先行进位加法器省公共课一等奖全国赛课获奖课件.pptx

横停车辆检测124049 薛昊 第1页 横停车辆检测横停车辆检测项目背景：项目背景：项目背景：项目背景：（停车场或者道路）统计车辆用视频监控和图像处理技术代替人力管理。项目目标：项目目标：项目目标：项目目标：对静态图片进行简单处理，检测出图像中横停车辆,并标识其位置题目分析：题目分析：题目分析：题目分析：对于横停车辆进行检测，首先需要提取车辆特征，众所周知，车辆中比较显著特征是两个轮子，所以采取轮子检测，可是这么误差较大，轻易与圆形物体弄错，所以在增加一个轮子上方连通域（车皮）判断，再经过判断连通域大小与车辆大小匹配，假如大致相同，则能够判断为一辆车。第2页获取图片并缩放至适当尺寸并灰度化基于otsu阈值分割对图像按像素信息分割用霍夫变换检测圆形用sobel算子提取图像边缘信息用种子填充算法得到连通域及连通域相关形态学信息综合形态学信息和圆形“车轮”信息检测出车辆大致位置进行图像分割用sobel算子提取图像边缘信息获取图片并缩放至适当尺寸并灰度化基于otsu阈值分割对图像按像素信息分割用sobel算子提取图像边缘信息用sobel算子提取图像边缘信息用霍夫变换检测圆形用种子填充算法得到连通域及连通域相关形态学信息获取图片并缩放至适当尺寸并灰度化基于otsu阈值分割对图像按像素信息分割用sobel算子提取图像边缘信息用sobel算子提取图像边缘信息第3页设计过程：第一步：基于像素分割采取sobel算子边界提取？无法有效分割边界加上膨胀操作？车辆完全被切碎了第4页Otsu阈值分割？边界提取不够，车辆很轻易和背景融合完全和背景融合了第5页两个一起使用？能够连通域模样：第6页第7页第二步：车轮（圆形）检测对于这幅图采取hough变换检测圆结果是：第8页能够发觉，轻易被背景干扰（将后面树叶以及空白处检测为圆形）第9页对霍夫变换稍微修改下，只对半径在20到50区间内挑选第10页刨除自行车干扰，能够看出大致把车辆轮胎位置检测出来第11页第12页一些效果图：第13页第14页缺点分析：这个算法因为基于阈值分割，也就是基于像素信息分割，对于浅色车辆（像素值很大）检测比较敏锐，也比较准确。相对地，因为深色车辆和背景差异非常小，所以基于阈值分割方法就非常差，即使对深色车辆单独处理也得不到想要效果。因为要加强边缘检测就免不了将车辆内部也分割开（门窗处线条等），极难调和矛盾。这个算法对硬件有要求，也就是适应性不足第15页谢谢大家PPT模板下载： Word教程： Bi图3.7（a）右侧真值表AiBiGi000010100111AiBiPi000011101110AiBiPi000011101110AiBiGi000010100111Gi=A第19页令A=An-1.A1A0和B=Bn-1B1B0是输入到N位加法器中加数和被加数；令Ci是加入到第i位进位输入，加到最低位进位输入用C0表示；令Si和Ci+1是第i级和以及进位输出。定义两个辅助函数:其中进位产生函数Gi表示第i级发出一个进位条件；pi称为进位传输函数，它为真（逻辑为1）时，表示在第i级能够使进来进位Ci经过，并进入下一级去。将Gi和Pi代入式（3.1）中，能够得到(3.9)i=n-1，1，0 (3.10)第20页 这些方程表示，对i=n-1,1,0全部Pi和Gi，都能够依据外部输入A和B同时产生，如图3.7(a)所表示。依据式(3.10)可知，只要全部进位输入Cn-1，C1，C0是同时提供，则对i=n-1,1,0全部和数能够并行产生，如图3.7(b)所表示。这些进位线路也可用以下方程表示：(3.11)第21页用这组方程实现逻辑电路称作N位先行进位部件。从上述公式可知，这个N位加法器各位进位输出信号仅由进位产生函数G与进位传递函数P以及最低位进位C0决定。而Gi 和Pi只与本位Ai和Bi相关，即Gi和Pi形成是同时，所以各级进位输出Ci也是同时形成。这种同时形成各种进位方法称为并行进位或先行进位。对应于N=4CLA电路如图3.8所表示。第22页图3.8 4位先行进位部件第23页Microsoft PowerPoint 模板感激您支持!PPT模板下载： Word教程：