- 上一篇：基于PSoC的电子秤设计+电路图
- 下一篇：matlab多通道石英晶体微天平等效电路分析与仿真
在遥感方面，能够分析卫星云图的遥感图像，有效及时的报道天气情况。
在工业方面，图像处理技术已经有效的应用在加工、装配、质量检测等监控中。文献综述
在军事方面，图像处理技术能够有效地应用在飞行器对地形检测，很多精良的武器系统都是通过图形信息来制导从而提高命中率。
生命特征是人的内在属性，有很大的差异性和稳定性。现在已经能够通过人脸，指纹等图像信息对个体进行识别[8]，这在金融方面的用处很大。
计算机的自动识别也是通过图像处理技术实现的。文档自动处理是图像处理技术的重要应用。
准确地分割出文档图像中的单个字符是自动文档处理的第一步，当文档图像上有彩色底纹时，这一工作变得困难。比如图1具有复杂背景的文本图像中背景颜色就十分的复杂，颜色的种类很多就会增加很大的复杂难度，而且文字的颜色还有渐层，不容易在聚类时将字符单独的从背景中提取出来。即使能将字符的区域提取出来，也会造成周围的一些颜色部分被误认为是字符颜色一起提取出来。这就是造成最终结果不太理想的一些重要原因。本论文针对彩色文档图像[15]，设计一种字符-底纹分离算法。
图1.1具有复杂背景的文本图像
1.2 毕业设计所完成的工作及论文安排
本次毕业设计完成了以下的工作：第一步，通过VC++平台[1][2]和vilib工具库通过应用K-means算法进行聚类，将彩色图像分割成K个子图像;第二步，对每个子图像进行水平方向和垂直方向进行区域连通，通过对字符的判定方法将合适的字符提取出来，最终将结果合成显示在一张图片中。K-means是常用的聚类算法，它能够将彩色图像通过聚类分割成多个彩色分量子图像，而连通域的提取是对彩色分量进行连通域分析，经过字符标记和自负的判定与筛选，将结果合成在一张图像中。
论文的章节安排：第2章讲述了算法的整个流程，包括了K均值聚类的算法和连通标记的介绍;第3章是对搜集的20幅图像进行测试及结果分析;第4章是对本次毕业设计工作的总结。
2 基于K均值的字符与底纹分离算法研究
2.1 总体算法流程
此次毕业设计图像处理的算法分成了两个部分，第一部分是K均值彩色图像聚类，它包括了K-means聚类，更新聚类中心;第二部分是连通域的提取，它包括了水平区域的连接，垂直区域的连接，提取连通域，进行字符的判定和筛选，最终合成显示在一张图像中