1、第一章 制圖基本知識 本章是土木制圖技術的繪圖基礎。主要學習土木制圖中繪圖工具的使用方法，國家標準技術制圖和房屋建筑制圖統(tǒng)一標準的有關規(guī)定，基本的幾何作圖方法，平面圖形的畫法以及正確的繪圖程序和方法。 通過學習，應達到如下要求：1、掌握圖板、丁字尺、三角板、鉛筆、針管筆、圓規(guī)、分規(guī)、建筑模板、修圖片等常用繪圖工具的使用方法和注意事項；2、掌握圖幅、圖框及圖標的規(guī)格及畫法，正確區(qū)分圖紙正反面；3、掌握工程字體的有關規(guī)定和書寫要領；4、掌握國家標準中有關線型、線寬、比例等的相關規(guī)定；5、掌握平面圖形的分析與繪制方法；5、掌握繪圖的方法、步驟及作圖技巧。1-1.補全圖線。作業(yè)1-1：制圖基礎練習一、

2、內容 用A3圖紙抄繪線型及平面圖形。 二、目的 1熟悉并掌握各種線型的規(guī)格及畫法。 2學會正確使用繪圖儀器工具。 3學習平面圖形的尺寸分析，掌握圓弧連接的作圖方法。 4貫徹國家標準中規(guī)定的尺寸注法。三、要求 1遵守國家標準中有關圖幅、線型規(guī)定，不得任意變動。 2. 圖線光滑均勻，同類圖線粗細一致。 上墨圖：粗線用0.9筆，中線用0.6筆，細線用0.3筆。 3圖形準確，作圖方法正確。 4布圖勻稱，圖面整潔，字體工整。 5圖標和填寫按要求。 6. 圖線和圖例中的尺寸只做布圖參考，不標注。A3橫幅標題欄（圖標）尺寸嚴格按照規(guī)定繪制：圖標、圖樣中文字按國標書寫：先打格后寫字！格子要細、清，自己看清就行

3、10.4 預備知識10.4.1 圖像分割算法研究現狀目的：利用圖像內物體的共有特性，將圖像分割成為若干個具備相同特性的目標區(qū)域或邊緣集合，并為目標檢測提供初始分割區(qū)域。分類：基于閾值的圖像分割算法、基于邊緣的圖像分割算法、基于區(qū)域的圖像分割算法以及基于圖論的圖像分割算法基于邊緣的圖像分割算法利用邊緣圖像獲取不同目標區(qū)域間的邊界，進而分割圖像，如利用Sobel算子、Canny算子等獲取邊緣圖像，再連接邊緣形成邊界輪廓?；趨^(qū)域的圖像分割算法利用像素間的相似程度進行區(qū)域分割?；趫D論的圖像分割算法將圖像視作圖，利用圖論的方法進行圖像分割，如最大流/最小割算法等?；陂撝档膱D像分割有時候也稱為圖像二

4、值化，即將圖像中的像素區(qū)分成目標與背景兩種類型。對于簡單的圖像內容識別，如文字識別、車牌識別，這種方法能夠高效地獲取目標區(qū)域，因此應用非常廣泛。其數學表達式為：10.4.2 基于閾值的圖像分割f(x,y)、g(x,y)分別為輸入圖像和輸出圖像，T是閾值?；陂撝档膱D像分割方法關鍵是如何計算閾值T。根據閾值應用的空間范圍，可分為全局閾值方法和局部閾值方法兩類。大律法（OTSU）效果較好且應用比較廣泛的一種全局閾值方法。原理：把圖像分為目標像素和背景像素兩類，以灰度值為兩個類的特征屬性，最佳閾值應該體現最好的兩類分離性能。方差是特征分布離散性的一種度量，方差值越大，說明構成圖像的和兩部分差別越大，

5、好的全局閾值使得兩個類別的類內方差小，類間方差大。大津法使用了最大類間方差計算獲取最佳分割閾值。10.4.2 基于閾值的圖像分割大律法（OTSU）計算步驟：對MN大小的圖像f (x,y) ，灰度級取值為0 L-1（通常為0,255）。記p(k)為灰度值為k的數量：10.4.2 基于閾值的圖像分割目標部分比例為：目標部分像素數為：背景部分比例為：背景部分像素數為：目標的灰度均值為：背景的灰度均值為：總的圖像灰度均值為：那么，圖像最佳閾值g為：即閾值在0 L -1 之間遍歷，求得類間方差為最大值時對應的g即為所求的閾值。2. 迭代法常用的自動全局閾值方法。算法具體過程如下：（1）選取初始閾值Ti。

6、通常可選擇圖像灰度的中值作為初始閾值T0。（2）利用閾值Ti把圖像分割成兩部分區(qū)域，R1和R2（或者說目標、背景），計算其灰度均值，再將結果取平均以獲取一新的閾值Ti+1。式中，L為灰度級的個數，hi是灰度值為k的像素點的個數。（3）當新的閾值Ti+1與Ti的值差別小于某個給定值時，結束迭代。此時Ti+1值即為圖像的分割閾值。 10.4.2 基于閾值的圖像分割3. Bernsen 算法將窗口內像素最大值與最小值的平均值作為當前像素點的閾值。其中T(x,y)為點f(x,y)對應的閾值，此處選擇的計算窗口是邊長為2W的正方形。根據各點的閾值對圖像中的像素點逐個進行二值化。10.4.2 基于閾值的圖

7、像分割4. Niblack 算法光照非常不均勻時，對圖像每個像素點計算其鄰域的灰度均值m和標準差s。圖像中任意一點的閾值計算公式如下：其中，k為自定義系數。k值越大噪聲去除效果越好，但目標區(qū)域也變大。10.4.2 基于閾值的圖像分割5. 高斯拉普拉斯方法高斯拉普拉斯算子是把高斯平滑濾波器和拉普拉斯銳化濾波器結合起來，先用高斯函數對圖像進行平滑，去除噪聲影響，然后用拉普拉斯算子進行邊緣檢測。10.4.2 基于閾值的圖像分割*代表卷積，2為拉普拉斯算子，G(i,j)為二維高斯函數2G(i,j)稱為高斯拉普拉斯算子，是一個各向同性的軸對稱函數。該算子在距中心距離為處過零點，距中心距離小于時為正，大于

8、時為負。10.4.2 基于閾值的圖像分割10.4.3 基于圖表示的圖像分割算法基于圖表示的圖像分割算法利用不同像素之間的距離w(vi,vj)（灰度圖像為灰度值，RGB圖像為各顏色通道灰度值的大?。┖饬績蓚€像素點間的相似程度：式中，w(vi,vj)表示像素vi與vj間的相似度權值，ri、gi、bi表示像素點vi的R、G、B顏色通道的值。權值越小，像素相似程度越高。10.4.3 基于圖表示的圖像分割算法利用區(qū)域間或區(qū)域與像素點間相互連接的邊的權值對兩者進行相似度描述。基于圖表示的圖像分割算法在求得各個相鄰像素間的相似程度后，將圖像簡化為最小生成樹以便進行進一步的圖像分割操作。(a) 原始圖像(b)

9、 理想分割(c)分割閾值過大(d)分割閾值過小圖的區(qū)域劃分10.4.4 選擇性搜索算法選擇性搜索算法（Selective Search）以基于圖表示的圖像分割算法為基礎，構建了覆蓋物體顏色、紋理、大小及吻合度的語義表達模型，通過對圖像內具有紋理、顏色等相似特性的區(qū)域進行合并，從而獲得若干個目標區(qū)域。算法應用步驟：（1）利用基于圖表示的圖像分割算法獲取具有相似特性的初始分割區(qū)域（2）獲取兩兩鄰近區(qū)域在顏色、紋理、大小及吻合度之間的相似度（3）聚合最相似的兩個區(qū)域ri和rj為ri,從相似度集合s中移除兩區(qū)域的相似度 ，重新計算相似度并將區(qū)域ri添加至區(qū)域集合R中。（4）重復Step 3至 ，獲取區(qū)

10、域集合R中每個區(qū)域的外界矩形，即為目標區(qū)域。10.4.4 選擇性搜索算法顏色（Color，C）相似度：對圖像進行歸一化并統(tǒng)計各個顏色通道的25個區(qū)間的直方圖，對于RGB圖像，每個初始分割區(qū)域可得到3*25維顏色空間向量顏色相似度為紋理（Texture，T）相似度：通過局部特征表示鄰近區(qū)間的紋理相似度。圖像的局部特征最常用的是SIFT特征和HOG特征。采用HOG特征時，可計算區(qū)域內8個區(qū)間的梯度方向直方圖，并將區(qū)域中每個顏色通道切分為10個區(qū)間。10.4.4 選擇性搜索算法大?。⊿ize，S）相似度：當顏色、紋理相似度相同時，面積較小的區(qū)域有更大可能屬于同一物體，即大小相似度越大越合并，因此定義大小相