OPENCV毕业实习报告Word格式.docx
《OPENCV毕业实习报告Word格式.docx》由会员分享，可在线阅读，更多相关《OPENCV毕业实习报告Word格式.docx（27页珍藏版）》请在冰豆网上搜索。
实际得分
总得分
备注
实习表现
30
10
按时参加实习活动，无旷课、迟到、早退等情况。
遵守实习单位纪律和安排，无违反实习单位规定的情况；
听从指导教师的安排，参加各项活动，无不服从教师管理的现象。
按期圆满完成规定的任务，工作量饱满；
能运用所学知识和技能去发现与解决实际问题，工作中有创新意识。
实习报告
40
15
实习报告文字通顺，内容翔实，论述充分、完整，结构严谨合理。
能运用所学专业知识对问题加以分析。
正确处理相关的数据，分析处理科学；
具有收集、加工各种信息及获得新知识的能力。
5
实习报告字数符合相关要求，实习报告工整规范，整齐划一。
实习日记（笔记）次数及内容符合要求。
实习答辩
在规定时间内能就实习的内容进行全面完整的阐述，言简意明，重点突出，条理清晰。
在规定时间内能准确、完整、流利地回答教师所提出的问题。
总评成绩：
分
补充说明：
指导教师：
（签字）
日期：
年月日
毕业实习答辩记录表
高强学号：
0805090204班级：
计科2班
答辩地点：
机电大楼417
答辩内容记录：
答辩成绩
答辩小组成员（签字）：
年月日
指导教师评语
指导教师：
一、实习目的与任务
学习和掌握Intel开源计算机视觉库——OpenCV的基本用法，能够利用它进行基本的图像绘制，甚至边缘检测，云检测等。
二、实习地点
湖北省武汉市江夏区武汉工程大学流芳校区机电大楼419机房
三、实习要求和内容
（一）实习要求：
1.会安装OpenCV和VC6（或者VS2005）并进行正确配置；
2.能够用OpenCV进行图像的读入、显示、创建、复制和保存等；
3.能够用OpenCV进行图像的简单绘制，比如直线、三角形、矩形、圆形、椭圆，并能够在图像中添加文本框和给图像上色；
4.能够用OpenCV进行图像的边缘检测、云检测，以及能够初步理解条形码生成技术和检测技术。
（二）实习内容：
本次实习内容其实很简单，就是学习和掌握OpenCV的用法。
OpenCV是Intel开源计算机视觉库，它由一系列C函数和少量C++类构成，实现了图像处理和计算机视觉方面的很多通用算法。
要利用OpenCV进行开发，首先需要安装配置程序运行环境，下面以VS2005为例介绍安装配置的方法：
1.安装VS2005和OpenCV；
2.配置Windows环境变量。
检查C:
\ProgramFiles\OpenCV\bin是否已经被加入到环境变量PATH，如果没有，请加入。
加入后需要注销当前Windows用户（或重启）后重新登陆才生效（注意，此步骤可以省略，但如果省略的话，要记得把OpenCV的bin里的文件拷贝到VS2005所在的工程文件夹中）；
3.配置VS2005。
首先，打开VS2005的工具-》选项-》项目和解决方案-》VC++目录，在库文件里面添加OpenCV的Lib库，在包含文件里面添加OpenCV的cxcore\include,cv\include,cvaux\include,ml\include,otherlibs\highgui,otherlibs\cvcam\include，接着在工程属性里面加入cxcore.libcv.libml.libcvaux.libhighgui.lib等需要的库即可。
配置完OpenCV后就可以开始进行开发了。
首先我们需要了解图像的特点，图像有两种，灰度（黑白）图和彩色图，而不管是黑白还是彩色，都有一个色彩深度的概念，即一种颜色有多少个灰度级，一般有8位，16位，32位之分，8位即2的8次方（256）个灰度级，比如8位灰度图中的像素只有0-255个灰度级，而8位彩色图中的像素则由红绿蓝三种颜色组成，每种颜色有0-255个等级。
了解了这些之后，我们再来逐个讲解用OpenCV画图的重难点。
1.图像的读入和显示
IplImage*pImg；
//声明IplImage指针用来载入图像
pImg=cvLoadImage（argv,1）；
//利用cvLoadImage函数来载入图像，其中第一个参数为要载入的图像的地址，第二个参数为载入图像的类型（1为彩色图像）
cvNamedWindow（"
Image"
1）;
//创建窗口用来显示图像，第一个参数为窗口的标题
cvShowImage（"
pImg）;
//显示图像，第一个参数为窗口的标题，第二个参数为要显示图像的指针
cvWaitKey（0）;
//等待按键，后面的参数为等待的时间，单位为ms，为0则意为一直等到你按键为止，若改为1000则为图像显示1秒后消失
cvDestroyWindow（"
）;
//销毁窗口
cvReleaseImage（&
pImg）;
//释放图像
2.图像的创建，保存和复制
IplImage*pImg=cvCreateImage（cvGetSize（pImg）,pImg->
depth,
pImg->
nChannels）;
//用cvCreateImage创建图像并用pImg指向该图像，第一个参数为图像的大小，第二个参数为图像的深度，第三个参数若为1则为彩色图，3则为黑白图
cvCopy（pImg,pImg2,NULL）;
//将pImg指针所指图像复制到pImg2所指图像
cvSaveImage（argv,pImg2）;
//把图像写入文件，arvg指新图像的地址或指针
3.图像的基本绘制
CvPoint//二维坐标系下的点，类型为整型,有x、y两个int成员
CV_RGB（r,g,b）//颜色函数，rgb分别为红色分量、绿色分量、蓝色分量
cvLine（pImg,cvPoint（50,50）,cvPoint（50,400）,CV_RGB（0,0,0））
//在pImg图像上画直线，直线以两点（50,50）和50,400）确定，颜色为黑色
cvRectangle（pImg,pt1,pt2,CV_RGB（0,0,0）,1）
//在pImg图像上画矩形，矩形以左上角pt1点和右下角pt2确定，颜色为黑色，最后一个参数若为-1则为填充为边框颜色的实心矩形，若为1则为空心矩形，即只有一个边框
cvEllipse（pImg,pt1,cvSize（a,b）,0,0,360,CV_RGB（0,0,0））
//在pImg图像上画（椭）圆（弧），以pt1为圆心，ab为两个半轴长（为圆的话则ab相等），后面的三个参数分别为偏转角度0度、起始角度0度、结束角度360度，最后一个为画笔颜色
CvFontx;
cvInitFont（&
x,CV_FONT_HERSHEY_SIMPLEX,1,1）;
cvPutText（pImg2,"
gaoq"
cvPoint（200,200）,&
x,CV_RGB（255,0,0））;
//先声明一个字体结构变量x，然后用cvInitFont给x初始化字体的类型和大小粗细等，最后用cvPutText函数在pImg2图像上以x的字体输出字符串gaoq，颜色为红色（红色分量为255最大，其它为0，为红色）
4.图像的边缘检测与云检测
cvCanny（pDstImg,pDstImg,10,30）
//边缘检测函数，云检测的基础，前两个pDstImg分别为源路径和目的路径，后面两个是阈值参数，根据情况自行设定
voidcvThreshold（constCvArr*src,CvArr*dst,doublethreshold,doublemax_value,intthreshold_type）;
//二值化函数，其参数分别为原始数组，输出数组，阈值，最大值，阈值类型，（云检测也可用for循环等知识自己形成二值化图像，然后再用边缘检测函数勾勒出边缘，由于这个比较复杂，下面给出具体的代码）
#include<
stdio.h>
time.h>
#include"
cv.h"
cxcore.h"
highgui.h"
#pragmacomment（lib,"
cv.lib"
）
cxcore.lib"
highgui.lib"
voidCloudDetect（IplImage*pSrcImg,
IplImage*pDstImg,
intwinWidth=3,
doubleThAvg=0.4,
doubleThVar=0.4）;
staticvoidNormalization（double*data,intsize,double*dst=NULL）
{
doublemax=data[0];
doublemin=data[0];
inti;
for（i=1;
i<
size;
i++）
{
if（max<
data[i]）
{
max=data[i];
}
if（min>
min=data[i];
}
doublesub=max-min;
if（sub<
0.00001）
return;
double*pNor=（dst==NULL）?
data:
dst;
for（i=0;
pNor[i]=（data[i]-min）/sub;
}
voidCloudDetect（IplImage*pSrcImg,IplImage*pDstImg,intwinWidth,doubleThAvg,doubleThVar）
inti,x,y;
intiHeight=pSrcImg->
height;
intiWidth=pSrcImg->
widthStep;
//注意widthStep不是width
intiChannel=pSrcImg->
nChannels;
if（iChannel!
=1）
BYTE*pSrcData=（BYTE*）（pSrcImg->
imageData）;
BYTE*pDstData=（BYTE*）（pDstImg->
intwinSize=winWidth;
double*pAvgImg=newdouble[iWidth*iHeight];
double*pVarImg=newdouble[iWidth*iHeight];
//1.获取局部均值图，和局部方差图，并作归一化处理
for（y=0;
y<
iHeight;
y++）
for（x=0;
x<
iWidth;
x++）
intcx=x;
intcy=y;
intcnt=0;
intnx,ny;
//获取局部均值
doubleavg=0;
for（ny=cy-winSize;
ny<
cy+winSize;
ny++）
{
for（nx=cx-winSize;
nx<
cx+winSize;
nx++）
{
if（nx<
0||nx>
=iWidth||ny<
0||ny>
=iHeight）
{
continue;
}
avg+=pSrcData[ny*iWidth+nx];
cnt++;
}
}
if（cnt>
0）
avg/=cnt;
pAvgImg[y*iWidth+x]=avg;
//获取局部方差
doublevar=0;
var+=（pSrcData[ny*iWidth+nx]-avg）*（pSrcData[ny*iWidth+nx]-avg）;
var/=cnt;
pVarImg[y*iWidth+x]=var;
Normalization（pAvgImg,iWidth*iHeight）;
Normalization（pVarImg,iWidth*iHeight）;
//2.对于每一个像素点，如果（均值>
ThAvg&
&
方差<
ThVar），则认为是云；
否则，不是云。
iWidth*iHeight;
pDstData[i]=（pAvgImg[i]>
pVarImg[i]<
ThVar）?
255:
0;
delete[]pAvgImg;
delete[]pVarImg;
//边缘检测
cvCanny（pDstImg,pDstImg,10,30）;
voidmain（intargc,char**argv）
char*usage[]=
"
Usage:
CloudDetect[-s\\srcpic][-save][-show][-TA\\threshold]\n"
[-TV\\threshold][-ws\\windowsize]\n"
-ssourcepicturepath\n"
-savesavedetectedresult\n"
-showshowdetectedresult\n"
-TAthresholdofaverage,default:
0.6\n"
-TVthresholdofvarience,default:
0.1\n"
-wswindowsize,defaut:
3,means:
7*7\n"
CloudDetect-sd:
\\campus\\cloud.bmp\n"
};
if（argc==1）
for（inti=0;
i<
9;
i++）
printf（usage[i]）;
char*srcPicFile=NULL;
boolbSave=false;
boolbShow=false;
doubleTA=0.6;
doubleTV=0.1;
intws=3;
for（intj=1;
j<
argc;
j++）
if（strcmp（strlwr（argv[j]）,"
-s"
）==0&
j<
argc-1）
srcPicFile=argv[j+1];
-save"
）==0）
bSave=true;
-show"
bShow=true;
-ta"
argc-1）
TA=atof（argv[j+1]）;
-tv"
TV=atof（argv[j+1]）;
-ws"
ws=atoi（argv[j+1]）;
charsavename[512]={0};
sprintf（savename,"
%s.%4.2f_%4.2f_%d.bmp"
srcPicFile,TA,TV,ws）;
IplImage*pColorImg=cvLoadImage（srcPicFile,CV_LOAD_IMAGE_COLOR）;
if（pColorImg==NULL）
printf（"
Loadimage%sfailed!
\n"
srcPicFile）;
IplImage*pSrc=cvLoadImage（srcPicFile,CV_LOAD_IMAGE_GRAYSCALE）;
IplImage*pDst=cvCloneImage（pSrc）;
intwidth=pColorImg->
width;
intheight=pColorImg->
intstep=pColorImg->
printf（"
start...\n"
）;
clock_tstart,end;
start=GetTickCount（）;
CloudDetect（pSrc,pDst,ws,TA,TV）;
end=GetTickCount（）;
cost:
%dms\n"
end-start）;
BYTEcolor[3]={0,0,255};
for（inty=0;
height;
y++）
for（intx=0;
width;
x++）
if（pDst->
imageData[y*pDst->
widthStep+x]!
=0）
memcpy（pColorImg->
imageData+y*step+x*3,color,3）;
if（bSave）
cvSaveImage（savename,pColorImg）;
if（bSave&
bShow）
system（savename）;
cvReleaseImage（&
pSrc）;
pDst）;
pColorImg）;
（附注：
该程序生成的控制台程序要通过命令提示符来执行）
5.OpenCV的其它应用
OpenCV还有个比较重要的应用就是条形码的生成与识别。
由于时间有限，周老师并不要求我们掌握条形码的生成与识别，特别是相对困难的识别技术。
我在私下里看了下周老师给我们留下的研究资料，发现条形码的生成确实不是很难，这里就简单说一下。
国家的EAN-13条形码的生成并不难，关键是要查表。
条形码一共13位，第13位是校验位，由前12位生成。
首先将条形码第一位与下表1匹配，查出6个映射字母，然后取出条形码第二位到第七位，利用下表2中的AB有关项与此字母组进行匹配，查出前6位，接着把第八位到第十三位取出与表2的C有关项进行匹配，查出后六位。
最后按照两部分数据绘制条形码：
1对应黑线，0对应白线即可。
例如，假设一个条形码的数据码为：
6901038100578。
首位为6，查表1对应的字母码为ABBBAA，第2-7位数字与字母码按位进行搭配结果为9A、0B、1B、0B、3A、8A，查表2得第一部分数据的编码分别为0001011、0100111、0110011、0100111、0111101、0110111；
第8-13位数字与C进行搭配结果为1C、0C、0C、5C、7C、8C，查表2得第二部分数据的编码分别为1100110、1110010、1110010、1001110、1000100、1001000。
表格1
升级会员 