| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-14页 |
| ·数字图像处理概貌 | 第9页 |
| ·课题研究意义及前景 | 第9-10页 |
| ·板形识别研究现状 | 第10-12页 |
| ·本文主要内容与组织结构 | 第12-14页 |
| 2 直方图变换 | 第14-31页 |
| ·引言 | 第14-15页 |
| ·直方图与概率密度函数 | 第15-16页 |
| ·直方图变换 | 第16-17页 |
| ·直方图变换的基本规则 | 第16-17页 |
| ·直方图变换的步骤 | 第17页 |
| ·直方图均衡化 | 第17-29页 |
| ·直方图均衡化算法 | 第18-21页 |
| ·直方图均衡化的性质 | 第21-24页 |
| ·直方图均衡化的映射函数 | 第24-25页 |
| ·直方图均衡化的缺点 | 第25-28页 |
| ·基于直方图均衡化的图像压缩算法 | 第28-29页 |
| ·直方图规定化 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 3 图像二值化 | 第31-42页 |
| ·引言 | 第31页 |
| ·图像分割与图像二值化 | 第31-32页 |
| ·基于类均值的图像二值化算法 | 第32-38页 |
| ·基于类均值算法的推导 | 第33-35页 |
| ·Otsu 算法 | 第35-36页 |
| ·基于类均值的算法与Otsu 算法的关系 | 第36-37页 |
| ·算法性能分析 | 第37-38页 |
| ·直方图均衡化与图像二值化 | 第38-41页 |
| ·基于图像二值化的直方图均衡化算法 | 第38-40页 |
| ·基于直方图均衡化的图像二值化算法 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 4 基于形态学的图像处理 | 第42-52页 |
| ·引言 | 第42页 |
| ·集合论的基本概念 | 第42-43页 |
| ·二值形态学 | 第43-47页 |
| ·二值形态学的基本操作 | 第43-46页 |
| ·基于二值形态学的图像消噪算法 | 第46-47页 |
| ·灰度形态学 | 第47-51页 |
| ·灰度形态学的基本操作 | 第48-49页 |
| ·基于灰度形态学的图像增强算法 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 5 基于图像处理的板形识别算法 | 第52-60页 |
| ·引言 | 第52页 |
| ·板形识别系统的基本问题 | 第52-56页 |
| ·板形缺陷的定义 | 第52-53页 |
| ·板形识别系统的基本要求 | 第53-55页 |
| ·板形识别系统的基本参数 | 第55-56页 |
| ·板形识别的基本算法 | 第56-59页 |
| ·基于高帽变换的板形识别算法 | 第56-57页 |
| ·基于对比思想的板形识别算法 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 6 结论与展望 | 第60-62页 |
| ·本文总结 | 第60页 |
| ·展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 附录 | 第68页 |
| A 类内散布矩σ_W~2 ，类间散布矩σ_B~2 和总体散布矩σ_T~2 之间的关系 | 第68页 |
| B 作者在攻读硕士学位期间发表的论文目录 | 第68页 |
| C 作者在攻读硕士学位期间参加的科研项目 | 第68页 |