| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-14页 |
| 1.1.1 OpenCV介绍 | 第11-12页 |
| 1.1.2 Julia语言介绍 | 第12-14页 |
| 1.2 研究意义与目的 | 第14页 |
| 1.3 OpenCV与其他语言交互的现状 | 第14-15页 |
| 1.4 论文主要内容和组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-18页 |
| 第二章 OpenCV-Julia基本架构 | 第18-34页 |
| 2.1 设计方案 | 第18页 |
| 2.2 Python调用C/C++函数 | 第18-25页 |
| 2.2.1 使用SWIG | 第19-21页 |
| 2.2.2 使用SIP | 第21-23页 |
| 2.2.3 使用ctypes | 第23页 |
| 2.2.4 使用Python-C API手动封装 | 第23-24页 |
| 2.2.5 优缺点比较 | 第24-25页 |
| 2.3 OpenCV-Python的选择 | 第25-26页 |
| 2.4 Julia与OpenCV | 第26-29页 |
| 2.4.1 Julia与C | 第26-28页 |
| 2.4.2 Julia与C++ | 第28页 |
| 2.4.3 封装方案选择 | 第28-29页 |
| 2.5 封装实现 | 第29-32页 |
| 2.5.1 函数封装 | 第29-31页 |
| 2.5.2 数据结构的封装 | 第31-32页 |
| 2.6 本章小结 | 第32-34页 |
| 第三章 跨平台支持 | 第34-46页 |
| 3.1 概述与需求 | 第34-37页 |
| 3.1.1 跨平台的概念 | 第34-36页 |
| 3.1.2 OpenCV-Julia跨平台的需求 | 第36-37页 |
| 3.2 解决方案 | 第37-44页 |
| 3.2.1 C层面的解决方案 | 第38-40页 |
| 3.2.2 Julia层面的解决方案 | 第40页 |
| 3.2.3 编译层面的解决方案 | 第40-44页 |
| 3.3 本章小结 | 第44-46页 |
| 第四章 自动化处理 | 第46-62页 |
| 4.1 OpenCV-Python方案的源码分析 | 第46-53页 |
| 4.1.1 pycompat.hpp | 第48页 |
| 4.1.2 cv2.cpp | 第48-52页 |
| 4.1.3 hdr_parser.py | 第52-53页 |
| 4.1.4 gen2.py | 第53页 |
| 4.2 OpenCV-Julia自动封装 | 第53-57页 |
| 4.2.1 方案选择 | 第54页 |
| 4.2.2 封装层生成文件gen_julia.py | 第54-57页 |
| 4.3 参数及返回值处理 | 第57-59页 |
| 4.3.1 表示颜色的数据转换 | 第57-58页 |
| 4.3.2 表示坐标点的数据转换 | 第58-59页 |
| 4.4 本章小结 | 第59-62页 |
| 第五章 在遥感影像中的应用 | 第62-70页 |
| 5.1 应用 | 第62-67页 |
| 5.1.1 降噪与滤波 | 第62-63页 |
| 5.1.2 直方图计算 | 第63-65页 |
| 5.1.3 图像分割 | 第65-67页 |
| 5.2 讨论 | 第67-68页 |
| 5.3 本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-74页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 附录 | 第80页 |