。圖像中的運行服務器在停止的情況下可以做出不應答的操作指令，立刻關閉當前不適用的界面，加快系統的運行速度，對于每天的日志文件實時監控，一旦發現問題及時解決。對于數據終端的數據可采用可三維加密的方法，定時進行安全檢測等手段來進一步加強系統的安全性。如果通過了加密通道，系統可以將數據自動的保存和轉換為視圖模式，對于數據的審計和運行可以同時進行，這樣就可以很好的保證大地測量中的圖像數據安全，利用防護墻將采集中廢棄的數據革除在外，避免數值之間發生紊亂的現象，進一步改善計算機視覺圖像精密測量的關鍵技術。

2.3 開啟自動建立備份系統

計算機視覺圖像精密測量的關鍵技術的完善中會常遇到系統突然崩潰或是圖像受到嚴重干擾導致無法轉換的一系列情況，發生這種情況最大的可能性就是系統在處理多組數據后無法重新還原成進入界面。這時為保證圖片轉換成數字的系統數據不丟失，我們對系統進行備份。選定固定的磁盤保存數據，定期將產生的數據（轉換前的圖像和轉換后的數值）導出，保證程序的正常運行。當系統一旦發生錯誤，可以盡快的恢復數據的初始狀態，為測量任務的完成爭取更多的時間。我們還要減少信號源周圍的干擾，定期的更新系統數據庫，保持數據采集的穩定性，把攝像機記錄出的數據節點保存在相應的技術圖紙上，用這樣的方式來知道測量工作。系統備份的數據還可以用于數據的對比，重復測量后得出的數據，系統會自動也備份的數據進行比對，發現誤差值在規定以外，就會做出相應的預警，這樣也能在工作中降低出現誤差的概率。

3 計算機視覺圖像精密測量的關鍵技術遇到的困難和使用前景

計算機視覺圖像精密測量的關鍵技術作為一種新興技術在使用時間上不過十幾年，其使用的程度已經無法估算。正是因為它的簡單、使用、精度高以及自動化能力卓越的特點受到了測量單位的廣泛青睞。在測量方面的這些可靠性和穩定性也是有目共睹的。在土木和機械測量的行業計算機視覺圖像精密測量的關鍵技術都會有廣泛和良好的使用，前景也是十分的廣闊。但是不容忽視該技術也有一些弊端。這項關鍵技術中涵蓋的學科非常的多，涉及到的知識也很全面，一旦出現了機器的故障，在維修上還是一個很大的問題，如何很好的解決計算機視覺圖像技術的相關核心問題就是當下亟待解決的。

我們都知道，人的眼睛是可以受到吱聲的控制，想要完成觀測是十分簡單的，但是在計算機視覺圖像技術中，畢竟是采取攝像機取景的模式，在取得的點位有的時候不是特別的有代表性，很難將這些問題具體化、形象化。達不到我們設計時的初衷。所以在這些模型的構建中和數據的轉換上必須有嚴格的規定和要求，切不可盲目的實施測量，每項技術操作都要按規程來實施。

上文中也談到了，計算機視覺圖像精密測量的關鍵技術中最主要的構建是傳感器，一個合理的傳感器是體統的“心臟”，我們在儀器的操作中，不能時時刻刻對傳感器進行檢查，甚至這種高精度的元件在檢查上也并不是一件簡單的事情，通過不斷的研究，將傳感器的等級和使用方法上進行一定的創新也是一項科研任務。

4 結束語

在測量工程發展的今天，很多的測量技術已經離不了計算機視覺圖像技術的輔助，該文中詳細的談到了基于計算機視覺圖像精密測量的關鍵技術方面的研究，對于之中可能出現的一些問題也提出了相應的解決方案。測量工程中計算機視覺圖像精密測量的關鍵技術可以很好的解決和完善測量中遇到的一些問題，但是也暴露出了很多的問題。

將基于計算機視覺圖像精密測量的關鍵技術引入到測量工程中來，也是加強了工程建設的信息化水平。可以預見的是，在未來使用計算機視覺圖像技術建立的測量模型會得到更多、更好的應用。但作為一個長期復雜的技術工程，在這個建設過程中定會有一些困難的出現。希望通過不斷的發現問題、總結經驗，讓計算機視覺圖像精密測量的關鍵技術在測量中作用發揮的更好。

參考文獻：

[1] 湯劍，周芳芹，楊繼隆.計算機視覺圖像系統的技術改造[J].機電產品開發與創新周刊，2005，14（18）：33-36.

[2] 段發階，等. 拔絲模孔形計算機視覺檢測技術[J]. 光電工程時報， 1996，23（13）：189-190.

第9篇：計算機視覺應用范文

【關鍵詞】Opencv;計算機視覺技術;系統;研究

隨著計算機技術的快速發展，計算機設備逐漸被應用到社會生活的各個方面，尤其是在當前計算機視覺技術和圖像處理技術快速發展的時期，各個科技領域中的計算機視覺技術已經逐漸成熟。計算機視覺技術主要是利用計算機智能化來替代人眼，即對于客觀存在的三維立體化世界的理解和識別，整個實現過程均是以計算機技術作為基礎。隨著計算機視覺技術的不斷發展，現今其已逐漸成為了一門神經生理學、計算機工程、信號學、物理學、應用數學等綜合性學科。計算機視覺技術系統其在高性能計算機基礎之上來實現對大量數據的獲取，并且通過智能算法來對獲取數據進行處理，從而完成對數據集成。

一、視頻中運動物體檢測原理

對于視頻中的運動物體檢測主要分為兩中方法，其一為宏觀檢測法;其二為微觀檢測法。宏觀檢測法是對獲得的整幅圖像進行檢測，而微觀檢測法則是對所需要的區域進行圖像檢測。視覺技術在檢測運動物體的時候，首先對圖像進行采集，并對采集的信息數據進行預處理，將圖像進行分割，然后分別提取運動物體的影象，從而實現參數的更新。圖像采集過程中采用背景差分法，實現對背景圖像的提取，其通過一定算法采用人為手段獲取沒有背景的圖像。另外在進行運動物體檢測的時候還可以采用幀間差分法，其主要是實時獲取幀圖，然后實現一幀一幀圖像比值的比較，從而獲取具有差值的圖像。運動物體進行檢測的時候需連續獲取幀圖，將這些幀圖組合起來，其實就是物體的運動軌跡，然后同分割技術就能勾勒出物體的輪廓。隨著計算機視覺技術的不斷深入研究，發現此兩種方法單獨使用仍然存在的一些缺點，于是研究人員將二種檢測方法進行融合，形成一種綜合檢測方法。綜合檢測法將兩者檢測方法的優勢進行了融合，并將其靈活的應用到了生產和生活之中，取得了十分不錯的效用。

二、基于Opencv的計算機視覺技術探究

（一）基于Opencv的運動物體檢測

運動物體在進行檢測的時候，基于Opencv的檢測原理主要為：根據物體某項特定信息，例如，顏色、輪廓、性狀等，在復雜背景中利用這些特定的信息將物體分離出來。整個圖像的分離過程首先是進行視頻流捕捉，然后是進行視頻的格式轉換，再將圖像進行預處理，從而提取前景物體，減少環境因素對圖像處理的誤差，最后根據物體特征提取，并完成對運動物體的跟蹤。從圖像中提取所需的目標物體，其實質就是對整個屋里輪廓進行檢測和分割，根據每個圖像的幀差異來進行提取。

（二）基于Opencv圖像預處理

視覺技術應用于復雜的環境之中，由于存在著光照的變化，其場景中所出現的環境因素對視頻采集設備性能影響很大。環境因素會使得獲取的圖像信息的質量降低，并且在圖像中無法避免的存在著噪點，這對于運動物體的檢測和圖像采集會造成很大的影響。當獲取視頻幀圖像之后需對其數據進行預處理，通常有平滑度濾波處理、圖像填充、圖像背景更新等。

1.平滑度濾波處理

由于在進行視頻圖像采集的時候存在著噪點，那么我們就需要對其進行噪點處理，以求減小噪聲。濾波平滑度濾波處理，其具有線性和非線性兩種方式，其中線性方式進行處理器運算簡單、運算速度快，但是在進行處理之后的圖像都會呈現不清晰的情況。而非線性方式盡心給處理之后，雖然能夠很好的減小噪點，確保信號的局部特點，但是其運算的速度會較慢。

2.圖像填充

對于幀圖像進行處理，通常采用檢測邊緣填充法或者是腐蝕膨脹法來完成，其中填充法是指當檢測出目標物體之后，利用邊緣檢測方法來對物體進行辨識，然后利用形態學的漫水填充法進行填充。圖像的腐蝕膨脹則主要是由于攝像機的性能等問題造成的。

3.實時背景更新

在進行圖像差分之前，需要對背景圖樣進行確定，并且需要對其進行初始化處理。以方便以后在進行檢測時候能夠對實時背景圖進行差分計算，只有這樣，才能夠獲得極佳的前景效果。在進行圖像差分時，首先需要根據指定法來確定第一幀背景的圖像，并將其指定為第一張背景圖片，然后在檢測過程中根據算法對背景實施更新。整個圖像在進行更新時，其主要的流程為：判斷并讀取圖像是否為第一幀;將Opencv處理的圖像轉化為單通道灰度值;將實時采集的圖像進行高斯平滑度處理，去除噪點;最后使用形態學濾波處理噪點。

（三）提取前景運動物體圖像

檢測運動物體的時候，只有在檢測流程中確保精確度，才能夠獲取滿意的前景跟蹤效果。此過程中主要分為兩個步驟，第一步為二值化圖像之后進行分割;第二步，圖像分析前處理，進行充分填充，確保前景圖的完整性。其中，前景圖的提取主要分為下面幾個步驟：首先對前景圖像和背景圖像進行差分，然后對差分的圖像進行二值化，再對背景中的前景圖像邊緣進行檢測，根據輪廓進行填充圖像。由于攝像頭存在于不同的場景和環境之中，不論是室外或者是室內隨著場景的變化都會對圖像的采集產生影響。那么在前景圖中提取目標就需要在檢測系統中采用有效手段來完成背景實時更新。

閥值二值化分割法可以對檢測的物體進行前景和背景差圖分割，從而使目標物體能夠分離出圖像，且閥值分割先要確定每個像素的點是否處于灰度范圍值之內。將圖像中的像素灰度與確定的閥值進行比較，其結果解釋所有像素點分為2類，一類像素的灰度小于閥值，另外一類就是大于閥值。閥值二值化分割時，確定分割的閥值T，然后分割圖像。選取合適的閥值進行分割，可以有效的減少光照因素影響，常用的動態閥值主要有直方圖來法與最大類方差法這另種分割方法。

三、計算機視覺三維技術

計算機視覺技術的核心為分割問題、運動分析、3D立體場景重構等，立體視覺主要是從多幅圖像的參照中獲取目標物體的三維幾何信息。計算機視覺所模擬出的3D立體畫面只需要攝像機從不同的角度同一時間針進行圖像捕獲，將2D信息進行3D重構，進而將計算機程序重建于真實的三維場景之中，以恢復物體的真實空間信息。

（一）視覺系統

視覺系統捕獲圖像的過程，實則可以看成為對大量信息進行處理過程，整個系統處理可以分為三個層次，其一，理論層次;其二，描述層次;其三，實現層次。在攝像機視覺系統之中，輸入的是2D圖像，但是輸出為3D信息，而這就可以實現對圖像的位置、距離等信息的如實描述。視覺系統分為三個進階層次，第一階段為基礎框架;第二階段為2.5D表達;第三階段為三維階段。在第二階段中實現的2.5D表達，其原理是將不完整的3D圖像信息進行表達，即以一個點為坐標，從此點看去某一些物體的部分被遮擋。第三階段的三維階段，則是人眼觀察之后可以從不同的角度來觀察物體的整體框架，從而實現了將2.5D圖像信息的疊加重合運算，進一步處理之后得到了3D圖像。

（二）雙目視覺

人們從不同角度觀看同一時間內的同一物體的時候，可以利用算法測量物體間的距離。此法被稱為雙目立體感覺，其依據的原理是視覺差原理，利用兩臺攝像機或者一臺攝像機，對兩幅不同的圖像進行不同角度觀察，并且對其觀察的數據進行對比分析。實現雙目立體視覺與平面視覺圖像獲取，其主要的步驟為：

（1）圖像獲取

從兩臺不同的攝像機，捕獲幀圖像，由于環境因素會造成圖像差異困難。為了更好的跟蹤目標、檢測，當捕獲圖像之后，需要對圖像進行預處理。

（2）攝像標定方式

獲得真實坐標系中的場景點中的與平面成像點占比見的對應關系，借用三維立體空間中的三維坐標，標定之后確定攝像機的位置以及屬性參數，并建立起成像的模型。

（3）特征提取方式

所謂的特征提取方式主要是為了提升檢測、跟蹤目標的準確性，需要對目標物體進行特征提取，從而實現對圖像分割提取。

（4）深度計算

深度信息主要是根據幾何光學原理，從三維世界進行客觀分析，因為距離會產生不同的位置，會使得成像位置與兩眼視網膜上有所不同。簡單來說，客觀景物的深度可以反映出雙目的視覺差，而利用視覺差的信息結合三角原理進行計算，可呈現出深度的圖像信息。

（三）攝像機模型

攝像機在標定過程中確定了其建立的基礎為攝像機的模型，攝像機模型在標定過程中關系到三個不同坐標系的轉換，分別為2D圖像平面坐標系、攝像機自身坐標系以及真實的世界坐標系。攝像機在攝像的時候起本質是2D圖像坐標轉換，首先要定義攝像機的自身坐標系，將坐標系的原點設置為光心，X、Y、Z成立三維坐標系。其次則是建立平面的圖像坐標系，用以透視模型表示，其原點也在廣心的位置，稱之為主點。實際應用中，物理的距離光心的位置d≠f焦距，而且會遠遠大于焦距，為了解決如此問題就提出了平面概念。在光軸z上設置一個虛擬的圖像平面，然后在此位置于平面關于光心對稱。接著，在設置的虛擬2D坐標系中，光軸和原點重合，并且攝像機與垂直平面的垂直方向相同，真實圖像上的點影射到攝像機坐標系。

（四）3D重構算法

視頻流的采集，主要是采用Kinect設備、彩色攝像頭、紅外發射攝像頭、紅外接收攝像頭。使用微軟提供API控制Kinect設備，在操作之前需調用NUI初始化函數，將函數的參數設置為用戶信息深度圖數據、彩色圖數據、骨骼追蹤圖數據、深度圖數據。上述的視頻流的打開方式不同，既可以是一種打開方式，也可以是多種打開方式，尤其在進行Kinect傳輸數據處理的時候，需遵循三條步驟的運行管線。此三條管線分別為：第一條為處理彩色和深度數據，第二條為根據用索引添加顏色信息，并將其放入到深度圖之中，第三條為骨骼追蹤數據。

四、總結

隨著計算技術的快速發展，視覺技術逐漸被廣泛的應用于我們日常的研究之中。本文通過對視覺技術的相關問題進行分析，探究了圖像處理、分割、前景提取、運動物體觀測以及重構3D圖等問題，為實現視覺技術更加深入研究做出了相應的貢獻;為廣大參與計算機視覺技術研究同仁提供一個研究的思路，為實現視覺技術的騰飛貢獻薄力。

參考文獻

[1]張海科.基于Opencv的人手識別與跟蹤定位技術研究與實現[D].云南大學，2013.