数字图像处理技术及实践（基于MWORKS） 课件 第二章 MWORKS系统平台及Julia语言

第2章MWORKS系统平台及Julia语言

科学研究中经常需要解决科学计算问题，这一需求促进了计算机数学语言（科学计算语言）及数据分析技术的发展。Julia作为一门开源的、动态的科学计算语言，具备了建模语言的表现力和开发语言的高性能两种特性，与系统建模和数字孪生技术紧密融合，是最适合构建信息物理系统（CyberPhysicalSystem，CPS）的计算语言。MWORKS是同元软控全新推出的新一代科学计算和系统建模仿真一体化基础平台，基于高性能科学计算语言Julia和多领域统一建模规范Modelica，MWORKS为科研和工程计算人员提供了交互式科学计算和建模仿真环境，实现了科学计算环境Syslab与系统建模仿真环境Sysplorer的双向融合，可满足各行业在设计、建模、仿真、分析、优化等方面的业务需求。2.1概述2.2MWORKS科学计算与系统仿真平台

MWORKS是苏州同元软控信息技术有限公司面向数字化和智能化融合推出的新一代、自主可控的科学计算与系统建模仿真平台。MWORKS提供机械、电子、液压、控制、热、信息等多领域统一建模仿真环境，实现复杂装备数字化模型标准表达，支持物理系统和信息系统的融合，为装备数字化工程提供基础工具支撑，是基于模型的系统工程（Model-BasedSystemsEngineering，MBSE）方法落地的使能工具。MWORKS为复杂系统工程研制提供全生命周期支持，已广泛应用于航空、航天、能源、车辆、船舶、教育等行业，为国家探月工程、空间站、国产大飞机、核能动力等系列重大工程提供了先进的数字化设计技术支撑和深度技术服务保障，整体水平位居国际前列，是国内为数不多、具有国际一流技术水平的工业软件之一。2.2.1MWORKS设计与验证

MWORKS采用基于模型的方法全面支撑系统研制，通过不同层次、不同类型的仿真实现系统设计的验证。围绕系统研制的方案论证、系统设计与验证、测试与运维等阶段，MWORKS分别提供小回路、大回路和数字孪生虚实融合三个设计验证闭环，如图所示。在论证阶段引入小回路设计验证闭环，可以实现系统方案的早期验证，提前暴露系统设计缺陷与错误。小回路设计验证闭环01大回路设计验证闭环02构建数字孪生模型，对系统进行模拟、监控和预测，与物理产品同步映射，为测试、运维阶段提供支持。03数字孪生虚实融合设计验证闭环多学科统一建模仿真，验证设计方案的详细设计，打破学科壁垒，实现全链条一体化建模与仿真。2.2.1MWORKS设计与验证2.2.2MWORKS产品体系

科学计算与系统建模仿真平台MWORKS由四大系统级产品和系列工具箱组成，如下图所示。1．四大系统级产品（1）系统架构设计环境Sysbuilder（全称为MWORKS.Sysbuilder）（2）科学计算环境Syslab（全称为MWORKS.Syslab）（3）系统建模仿真环境Sysplorer（全称为MWORKS.Sysplorer）（4）协同设计仿真环境Syslink（全称为MWORKS.Syslink）2．系列工具箱（1）函数库（Functions）（2）模型库（Models）（3）应用程序（App）2.2.2MWORKS产品体系2.3Julia语言Julia是一门较新的语言。创始人

JeffBezanson、StefanKarpinski、ViralShah和

AlanEdelman于2009年开始研发，是面向前沿领域科学计算和数据分析的计算机语言。2.3.1Julia语言的特点Julia采用了即时编译技术，能够将高级语言的代码编译成高效的机器码，从而接近原生代码的性能。高性能Julia支持多重派发（MultipleDispatch）机制，即根据参数的类型和数量来选择合适的函数进行调用，这使得代码更加模块化和灵活。通过不同类型的参数组合，可以定义同名函数不同的行为，提高了代码的复用性和扩展性。多重派发与多态Julia是一种动态类型的语言，变量和函数的类型可以在运行时改变，提高了代码的灵活性和可读性。Julia具备强大的类型推断能力，编译器能够在编译时推断出变量和表达式的类型，有助于优化性能和提高代码编写能力。动态类型与类型推导丰富数据结构与内置库Julia支持多种数据结构，包括数组、字典、元组等，可以方便地处理各种数据。Julia提供了丰富的内置函数和标准库，特别是在科学计算和数据分析领域，集成了众多基于C和Fortran开发的开源库，具有高效的计算性能。2.3.1Julia语言的特点并行与分布式计算Julia具有类似于Python和MATLAB的简易的语法，易于学习和使用，适合科学家和工程师进行快速原型开发和实验。易于学习和使用Julia内置了并行计算的支持，可以方便地利用多核处理器进行并行计算，提高计算效率。此外，Julia还提供了分布式计算的功能，可以自动进行分布式的部署，实现云端操作，使得并行化编程时极为便捷。扩展性与兼容性Julia具有良好的可扩展性，用户可以使用C、Fortran和Python等其他语言编写的库，并与Julia的代码无缝集成。Julia可以与Python、R、Matlab及Java等语言进行混合编程，提供了更多的灵活性和选择。涵盖数据科学、科学计算、可视化、机器学习等领域，以及精准医疗、基因组学等专业应用。Julia的应用范围代码优化简单高效，避免“两语言”工作流，适合高性能计算和信息物理系统。Julia的性能表现设计先进，融合多种语言优势，如LISP的语法宏，动态语言的多重分派和泛型。Julia的语言特性尽管年轻，已有DataFrames.jl、Distributions.jl等丰富包和库支持，开放且灵活。Julia的生态系统010203042.3.2Julia语言的优势2.4.1语言本质的差异Julia的完全开源、动态编译、多重分派和并行计算是优于MATLAB的特性，提供更高效科学计算。Julia更加现代化和高效，而MATLAB则更加成熟和稳定。MATLAB与Julia对比分析Julia语法接近数学，执行速度快于Python，适合高性能科学计算；Python通用性更强，生态系统丰富。Julia与Python区别Julia注重高性能计算，更加简洁，代码复杂度较低，Julia适合需要高性能、高效率的科学计算任务，而R适合数据分析和统计计算任务。Julia与R比较2.4Julia与其他科学计算语言的差异2.4.2语法表层的差异

语法表层的差异是指在代码书写方式、关键字、语句表达方式和注释方式等方面各种编程语言的不同。这些差异需要在学习新语言时重新适应，但也使得每种语言都有不同的优势和适用性。2.4.3函数用法的差异

不同编程语言之间的函数用法的差异是指在定义和使用函数时，不同编程语言采用的语法、规则和约定的不同之处。这些差异既可能涉及函数参数传递方式、参数类型、返回值类型等方面，也可能涉及函数命名、作用域、递归等方面的规定和约束。2.5MWORKS平台的使用2.5.2使用MWORKS运行PythonMWORKS也支持Python，并提供了JuliaImages和TyImages等图像处理工具箱，扩展了平台的计算和分析能力。2.5.1使用MWORKS运行JuliaMWORKS集成了Julia，用户可以直接在平台上运行Julia代码，无缝集成科学计算和系统仿真。01集成Julia环境，支持新建脚本，扩展名为.jl，便于科学计算和系统建模。MWORKS平台介绍02点击MWORKS界面的新建，创建.jl文件，用Julia语言编写程序。新建Julia脚本03引入TyImages库，使用imread函数读取图像，示例代码显示彩色图像。加载并执行示例代码04保存编辑后的Untitled-1.jl文件，可重命名并保存至自定义路径，方便后续调用。保存脚本文件2.5.1使用MWORKS运行Julia2.5.2使用MWORKS运行Python使用PyCall.jl的pyimport或@pyimport调用Python库，展示图像。Julia调用Python库01通过py"…"或py"""…"""执行Python代码。Julia执行Python片段02添加文件路径到Python环境，导入Python文件，调用Python。Julia调用Python实践032.6.1JuliaImages图像处理工具箱JuliaImages概述提供全面的图像处理功能，包括加载、保存、转换、滤波、增强和分割等，通过一系列Julia包实现。核心组件介绍MWORKS系统平台介绍，重点讲述JuliaImages工具箱，包括Images.jl的基础图像处理，ImageView.jl的交互式显示，以及TestImages.jl和ImageFiltering.jl的算法验证与图像滤波功能。生态系统特点集成Julia语言及图像处理工具箱，打造用户友好的高效图像处理环境，提升任务便捷性与效率。2.6Julia语言2.6.2TyImages图像处理工具箱Ty