处理键盘输入
GUI（图形用户接口）事件处理器：GUI事件适配器和GUI动作适配器
GUIEventHandler类向开发者提供了窗体系统的GUI事件接口。这一事件处理器使用GUIEventAdapter实例来接收更新。事件处理器还可以使用GUIActionAdapter实例向GUI 系统发送请求，以实现一些特定的操作。
GUIEventAdapter实例包括了各种事件类型（PUSH，RELEASE，DOUBLECLICK，DRAG，MOVE，KEYDOWN，KEYUP，FRAME，RESIZE，SCROLLUP，SCROLLDOWN，SCROLLLEFT）。依据GUIEventAdapter事件类型的不同，其实例可能还有更多的相关属性。例如X，Y坐标与鼠标事件相关。KEYUP和KEYDOWN事件则与一个按键值（例如“a”，“F1”）相关联。GUIEventHandler使用GUIActionAdapter来请求GUI系统执行动作。这些动作包括重绘请求requestRedraw()，多次更新请求requestContinuousUpdate()，光标位置重置请求requestWarpPointer(x,y)。
GUIEventHandler类主要通过handle方法来实现与GUI的交互。handle方法有两个参数：一个GUIEventAdapter实例用于接收GUI的更新，以及一个GUIActionAdapter用于向GUI 发送请求。handle方法用于检查GUIEventAdapter的动作类型和值，执行指定的操作，并使用GUIActionAdapter向GUI系统发送请求。如果事件已经被正确处理，则handle方法返回的布尔值为true，否则为false。
#include
#include
#include
#include
#include
//构造键盘事件处理的类
class UseEventHandler : public osgGA::GUIEventHandler
{
public:
UseEventHandler(osg::MatrixTransform* tankPosistion)
{
trans=tankPosistion;
trans->setMatrix(osg::Matrix::translate(0,0,0));//设置坦克的初始位置
m_tankPosistion=osg::Vec3(0,0,0);
tankSpeed=0.5;
m_fAngle=0;
//初始化没有键盘按下和松开事件
btnUP=false;
btnDOWN=false;
btnLEFT=false;
btnRIGHT=false;
}
//基类osgGA::GUIEventHandler用于定义用户自己的GUI键盘和鼠标事件动作
virtual bool handle(const osgGA::GUIEventAdapter & ea,osgGA::GUIActionAdapter & aa)
{
switch (ea.getEventType())
{
case osgGA::GUIEventAdapter::KEYDOWN://按键按下事件
{
if(ea.getKey() == 0xFF52|| ea.getKey () == 0x57|| ea.getKey () == 0x77)//W UP
{
btnUP=true;
return true;
}
if(ea.getKey() == 0xFF54|| ea.getKey () == 0x53|| ea.getKey () == 0x73 )//S DOWN
{
btnDOWN=true;
return true;
}
if (ea.getKey() == 0xFF51 ||ea.getKey () == 0x41||ea.getKey () == 0x61) //A LEFT
{
btnLEFT=true;
return true;
}
if(ea.getKey() == 0xFF53||ea.getKey () == 0x44||ea.getKey () == 0x64)//D RIGHT
{
btnRIGHT=true;
return true;
}
return false;
case osgGA::GUIEventAdapter::KEYUP:
if(ea.getKey() == 0xFF52|| ea.getKey () == 0x57|| ea.getKey () == 0x77)//up
{
btnUP=false;
return true;
}
if(ea.getKey() == 0xFF54|| ea.getKey () == 0x53|| ea.getKey () == 0x73 )//down
{
btnDOWN=false;
return true;
}
if (ea.getKey() == 0xFF51 ||ea.getKey () == 0x41||ea.getKey () == 0x61) //A
{
btnLEFT=false;
return true;
}
if(ea.getKey() == 0xFF53||ea.getKey () == 0x44||ea.getKey () == 0x64)//D
{
btnRIGHT=false;
return true;
}
}
break;
default:
break;
}
if (btnUP)//W 坦克向前运动
{
m_tankPosistion+=osg::Vec3(tankSpeed*cosf(osg::DegreesToRadians(m_fAngle+90)),tankSpeed*sinf(osg::Degre esToRadians(m_fAngle+90)),0);
trans->setMatrix(osg::Matrix::rotate(osg::DegreesToRadians(m_fAngle),0,0,1)*osg::Matrix::translate(m_tankPosi stion));
}
if (btnDOWN)//S 坦克向后运动
{
m_tankPosistion-=osg::Vec3(tankSpeed*cosf(osg::DegreesToRadians(m_fAngle+90)),tankSpeed*sinf(osg::Degre esToRadians(m_fAngle+90)),0);
trans->setMatrix(osg::Matrix::rotate(osg::DegreesToRadians(m_fAngle),0,0,1)*osg::Matrix::translate(m_tankPosi stion));
}
if (btnLEFT) //A 坦克向左转
{
m_fAngle += 1 ;
trans->setMatrix(osg::Matrix::rotate(osg::DegreesToRadians(m_fAngle),0,0,1)*osg::Matrix::translate(m_tankPosi stion));
return true;
}
if (btnRIGHT)//D 坦克向右转
{
m_fAngle -= 1 ;
trans->setMatrix(osg::Matrix::rotate(osg::DegreesToRadians(m_fAngle),0,0,1)*osg::Matrix::translate(m_tankPosi stion));
return true;
}
return false;
}
private:
float tankSpeed;
osg::MatrixTransform* trans;
osg::Vec3 m_tankPosistion;
float m_fAngle;
private:
bool btnUP;
bool btnDOWN;
bool btnLEFT;
bool btnRIGHT;
};
void main()
{
osgViewer::Viewer viewer;
osg::ref_ptr
osg::ref_ptr
osg::ref_ptr
osg::ref_ptr
terrain = osgDB::readNodeFile("simple100.osg");//JoeDirt/JoeDirt.flt lz.osg
tank = osgDB::readNodeFile("t72-tank_des.flt");//T72-tank/cessna.osg
trans->addChild(tank);
root->addChild(trans);
root->addChild(terrain);
viewer.setSceneData(root.get());
//根据按键事件更新场景
viewer.addEventHandler(new UseEventHandler(trans));
viewer.realize();
viewer.run();
}
第8章多媒体信息的输入与输出 8.1 显示卡 8.1.1 显示卡的作用 1．信息模式的转换 ⑴并行数据信号转换为串行输出数据信号; ⑵数字信号转换为模拟信号。 2．显示信息的控制 显示卡发送到显示器的输出信号除含有模拟视频信号外还含有许多控制信号。 3. 对图形函数进行加速 现在普遍使用的显示卡都已经是图形加速卡，它拥有自己的图形函数加速器，能够提供图形函数的计算能力。 8.1.3 显示卡的结构与性能 显示卡各主要功能模块都集成在一块插件板上。它通过系统板上的I/O扩展槽与系统总线连接，通过多芯电缆与显示器接口电路连接。 1.图形加速芯片 图形加速芯片又称为图形处理芯片或显示芯片，它是显示卡中最主要的部分，它决定了显示卡的类型、档次和大部分性能。 2. 显示存储器 显示存储器是一种随机存储器。根据显示存储器的功能，它也被称为帧缓冲器（Frame Buffer）、视频存储器（Video RAM）或位图存储器（Bitmap Memory）。它主要存放的是图形加速芯片处理后的一帧显示图形的数据，即与显示屏幕上一帧图形各像素点一一对应的像素值，从而在屏幕上形成一帧与显示存储器中所存位图数据相对应的可见画面。 3. RAMDAC RAMDAC是“Random Access Memory Digital to Analog Converter”的缩写，即随机存储数/模转换器。它主要用于将显示存储器中输出的串行图形数据实时地转换为显示器所能接受的R、G、B模拟信号，发送到显示器并显示出来。 4.BIOS ROM BIOS ROM又称为基本输入输出系统。它是一种特殊的存储芯片（ROM），存放生产厂家提供的硬件图形加速芯片与驱动软件之间的输入、输出逻辑控制程序，此外，还存放显卡的名称﹑型号以及显示内存的信息等。BIOS的性能决定了显示卡硬件与操作系统之间的配合程度，以及能否充分利用图形加速芯片的功能。 5.总线接口 显示卡总体上是一种板卡总线结构方式。对外部而言显示卡要通过总线接口与计算机主板连接进行相互间的数据交换，对内部而言它将板卡总线作为图形加速芯片、显示存储器、显示控制器等卡内部件的数据传输通道，因此，板卡总线或总线接口的传输速率是决定显示卡总体效能的重要因素。 6.其他 ①VGA插口； ②VGA Feature插口； ③视频S端子插口 8.2.1 音频卡的作用 1．采集、编辑和回放数字声音文件； 2．对数字音频文件进行压缩和解压缩； 3. MIDI音乐合成；
数字图像处理的概念
二、数字图像处理的概念 1.什么是图像 “图”是物体投射或反射光的分布，“像”是人的视觉系统对图的接受在大脑中形成的印象或反映。 是客观和主观的结合。 2数字图像是指由被称作象素的小块区域组成的二维矩阵。将 物理图象行列划分后，每个小块区域称为像素（pixel）。 –每个像素包括两个属性：位置和灰度。 对于单色即灰度图像而言，每个象素的亮度用一个数值来表示，通常数值范围在0到255之间，即可用一个字节来表示， 0表示黑、255表示白，而其它表示灰度级别。 物理图象及对应 的数字图象 3彩色图象可以用红、绿、蓝三元组的二维矩阵来表示。 –通常，三元组的每个数值也是在0到255之间，0表示相应的基色在该象素中没有，而255则代表相应的基色在该象素中取得最大值，这种情况下每个象素可用三个字节来表示。 4什么是数字图像处理 数字图像处理就是利用计算机系统对数字图像进行各种目的的处理 5对连续图像f（x，y）进行数字化:空间上，图像抽样;幅度上，灰度级量化 x方向，抽样M行 y方向，每行抽样N点
整个图像共抽样M×N个像素点 一般取M=N=2n=64，128，256，512，1024，2048 6数字图像常用矩阵来表示： f(i,j)=0~255，灰度级为256，设灰度量化为8bit 7 数字图像处理的三个层次 8 图像处理： 对图像进行各种加工，以改善图像的视觉效果；强调图像之间进行的变换；图像处理是一个从图像到图像的过程。 9图像分析：对图像中感兴趣的目标进行提取和分割，获得目标的客观信息 以观察者为中心研究客观世界； 图像分析是一个从图像到数据的过程。 10图像理解：研究图像中各目标的性质和它们之间的相互联系；得出对图像内 以客观世界为中心，借助知识、经验来推理、认识客观世界，属于高层操作 （符号运算） N N N N f N f N f N f f f N f f f y x f ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? - - - - - - = )1 ,1 ( )1,1 ( )0,1 ( )1 ,1( )1,1( )0,1( )1 ,0( )1,0( )0,0( ) ,( 符号 目标 像素 高层 中层 低层 高 低 抽 象 程 度 数 据 量 操 作 对 象 小 大语 义
一．形态学基础知识理解 形态学图像处理基本的运算包括：二值腐蚀和膨胀、二值开闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换、灰值腐蚀和膨胀、灰值开闭运算、灰值形态学梯度等。 1.膨胀与腐蚀 最基本的形态学操作有二种：膨胀与腐蚀(Dilation与Erosion)。膨胀是在二值图像中“加长”和“变粗”的操作。这种方式和变粗的程度由一个结构元素组成的集合来控制。腐蚀是“收缩”或“细化”二值图像中的对象。同样，收缩的方式和程度由一个结构元素控制。腐蚀和膨胀是对白色部分（高亮部分）而言的，不是黑色部分。膨胀就是图像中的高亮部分进行膨胀，“领域扩”，效果图拥有比原图更大的高亮区域。腐蚀就是原图中的高亮部分被腐蚀，“领域被蚕食”，效果图拥有比原图更小的高亮区域。 常用的三种膨胀与腐蚀的组合：开运算、闭运算、击中或击不中变换。（1）开运算和闭运算: A被B的形态学开运算是A被B腐蚀后再用B来膨胀腐蚀结果。其几何解释为：B在A完全匹配的平移的并集。形态学开运算完全删除了不能包含结构元素的对象区域，平滑了对象的轮廓，断开了狭窄的连接，去掉了细小的突出部分；（2）闭运算: A被B的形态学闭运算是先膨胀再腐蚀的结果，其几何解释为：所有不与A重叠的B的平移的并集。形态学闭运算会平滑对象的轮廓，与开运算不同的是，闭运算一般会将狭窄的缺口连接起来形成细长的弯口，并填充比结构元素小的洞。（3）击中击不中变换: 击中与击不中变换先对目标图像进行目标结构元素的腐蚀操作；后对目标图像的对偶进行背景结构元素的腐蚀操作；最后取两次结果的交集。 2.重构 重构是一种涉及到两幅图像和一个结构元素的形态学变换。一幅图像，即标记（marker），是变换的开始点。另一幅图像是掩模（mask），用来约束变换过程。结构元素用于定义连接性。 3.灰度图像形态学 对于灰度图像来说，膨胀和腐蚀是以像素邻域的最大值和最小值来定义的。膨胀和腐蚀可以组合使用，以获得各种效果。例如，从膨胀后的图像中减去腐蚀过的图像可以产生一个“形态学梯度”，可以用来度量图像局部灰度变化。 开运算和闭运算用于形态学平滑。由于开运算可以去除比结构元素更小的明亮细节，闭运算可以去除比结构元素更小的暗色细节，所以它们经常组合在一起用来平滑图像并去除噪声。
第八章输入输出系统 一、填空题； 1.直接内存访问（DMA）方式中，DMA控制器从CPU完全接管对的控制，数据交换不经过CPU,而直接在内存和之间进行。 2.通道是一个特殊功能的，它有自己的专门负责数据输入输出的传输控制。 3.并行I/O接口和串行I/O接口是目前两个最具有权威性的标准接口技术。 4.在计算机系统中，CPU对外围设备的管理，除了程序查询方式、程序中断方式外，还有方式、方式和方式。 5.程序中断方式控制输入输出的主要特点是，可以使A 和B 并行工作。 6.DMA控制器按其A 结构，分为B 型和C 型两种。 7.通道是一个特殊功能的A ，它有自己的B 专门负责数据输入输出的传输控制，CPU只负责C 功能。 8.通道有三种类型：A 通道、B 通道、C 通道。 9. 二、选择题： 1.下面有关“中断”的叙述，______是不正确的。 A.一旦有中断请求出现，CPU立即停止当前指令的执行，转而去受理中断请求 B.CPU响应中断时暂停运行当前程序，自动转移到中断服务程序 C.中断方式一般适用于随机出现的服务 D.为了保证中断服务程序执行完毕以后，能正确返回到被中断的断点继续执行程 序，必须进行现场保存操作 2.中断向量地址是______。 A. 子程序入口地址 B. 中断服务例行程序入口地址 C. 中断服务例行程序入口地址的地址 D. 主程序返回地址 3.在数据传送过程中，数据由串行变并行或由并行变串行，其转换是通过______。 A. 移位寄存器 B. 数据寄存器 C. 锁存器 D. 指令寄存器 4.下述I/O控制方式中，主要由程序实现的是______。 A. PPU(外围处理机)方式 B. 中断方式 C. DMA方式 D. 通道方式 5.采用DMA方式传送数据时，每传送一个数据要占用______的时间。 A. 一个指令周期 B. 一个机器周期 C. 一个时钟周期 D. 一个存储周期 6.发生中断请求的条件是______。 A. 一条指令执行结束 B. 一次I/O操作开始 C. 机器内部发生故障 D. 一次DMA操作开始 7.中断向量地址是______。 A．子程序入口地址B．中断服务例行程序入口地址 C．中断服务例行程序入口地址的指示器D．中断返回地址 8.下述I/O控制方式，哪种主要由程序实现______。 A. PPU（外围处理机） B. 中断方式 C. DMA 方式 D. 通道方式 9.为了便于实现多级中断，保存现场最有效的方法是采用______。
实验五 图像形态学处理 一、实验目的： 1、进一步了解MATLAB 关于图像处理的相关指令。 2、了解图像腐蚀、膨胀、开启、闭合及细化的目的及意义，加深对其的感性认识，巩固所学理论知识。 3、能够编程实现图像的各种形态学处理。 4、观察并比较图像处理结果。 二、实验内容： 图像腐蚀、图像膨胀、开启、闭合、细化 三、实验仪器 PC 一台，MATLAB 软件。 四、实验报告要求： 1、写出程序 2、附上处理前后的图像 3、写出对处理前后图像的分析（即：说明图像的变化） 有关结构元素说明： se1 = strel('square',11) % 结构元素为边长11的正方形 se2 = strel('line',10,45) % 倾角为45度长为10的线性结构 se3 = strel('disk',15) % 半径为15的圆盘 se4 = strel('ball',15,5) %半径为15高为5的球形结构 一、图像的膨胀运算（在右图中任选一幅图像处理） 函数说明： se=strel('ball',8,8); %设定直径为8的球形结构元素 I2=imdilate(I,se); %膨胀函数，I ：原图像，se ：结构元素，I2：输出图像 %膨胀程序 I=imread('yuan.bmp '); subplot(121);imshow(I); title('原图像'); se=strel('ball',8,8); I2=imdilate(I,se); subplot(122);imshow(I2); title('膨胀后图像'); 二、任选题（1）中一幅图像根据膨胀程序编写腐蚀程序，实现腐蚀处 理，保存处理前后图像（图像要标明'title'），并分析处理结果。 kong.bmp yuan.bmp
%实验八 %1.使用函数imread打开一幅灰度图像(fig0906.tif)； %对图像进行膨胀运算，分别使用半径为5的结构元素 f1=imread('C:\Documents and Settings\Administrator\桌面\实验八\fig0906.tif'); %B = strel('disk',5); %半径为5 %B=strel('rectangle',[5 5]) B=ones(5); F=imdilate (f1,B); figure subplot(121);imshow(f1);title('原图'); subplot(122);imshow(F);title('膨胀结果（半径为5）'); %使用函数imread打开一幅灰度图像(fig0908.tif)； %对图像进行腐蚀运算，分别使用半径为5，10，20的结构元素，观察三种的结果的差异；f2=imread('C:\Documents and Settings\Administrator\桌面\实验八\fig0908.tif'); B1=ones(5); B2=ones(10); B3=ones(20); F1=imerode (f2,B1); F2=imerode (f2,B2); F3=imerode (f2,B3); figure subplot(221);imshow(f2);title('原图'); subplot(222);imshow(F1);title('腐蚀（半径为5）'); subplot(223);imshow(F2);title('腐蚀（半径为10）'); subplot(224);imshow(F3);title('腐蚀（半径为20）'); %3.使用函数imread打开一幅灰度图像(fig0910.tif)； %使用半径为10的结构元素，分别对图像进行开运算和闭运算，观察两种运算结果之间的差异； f3=imread('C:\Documents and Settings\Administrator\桌面\实验八\fig0910.tif'); B4=ones(10); F4=imopen (f3,B4); F5=imclose (f3,B4); F6=imopen(F5,B4); figure subplot(221);imshow(f3);title('原图'); subplot(222);imshow(F4);title('开运算'); subplot(223);imshow(F5);title('闭运算'); subplot(224);imshow(F6);title('先闭后开');
{ cvErode(src,dst,element,1;//腐蚀图像 cvDilate(dst,dst,element,1;//膨胀图像 } else { cvDilate(dst,dst,element,1;//膨胀图像 cvErode(src,dst,element,1;//腐蚀图像 } cvReleaseStructuringElement(&element; cvShowImage("Open/Close",dst; } void ErodeDilate(int pos { int n=erode_dilate_pos-max_iters; int an=n>0?n:-n; element cvCreateStructuringElementEx(an*2+1,an*2+1,an,an,element_shape,0; if (n<0 { cvErode(src,dst,element,1; } else { = cvDilate(src,dst,element,1; } cvReleaseStructuringElement(&element; cvShowImage("Erode/Dilate",dst; } int main(int argc,char **argv { char *filename =argc ==2?argv[1]:(char *"lena.jpg"; if( (src = cvLoadImage(filename,1 == 0 return -1; dst=cvCloneImage(src; cvNamedWindow("Open/Close",1; cvNamedWindow("Erode/Dilate",1; open_close_pos = erode_dilate_pos = max_iters; cvCreateTrackbar("iterations","Open/Close",&open_close_pos,max_iters* 2+1,OpenClose; cvCreateTrackbar("iterations","Erode/Dilate",&erode_dilate_pos,ma x_iters*2+1, ErodeDilate; for (;; { int c; OpenClose(open_close_pos;
1．如果认为CPU等待设备的状态信号是处于非工作状态（即踏步等待），那么在下面几种主机与设备之间的数据传送中：（）主机与设备是串行工作的；（）主机与设备是并行工作的；（）主程序与设备是并行运行的。 A．程序查询方式 B. 程序中断方式 C. DMA方式 解： A C B 2．中断向量地址是_____。 A．子程序入口地址 B. 中断服务程序入口地址 C．中断服务程序入口地址指示器 C. 例行程序入口地址 解： C 3．利用微型机制作了对输入数据进行采样处理的系统。在该系统中，每抽取一个输入数据就要中断CPU一次，中断处理程序接受采样的数据，将其放到主存的缓冲区内。该中断处理需时x 秒，另一方面缓冲区内每存储n个数据，主程序就将其取出进行处理，这种处理需时y秒。因此该系统可以跟踪到每秒_____次的中断请求。 A．N/(n×x+y) B. N/(x+y)×n C. Min(1/x, n/y) 解： A 4．采用DMA方式传送数据时，每传送一个数据就要占用一个____的时间。 A．指令周期 B. 机器周期 C. 存储周期 D. 总线周期 解： C 5．通道的功能是：（1）________，（2）______。按通道的工作方式分，通道有______通道、_______通道和______通道三种类型。 解：（1）执行通道指令，组织外围设备和内存进行数据传输； （2）执行CPU的I/O指令，以及向CPU报告中断。 选择通道、字节多路通道、数组多路通道 6．在教科书图8.7中，当CPU对设备B的中断请求进行服务时，如设备A提出请求，CPU能够响应中断吗？为什么？如果设备B一提出请求总能立即得到服务，问怎样调整才能满足此要求？ 解：（1）CPU不能响应中断 （2）因为同级中断不能嵌套，而A、B设备属于同级中断 （3）如果想要设备B一提出请求即能得到服务，则应该使设备B为最高优先级，这里可将设备 B单独接至3级IR，处于最高优先级。 8．设某机有5级中断：L0，L1，L2，L3，L4，其中断响应优先次序为：L0最高，L1次 之，L4最低。现在要求将中断处理次序改为L1→L3→L0→L4→L2，试问： （1）下表中各级中断处理程序的各中断级屏蔽值如何设置（每级对应一位，该位
课程: 数字图像处理实验日期: 2012年 5 月日成绩： 实验四图像形态学处理 一．实验目的及要求 1．利用MATLAB研究二值形态学图像处理常用算法； 2．掌握MATLAB形态学图像处理基本操作函数的使用方法； 3．了了解形态学的基本应用。 二、实验原理 数学形态学是一门建立在集论基础上的学科，是几何形态学分析和描述的有力工具。数学形态学可以用来解决抑制噪声、特征提取、边缘检测、图像分割、形状识别、纹理分析、图像恢复与重建、图像压缩等图像处理问题。数学形态学是以形态结构元素为基础对图像进行分析的数学工具。它的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。数学形态学的应用可以简化图像数据，保持它们基本的形状特征，并除去不相干的结构。数学形态学的基本运算有4个：膨胀、腐蚀、开启和闭合。它们在二值图像中和灰度图像中各有特点。 二值形态学：数学形态学中二值图像的形态变换是一种针对集合的处理过程。其形态算子的实质是表达物体或形状的集合与结构元素间的相互作用，结构元素的形状就决定了这种运算所提取的信号的形状信息。形态学图像处理是在图像中移动一个结构元素，然后将结构元素与下面的二值图像进行交、并等集合运算。基本的形态运算是腐蚀和膨胀。 三、实验内容 （一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。 1．膨胀与腐蚀(Dilation and Erosion) (1)对简单二值图像进行膨胀与腐蚀 clear all, close all BW = zeros(9,10); BW(4:6,4:7) = 1; BW SE = strel('square',3) BW1 = imdilate(BW,SE) BW2 = imerode (BW,SE) figure(1), subplot(1,2,1), imshow(BW,'notruesize'), title(' Original Image '); subplot(1,2,2), imshow(BW1,'notruesize'), title(' Dilated Image '); figure(2),
骨髓细胞检验 一、骨髓的取材 骨髓取材方式主要有两种，即骨髓穿刺术及环钻术，后者又称骨髓活检。特别适合用于“干抽”情况下且可看到造血组织的天然结构，能判断造血组织与脂肪组织的比例，有助于对再生障碍时病情严重程度的估计，也有助于骨髓纤维化、骨髓转移癌及MDS 的诊断。 （一）骨髓穿刺部位 1. 胸骨穿刺在第二与第三肋骨之间的胸骨正中线上穿刺，穿刺针长度固定在1cm 以下。 2. 脊突穿刺第三、四腰椎脊突为穿刺点，在此处进行穿刺。 3. 髂前上棘穿刺髂骨前上棘后约3cm 处。 4. 髂后上棘穿刺此处骨质较薄，容易穿刺，骨髓液较丰富，若作骨髓培养，须取 5ml~10ml 骨髓液。 （二）骨髓穿刺时应注意的问题骨髓穿刺一般由临床医生自行操作，检验人员也应了解以下有关问题： 1. 穿刺前必须向患者作耐心的解释，以尽量减少患者的恐惧心理。 2. 穿刺术必须严格无菌操作，盛骨髓的玻片不能接触穿刺针头。 3. 骨髓抽取量不宜过多，一般以少于0.2ml 为最好。抽量过多可导致外周血液稀释，失去 诊断意义。穿刺困难时，只要针芯有一小滴骨髓即可涂片，若需要作细菌培养或其他检 查，也应先抽少量涂片，然后再抽所需量。 4. 干抽的意义干抽是指多部位多次穿刺均抽不出骨髓。可见于骨髓造血细胞异常增生，如 白血病、真性红细胞增多症等，更易见骨髓纤维化症。肯定干抽时可用环钻术取活检标 本，同时将环钻针内沾有的骨髓液涂片。 5. 骨髓液稀释此情况由于吸取骨髓液用力过大或穿刺针头刺入骨髓血窦所致，可见涂片上 骨髓小粒及脂肪滴减少，各阶段细胞比例失调，中性粒细胞分叶核＞杆状核，无巨核细 胞、组织嗜碱细胞、网状细胞等。 6. 穿刺部位的差异骨髓造血组织分布不均，且某些病变也可限于局部，因此穿刺部位的不 同，其结果可有显著差异。如再生障碍性贫血，特别是慢性再障，往往远心部位的髂骨 最易首先受损，棘突次之，而胸骨则可再生良好。即或是同一部位的髂骨也有灶性增生 现象，可致两次穿刺结果不相同。某些疾病诊断阳性率也因穿刺部位而异。多发性骨髓 瘤、转移癌时，均以病变部位穿刺阳性率最高。因此对一些疑难病例最好是多部位穿 刺。 7. 死亡病例若需作骨髓穿刺明确诊断时，应在死亡后半小时内进行。 （三）骨髓穿刺成功的指标 1. 在抽搐骨髓的瞬间，病人有特殊的疼痛感。 2. 在黄白色的骨髓小粒，多集中于片尾部。 3. 镜下有骨髓内特有的细胞，如巨核细胞、幼红细胞、浆细胞及网状细胞等。 4. 粒细胞的杆状核与分叶核的比值大于外周血，网织红细胞、有核细胞值均应高于外周 血。 二、骨髓涂片 骨髓涂片的制备是一项重要的工作，绝对不可忽视。有时骨髓取材良好，但由于玻片的不清洁或推片技术不佳，而不能得到满意的涂片。如涂片太厚细胞重叠则无法辨认细胞的结构；涂片太薄，细胞过于分散，则影响检查速度和准确性，甚至漏诊或误诊。因此必须制备薄厚适宜、分布均匀的涂片。
课程：数字图像处理 课程作业实验报告 实验名称：Morphological and Other Set Operations 实验编号： 签名： 姓名： 学号： 截止提交日期：年月日 摘要：本实验学习一些基本的形态学图像处理知识。掌握数学形态学集合的基本运算；编程实现二值图像的膨胀和腐蚀处理，掌握一些基本的形态学算法，如：边界提取；针对灰度图像编程实现膨胀和腐蚀处理，编写函数实现灰度图像形态学梯度处理和顶帽变换，最后对形态学梯度变换结果和顶帽变换结果进行比较。
一、技术论述 1、图像的逻辑运算及数学形态学 很多应用是以形态学概念为基础的，并涉及二值图像。数学形态学的语言是集合论。同样，形态学为大量的图像处理问题提供了一种一致的有力方法。数学形态学中的集合表示图像中的不同对象。例如，在二值图像中，所有黑色像素的集合是图像完整的形态学描述。在二值图像中，正被讨论的集合是二维整数空间 (P)的元素，在这个二维整数空间中，集合的每个元素都是一个多元组(二维向量)，这些多元组的坐标是一个黑色(或白色，取决于事先的约定)像素在图像中的坐标(x,y)。灰度级数字图像可以表示为Z空间(Z3)上分量的集合。在这种情况下，集合中每个元素的两个分量是像素的坐标，第3个分量对应于像素的离散灰度级值。更高维度空间中的集合可以包含图像的其他属性，比如颜色和随时间变化的分量。 集合运算尽管本质上很简单，但对于实现以形态学为基础的图像处理算法是一种有力的补充手段。本实验中，我们关注的是涉及二值图像和灰度图像的逻辑运算。 在图像处理中用到的主要集合运算是：并、交、补、差、位移和镜像。图1中总结了这些运算的性质。 图1 主要的集合运算 在两幅或多幅图像的对应像素间逐像素进行逻辑运算。因为只有在两个变量都是1时，两个二进制变量的“与”运算才为1，所以只有两幅输人图像的对应像素均为1时，“与”运算的结果才是1。图2显示了涉及图像逻辑运算的不同例子。这里，黑色表示1，而白色表示0（这里使用两种约定的说法，有时会颠倒黑色和白色二值的意义，取决于在给定情况下哪种表达更清楚。使用图1中的定义构造其他的逻辑运算很容易。例如，异或运算是当两个像素的值不同时结果为1，否则为0。这种运算与“或”运算不同。“或”运算在两个像索有一个为1或两个均为1时结果为1。 数学形态学方法对图像进行分析的基本思想是：用具有一定形态的结构元素去度量和提取图像中的对应形状，达到对图像分析和识别的目的。将数学形态学作为工具从图像中提取对于表达和描绘区域形状有用处的图像分量，比如边界、骨架以及凸壳，等等。数学形态学是对于探索和研究二值图像和灰度图像具有很大益处.
#include
Mat binaryErosion(Mat binaryImage, Mat se) { //二值图像移动 Mat window(se.rows, se.cols, CV_8UC1); //定义一个矩阵，存储腐蚀后的图像 Mat binaryErosionImage(binaryImage.rows, binaryImage.cols, CV_8UC1, Scalar(0)); for (int i = (se.rows-1)/2; i < binaryImage.rows-(se.rows-1)/2; i++) { for (int j = (se.cols - 1) / 2; j < binaryImage.cols - (se.cols - 1) / 2; j++) { //先设置第i行第j列像素值为255，即白色 binaryErosionImage.data[i*binaryImage.step + j] = 255; for (int row = 0; row < se.rows; row++) { for (int col = 0; col < se.cols; col++) { //把se对应的元素赋值到与se结构相同的矩阵中 window.data[row*window.step + col] = binaryImage.data[(i + row - (window.rows - 1) / 2)*binaryImage.step + (j + col - (window.cols - 1) / 2)]; } } //比较se与window中的像素值 int row, col; for (row = 0; row < se.rows; row++) { for (col = 0; col < se.cols; col++) { if(se.data[row*se.step + col] != window.data[row*se.step + col]) { break; } } if (col == se.cols) { continue; } else { break;
数字图像的数学形态学处理与应用研究 何照文，石乐健，王伟，毕艳亮 摘要：伴随着计算机技术的不断发展，数字图像处理技术日益受到人们的重视，并在生产、生活的各个领域发挥出越来越大的作用。传统的数字图像处理方法一般直接在图像的空间域中进行；或在图像的变换域上间接进行，如傅里叶变换，在变换处理完成后再通过相应的逆变换回到空间域。区别于传统方法，本文研究了基于数学形态学的数字图像处理方法。本文首先研究了数学形态学的相关运算，包括二值图像形态学运算以及灰度图像形态学运算，在此基础上研究了数学形态学处理的相关应用，如边缘检测、图像分割等，最后给出了对数学形态学处理未来的展望。 关键词：数字图像处理数学形态学 1.引言 传统的数字图像处理方法一般直接在图像的空间域中进行；或在图像的变换域上间接进行，如傅里叶变换，在变换处理完成后再通过相应的逆变换回到空间域。本文研究的基于数学形态学的数字图像处理方法不同于传统方法，它从集合的角度来刻画和分析图像，因此拥有完备的理论体系，并在实际应用中不断深入。数学形态学是一门建立在集合论基础之上的学科，是几何形态学分析和描述的有力工具，该方法着重研究数字图像的几何结构，以图像的形态特征为研究对象，其历史可追溯到19世纪的Eular，Steiner，Crofton和90年代的Minkowski，Matheron和Serra。数学形态学的蓬勃发展，由于其算法简洁快速，易于实现，已引起学者们和工程师的普遍重视。目前，数学形态学已在计算机视觉、信号处理与图像分析、模式识别等领域有着非常广泛的应用。 数学形态学可以用来解决滤除噪声、特征提取、边缘检测、图像分割、形态骨架提取等图像处理问题。本文将主要对数学形态学的基本理论与算法，及其在数字图像处理的应用进行研究。 2.数字图像的形态学处理 数学形态学处理方法比起其它空间域或频率域图像处理和分析的方法具有一些明显的优势。利用形态学算法可以有效滤除噪声，同时保留图像中的原有信息，突出图像的几何特征便于进一步分析图像。该方法以形态结构元素为基础，在形态学中，结构元素是最基本最重要的概念，其在形态变换中的作用相当于信号处理中的“滤波窗口”，该方法的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。因此，结构元素的选择对于我们能否有效提取图像的有关信息至关重要。数学形态学的应用可以简化图像数据，保持它们的基本形态特征，并除去不相干的结构。 数学形态学的基本运算有4个：膨胀、腐蚀、开启、闭合。它们在二值图像和灰度图像中各有特点。基于这些基本运算还可以推导和组合成各种数学形态学实用算法。 2.1二值图像的数学形态学运算
第八章输入输出系统 8.1输入输出设备的编址方式 8.2 总线结构 8.2.1 概述 总线是传送信息的通路，在计算机系统中使用的总线可分成3类： (1)计算机系统中各部件内部传送信息的通路。例如：运算器内部寄存器与寄存器之间、寄存器与算术逻辑运算单元(ALU)之间的传送通路，通常称之为内部总线。 (2)计算机系统中各部件之间传送信息的通路。例如CPU与主存储器之间，CPU与外设端口之间传送信息的通路，通常称之为“系统总线”。 (3)计算机多机系统内部各计算机之间传送信息的通路，通常称之为“机间总线”或“多机总线”。 本节中讨论的主要是CPU与外设接口之间的系统总线，又可称作输入输出总线，简称I／O总线。 提到总线，人们马上会想到它由许多条传输线构成，这些传输线的总条数称作总线的宽度，连接在一条总线上常常有多个设备或部件，因此常被称作共享总线或分时总线。因为不管一条总线上连接了多少个设备，任何时候只能有两个设备利用总线进行通信，一是信息发送者，一是信息接收者。于是就应该有一个部件来确定当前总线由哪两个设备来使用。如果有多个部件申请使用总线时，还应该由它根据申请者的优先级别来确定使用总线的优先次序，所有这些功能要由总线控制逻辑来完成。因此总线应该是由一定数量的传输线和总线控制器两部分构成。总线控制器可以是集中式的，集中在某个部件内部，也可以是分散式的，分散在共享总线的多个部件中。 8.2.2总线的控制方式 以集中式总线控制方式为例来说明常用的3种总线控制与仲裁方式。 1．串行链式查询方式 采用串行链式查询方式来实现判优功能的连接图如图8－3所示。 从图8-3中可以看出，该总线上连接着多个部件，对各个部件来说，除了共享数据总线和地址总线外，还有3条控制线(构成控制总线)：总线请求信号线(BR)、总线忙信号线(BS)和总线认可信号线(BG)。由于总线认可信号线对共享总线的多个部件来说形成了一条串行的链，故串行链式查询方式因此而得名。平时，BR、BS和BG线均无效，当某个或多个部件要求使用总线时，各部件通过BR线向总线控制器发出总线请求信号，总线控制器得到请求后置BG线有效，并首先进入“部件0”，若“部件0”有请求，则BG线将终止向后传送，由“部件0”发出总线忙(BR＝1)信号，表示当前总线由“部件0”占用；若“部件0”无请求，则BG线继续往后传送，一直传送到某个有总线请求的部件为止，这时总线控制器将总线使用权交给该部件。从上述查询过程中可以看出，离总线控制器最近的部件具有最高的优先权，最远的部件只有在它前面所有部件均不请求使用总线时，才有可能得到总线的使用权，这种不公平的待遇将保持不变。这种查询方式控制简单，控制线数量少，总线上要增、删部件很容易，但是对串行查询链上的电路故障非常敏感，如果某个部件的查询链出了故障，那么该部件之后的所有部件都将无法得到总线的使用权。 2.计数定时查询方式 计数定时查询方式连接图如图8-4所示
形态学是一个广泛的图像处理操作过程，它处理图像是基于形状的。形态学操作在输入图像中使用一个结构化的参数，建立一个同样大小的输出函数。在形态学操作中，输出图像中的每个像素的值是基于输入图像中相应像素及其邻域像素间的对比。通过选择邻域的大小和形状，可以构造一个在输入图像中对特殊形状敏感的形态学操作。 最基本的形态学操作是膨胀和腐蚀。膨胀在一个图像中增加目标边缘的像素，腐蚀从目标边缘移除像素。在图像中增加或者移除像素是基于用于处理图像的结构化参数的大小和形状。在形态学膨胀和腐蚀操作中，输出图像中任何给定像素的属性通过在输入图像相应像素及其邻域像素使用一个准则决定。处理像素的准则定义操作为膨胀或腐蚀。 膨胀：输出像素的值是输入像素邻域中所有像素的最大值。在二维图像中，如果输入像素的是设为1，则输出像素设为1。 腐蚀：输出像素的值是输入像素邻域中所有像素的最小值。在二维图像中，如果任何像素设为0，则输出像素设为0。 填充图像原则：膨胀（远离图像边缘的像素被分配数据类型提供的最小值。对于二维图像，这些像素被设定为0。灰度图像，8bit图像的最小值为0）。腐蚀（远离图像边缘的像素被分配数据类型提供的最大值。对于二维图像，这些像素被设定为1，对于灰度图像，8bit图像的最大值是255） 注意：通过在膨胀操作中用最小值，在腐蚀操作中用最大值，这个工具箱避免了边界效应，输出图像接近边缘的区域和图像剩余的区域表现为不均匀。比如，用最小值进行腐蚀填补，在输出图像边缘将造成一个黑色的边框。 形态学结构参数：只有0和1的矩阵。 建立形态学结构元素的matlab语言：STREL SE = strel(shape, parameters) //shape代表形状，parameters代表参数 SE = strel('arbitrary', NHOOD) //NHOOD定义平面结构元素的邻域，NHOOD是一个包含0和1的矩阵，1的位置定义了形态学操作的邻域。NHOOD的中心是它的中元素，通过floor（（size （NHOOD）+1）/2）给定。可以隐藏’arbitrary’而只是用strel（NHOOD）。 SE = strel('arbitrary', NHOOD, HEIGHT) //定义一个超平面结构化元素，NHOOD 指定邻域，HEIGHT是一个和NHOOD相同尺寸的矩阵，包含于每个NHOOD非零元素相关的高度值。HEIGHT 矩阵必须是实值有限的。也可以隐藏‘arbitrary’而只用strel（NHOOD,HEIGHT）SE = strel('ball', R, H, N) 建立一个非平面、球形（实际是椭圆体）的结构化元素，其在X-Y平面的半径是R，而高度是H。R必须是非负整数，H必须是一个实数标量，N必须是一个非负整数。当N大于0时，球形结构元素通过一个N非平面线形结构元素序列近似。当N等于0时，没有用到近似，结构元素成员包括所有远离原点且中心比R小的像素。相应的高度值从R和H指定的椭圆体的公式确定。当N 没有指定是，其隐含值为8. SE = strel('diamond', R) 建立一个平面、菱形结构元素，R指定结构元素中心道菱形顶点的长度。R 必须是非负整数标量。 SE = strel('disk', R, N)
实验五：图像形态学处理 一、实验目的： （1）了解二值形态学的基本运算 （2）掌握基本形态学运算的实现 （3）了解形态操作的应用 二、实验内容与要求 （1）设计程序实现对图1，实现去除图像中的噪声。 （2）设计程序，实现将图2转化为二值图像，并计算图中鸡块中骨头的比重。 （3）设计程序，实现去除图3中的矩形区域外的噪声，并填充矩形区域内部了。 三、实验代码及结果 1、（1）实验代码 >> i=imread('C:\Users\Administrator\Desktop\图片1.png'); >> se=ones(3); >> I=imopen(i,se); >> I=imclose(I,se); >> subplot(1,2,1),imshow(i),title('图片1'),subplot(1,2,2),imshow(I),title('先开后闭'); （2）实验结果 2、（1）实验代码 .m文件： function [new] =jisuan(original,T) new=original; m=size(original,1); n=size(original,2);
for i=1:m for j=1:n if new(i,j)>=T new(i,j)=1; elseif new(i,j)
数字图像处理中的形态学 （摘自某文献，因为贴图的数目有限制，后面的公式图片没有能够上，电脑重装后文档已经找不到了，囧） 一引言 数学形态学是一门建立在集论基础上的学科，是几何形态学分析和描述的有力工具。数学形态学的历史可回溯到19世纪。1964年法国的Matheron和Serra在积分几何的研究成果上，将数学形态学引入图像处理领域，并研制了基于数学形态学的图像处理系统。1982年出版的专著《Image Analysis and Mathematical Morphology》是数学形态学发展的重要里程碑，表明数学形态学在理论上趋于完备及应用上不断深入。数学形态学蓬勃发展，由于其并行快速，易于硬件实现，已引起了人们的广泛关注。目前，数学形态学已在计算机视觉、信号处理与图像分析、模式识别、计算方法与数据处理等方面得到了极为广泛的应用。 数学形态学可以用来解决抑制噪声、特征提取、边缘检测、图像分割、形状识别、纹理分析、图像恢复与重建、图像压缩等图像处理问题。该文将主要对数学形态学的基本理论及其在图像处理中的应用进行综述。 二数学形态学的定义和分类 数学形态学是以形态结构元素为基础对图像进行分析的数学工具。它的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。数学形态学的应用可以简化图像数据，保持它们基本的形状特征，并除去不相干的结构。数学形态学的基本运算有4个：膨胀、腐蚀、开启和闭合。它们在二值图像中和灰度图像中各有特点。基于这些基本运算还可以推导和组合成各种数学形态学实用算法。 （1）二值形态学 数学形态学中二值图像的形态变换是一种针对集合的处理过程。其形态算子的实质是表达物体或形状的集合与结构元素间的相互作用，结构元素的形状就决定了这种运算所提取的信号的形状信息。形态学图像处理是在图像中移动一个结构元素，然后将结构元素与下面的二值图像进行交、并等集合运算。 基本的形态运算是腐蚀和膨胀。 在形态学中，结构元素是最重要最基本的概念。结构元素在形态变换中的作用相当于信号处理中的“滤波窗口”。用B（x）代表结构元素，对工作空间E