机器视觉的数显仪表读数研究及应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-14页 |
| 第一章 绪论 | 第14-20页 |
| ·机器视觉技术的发展现状 | 第14-16页 |
| ·机器视觉的概述 | 第14-15页 |
| ·机器视觉的发展以及应用现状 | 第15-16页 |
| ·机器视觉在仪表读数中的应用 | 第16-17页 |
| ·机器视觉在指针式仪表读数中的应用现状 | 第16页 |
| ·机器视觉在数显仪表读数种的应用现状 | 第16-17页 |
| ·课题研究背景、需求分析以及作者所完成的工作 | 第17-20页 |
| ·课题背景 | 第17-18页 |
| ·需求分析 | 第18页 |
| ·作者所完成的工作 | 第18-20页 |
| 第二章 图像处理平台的建立 | 第20-40页 |
| ·平台编程语言的选择 | 第20页 |
| ·Visual C++数字图像有关说明 | 第20-24页 |
| ·数字图像的表示 | 第20-21页 |
| ·位图及文件结构 | 第21-24页 |
| ·图像处理平台的实现过程 | 第24-37页 |
| ·建立图像处理平台的目的 | 第24页 |
| ·平台体系结构设计 | 第24-26页 |
| ·用户界面 | 第26-27页 |
| ·软件平台内部各模块的设计 | 第27-37页 |
| ·平台安装程序的设计以及加密锁的使用 | 第37-39页 |
| ·本章总结 | 第39-40页 |
| 第三章 基于平台的 LED数显仪表读数 | 第40-55页 |
| ·LED数码管的显示特征分析 | 第40页 |
| ·LED数显仪表图像的预处理 | 第40-47页 |
| ·基于颜色分割的真彩色转灰度图 | 第41-43页 |
| ·自动图像切割 | 第43-46页 |
| ·灰度图的二值化 | 第46-47页 |
| ·小节 | 第47页 |
| ·LED数显仪表的识别 | 第47-54页 |
| ·图像识别概述 | 第47-48页 |
| ·基于结构特征的方法——交线法 | 第48-52页 |
| ·基于统计特征的方法 | 第52-53页 |
| ·基于神经网络的方法 | 第53-54页 |
| ·本章总结 | 第54-55页 |
| 第四章 基于平台的 LCO数显仪表读数 | 第55-75页 |
| ·LCD的显示特征分析以及 LCD图像处理的难点 | 第55-56页 |
| ·LCD数显仪表图像的预处理 | 第56-68页 |
| ·真彩色位图转换为256色位图 | 第56-57页 |
| ·256色位图转为灰度图 | 第57-58页 |
| ·中值滤波 | 第58-60页 |
| ·灰度拉伸 | 第60-61页 |
| ·图像的自动切割 | 第61-62页 |
| ·灰度图像的二值化 | 第62-68页 |
| ·边缘断点补偿 | 第68-72页 |
| ·断点方式分析 | 第68-69页 |
| ·基于数学形态学的边缘补偿方法 | 第69-71页 |
| ·边缘跟踪断点补偿 | 第71-72页 |
| ·小结 | 第72页 |
| ·种子填充 | 第72-73页 |
| ·LCD数显仪表的识别 | 第73页 |
| ·本章总结 | 第73-75页 |
| 总结与展望 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 攻读学位期间发表的论文及获奖 | 第79-82页 |
| 致谢 | 第82页 |
