PMCM2021亚太赛ABC题翻译中文
APMCM2021亚太赛ABC题翻译中文
巴拿马运河位置A题：图像边缘分析与应用
B题：生态保护建设及其环境影响评价
什么食物含钙多
洗衣机哪种好C题：热光伏技术中热辐射器的优化设计
A题：图像边缘分析与应用
随着科学技术的发展，对各种工件和零件的测量精度要求越来越高，对测量仪器的要求也越来越高。各种图像测量设备，如数字图像尺寸测量仪，正在逐渐取代传统的手动卡尺测量应用。通常，在相机被校准之后，基于校准图像的点阵或棋盘特征信息，可以校正图像的失真，并且可以计算图像坐标空间和世界坐标空间之间的映射关系。
目标物体的边缘对于图像识别和计算机分析非常有用。图像边缘是图像局部特征不连续性的反映。边缘可以勾勒出目标物体的轮廓，让观察者一目了然。边缘包含丰富的内在信息（如
方向、步长特性和形状等），是图像识别中提取图像特征的重要属性。图像边缘轮廓提取是边界分割中一个非常重要的处理，也是图像处理中的一个经典问题。轮廓提取和轮廓跟踪的目的都是获得图像的外部轮廓特征。在必要时应用某些方法来表达轮廓的特征以准备图像形状分析，这对执行诸如特征描述、识别和理解之类的高级处理具有重大影响。
轮廓可以描述为一组有序点，轮廓的常用表达式是多边形。轮廓可以是闭合的，也可以是开放的。图像上的闭合轮廓都是自始至终相连的，而开放轮廓通常与图像边界相交。在图1中，有五条闭合轮廓曲线。尽管sobel和canny等边缘检测算法可以基于图像灰度值的差异来检测图像边缘像素边界，但它并没有将轮廓作为一个整体。在图像上，轮廓对应于一系列像素点。轮廓描述了一个连续的点序列，边缘像素点可以组装成轮廓曲线来描述图像的边缘信息。
子像素是定义在图像采集传感器的两个物理像素之间的虚拟像素。为了提高分辨率或图像质量，亚像素计算非常有用。图像亚像素边缘提取是一种比传统像素边缘提取更精确的方法。子像素意味着图像上每个像素点的坐标值不再是整数定位，而是浮点数定位。如果使用亚像素技术将精度提高到0.1像素，则相当于图像系统分析分辨率的10倍。玻璃分类
对于以下三个示意图，在图1中，提取了图像的对象边缘轮廓线，并将图像边缘轮廓分割为基本图形，如直线段、圆弧段和圆。在图2中，圆角矩形的边缘轮廓被分成几个几何形状。在图3中，在灰度像素图像网格的背景上绘制了椭圆亚像素轮廓曲线。
问题1：
建立数学模型，分析以1/10像素及以上精度提取亚像素边缘的方法和过程，提取附件1中三幅图像（Pic1_1、Pic1_ 2、Pic2_ 3）上物体主要边缘部分的亚像素边缘轮廓边界，并将边缘亚像素点数据转换为有序边缘轮廓曲线数据，需要考虑如何消除边缘毛刺和边缘阴影部分的干扰影响。请注意，Pic1_3图像是在相对复杂的照明条件下拍摄的，具有更多的干扰信息。
a） 请在图像上绘制不同颜色的提取边缘轮廓，将其输出为彩色边缘轮廓图像，并将其保存为png图像格式以供提交。文件名为pic1_1.png、pic1_i.png、pic2_3.png。
b） 以EdgeContoursOutput的格式输出边缘轮廓数据。并将Pic1_1和Pic1_ 2图像的数据分别输出到工作表的相应表1和表2。输出数据包含总边缘轮廓计数、图像坐标空间中的总边缘轮廓长度、每个轮廓曲线的点计数和长度以及每个轮廓点的X和Y坐标数据。
c） 每个图像上的总轮廓曲线计数以及每个曲线上的点计数和长度数据应在论文中给出。见表1、表2和表3。
问题2：
拍摄测量图像时，在目标物体的同一水平高度上放置了一个点阵校准板。校准板上的点的直径为1 mm，两个点之间的中心距离为2 mm。附件2包含三张不同角度拍摄的校准板图像和一张产品图像（Pic2_4.bmp）。请建立数学模型，使用校准板图像信息对产品图像进行图像校正分析，并考虑如何尽可能准确地计算产品图像上边缘分割拟合曲线段的实际物理尺寸。请计算每个边缘轮廓的长度（mm），最后计算总边缘轮廓长度（毫米）。根据图4所示的等高线数据标签，输出表格格式文件（如EdgeContoursLengthOutput）的数据结果。附录2中的xls。
问题3：
附件3中提供了两个亚像素轮廓边缘数据（EdgeContour1.xls和EdgeContour2.xls），其形状如图5所示。请建立一个数学模型，分析边缘轮廓曲线数据自动分割和拟合为直线段、圆
弧段（包括圆）或椭圆段（包括椭圆），并讨论了边缘轮廓自动分割和拟合的模型方法或策略。蓝色曲线从蓝色数字1标签开始，并沿箭头方向输出模型计算结果数据。绿色曲线从绿色数字1标签开始，并沿箭头方向输出模型计算结果数据。请以表格格式将分段曲线段的参数填入表格中。在论文中提交表7和表8（关于轮廓1和轮廓2分割数据）。请注意，此表中的行类型是根据实际类型填充的。
备注：
1.扫描角度表示从起点到终点的扫描角度，角度系统；卞毓麟
2.尺寸表示指定椭圆或椭圆弧在X和Y方向上的半径值；成都黄龙溪古镇
3.RotationAngle表示指定椭圆或椭圆弧、角度系统的旋转角度值；
计算机的发展4.对于旋转角度的方向，从x轴正方向到y轴正方向的旋转方向为正方向，反之亦然为负方向。
所有图像坐标点都在图像坐标系下表示，即左上角为（0,0）原点，X轴的正方向为右侧，Y轴的正向下。
Problem A
Image Edge Analysis and Application
With the development of science and technology, the demand for measurement accuracy of various workpieces and parts is getting higher and higher, and the requirements for measurement instruments are also getting more and more demanding. Various image measuring equipment such as digital image size measuring instrument are now gradually replacing the traditional manual caliper measurement application. Generally, after the camera is calibrated, bad on the the dot matrix or checkerboard feature information of the calibrated image, the image can be corrected for distortion and the mapping relationship between the image coordinate space and the world coordinate space can be calculated.
The edge of the target object is very uful for image recognition and computer analysis. Image edge is the reflection of discontinuity of the local characteristics of an image. The edge can outline the target object and make it clear to the obrver at a glance. The edge
耽美壁纸contains rich intrinsic information (such as orientation, step property and shape, etc.), which is an important attribute for extracting image features in image recognition. Image edge contour extraction is a very important processing in boundary gmentation and also a classical problem in image processing. The purpo of both contour extraction and contour tracking is to obtain the external contour features of an image. Applying certain methods where necessary to express the features of the contours to prepare for image shape analysis has a significant impact on performing high-level processing such as feature description, recognition and understanding.
The contour can be described as a t of ordered points, and the common expression of the contour is a polygon. Contours can be either clod or open. The clod contours on an image are all connected start to end, and the open contours generally interct with the image boundary. In Figure 1, there are five clod contour curves. Although edge detection algorithms such as sobel and canny can detect the image edge pixels boundary bad on the difference of image gray value, it does not take the contour as a whole. On an image, a contour corresponds to a ries of pixel points. The contour describes a conti
nuous quence of points, and the edge pixel points can be asmbled into a contour curve to describe the edge information of the image.
A sub-pixel is a virtual pixel defined between two physical pixels of an image acquisition nsor. To improve resolution or image quality, sub-pixel calculation is very uful. Image sub-pixel edge extraction is a more accurate method than traditional pixel edge extraction. Sub-pixel means that the coordinate value of each pixel point on the image is no longer integer positioning, but floating-point number positioning. If the accuracy is incread to 0.1 pixel using subpixel technique, it is equivalent to 10 times higher resolution of image system analysis.
