关于毕设情况

Q１．简单的介绍一下你的毕业设计？

W 考完了，希望能上岸，攒一点人品！祝看到此贴的您顺利上岸，可能存在部分错误，欢迎评论指正！

我的毕业设计研究方向是图像处理，课题为《基于分水岭算法的圆形标记》，是在利用分水岭算法实现对圆形标记点采集图像的圆检测及精确定位。

本课题的实现是在VS＋OｐｅｎＣｖ配置环境下的C++编程，大概分为三个步骤
第一步，图像预处理，
　　即通过二值化，灰度化进行图像亮度的调整，再利用高斯滤波降低图像噪声；
第二步，圆形标记点的初定位，
　　对图像预处理后的采集图像，利用距离变换与分水岭算法分割出标记点，实现圆形标记点的初定为；
第三步，圆形标记点的精确定位，
　　对分割后的图像，利用ｃａｎｎｙ算子提取出圆轮廓，再遍历圆心标记点的边缘像素点，最后利用最小二乘法拟合出圆心，实现圆形标记点的精确定位。

此外，本课题通过设置两组实现对照组，《基于Hough变换的圆检测》、《斑点圆检测》，验证《基于分水岭算法的圆检测》算法的可行性、准确性；
预设MFC框架，通过对话框实现人机交互；

Q２.选择这个课题的原因是什么？

一是，对及其视觉，数字图像处理领域很感兴趣；
二是，在仪器与测量课上了解到基于机器视觉的现代化测量技术，对于精度要求高，工作环境复杂的参数测量，一般会在被测物体表面粘贴人工标记点，利用标记点的信息特性进行定位，从而得到物体的三维坐标。
因为圆形具有对阈值变换不敏感、识别率高，对噪声预制性强等特性，常被选作为标记点；但如何精对圆形标记点精确的提取，一直困扰着大家。通过查阅相关资料，搜集圆检测的实验方案，我发现很少有使用分水岭算法进行圆检测，所以就选择了这个课题。

Q３.该课题的研究意义？创新性？

利用机器视觉现代化测量计技术代替传统的测量方法，通过被测侧物体表面贴圆形标记点，并通过数字图像处理技术提取圆形标记点得到物体的三维坐标，实现再复杂的环境下，快速、安全、精确的参数测量。

在传统的分水岭算法的基础上提出了基于标记点的分水岭算法，解决的传统分水岭算法过度分割的问题；并且预设MFC框架，通过对话框实现人机交互。

Q４.遇到什么问题？怎么解决的？

在毕设过程中遇到过很多问题，（如，撰写开题报告时，对采集图像背景噪声的大，标记点小，容易导致标记点定位失败，如何减少定位误差；编程时，Hough 圆变换的参数设置不合理，标记的准精度不够等，这些通过查看相关论文，在论坛博客提问，请教学长解决了）

最棘手的问题是分水岭算法过度分割问题，直接对采集图片进行分水岭算法其他的非标记的区域也会被分割，通过与导师沟通得出两种方案，一种是先使用分手岭算法再提取出圆形标记点；另外一种是先圈定出标记点区域再对标记区域分水岭算法分割；
我按照第二种方案的思路，在分水岭分割前先利用距离变换找出空间位置相近并且灰度值相近的像素点，再利用归一化、腐蚀精确出该区域后再利用分水岭算法分割，成功解决了过度分割问题；

Q６.现在的进展？预计取得怎样的效果？

对任意采集圆形标记点图像能快速、精确的找出各个圆形的位置。

Q7.在有什么不足？

Q8.毕设期间，你的收获，有什么印象深刻的事情？

机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真是世界中的事件做出决策和预测。机器学习是用大量的数据来“训练”，通过这种算法从数据中学习如何完任务。决策树学习、关联矩阵学习、人工神经网络、升读学习、贝叶斯网络等。