版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
摘要摘要III目录TOC\o"1-3"\h\u22323第一章引言 15701.1课题背景 132151.2课题研究目的及意义 1181181.2.1Matlab图像边缘检测研究的目的 1230831.2.2Matlab图像边缘检测研究意义 2124961.3课题研究现状及发展趋势 2137131.4课题整体结构 370841.5课题难点分析 38435第二章Matlab开发环境 4277212.1系统开发环境和运行环境 4130522.2Matlab在数字图像处理中的应用 4302572.2.1Matlab的特点 4292682.2.2Matlab的主要功能 5188362.3利用Matlab进行图像处理 6189542.3.1常用图像操作 6149642.3.2图像变换功能 6180482.3.3图像增强功能 8129142.3.4边缘检测和图像分割功能 816792.3.5MatlabGui 910701MatlabGui简介 927392MatlabGui的一般制作步骤 1018834MatlabGui设计工具简介 1178182.3.6编制回调程序 1220612.7本章小结 128943第三章边缘检测技术 13230333.1微分边缘检测技术 13133063.1.1Roberts算子 1497353.1.2Sobel算子 1559903.1.3Prewitt算子 16219283.1.4拉普拉斯-高斯算子(Log算子) 17268673.1.5Canny算子 18300313.1.6边缘检测方法结果比较 19113193.2基于小波与分形理论边缘检测技术 21101053.3基于数学形态学的边缘检测技术 21312163.4基于模糊学的边缘检测技术 2223693.5基于神经网络的边缘检测技术 2232943.6基于遗传算法的边缘检测技术 22236273.7本章小结 2321099第四章基于Matlab的图像边缘检测系统 24105654.1程序主界面 2414604.2仿真结果 26264624.3本章小结 2820395第五章结论 29226105.1毕业设计总结 29321025.2课题前景与展望 291536致谢 309694参考文献 3130129附录 3288701选择图片 3216422Canny算子检测 3270153Log算子检测 32233004prewitt算子检测 3287365图像小波检测 33301816退出 33石河子大学学士学位论文第一章引言PAGEPAGE2PAGEPAGE3第一章引言1.1课题背景图像处理技术随着计算机的发展得到了迅速的发展。其应用领域也愈来愈广,有些技术已相当成熟并产生了惊人的效益。图像处理科学对我们的生活和生产有着重要的意义。在工程领域、工业生产、军事、医学以及科学研究中的应用已十分普遍。通过分析资源卫星得到的照片可以获得地下矿藏资源分布,A射线、CT已广泛用于临床诊断,为诊断和治疗疾病带来了极大的方便;在安全保障及监控方面图像处理技术更是不可缺少的基本技术。当前图像处理面临的主要任务是研究新的处理方法,构造新的处理系统,开拓更广泛的应用领域[1]。图像边缘检测是图像处理与分析中最基础的内容之一,同时由于成像过程中的投影、混合、畸变和噪声等导致图像特征的模糊和变形,且图像边缘和噪声均为频域中的高频分量,这给边缘检测带来了困难。边缘检测的难题是检测精度与抗噪性能之间的矛盾。对于图像边缘检测,寻求算法较简单、能较好解决边缘检测精度与抗噪性能协调问题的算法,一直是图像处理与分析研究的主要问题之一。本论文首先介绍了所有的边缘检测技术,其中详细的介绍了几种经典的边缘检测算子并且对其它的边缘检测技术进行了概述。然后在Matlab环境下对这几种经典算子进行仿真。最后在MatlabGui环境下进行了一个综合性的仿真实验。
1.2课题研究目的及意义1.2.1Matlab图像边缘检测研究的目的边缘检测是图像分割的核心内容,而图像分割是由图像处理到图像分析的关键步骤,在图像工程中占据重要的位置,对图象的特征测量有重要的影响。图像分割及基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式,使得更高层的图像分析和理解成为可能。从而边缘检测在图像工程中占有重要的地位和作用。因此对边缘检测的研究一直是图像技术研究中热点,人们对其的关注和研究也是日益深入。首先,边缘在边界检测、图像分割、模式识别、机器视觉等中有很重要的作用。边缘是边界检测的重要基础,也是外形检测的基础。同时,边缘也广泛存在于物体与背景之间、物体与物体之间,基元与基元之间,是图像分割所依赖的重要特征。其次,边缘检测对于物体的识别也是很重要的。第一,人眼通过追踪未知物体的轮廓而扫视一个未知的物体。第二,如果我们能成功地得到图像的边缘,那么图像分析就会大大简化,图像识别就会容易得多。第三,很多图像并没有具体的物体,对这些图像的理解取决于它们的纹理性质,而提取这些纹理性质与边缘检测有极其密切的关系。1.2.2Matlab图像边缘检测研究意义理想的边缘检测是能够正确解决边缘的有无、真假、和定向定位。长期以来,人们一直关心这一问题的研究,除了常用的局部算子及以后在此基础上发展起来的种种改进方法外,又提出了许多新的技术,其中,比较经典的边缘检测算子有Robertscross算子、Sobel算子、Laplacian算子等。近年来又有学者提出了广义模糊算子,形态学边缘算子等。这些边缘检测的方法各有其特点,但同时也都存在着各自的局限性和不足之处[2]。近年来,随着数学和人工智能技术的发展,各种类型的边缘检测算法不断涌现,如神经网络、遗传算法、数学形态学等理论运用到图像的边缘检测中。但由于边缘检测存在着检测精度、边缘定位精度和抗噪声等方面的矛盾及对于不同的算法边缘检测结果的精度却没有统一的衡量标准,所以至今都还不能取得令人满意的效果。另外随着网络和多媒体技术的发展,图像库逐渐变得非常庞大;而又由于实时图像的目标和背景间的变化都不尽相同,如何实现实时图像边缘的精确定位和提取成为人们必须面对的问题。1.3课题研究现状及发展趋势图像处理是人类视觉延续的重要手段,可以使人们看到任意波上所测得的图像。例如,借助伽马相机、X光机,人们可以看到红外和超声图像;借助CT可看到物体内部的断层图像:借助相应工具可看到立体图像和剖视图像。几十午前,美国在太空探索中拍回了大量月球照片,但是由于种种环境因素的影响,这些照片是非常不清晰的,为此,人们对这些照片应用了一些图像处理手段,使照片中的重要信息得以清晰再现。正是这一方法产生的效果引起了巨大的轰动,从而促进了图像处理技术的蓬勃发展。总体来说,图像处理技术的发展大致经历了初创期、发展期、普及期和实用化期四个阶段。初创期开始于20世纪60年代,当时的图像采用像素型光栅进行扫描显示,大多采用中、大型机对其进行处理。在这一时期,由于图像存储成本高,处理设备造价高,因而其应用面很窄。20世纪70年代进入了发展期,开始大量采用中、小型机进行处理,图像处理也逐渐改用光栅扫描显示方式,特别是出现了CT和卫星遥感图像,对图像处理技术的发展起到了很好的促进作用。到了20世纪80年代,图像处理技术进入普及期,此时的微机已经能够担当起图形图像处理的任务。VLSl的出现更使得处理速度大人提高,其造价也进一步降低,极大地促进了图形图像系统的普及和应用。20世纪90年代是图像技术的实用化时期,图像处理的信息量巨人,对处理速度的要求极高。21世纪的图像技术要向高质量化方面发展,主要体现在以下几点:1.高分辨率、高速度:图像处理技术发展的最终目标是要实现图像的实时处理,移动目标的生成、识别和跟踪上有着重要意义;2.立体化:立体化所包括的信息最为完整和丰富,未来采用数字全息技术将有利于达到这个目的;3.智能化:其目的是实现图像的智能生成、处理、识别和理解。1.4课题整体结构我的思路是利用Matlab软件的Gui功能设计一个可以插入图片,实现图像边缘检测的系统。具体步骤为导入图像进入系统,用不同的算子对图像进行检测,之后用Callback函数调用语句将其转换为一个整体。1.5课题难点分析虽然学习过Matlab软件,但是对于其具体的功能了解不多。尤其是制作Gui的功能界面,从来没有接触过。对于开发环境了解不多,需要很多的学习。利用Matlab进行图像边缘检测有很多种算子,但是每一种算子的优缺点都不清楚,造成了选择算法的困难。第二章Matlab开发环境PAGEPAGE32PAGEPAGE23第二章Matlab开发环境2.1系统开发环境和运行环境硬件环境:计算机一台。软件环境:(1)Windows7操作系统。(2)Matlab软件。2.2Matlab在数字图像处理中的应用数字图像数据量庞大,必须借助适当的开发工具。Microsoft公司的VC++是一种具有高度综合性能的软件开发工具,用它开发出来的程序有着运行速度快、可移植能力强等优点。所以很多科研工作者首选VC++作为数字图像处理的开发工具。但是VC++复杂难学,难以在短期内熟练掌握,这成为众多《数字图像处理》学习者的一个瓶颈。Matlab是由MathWorks公司开发的一种可视化科学计算软件,其内容涉及矩阵理论、范函分析、数学物理方程、数值分析、微积分、有限元、小波分析等应用数学各个分支,因此,Matlab的应用几乎涵盖了所有工程领域。Matlab已经是数字图像处理、计算机图形学、电子线路、电机学、自动控制、通信技术、物理、力学等领域的科研人员所必须掌握的一种程序设计语言[3]。Matlab不仅具有面向对象的计算机语言特征,而且初具面向任务的计算机语言的思想。本文从实际应用的角度介绍如何利用Matlab进行图像处理和分析。2.2.1Matlab的特点一种语言之所以如此迅速地普及,显示出如此旺盛的生命力,是由它有着不同于其他语言的特点。正如同Fortran和C等高级语言使人们摆脱了需要直接对计算机硬件资源进行操作一样,被称为第四代计算机语言的Matlab,利用其丰富的函数资源,使编程人员从繁琐的程序代码中解放出来。1.功能强大Matlab具有功能强劲的工具箱,其包含两个部分:核心部分和各种可选的工具箱。核心部分中,有数百个核心内部函数。其工具箱又可分为两类:功能性工具箱和学科性工具箱。功能性工具箱主要用来扩充其符号计算功能、图示建模仿真功能、文字处理功能以及与硬件实时交互功能,功能性工具箱能用于多种学科,而学科性工具箱是专业性比较强的,例如controltoolbox,imageprocessingtoolbox,signalprocessingtoolbox等。这些工具箱都是由该领域的学术水平很高的专家编写的,所以用户无需编写自己学科范围内的基础程序,就能够直接进行高、精、尖的研究。2.界面友好,编程效率高Matlab突出的特点就是简洁。它用更直接的、符合人类思维习惯的代码代替了C和Fortran语言的冗长代码,给用户带来的是最直接、最简洁的程序开发环境。Matlab语言简洁紧凑,使用方便灵活,库函数及其丰富,程序书写形式自由,利用其丰富的库函数避开繁杂的子程序编程任务,压缩了一切不必要的编程工作。由于库函数都是本领域的专家编写的,因此用户不必担心函数的可靠性。可以说,用Matlab进行科学开发是站在专家的臂膀上完成的。3.开放性强Matlab有很好的可扩从性,可以把它当成一种更高级的语言去使用。各种工具箱中的函数可以互相调用,也可以由用户更改。Matlab支持用户对其函数进行二次开发,用户的应用程序可以作为新的函数添加到相应的工具箱中[4]。2.2.2Matlab的主要功能Matlab之所以成为世界顶级的科学计算与数学应用软件,是因为它随着版本的升级与不断完善而具有越来越强大的功能。1.数值计算功能Matlab出色的数值计算功能是使之优于其他数学应用软件的决定性因素之一。2.符号计算功能Matlab符号运算的独特之处:无需事先对变量赋值,而所得的结果以标准的符号形式表达,符号计算的整个过程以字符进行。3.数据分析功能Matlab可以将计算数据以二维、三维及至四维的图形表现。这不仅使数据间的关系清晰、明了,而且对于揭示其内在本质有着非常重要的作用。4.动态仿真功能Matlab提供了一个模拟动态系统的交互程序SIMULINK,用户通过简单的鼠标操作,就可建立起直观的系统模型,并进行仿真。5.图形文字统一处理功能MatlabNotebook成功地将MicrosoftWork与Matlab集成为一个整体,为文字处理、科学计算、工程设计营造了一个完美、统一的工作环境。它既拥有Word强大的文字处理功能,又能通过Word访问Matlab的数据计算和可视化结果[5]。2.3利用Matlab进行图像处理数字图像研究的领域非常广泛,从学科上可以分为图像的数字化、图像变换、图像增强、图像恢复、图像分割、图像分析和理解、图像的压缩等。Matlab7.0提供了20类图像处理函数,涵盖了图像处理包括近期研究成果在内的几乎所有的技术方法,是学习和研究图像处理的人员难得的宝贵资料和加工工具箱。2.3.1常用图像操作1.Matlab图像处理工具箱支持4中图像类型,分别为真彩色图像(RGB)、索引色图像、灰色图像和二值图像。由于有的函数对图像类型有限制,因此这4种类型可以用工具箱的类型转换函数相互转换。Matlab可操作的图像文件包括BMP,HDF,JPEG,PCX,TIFF和XWD等格式。例如,要对一幅索引色图像滤波,首先应该将它转换成真彩色图像或者灰色图像,这时Matlab将会对图像的灰度进行滤波,即通常意义上的滤波。如果不将索引色图像进行转换,Matlab则对图像调色板的序号进行滤波,这时没有意义的。2.图像文件的读写与显示操作Matlab为用户提供了专门的函数,以从图像格式的文件中读写图像数据。Imread()函数用于读入各种图像文件,imwrite()函数用于输出图像,imfinfo()函数用于读取图像文件的有关信息。把图像显示于屏幕有imread(),image()等函数。用subplot()函数能将一个图像窗口分成几个部分,但同一个图像窗口内只能有一个调色板。Subimage函数可在一个图像窗口内使用多个调色板,使得各种图像能在同一个图像窗口中显示,用zoom()函数可实现对图像的缩放。3.其他常用图像操作图像的插值缩放可用imresize()函数实现。在对数字图像进行旋转时,各像素的坐标将会发生变化,使得旋转之后不能正好落在整数坐标处,需要进行插值,imrotate()函数可实现插值旋转,用imcrop()函数可剪切图像中的一个矩形子图[6]。2.3.2图像变换功能在图像处理技术中,图像的(正交)变换技术有着广泛的应用,是图像处理的重要工具。通过变换图像,改变图像的表示域及表示数据,可以给后续工作带来极大的方便。常运用于图像压缩、滤波、编码和后续的特征抽取或信息分析过程。例如,傅立叶变换(FourierTransform)可使处理分析在频域中进行,使运算简单:而离散余弦变换可使能量集中在少数数据上,从而实现数据压缩,便于图像传输和存储。1.傅立叶变换在图像处理的广泛应用领域中,傅立叶变换起着非常重要的作用,具体表现在包括图像分析、图像增强及图像压缩等方面。利用计算机进行傅立叶变换的通常形式为离散傅立叶变换,采用这种形式的傅立叶变换有以下两个原因:一是离散傅立叶变换的输入和输出都是离散值,适用于计算机的运算操作;二是采用离散傅立叶变化变换,可以应用快速傅立叶变换来实现,提高运算速度。在Matlab工具箱中,提供了fft2()和ifft2()函数用于计算二维快速傅立叶变换及其逆变换,fftn()和ifftn()函数用于计算n维傅立叶变换和逆变换。2.离散余弦变换在图像处理工具箱中,dct2()和idct2()函数实现二维离散余弦变换及逆变换。大多数情况下,DCT用于压缩图像,JPEG图像格式就采用了DCT算法。在JPEG图像压缩算法中,图像被分成8×8或者16×16的图像块,然后对每个图像块进行DCT变换。DCT变换被量化、编码及传输。在接收端,量化的DCT系数被解码,并用于计算每个图像块的逆DCT变换,最后把各图像块拼接起来构成一幅图像。对一幅典型的图像而言,许多DCT变换的系数近视为0,把它们去掉并不会明显影响重构图像的质量。3.radon变换图像处理工具箱的radon()函数用来计算指定方向上图像矩阵的投影,二元函数f(x,y)的投影是在某一方向上的线积分。例如,f(x,y)在垂直方向上的线积分是f(x,y)在x方向上的投影,在水平方向上的积分是在y方向上的投影。用iradon()函数可实现逆radon变换,并经常用于投影中,这个变换能把radon变换反变换回来,因此可以从投影数据重建原始图像。而在大多数应用中,没有所谓的用原始图像来计算投影。例如,X射线吸收重建,投影是通过测量X射线在不同角度通过物理切线时的衰减得到的。原始图像可以认为是通过切面的截面。这里,图像的密度代表切片的密度。投影通过特殊的硬件设备获得,而切片内部图像通过iradon重建。这可以用来对活的生物体或者不透明物体实现无损成像。4.离散小波变换离散小波变换是对连续小波变换的尺度和位移按照2的幂次进行离散化得到的,又称二进制小波变换。实际上,人们是在一定尺度上认识信号的。人的感官和物理仪器都有一定的分辨率,对低于一定尺度的信号的细节是无法认识的,因此对低于一定尺度信号的研究也是没有意义的。为此,应该将信号分解为对应不同尺度的近视分量和细节分量。小波分解的意义就在于能够在不同尺度上对信号进行分析,而且对不同尺度的选择可以根据不同的目的来确定。信号的近视分量一般为信号的低频分量,其细节分量一般为信号的高频分量。因此,对信号的小波分量可以等效于信号通过了一个滤波器组,其中一个滤波器为低通滤波器,另一个为高通滤波器。Matlab工具箱中的dwt()和idwt()函数可实现一维离散小波变换及其反变换,wavedec()和waverec()用于一维信号的多层小波分解和多层重构等[7]。2.3.3图像增强功能图像增强是数字图像处理过程中常用的一种方法,目的是采用一系列技术去改善图像的视觉效果或将图像转换成一种更适合于人眼观察和机器自动分析的形式。常用的图像增强方法有以下几种。1.灰度直方图均衡化均匀量化的自然图像的灰度直方图通常在低灰度区间上频率较大,使得图像中较暗区域中的细节看不清楚。采用直方图修整可使原图像灰度集中的区域拉开或使灰度分布均匀,从而增大反差,使图像的细节清晰,达到增强目的。直方图均衡化可用histeq()函数实现。2.灰度变换法照片或电子方法得到的图像,常表现出低对比度(即整个图像偏亮或便暗),为此需要对图像中的每一像素的灰度级进行灰度变换,扩大图像灰度范围,以达到改善图像质量的目的。这一灰度调整过程可用imadjust()函数实现。3.平滑与锐化滤波平滑技术用于平滑图像中的噪声,基本采用在空间域上的求平均值或中值,或在频域上采取低通滤波。在灰度连续变化的图像中,通常认为与相邻滤波则可以削弱图像的高频成分,平滑了图像信号,但也可能使图像目标区域的边界变得模糊。而锐化技术采用的是频域上的高通滤波方法,通过增强高频成分减少图像中的模糊,特别是模糊的边缘部分得到了增强,但同时使也放大了图像的噪声。在Matlab中,各种滤波方法都是在空间域通过不同的卷积模板(即滤波算子)实现,可用fspecial()函数创建预定义的滤波算子,然后用filter()或conv2()函数在实现卷积运算的基础上进行滤波[8]。2.3.4边缘检测和图像分割功能边缘检测是一种重要的区域处理方法。边缘是所要提取目标和背景的分界线,提取出边缘才能将目标和背景区分开来。边缘检测是利用物体和背景在某种图像特征上的差异来实现的,这些差异包括灰度、颜色或者纹理特征。实际上,就是检测图像特性发生变化的位置。边缘检测包括两个基本内容:一是抽取出反映灰度变换的边缘点;二是剔除某些边界点或填补边界间断点。并将这些边缘连接成完整的线。如果一个像素落在边界上,那么它的领域将成为一个灰度级变化地带。对这种变化最有用的两个特征是灰度的变化率和方向。边缘检测算子可以检测每个像素的领域,并对灰度变化率进行量化,也包括对方向的确定,其中大多数是基于方向导数掩模求卷积的方法。Matlab工具箱提供的edge()函数可针对sobel算子、prewitt算子、roberts算子,log算子和canny算子实现检测边缘的功能。基于灰度的图像分割方法也可以用简单的Matlab代码实现[9]。2.3.5MatlabGui图形用户界面是有别于VC或Java的一种新型界面开发方式,其形象生动的表现方式在算法的演示验证中或者外场试验中都发挥了一定的作用。对于熟悉Matlab而不想编写大量VC代码的科研人员来讲,Matlab/Gui无疑是一个最佳选择。它即能嵌入已有的仿真程序,又能把仿真的图形化结果以人机交互的动态方式呈现给操作者或客户,从而给人以深刻的影响,同时仿真代码的不可见性为一些不熟悉Matlab的群体提供了操作界面的可能。MatlabGui简介图形用户界面(graphicaluserinterface,Gui)是由窗口、光标、按键、菜单、文字说明等对象(Object)构成的一个用户界面。用户通过一定的方法(如鼠标或键盘)选择、激活这些图形对象,使计算机产生某种动作或变化,比如实现计算、绘图等。假如科技工作者仅仅执行数据分析、解方程等工作,一般不会考虑Gui的制作。但是如果想向客户提供应用程序,想进行某种技术、方法的演示,想制作一个供反复使用且操作简单的专用工具,那么图形用户界面是最好的选择之一。Matlab为表现其基本功能而设计的演示程序demo是使用图形界面的最好范例。Matlab的用户在指令窗口中运行demo打开图形界面后,只要用鼠标进行选择和点击,就可浏览丰富多彩的内容。开发实际的应用程序时应该尽量保持程序的界面友好,因为程序界面是应用程序和用户进行交互的环境。在当前情况下,使用图形用户界面是最常用的方法。提供图形用户界面可使用户更方便地使用应用程序,不需要了解应用程序怎样执行各种命令,只需要了解图形界面组件的使用方法;同时,不需要了解各种命令是如何执行的,只要通过用户界面进行交互操作就可以正确执行程序。在Matlab7.0中,图形用户界面是一种包含多种图形对象的界面,典型的图形界面包括图形显示区域、功能按钮空间以及用户自定义的功能菜单等。为了让界面实现各种功能,需要对各个图形对象进行布局和时间编程。这样,当用户激活对应的Gui对象时,就能执行相应的时间行为。最后,必须保存和发布自己创建的Gui,使得用户可以应用Gui对象。在Matlab中,所有对象都可以使M文件进行编写。Gui也是一种Matlab对象,因此,可以使用M文件来创建Gui。使用M文件创建Gui的方法也是最基础的,使用其他方法创建Gui图形界面时,实现图形控件的各种功能时,也需要编写相应程序代码。除了使用M文件来创建Gui对象之外,Matlab还为用户开发图形界面提供了一个方便高效的集成开发环境:Matlab图形用户界面开发环境(Matlabgraphicaluserinterfacedevelopmentenvironment)简称GuiDE,其主要是一个界面设计工具集。Matlab7.0将所有Gui所支持的用户控件都集成起来,同时提供界面外观、属性和行为响应方法的设置方法。除了可以使用GuiDE创建Gui之外,还可以将设计好的Gui界面保存为一个FIG资源文件,自动生成对应的M文件。该M文件包含了Gui初始化代码和组建界面布局的控制代码。使用GuiDE创建Gui对象执行效率高,可以交互式地进行组件布局,还能生成保存和发布Gui的对应文件。本文就是运用这种方法创建的Gui。FIG文件:该文件包含Gui图形窗口及其子对象的完全描述,包含所有相关对象的属性信息,可以调用hgsave命令或者使用M文件编辑器的File>Save命令生成该文件。FIG文件是一个二进制文件,包含系列化的图形窗口对象。所有对象的属性都是用户创建图形窗口时保存的属性。该文件最主要的功能是对象句柄的保存。M文件:该文件包含Gui设计、控制函数及控件的回调函数,主要用来控制Gui展开时的各种特征。该文件基本上可以分为Gui初始化和回调函数2个部分,控件的回调函数根据用户与Gui的具体交互行为分别调用。应用程序M文件使用openfig命令来显示Gui对象,但是该文件不包含用户界面设计的代码,对应代码由FIG文件保存[10]。MatlabGui的一般制作步骤简单说来,一个好的界面应遵循以下3个原则:简单性(Simplicity)、一致性(Consistency)及习常性(Familiarity)。界面制作包括界面设计和程序实现。具体制作步骤如下:1.分析界面所要求实现的主要功能,明确设计任务;2.在稿纸上绘出界面草图,并站在使用者的角度来审查草图;3.按构思的草图,上机制作(静态)界面,并对其进行检查;4.编写界面动态功能的程序,对功能进行逐项检查。以上过程只是一般原则,在设计中,步骤之间也可能要交叉执行或复合执行;设计和实现过程往往不是一步到位的,可能需要反复修改,才能获得满意的界面。建议先进行界面布局编码,后进行动态交互功能的编码[11]。MatlabGui设计工具简介在GuiDE设计环境中,需要用到的工具有编辑器、控件布置编辑器、菜单编辑器、对象浏览器、网格标尺设置编辑器以及Gui应用属性设置编等。1.属性编辑器(PropertiesInspector)打开属性编辑器的方法有多种,最常用的,选中控件对象以后,点击工具条上的属性设置按钮,即可打开属性编辑器。通过该属性编辑器来对所选图形对象设置相关属性。2.控件布置编辑器(AlignmentObjects)在编辑CUI过程中,通过控件布置编辑器可方便地设置面板上Gui控件的布局。选中需要对的对象,然后选择工具条上的控件布置按钮,即可打开控件布置编辑器。在控件布置编辑器中可以设置Gui控件水平以及垂直布局,包括对齐方式以及控件间距等。3.对象浏览器(ObjectBrowser)在Gui面板中点击对象浏览按钮可打开对象览器,在该浏览器中可以方便地显示出所有的图形对象,单击该对象则可以打开相应的属性编辑器。4.菜单编辑器(MenuEditor)在Gui面板中点击菜单编辑按钮可打开菜单辑器,通过菜单编辑器可以为图形界面添加、设置和修改菜单项,以及为右键添加快捷菜单。5.网格标尺设置编辑器(GridandRulers)通过网格标尺设置编辑器,可以在Gui面板添加网格以及标尺,来方便用户的界面设计。选择GuiDE主菜单中的Tools/GridandRulers即可标尺设置编辑器。6.Gui应用属性设置编辑器(GuiApplitionOptions)通过该编辑器可以设定Gui界面缩放形式、Gui对句柄操作的响应方式,以及定义Gui方式。选择GuiDE主菜单中的Tools/GuiOption即可打开Gui应用属性设置编辑器。7.Gui设计面板Gui设计面板是上述Gui设计工具应台,如图3-1所示,面板上部提供了菜单和常用工具按钮,左边提供了多种Gui控件,如按钮、单选按钮、选框、文本框等。进行Gui设计时,首先单击G板左边所需的控件,然后在右边的图形界面编辑区中再次单击某一恰当的位置,这时将在该位置上为图形界面添加一相应的控件,接下来,通过属性编辑器和对齐编辑器对各控件设置相关属性和进行界面布置,以完善界面功能。图2-1Gui设计面板2.3.6编制回调程序完成控件的布局之后,也就完成了整个图形界面的结构设计,接下来则是最为重要的功能设计,即要编制菜单、控件的回调程序。若要编制某一控件的回调程序,用右键单击该控件,在弹出菜单中点击ViewCallbacks,然后从子菜单中选择一种程序的方式,就可以编制回调程序了,如Callback指单击控件时激活回调程序完成一定的功能。菜单的回调程序在菜单编辑器的Callbacks文本框中给出。2.7本章小结本章对Matlab的历史,功能进行了介绍,并叙述了Matlab在数字图像中的应用。包括常用图像操作,图像变换功能,图像增强功能,边缘检测和图像分割以及MatlabGui。第三章边缘检测技术边缘检测技术图像是最直接的视觉信息,包含着最原始的巨大信息,其中最重要的信息是由它的边缘和轮廓提供的。图像边缘是图像最基本的特征,边缘中包含着有价值的目标边界信息,这些信息可以用于图像分析、目标识别以及边缘滤波。所谓边缘,是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。图像边缘检测是图像处理与分析中最基础的内容之一,同时由于成像过程中的投影、混合、畸变和噪声等导致图像特征的模糊和变形,且图像边缘和噪声均为频域中的高频分量,这给边缘检测带来了困难。边缘检测的难题是检测精度和抗噪性能之间矛盾。对于图像边缘检测,寻求算法较简单、能较好解决边缘检测精度与抗噪性能协调问题的算法,一直是图像处理与分析研究的主要问题之一。图像边缘检测通常有经典的基于微分、基于小波与分形理论、基于数学形态学,以及近年来发展的基于模糊学、基于神经网络、基于遗传算法等多种图像边缘检测方法。本章主要是分析基于微分的边缘检测方法,而其他的边缘检测方法也会简略的做些介绍。3.1微分边缘检测技术图像边缘检测与提取的研究一直贯穿与图像处理与分析的始终,传统的图像边缘检测方法大多可归结为图像高频分量的增强过程,微分运算是边缘检测与提取的主要手段。人们最早提出了一阶微分边缘检测算子,如Roberts算子、Sobel算子、Prewitt算子和Canny算子等,这些算子由于梯度或一阶微分算子通常在图像边缘附近的区域内产生较宽的响应,即使用一阶微分算子的方法多是在梯度值大于某一值时就认为此点是边缘点,但这种方法导致检测的边缘点太多。故采用上述算子常需做细化处理,这就影响了边缘定位的精度。一种更好的方法就是求局部的最大值点,并认为它们是边缘点,这样就变成了求图像的二阶微分,一阶导的最大值对应的是二阶导的过零交叉点,利用二阶导数零交叉所提取的边缘宽度为一个像素,所得的边缘结果无需细化,有利于边缘的精度定位。实际上拉普拉斯算子在机器视觉中并不太常用,因为任何包含有二阶导数的算子比只包含一阶导数的算子更容易受噪声影响,甚至一阶导数很小的局部峰值也能导致二阶导数的过零点。为了避免噪声的影响,必须采用特别有效的滤波方法,解决这一问题的算法就是LOG算法,图像首先与高斯滤波器进行卷积,这样平滑了图像,又降低了噪声,将孤立噪声点和较小的结构组织滤除,由于平滑后会导致边缘的延展,因此,边缘检测器只考虑那些具有局部梯度最大值的点作为边缘点。二阶微分形式的边缘检测算子是目前边缘检测的主要手段。边缘检测的基本问题是检测精度与抗噪性能间的矛盾。由于图像边缘和噪声均为频域中的高频分量,简单的微分运算会增加图像中的噪声,因此,在微分运算之前应采取适当的平滑滤波以减少高频分量中噪声的影响。针对此问题,产生了Canny边缘检测技术,Canny提出了由四个指数函数线性组合形成的最佳边缘检测算子,其方法的实质是用一个准高斯函数作平滑运算,然后以带方向的一阶微分定位导数最大值,它可用高斯函数的梯度来近视,属于具有平滑功能的一阶微分算子。以下就是这几种经典的边缘检测算子的原理[12]。3.1.1Roberts算子Roberts算子是一种最简单的算子,是一种利用利用局部差分算子寻找边缘的算子,对具有陡峭的低噪声的图像效果最好[13]。其模板:图3-1Roberts算子模板Roberts算子的定义为:(3-1)由于上述算法的处理工作量很大,因此在实用上常采用绝对差算法对上式化简如下:(3-2)及(3-3)Robert算子对具有陡峭的低噪声图像效果较好。%roberts算子边缘检测实现f=imread('D:\lena.bmp');i=rgb2gray(f);%ConvertanRGBimageorcolormaptograyscalesubplot(1,2,1);imshow(i);%显示原图title('theoriginalimage');bw1=edge(i,'roberts');subplot(1,2,2);imshow(bw1);title('afterroberts');3.1.2Sobel算子Sobel算子有两个卷积计算核,如图3-2所示。图像中的每个点都用这两个核作卷积,第一个核通常对垂直边缘相应最大,第二个核对水平边缘相应最大。两个卷积的最大值作为该点的输出值,运算结果是一幅边缘幅度图像。Sobel算子对灰度渐变和噪声较多的图像值处理效果较好[14]。图3-2Sobel算子模板Sobel算子定义为:(3-4)(3-5)(3-6)用模板表示,为:(3-7)Sobel算子通常对灰度渐变和噪声较多的图像处理得较好。%sobel算子边缘检测实现f=imread('D:\lena.bmp');i=rgb2gray(f);%ConvertanRGBimageorcolormaptograyscalesubplot(1,2,1);imshow(i);title('theoriginalimage');bw2=edge(i,'sobel');subplot(1,2,2);imshow(bw2);title('aftersobel');3.1.3Prewitt算子与Sobel算子相同,如图3-3所示。图像中的每个点都用这两个模板做卷积分,并且取最大值作为输出,结果是一幅边缘幅度的图像。Prewitt算子对灰度渐变和噪声较多的图像值处理效果较好[15]。图3-3Prewitt算子模板Prewitt算子定义为:(3-8)用模板表示为:(3-9)Prewitt算子通常对灰度和噪声较多的图像处理得较好。%prewitt算子边缘检测实现f=imread('D:\lena.bmp');i=rgb2gray(f);%ConvertanRGBimageorcolormaptograyscalesubplot(1,2,1);imshow(i);title('theoriginalimage');bw3=edge(i,'prewitt');subplot(1,2,2);imshow(bw2);title('afterprewitt');3.1.4拉普拉斯-高斯算子(Log算子)Log算子是一种微分算子,将在边缘处产生一个陡峭的零交叉。Log算子是一个线性的、时不变的算子,它通过寻找图像灰度值中二阶微分是0的点来检测边缘点。Log算子就是对图像进行滤波和微分的过程,是利用旋转对称的Log模板与图像做卷积,确定滤波器输出的零交叉位置,模板如图3-4所示。图3-4Log算子模板在Log算子的检测过程中,首先要用高斯低通滤波器将图像进行预平滑,然后利用Log算子找到图像中的陡峭边缘,最后用0灰度值进行二值化,产生闭合、连通的轮廓,消除所有内部点。但利用log算子检测边缘经常出现双象素边界,且对噪声比较敏感。所以,一般用它来判断边缘像素是位于图像的明区还是暗区[16]。高斯滤波器的函数形式为:(3-10)其中σ是标准差。令,对其取二阶导数得的拉普拉斯算子为:(3-11)LOG算子的优点是过滤了噪声,其不足在于会将原有的边缘给平滑了。%log算子边缘检测实现f=imread('D:\lena.bmp');i=rgb2gray(f);%ConvertanRGBimageorcolormaptograyscalesubplot(1,2,1);imshow(i);title('theoriginalimage');bw4=edge(i,'log');subplot(1,2,2);imshow(bw4);title('afterlog');3.1.5Canny算子Canny算子是一种比较新的边缘检测算子,具有很好的边缘检测性能,得到了越来越广泛的应用。Canny算子边缘检测的方法是寻找图像梯度的局部最大值。梯度是用高斯滤波器的导数计算的Canny方法使用两个阈值来分别检测强边缘和弱边缘,而且仅当强边缘和弱边缘相连时,弱边缘才会包含在输出中。因此,此方法不容易受噪声的干扰,能够在噪声和边缘检测之间取得较好的平衡,能够检测到真正的弱边缘。Canny算子检测阶跃性边缘时效果极好,去噪能力强。但由于检测阈值固定,当检测具有模糊边缘的图像时,很可能导致平滑掉部分边缘信息。因此,为了能更精确地检测出目标边界,可先对图像进行预处理,将其分割成若干子图像,然后针对每幅子图像中具体情况选用不同的阈值,采用针对各子图所选择的阈值对图像进行动态阈值分割。实际应用时可以根据需要来调整子图像的大小,以获取所需的大小,这应该是一种可行的方法[17]。Canny算子可以用分解的方法来提高速度,即把G的滤波卷积模板分解为两个一维的行列滤波器(3-12)(3-13)其中,k为常数将式(3-12)和式(3-13)分别与图像卷积,得到输出:,令,则反映了图像上点处的边缘强度,是图像的点处的法向矢量(正交于边缘方向的方向)。%canny算子边缘检测实现f=imread('D:\lena.bmp');i=rgb2gray(f);%ConvertanRGBimageorcolormaptograyscalesubplot(1,2,1);imshow(i);title('theoriginalimage');bw5=edge(i,'canny');subplot(1,2,2);imshow(bw5);title('aftercanny');3.1.6边缘检测方法结果比较原图和经过Wavelet,Canny,Log,Prewitt后的图形的比较。图3-5原图和经过几种算子后的图形对比通过以上对经典边缘检测算子的分析,得出以下结论:1.Roberts算子简单直观,Laplace算子利用二阶导数零交叉特性检测边缘。两种算子定位精度高,但受噪声影响大;Laplace算子只能获得边缘位置信息,不能得到边缘的方向等信息。2.Sobel算子和Prewitt算子具有平滑作用,能滤除一些噪声,去掉部分伪边缘,但同时也平滑了真正的边缘;定位精度不高。Sobel算子可提供最精确的边缘方向估计。3.Sobel算子、Prewitt算子检测斜向阶跃边缘效果较好,Roberts算子检测水平和垂直边缘效果较好。4.Canny算子检测阶跃性边缘时效果极好,去噪能力强。是这几种算子中检测到的边缘最清晰的一种。3.2基于小波与分形理论边缘检测技术小波分析是当前应用数学和工程中一个迅速发展的领域。随着小波理论和分形理论的广泛应用,20世纪90年代初期关于小波理论的边缘检测方法和基于分形特征的边缘检测与提取方法也相继出现。基于小波理论的边缘检测方法因小波理论时频分析的优越性而优于一般的传统图像边缘检测方法,它可检测出图像在不同尺度下的边缘特征。小波变换在时域和频域同时具有良好的局部化性质,它能将信号或图像分解成交织在一起的多种尺度成分,并对大小不同的尺度成分采用相应粗细的时域或空域取样步长,对高频信号细处理,对低频信号粗处理,从而能够不断聚焦到对像的任意微小细节。边缘检测的是找出信号突变部分的位置,这在数学上常表示为间断点、尖点等。而在图像信号上,这些奇异点就是图像的边缘点。由于实际图像的空间频率成分十分复杂,用普通的方法直接提取边缘往往并不是十分有效,而用小波变换可以将图像分解成不同频率成分的小波分量,然后再从这些不同层次的小波分量中找出信号本身的特征以便更有效提取边缘像素。虽然小波正交基用途广泛,但也存在着不足,尤其是小波正交基的结构复杂[18]。3.3基于数学形态学的边缘检测技术数学形态学是20世纪60年代由法国科学家Serra和德国的Matheron提出的,到20世纪70年代中期完成了理论论证。数学形态学是分析几何形状和结构的数学方法,是建立在集合代数基础上,用集合论方法定量描述几何结构的科学。数学形态学由一组形态学的代数运算子组成。最常用的有7种基本变化,分别是膨胀、腐蚀、开、闭、击中、薄化、厚化。其中,膨胀和腐蚀是两种最基本、最重要的变换,其他变换由这两种变化的组合来定义。用这些算子及其组合进行图像形状和结构的分析处理包括图像分割、特征抽取、边缘检测等方面的工作。因而不同于其他的图像处理理论(如空间域、频率域的变换方法),是一种用于图像处理的新理论和新方法。基于数学形态学的图像边缘检测方法与微分算子法、模板匹配法等常用的边缘检测方法相比,具有算法简单、运算速度快、效果好等优点。用形态学边缘检测方法所得的结果图像,在边缘的连续性及各项同性方面都优于传统方法,形态学边缘检测方法对图像细节和边缘定位也有相当好的效果,所检测出的边缘宽度与所使用的结构元素形状和大小密切相关,当结构元素的尺寸(刻度数)增大时,检出的边缘宽度将随之增大。因而,合理地调节结构元素的尺寸将能有效地去除噪声并能很好地保护细节[19]。3.4基于模糊学的边缘检测技术图像处理过程实际上是对图像灰度矩阵的处理过程。图像像素的灰度值都是一些确定值,图像的模糊化就是将图像灰度值转换到模糊集中,用一个模糊值来代表图像的明暗程度。模糊梯度法是基于图像灰度梯度变化的原理而产生的。利用模糊理论的不确定性来反映图像灰度梯度变化过程的模糊性,并根据像素的隶属度来确定边缘穿越的位置,可使边缘检测更加准确。但由于其算法的复杂性,实现很困难[6]。3.5基于神经网络的边缘检测技术近年来,人工神经网络正广泛地被用于模式识别、信号与图像处理、人工智能及自动控制等领域。神经网络的主要问题是输入与输出层的设计问题、网络数据的准备问题、网络权值的准备及确定问题、隐层数及结点的问题、网络的训练问题。图像边缘检测本质上属于模式识别问题,而神经网络能很好地解决模式识别问题。因此,用样本图像对多神经网络进行训练,将训练后的网络再进行实测图像的边缘检测。在网络训练中,所提取的特征要考虑噪声点和实际边缘的差异,同时去除噪声点形成的虚假边缘,因此该方法具有较强的抗噪性能。在学习算法的设计中,常规的对图像进行混合的结构训练样本对于神经网络性能具有重要影响。使用神经网络的方法得到的边缘图像边界连续性较好,边界封闭性好,而且对于任何灰度图的检测可以得到很好的效果[20]。3.6基于遗传算法的边缘检测技术遗传算法是一类基于自然选择和遗传学原理的有效搜索方法,许多领域成功地应用遗传算法得到了问题的满意解答。虽然GAS(GeneticAlgorithms),通常是在并行计算机上实现,而大规模并行计算机的日益普及,又为并行GAs奠定了物质基础。对于图像的边缘提取,采用二阶的边缘检测算子处理后要进行过零点检测,其计算量很大而且硬件实时资源占用空间大且速度慢,所以学术界提出了一种二次搜索寻优的阈值选取策略。通过遗传算法进行边缘提取阈值的自动选取,能够显著地提高阈值选取的速度,可以对视觉系统所产生的边缘图像进行阈值的实时自动选取,增强了整个视觉系统的实时性。综上所述,在图像边缘检测领域有微分方法、基于小波与分形理论的方法、基于形态学、基于模糊学、基于神经网络和基于遗传算法等多种检测手段。它们都不是一种具有绝对优势的方法,有的方法边缘检测精度高,但抗噪声性能较差;有的方法解决了抗噪声性能差的问题,但检测精度又不够。还有一些算法尽管在一定程度上较好地解决了上述两者的协调问题,但算法复杂,实现困难,运算时间长。可见,无论哪一种边缘检测算法在解决一定问题的同时,都存在不同类型的缺陷。实质上边缘检测作为视觉的初级阶段,通常认为是一个非良态问题,很难从根本上解决。因而,寻求算法较简单、能较好解决边缘检测精度与抗噪声性能协调问题的边缘检测算法,将一直是图像处理与分析中研究的主要问题之一,还有许多工作需要进一步研究[21]。3.7本章小结本章详细的叙述了经典的基于微分的边缘检测技术,并且对这几种算子进行了Matlab仿真。然后简略的对基于小波与分形理论、基于数学形态学,以及近年来发展的基于模糊学、基于神经网络、基于遗传算法等多种图像边缘检测方法进行了介绍。第四章基于Matlab的图像边缘检测系统PAGEPAGE33第四章基于Matlab的图像边缘检测系统本次设计使用Matlab语言实现该系统,其用户界面分别介绍如下。4.1程序主界面打开main.fig如图4-1本软件包括六个Pushbutton,两个axes和一个Staictext。如要改变控件的属性,双击该控件,即可打开属性编辑器,如图4-1所示为buttongroup的属性编辑器,当然也可通过其他的方式打开属性编辑器,然后通过该编辑器为空间设置相关属性。String来设置控件对象所显示的内容。Background用以设置控件的颜色。Fontsize用以设置字体的颜色,ForegroundColor属性用来设置控件的前景颜色。控件的位置和大小可以通过改变position值来调整。另外,当控件需要对齐时,可以通过对其编辑器进行修正。具体的各个控件的属性设置这里不详细叙述。图4-1Gui界面下的程序主界面图4-2buttongroup的属性编辑器完成控件布局之后,开始编制回调程序。如前面所讲的,在Gui编辑状态下用鼠标右键单击需要编写回调程序的控件,打开右键快捷菜单,从ViewCallbacks中选择一种回调方式,打开Matlab自动生成的.m文件,并且系统会自动生成如下语句:functionHname—Callback(hObject,eventdata,handles)。其中,Hname为控件对象的Tag(标签)开发者即可在该语句下编写当前控件的回调程序,Callback是其中的一种回调方式,根据需要可选择其他回调方式,如CreatFcn,DeleteFcn,ButtonDownFcn,KeyPressFcn等等。至此完成了主界面的设计,运行后如图4-3所示。图形文件将保存Gui面板以及相应控件、菜单设计,M文件则保存程序代码。4.2仿真结果以下是软件实验的仿真截图图4-3软件实验的仿真图图4-4Prewitt边缘检测结果图4-4为运用Prewitt边缘检测算法检测出来的边缘图像。图4-5Log边缘检测结果图图4-5为运用Log边缘检测算法检测出来的边缘图像图4-6Canny边缘检测结果图图4-6为运用Canny边缘检测算法检测出来的边缘图像图4-7小波边缘检测结果图图4-7为运用小波边缘检测算法检测出来的边缘图像4.3本章小结通过Matlab/Gui开发工具的使用,Matlab仿真结果以明了生动的形式跃然于纸上,以一种新的面孔展示静态或动态的仿真结果,能够进一步提高对算法或数据处理效果的认识。对于某些频繁使用的数据处理工作,Gui界面无疑是一种高效的替代工具。无论是演示验证还是外场实时的数据处理,Matlab/Gui都会发挥令人满意的效果。第五章结论第五章结论第五章结论5.1毕业设计总结通过这一次的毕业设计经历我更加全面的学习了Matlab软件以及Gui界面的开发,在规定的时间里完成了设计与论文。在设计期间,我查阅了一些书籍更加的感受到知识面宽广与专精一项学科的重要性。在毕业设计期间主要完成了一下几点。1)确定毕业设计题目之后,和老师沟通寻找一些所需要的书籍。2)阅读搜集到的文档,熟悉课题所涉及到的Matlab的相关问题。3)了解不同的算法,确定使用哪几种。具体的去做设计。4)完成设计,撰写毕业论文以及相关文档。5.2课题前景与展望图像边缘检测领域还是需要更加成熟而又简单方便的算法来扩充它们的家族,在图像边缘检测领域有微分方法、基于小波与分形理论的方法、基于形态学、基于模糊学、基于神经网络和基于遗传算法等多种检测手段。它们都不是一种具有绝对优势的方法,有的方法边缘检测精度高,但抗噪声性能较差;有的方法解决了抗噪声性能差的问题,但检测精度又不够。还有一些算法尽管在一定程度上较好地解决了上述两者的协调问题,但算法复杂,实现困难,运算时间长。可见,无论哪一种边缘检测算法在解决一定问题的同时,都存在不同类型的缺陷。实质上边缘检测作为视觉的初级阶段,通常认为是一个非良态问题,很难从根本上解决。因而,寻求算法较简单、能较好解决边缘检测精度与抗噪声性能协调问题的边缘检测算法,将一直是图像处理与分析中研究的主要问题之一,还有许多工作需要进一步研究。致谢第五章致谢在本论文成稿之际,向所有关心、支持和帮助过我的老师、同学、和朋友们致以衷心的感谢。首先感谢老师的指导,整个设计是在韩老师的悉心指导下完成的,从文献资料的收集,到具体研究工作的开展与深入、论文的撰写,都倾注了韩老师的心血。在这段时间里,我不仅学到了许多的专业知识,更感受到了老师工作中的兢兢业业,生活中的平易近人。此外,老师严谨的治学态度和忘我的工作精神值得我去学习。然后要感谢大学四年里所有教过我的老师们,在老师们的悉心教导和严格要求下,我的知识不断的积累丰富。感谢我的家人对我学业上的支持和鼓励,感谢所有关心帮助过我的人。同时感谢大学,感谢石河子大学信息科学与技术学院四年来对我的培养。由于时间的紧迫和技术水平的有限,论文中肯定有些不尽人意之处,诚挚接受各位老师和同学的批评、指正。致谢参考文献参考文献 [1]章毓晋,《图像处理和分析》[M].清华大学出版社.1999[2]Kenneth.R.Castleman,《数字图像处理技术》[M].北京电子工业出版社.1998[3]侯小丽.《图像边缘检测技术发展综述》[M].山西.硕士论文[4]沈洁,杜宇人,高浩军.《图像边缘检测技术研究》[D].硕士论文.2005[5]张伟伟,刘学锋.《基于数学形态学的图像边缘检测研究》[J].计算机与数字工程.2006[6]周德龙,潘泉.《图像模糊边缘检测的改进算法》[J].中国图像图形学报.2001于广州[7]HYPERLINK"/paper.aspx?f=detail&q=%e4
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 高二道德与法治主题班会教学设计:识诈骗套路筑心理防线
- 高三地理第一轮复习阶段提升课教学设计-地理核心素养导向下的综合思维与区域认知进阶训练
- 初中七年级英语Unit 1 A new start基于主题意义探究的教学设计
- 八年级道德与法治上册 第九课第一课时 社会责任我担当 教学设计
- 九年级化学“人体健康与化学元素”跨学科融合教学设计
- 译林版七年级英语下册Unit 5-Unit 8期末复习教学设计
- 初中七年级硬笔书法复习教案:第七八课笔法结构精要
- 初中九年级历史《古代埃及》教学设计-基于大概念的文明探源课堂构建
- 高中地理选择性必修2 教学设计:资源跨区域调配的区域发展效应与协调机制
- 初中历史八年级近代经济社会生活与教育文化事业发展教学设计
- 2025初中生汉字听写大会竞赛考试参考试题(含答案)
- 2025年中国半导体行业用石英制品行业市场分析及投资价值评估前景预测报告
- 货拉拉司机培训
- 拱形煤棚清包工合同范本
- 职业生涯人物访谈
- 光伏发电项目档案分类、归档范围及保管期限划分表
- 矿山目视化管理制度
- T/CCAS 007-2019水泥产能核定标准
- 傅佩荣论语三百讲(1-300讲)汇编
- 药食两用产品开发
- 慢阻肺合并心衰护理查房
评论
0/150
提交评论