前言：中文期刊網精心挑選了計算機視覺理論與方法范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
計算機視覺理論與方法范文1
【關鍵詞】計算機；視覺系統；框架構思
在現代計算機技術的支持下，對人類視覺功能進行模擬的計算機系統被稱為計算機視覺系統，因為視覺系統本身兼具科學性和應用性，所以計算機視覺系統本身既具有科學學科的特性又具有工程學科的特性。對其的研究不僅能夠進一步了解人類本身，而且能夠在工業生產領域發揮更大的作用。
1 計算機視覺系統現有理論框架
1.1 計算機世界理論框架
20世紀80年代，麻省理工學院教授Marr在視覺理論研究領域獲得突破，提出了利用計算機實現視覺能力的理論框架――計算機視覺理論，這一理論主要特點是以現代信息處理的方式對人類視覺能力作用機制進行了分析，并以人類的視覺能力為基礎在計算機技術的支持下形成了三個不同的計算機層次。分別是計算機理論層次、表示層次和算法層次。這三個層次分別對應著人類對視覺信息進行處理的三個環節，通過各個環節的仿生設置，計算機視覺系統就能夠將初步的視覺處理能力賦予計算機。這一理論中的核心是計算機理論層次，Marr認為人類的視覺能力主要是從圖像中建立物體形狀和位置的描述，所以在這一層次中設計者設計的主要環節是從初步獲取的二維圖像中提取和細化物體的三維結構和位置，并將這些信息在一個二維平面上反映出來，即三維重建。
1.2 基于知識的視覺理論框架
基于知識的視覺理論框架最早產生于20世紀90年代，最早的提出者是Lowe。認為在人類的視覺能力發揮過程中，對三維物體的實際測算是不必要的，人類的視覺能力與三維測算能力沒有直接的關系，雖然使用三維測算技術也能夠實現計算機視覺系統的功能，但并不是對人類視覺功能的模仿。Lowe認為在人類的視覺活動中，會將三維物體看成二維物體，也會將二維物體看成三維物體。這種現象本身并不是偶然性的，而是一種視覺作用機制的必然。既然人類肉眼能夠借助一定的作用機制和處理能力實現二維的三維化，在計算機視覺系統中就完全有可能設計出這種對人類肉眼直接模擬的機制。以感知系統感知物體的二維特性，并在其基礎上直接生成三維圖像，而不需要借助復雜的測量過程。
1.3 主動視覺理論框架
主動視覺理論是在現有計算機理論的基礎上形成的新型理論框架，是根據人類視覺功能實現的主動性提出的。在人類實現視覺功能的過程中，人類的視覺系統并不是被動的，而是會根據視覺系統的要求調動身體的其他部位進行配合的、具有主動性的，所以在人類視覺功能的發揮過程中，視覺系統是具有主動性的，人類視覺系統的視角、關注點都會是動態變化的。
基于這一理論，主動視覺理論框架認為人類的視覺活動是一種“感知――動作”過程。根據這一原則，主動視覺理論框架認為計算機視覺系統并不需要精準的三維測算系統。而應該以計算機視覺獲取系統為核心，設置主動的視覺系統。這一理念在實際的應用中主要通過對圖像獲取系統技術參數的調整和控制來實現，例如攝像機的位置、取向、焦距、光圈等，通過對這些參數的調整圖像信息獲取系統就能夠從不同的視角對物體進行觀察，進而獲取物體的三維圖像信息。
2 計算機視覺理論框架中存在的問題
計算機視覺理論框架的產生極大的支持了計算機視覺系統的研發工作，但是在計算機視覺系統的實際研發工作中，也逐漸暴露出了計算機理論框架的缺陷。當前主流的計算機視覺系統框架中，計算機視覺理論是最早產生的也是唯一一種被動的計算機視覺技術。在其理論系統中更多的強調人類視覺系統的測算能力，而沒有意識到人類的視覺系統是一種主觀性很強的、目的性很強的信息獲取系統，完全建立在測算基礎上的計算機視覺理論框架是不必要的。
基于知識的理論框架，認為人類視覺系統的功能實現主要環節是反饋，強調了人類視覺活動中主觀意識的指導作用。但是它過于強調系統的目的性和主觀性，完全否定了計算機視覺理論，認為人類視覺系統是個完全脫離計算機的認識過程，這種認識顯然是錯誤的，在判斷物體尺寸大小、距離遠近時，測算無疑是極為必然的。
主動視覺理論并不完全排除三維重建，認為計算機視覺系統的三維重建應該建立在圖像獲取系統的主動性上。通過改變圖像獲取攝像機的角度、參數對時間、空間和分辨率等進行有選擇的感知，解決了計算機視覺系統認知過程中的不穩定問題，降低了計算機視覺系統實現的難度。但是在其理論框架內部缺乏主觀、高層的指導，從整體上看并不完善。
3 計算機視覺系統框架的新構思
在計算機視覺系統的研究領域，三種理論構建各有優劣。但是無疑反應了當前計算機視覺系統研發的主流思想，因此計算機視覺系統框架的新構思應該在其基礎上進行，致力于克服各個理論的缺點。綜合比較三種理論框架，筆者認為計算機視覺理論雖然存在某些問題，但是從整體上看這一理論框架是最具實踐性和操作性的，其存在的問題完全可以借助其他理論框架加以解決，因此筆者以計算機視覺理論為主體，結合基于知識的視覺理論和主動視覺理論，提出一個更加完善和通用的計算機視覺系統構架。
計算機視覺系統視覺功能實現的主體結構還是建立在計算理論結構的基礎上的，將計算理論框架中的早期視覺處理環節分為圖像預處理、圖像分割和二維模式識別兩個部分，因為圖像的預處理是在平面圖像基礎上的簡單處理，不需要主觀主導意識和目的性的參與，同時圖像分割和二維模式識別能夠最大限度的提升后繼圖像處理的效果。
在早期處理完成以后，后繼的中后期處理還是分別情調了二維模式識別和三維模式識別，雖然這兩種模式本身的識別原理是一樣的，但是其面對的對象不同，物體的模型也不同。一般來講，在我們的世界中二維信息具有很強的重要性，圖形、文字、指紋等關鍵二維信息在通常情況下作用更大、應用范圍更廣，所以計算機視覺系統礦建的新思路中，要對二維信息進行進一步的處理。
模型庫提供具體物體模型的表示。知識庫不但要對物體進行抽象表示而且還要對抽象知識進行推理。人類經驗的積累和知識的獲取是通過學習而得到的，所以加人模型庫、知識庫管理，并讓其從輸出結果中進行學習。這將使模型庫和知識庫更加豐富和完善。
視覺活動本身是帶有目的性的，所以在有些時候視覺系統的應用確實需要視物體的實際情況來決定，有時只需識別場景中存在的是什么物體或某物是否存在，而不要求定量恢復場景中的物體。因此，在計算機視覺系統中引人視覺目的來判斷輸出是否滿足要求。同時，用視覺目的對圖象分割和二維模式識別、中期視覺處理、后期視覺處理和三維模式識別加以控制。如果需要三維重建則由主動視覺控制成象來獲得景物更完整的信息。
計算機視覺系統框架是支持計算機視覺系統實現的重要基礎，所以在計算機視覺系統的研發、設計工作中，對理論框架的研究具有鮮明的現實意義，本文簡單介紹了現有框架思想，并分析了其各自的優缺點，最后再這些理論框架的基礎上形成了計算機視覺系統框架的新構思。認為計算機視覺系統構架應該以計算機理論為基礎，以視覺活動的主觀性和目的性為指導，以具體的視覺實現形式為方法。
【參考文獻】
計算機視覺理論與方法范文2
關鍵詞：計算機視覺技術；食品工業；分級；圖像處理
中圖分類號： TS207 文獻標識碼：A
隨著微型個人計算機應用的越來越廣泛，以及計算機在綜合學科中應用的深入研究，現如今在工農業、軍事國防、醫學衛生等眾多領域的使用和研究方面計算機視覺技術都起到了至關重要的作用，為了節省人力、降低成本、減少誤差，該項技術在食品企業、科研院所、檢測機構中的應用更加普遍。如今，在農產品藥物殘留檢測、水果重量分級、等級篩選、質量監管等方面計算機視覺技術有眾多應用。
1 計算機視覺技術概述
計算機視覺技術是利用計算機、攝像機、圖像卡以及相關處理技術來模擬人的視覺，用以識別、感知和認識我們生活的世界[1]。該技術是模擬識別人工智能、心理物理學、圖像處理、計算機科學及神經生物學等多領域的綜合學科。計算機視覺技術用攝像機模擬人眼，用計算機模擬大腦，用計算機程序和算法來模擬人對事物的認識和思考，替代人類完成程序為其設定的工作。該技術由多個相關的圖像處理系統組成，主要包括光源提供系統、圖像提取系統、計算機數據運算系統等。原理是：首先通過攝像機獲得所需要的圖像信息，然后利用信號轉換將獲得的圖像信息轉變為數字圖像以便計算機正確識別[2]。隨著科學技術的發展，計算機技術在各個領域得到廣泛應用，計算機視覺技術不僅在代替人類視覺上取得了重大成就，而且在很多具體工作方便超越了人的視覺功能。計算機視覺計算有如此快速的發展，是因為與人類的視覺相比該技術具有以下顯著優勢[3]。
1.1 自動化程度高
計算機視覺可以實現對農產品的多個外形和內在品質指標進行同時檢測分析，可以進行整體識別、增強對目標識別的準確性。
1.2 實現無損檢測
由于計算機視覺技術對農產品的識別是通過掃描、攝像，而不需要直接接觸，可以減少對所檢測食品的傷害。
1.3 穩定的檢測精度
設計的運行程序確定后，計算機視覺技術的識別功能就會具有統一的識別標準，具有穩定的檢測精度，避免了人工識別和檢測時主觀因素所造成的差異。
2 計算機視覺技術在食品檢測中的應用
20世紀70年代初，學者開始研究計算機視覺技術在食品工業中的應用，近幾十年電子技術得到快速發展，計算機視覺技術也越來越成熟。國內外學者在研究計算機視覺技術在食品工業中的應用方面主要集中在該技術對果蔬的外部形態（如形狀、重量、外觀損傷、色澤等）的識別、內部無損檢測等方面。國內有關計算機視覺技術在食品業中的應用研究起始于90年代，比國外發達國家晚多達20a，但是發展很快。
2.1 計算機視覺技術在果蔬分級中的應用研究
計算機視覺技術在食品檢測中的應用研究相當廣泛，從外部直徑、成熟度的檢測到內部腐爛程度的檢測都有研究。韓偉等[4]采用分割水果的拍攝圖像和新的計算機算法計算水果的半徑，進而得出果蔬的最大直徑。研究表明，該算法不僅降低了計算量而且提高了計算精度，此方法用于水果分級的誤差不超過2mm，高于國際水果分級標準所規定的5mm分類標準差，可在工業生產中很好應用。李慶中[5]也利用圖像的缺陷分割算法研究了計算機視覺技術在蘋果檢測與分級中的應用，結果表明此算法能快速、有效地分割出蘋果的表面缺陷。孫洪勝等[6]以蘋果色澤特征比率的變化規律為理論基礎，結合模糊聚類知識利用計算機視覺技術來檢測蘋果缺陷域，檢測不僅快速而且結果精確。劉禾等[7]通過研究認為蘋果的表面缺陷可以利用計算機視覺技術進行檢測，計算機視覺技術還可以將蘋果按照檢測結果進行分級，把檢測過的蘋果分成裂果、刺傷果、碰傷果和蟲傷果等類別。梨的果梗是否存在是梨類分級的重要特征之一，應義斌等[8]通過計算機視覺技術、圖像處理技術、傅立葉描述子的方法來描述和識別果形以及有無果柄，其識別率達到90%。楊秀坤等[9]綜合運用計算機視覺技術、遺傳算法、多層前饋神經網絡系統，實現了具有精確度高、靈活性強和速度快等優點的蘋果成熟度自動判別。陳育彥等[10]采用半導體激光技術、計算機視覺技術和圖像分析技術相結合的方法檢測蘋果表面的機械損傷和果實內部的腐爛情況，初步驗證了計算機視覺技術檢測蘋果表面的損傷和內部腐爛是可行的。馮斌等[11]通過計算機視覺技術對水果圖像的邊緣進行檢測，然后確定水果的大小用以水果分級。試驗表明，該方法比傳統的檢測方法速度快、準確率高，適用于計算機視覺的實時檢測。朱偉[12]在模糊顏色的基礎上，分析西紅柿損傷部分和完好部分模糊顏色的差別，用分割方法對西紅柿的缺陷進行分割，結果顯示準確率高達96%。曹樂平等[13]人研究了溫州蜜柑的果皮顏色與果實可滴定酸含量以及糖分含量之間的相關性，然而根據相關性，樣品檢測的正確識別率分別只有約74%和67%。劉剛等[14]從垂直和水平兩個方向獲取蘋果的圖像，并通過計算機自動分析圖像數據，對蘋果的外徑、體積、以及圓形度等參數進行處理，與人工檢測相比，計算機視覺技術具有檢測效率高，檢測標準統一性好等優點。Blasco. J [15]通過計算機視覺技術分析柑橘果皮的缺陷，進而對其在線分級，正確率約為95%。趙廣華等[16]人綜合計算機視覺識別系統、輸送轉換系統、輸送翻轉系統、差速勻果系統和分選系統，研制出一款適于實時監測、品質動態的智能分級系統，能夠很好地實現蘋果分級。王江楓等[17]建立了芒果重量與攝影圖像的相互關系，應用計算機視覺技術檢測桂香芒果和紫花芒果的重量和果面損傷，按重量分級其準確率均為92%，按果面損傷分級的準確率分別為76%和80%。
2.2 計算機視覺技術在禽蛋檢測中的應用研究
禽蛋企業在生產過程中，產品的分級、品質檢測主要采用人工方法，不僅需要大量的物力人力，而且存在勞動強度大、人為誤差大、工作效率低等缺點，計算機視覺技術可以很好的解決這類產品工業生產中存在的困擾。歐陽靜怡等[18]利用計算機視覺技術來檢測雞蛋蛋殼裂紋，利用攝像機獲取雞蛋圖像后，采用fisher、同態濾波和BET算法等優化后的圖像處理技術，獲得裂紋形狀并判斷，試驗結果表明，計算機視覺技術對雞蛋蛋殼裂紋的檢測準確率高達98%。汪俊德等[19]以計算機視覺技術為基礎，設計出一套雙黃雞蛋檢測系統。該系統獲取蛋黃指數、蛋黃特征和蛋形尺寸等特征，和設計的數學模型對比來實現雙黃雞蛋的檢測和識別，檢測準確率高達95%。鄭麗敏等[20]人通過高分辨率的數字攝像頭獲取雞蛋圖像，根據圖像特征建立數學模型來預測雞蛋的新鮮度和貯藏期，結果表明，計算機視覺技術對雞蛋的新鮮度、貯藏期進行預測的結果準確率為94%。潘磊慶等[21]通過計算機視覺技術和聲學響應信息技術相結合的方法檢測裂紋雞蛋，其檢測準確率達到98%。Mertens K等[22]人基于計算機視覺技術研發了雞蛋的分級檢測系統，該系統識別帶污漬雞蛋的正確率高達99%。
2.3 計算機視覺技術在檢測食品中微生物含量中的應用研究
計算機技術和圖像處理技術在綜合學科中的應用得到快速發展，在微生物快速檢測中的應用也越來越多，主要是針對微生物微菌落的處理。食品工業中計算機視覺技術在微生物檢測方面的研究和應用以研究單個細胞為主，并在個體細胞的研究上取得了一定的進展。殷涌光等[23]以顏色特征分辨技術為基礎，設計了一套應用計算機視覺技術快速定量檢測食品中大腸桿菌的系統，該系統檢測結果與傳統方法的檢測結果具有很好的相關性，但與傳統方法相比，可以節省5d時間，檢測時間在18h以內，并且能夠有效提高產品品質。Lawless等[24]人等時間段測定培養基上的細胞密度，然后通過計算機技術建立時間和細胞密度之間的動態關聯，利用該關聯可以預測和自動檢測微生物的生長情況，如通過計算機控制自動定量采集檢測對象，然后分析菌落的邊緣形態，根據菌落的邊緣形態計算機可以顯示被檢測菌落的具置，并且根據動態關聯計算機視覺系統可以同時處理多個不同的樣品。郭培源等[25]人對計算機視覺技術用于豬肉的分級進行了研究，結果顯示計算機視覺技術在識別豬肉表面微生物數量上與國標方法檢測的結果顯著相關，該技術可以有效地計算微生物的數量。Bayraktar. B等[26]人采用計算機視覺技術、光散射技術（BARDOT）和模式識別技術相結合的方法來快速檢測李斯特菌，在獲取該菌菌落中的形態特征有對圖像進行分析處理達到對該菌的分類識別。殷涌光等[27]人綜合利用計算機視覺、活體染色、人工神經網絡、圖像處理等技術，用分辨率為520萬像素的數字攝像機拍攝細菌內部的染色效果，并結合新的圖像處理算法，對細菌形態學的8個特征參數進行檢測，檢測結果與傳統檢測結果顯著相關（相關系數R=0.9987），和傳統檢測方法相比該方法具有操作簡單、快速、結果準確、適合現場快速檢測等特點。魯靜[28]和劉侃[29]利用顯微鏡和圖像采集儀器，獲取乳制品的掃描圖像，然后微生物的圖像特征，識別出微生物數量，并以此作為衡量乳制品質量是否達標的依據，并對產品進行分級。
2.4計算機視覺技術在其他食品產業中的應用研究
里紅杰等[30]通過提取貝類和蝦類等海產品的形狀、尺寸、紋理、顏色等外形特征，對照數學模型，采用數字圖像處理技術、計算機識別技術實現了對貝類和蝦類等海產品的無損檢測和自動化分類、分級和質量評估，并通過實例詳細闡述了該技術的實現方法，證實了此項技術的有效性。計算機視覺技術還可以檢驗玉米粒形和玉米種子質量、識別玉米品種和玉米田間雜草[31]。晁德起等[32]通過x射線照射獲取毛葉棗的透視圖像后，運用計算機視覺技術對圖像進行分析評估，毛葉棗可食率的評估結果與運用物理方法測得的結果平均誤差僅為1.47%，因此得出結論：計算機視覺技術可以應用于毛葉棗的自動分級。Gokmen，V等通用對薯片制作過程中圖像像素的變化來研究薯片的褐變率，通過分析特色參數來研究薯片中丙烯酰胺的含量和褐變率也關系，結果顯示兩項參數相關性為0.989，從而可以應用計算機視覺技術來預測加熱食品中丙烯酰胺的含量，該方法可以在加熱食品行業中得到廣泛應用。韓仲志等人拍攝和掃描11類花生籽粒，每類100顆不同等級的花生籽粒的正反面圖像，利用計算機視覺技術對花生內部和外部采集圖像，并通過圖像對其外在品質和內在品質進行分析，并建立相應的數學模型，該技術在對待檢樣品進行分級檢測時的正確率高達92%。另外，郭培源等人以國家標準為依據，通過數字攝像技術獲取豬肉的細菌菌斑面積、脂肪細胞數、顏色特征值以及氨氣等品質指標來實現豬肉新鮮程度的分級辨認。
3 展望
新技術的研究與應用必然伴隨著坎坷，從70年代初計算機視覺技術在食品工業中進行應用開始，就遇到了很多問題。計算機視覺技術在食品工業中的研究及應用主要存在以下幾方面的問題。
3.1 檢測指標有限
計算機視覺技術在檢測食品單一指標或者以一個指標作為分級標準進行分級時具有理想效果，但以同一食品的多個指標共同作為分級標準進行檢測分級，則分級結果誤差較大。例如，Davenel等通過計算機視覺對蘋果的大小、重量、外觀損傷進行分析，但研究結果顯示，系統會把花粵和果梗標記為缺陷，還由于蘋果表面碰壓傷等缺陷情況復雜，造成分級誤差很大，分級正確率只有69%。Nozer等以計算機視覺為主要技術手段，獲取水果的圖像，進而通過分析圖像來確定水果的形狀、大小、顏色和重量，并進行分級，其正確率僅為85.1%。
3.2 兼容性差
計算機視覺技術針對單一種類的果蔬分級檢測效果顯著，但是同一套系統和設備很難用于其他種類的果蔬，甚至同一種類不同品種的農產品也很難公用一套計算機視覺設備。Reyerzwiggelaar等利用計算機視覺檢查杏和桃的損傷程度，發現其檢測桃子的準確率顯著高于杏的。Majumdar.S等利用計算機視覺技術區分不同種類的麥粒，小麥、燕麥、大麥的識別正確率有明顯差異。
3.3 檢測性能受環境制約
現階段的計算機視覺技術和配套的數學模型適用于簡單的環境，在復雜環境下工作時會產生較大的誤差。Plebe等利用計算機視覺技術對果樹上的水果進行識別定位，但研究發現由于光照條件以及周邊環境的影響，水果的識別和定位精度不高，不能滿足實際生產的需要。
綜上所述，可看出國內外學者對計算機視覺技術在食品工業中的應用進行了大量的研究，有些研究從單一方面入手，有些研究綜合了多個學科，在研究和應用的過程中，取得了較大的經濟效益，也遇到了很多問題，在新的形勢下，計算機視覺技術和數碼拍攝、圖像處理、人工神經網絡，數學模型建設、微生物快速計量等高新技術相融合的綜合技術逐漸成為了各個領域學者的研究熱點，以計算機視覺為基礎的綜合技術也將在食品工業中發揮更加重要的作用。
參考文獻
[1] 寧紀鋒，龍滿生，何東健.農業領域中的計算機視覺研究[J].計算機與農業，2001（01）：1-3.
[2] 李崢.基于計算機視覺的蔬菜顏色檢測系統研究[D].吉林：吉林大學，2004.
[3] 曾愛群.基于計算機視覺與神經網絡的芒果等級分類研究[D].桂林：桂林工學院，2008.
[4] 韓偉，曾慶山.基于計算機視覺的水果直徑檢測方法的研究[J].中國農機化，2011（05）：25-29.
[5] 李慶中.蘋果自動分級中計算機視覺信息快速獲取與處理技術的研究[D].北京：中國農業大學，2000.
[6] 孫洪勝，李宇鵬，王成，等.基于計算機視覺的蘋果在線高效檢測與分級系統[J].儀表技術與傳感器，2011（06）：62-65.
[7] 劉禾，汀慰華.水果果形判別人工神經網絡專家系統的研究[J].農業工程學報，1996，12（0l）：171-176.
[8] 應義斌，景寒松，馬俊福.用計算機視覺進行黃花梨果梗識別的新方法[J].農業工程學報，1998，14（02）：221-225.
[9] 楊秀坤，陳曉光，馬成林，等.用遺傳神經網絡方法進行蘋果顏色白動檢測的研究[J].農業工程學報，1997，13（02）：193-176.
[10] 陳育彥，屠康，柴麗月，等.基于激光圖像分析的蘋果表面損傷和內部腐爛檢測[J].農業機械學報，2009，40（07）：133-137.
[11] 馮斌，汪憋華.基于計算機視覺的水果大小檢測方法[J].農業機械學報，2003，34（01）：73-75.
[12] 朱偉，曹其新.基于模糊彩色聚類方法的西紅柿缺陷分割[J].農業工程學報，2003，19（03）：133-136.
[13] 曹樂平，溫芝元，沈陸明.基于色調分形維數的柑橘糖度和有效酸度檢測[J].農業機械學報，2009，41（03）：143-148.
[14] 劉剛，王立香，柳兆君.基于計算機視覺的蘋果質量檢測[J].安徽農業科學，2012，40（08）：5014-5016.
[15] Blasco J，Aleixos N，Molto puter vision detection of peel defects in citrus by means of a region oriented segmentation algorithm[J].Journal of Food Engineering，2007，81（03）：535-543.
[16] 趙廣華，飛，陸奎榮，等.智能化蘋果品質實時分選系統[J].中國科技信息.
[17] 王江楓，羅錫文，洪添勝，等.計算機視覺技術在芒果重量及果面壞損檢測中的應用[J].農業工程學報，1998（12）：186-189.
[18] 歐陽靜怡，劉木華.基于計算機視覺的雞蛋裂紋檢測方法研究[J].農機化研究，2012（03）：91-93.
[19] 汪俊德，鄭麗敏，徐桂云，等.基于計算機視覺技術的雙黃雞蛋檢測系統研究[J].農機化研究，2012（09）：195-199.
[20] 鄭麗敏，楊旭，徐桂云，等.基于計算機視覺的雞蛋新鮮度無損檢測[J].農業工程學報，2009，25（03）：335-339.
[21] 潘磊慶，屠康，詹歌，等.基于計算機視覺和聲學響應信息融合的雞蛋裂紋檢測[J].農業工程學報，2010，26（11）：332-337.
[22] Mertens K，De Ketelaere B，Kamers B，et al.Dirt detection on brown eggs by means of colorcomputer vision[J]. Poultry Science，2005，84（10）：1653-1659.
[23] 殷涌光，丁筠.基于計算機視覺的食品中大腸桿菌快速定量檢測[J].吉林大學學報（工學版），2009，39（02）：344-348.
[24] Lawless C，Wilkinson DJ，Young A，et al.Colonyzer： automated quantification of micro-organism growth characteristics on solid agar[J].BMC Bioinformatics，2010（08）：38-44.
[25] 郭培源，畢松，袁芳.豬肉新鮮度智能檢測分級系統研究[J].食品科學，2010，31（15）：68-72.
[26] Bayraktar B，Banada PP，Hirleman ED，et al.Feature extraction from light-scatter patterns of Listeria colonies for identification and classification [J].Journal of Biomedical Optics，2006，11（03）：34- 36.
[27] 殷涌光，丁筠.基于計算機視覺的蔬菜中活菌總數的快速檢測[J].農業工程學報，2009，25（07）：249-254.
[28] 魯靜.乳品微生物自動檢測系統的設計[J].湖北第二師范學院學報，2010，27（08）：115-117.
[29] 劉侃.鮮奶含菌量快速檢測系統[D].華中科技大學，2008.
[30] 里紅杰，陶學恒，于曉強.計算機視覺技術在海產品質量評估中的應用[J].食品與機械，2012，28（04）：154-156.
計算機視覺理論與方法范文3
計算機視覺是一門研究如何使機器“看”的科學，更進一步地說，就是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，并進一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。計算機視覺包括集成的視覺系統與真實世界視覺的應用建設。創建三維模型的過程是相當困難的，需要機械測量攝像機的位置或手動對準一個場景的局部三維視圖。通過使用相應的算法，它可以通過集合中一個場景的立體圖像，然后自動生成一個逼真、幾何精確的三維數字化模型。
全書分為三大部分，共14章：1.引言：立體圖像和深度知覺、三維視覺系統、三維視覺應用的介紹；2.視覺的研究簡史；3.二維和三維視覺的形成；4.圖像匹配中低層次圖像處理：包括卷積濾波、離散平均、離散分化、邊緣檢測、結構張量、角點檢測等內容；5.尺度空間的視覺：包括圖像尺度、高斯尺度空間、微分尺度空間、多分辨率金字塔等內容；6.圖像匹配算法：包括各種匹配措施、計算方面的匹配、立體匹配方法的多樣性、基于區域、彈性、梯度的匹配等內容；空間重構及多視圖集成：一般的三維重建和多視圖集成方面的內容；8.具體案例：臨床和獸醫應用、電影重構等具體實例的分析；9.射影幾何基礎；10.圖像處理的張量微積分基礎：包括線性算子和變坐標系統的基本概念、度量張量、簡單的張量代數等內容；11.圖像中的失真和噪聲：包括噪聲模型、產生噪聲的測試圖片、正態分布生成隨機數；12.圖像變換程序：包括結構的變形系統、坐標變換模塊、像素值的插值、經典實力等內容；13.編程技術，圖像處理和計算機視覺：包括其設計與實現、統一的建模語言、設計模式、處理平臺等內容；14.圖像處理庫。
作者Bogusaw Cyganek于1993年獲得電子計算機科學學位，于1996年獲得了赫爾辛堡科技大學博士學位。近年來，他還與許多科學中心合作，在計算機視覺系統的發展方面做出了貢獻。作為一個軟件開發經理和高級軟件工程師，他有著多年的實際工作經驗。他目前在波蘭克拉科夫AGH科技大學（AGH University of Scien and Technology）電子部任研究員和講師，研究興趣包括計算機視覺、模式識別、以及對可編程器件和嵌入式系統的開發。他還是電子電氣工程師協會（IEEE，Institute of Electrical and Electronics Engineers）、國際模式識別學會（IAPR，International Association for Pattern Recognition）、工業和應用數學學會（SIAM，Society for Industrial and Applied Mathematics）成員。
本書提供了對三維計算機視覺方法，理論和算法的全面的介紹。幾乎每一個理論問題都使用C++和Matlab的偽代碼或完整代碼進行實現，并且提供下載的軟件網站、案例研究和練習。本書是相關學者、程序員的有益參考，也適合對計算機科學、臨床攝影、機器人領域、圖形和數學感興趣的學生或研究人員閱讀。
李亞寧，碩士研究生
計算機視覺理論與方法范文4
分布式計算是一種計算方法，和集中式計算是相對的。隨著計算技術的發展，有些計算應用需要非常巨大的計算能力才能完成，如果采用集中式計算，需要耗費相當長的時間來完成。簡單來說，分布式計算將該應用分解成許多小的部分，分配給多臺計算機進行處理。這樣可以節約整體計算時間，大大提高計算效率。本書使用開源工具及相應技術的開發并實現了大規模分布式處理系統，提出了構建高性能分布式計算系統的先進材料，提供實際的指導、相關練習以及軟件框架的理論描述。
全書分為2部分，共8章。第1部分 高性能分布式計算的編程基礎，包括1-4章：1.引言：包括分布式系統的介紹、分類，分布式計算體系結構與分布式文件系統，最后指出分布式系統面對的挑戰與發展趨勢；2.開始使用Hadoop：包括Hadoop的發展歷史、生態系統、HDFS的特性、單個節點的集群安裝與多個節點的集群安裝，最后介紹Hadoop編程與流；3.從Spark開始：包括Spark裝置、應用實例、Python編程及應用等內容；4.Spark和Scalding的內部編程：包括其安裝步驟與編程指南。第2部分 使用Hadoop、Scalding和Spark的實例，包括5-8章：5. 案例研究1：使用Scalding和Spark進行數據聚類：包括聚類技術、聚類過程、K均值算法和相應的例子，最后進行實現；6.案例研究2：使用Scalding和Spark進行數據分類：包括分類及概率論的相關概念，樸素貝葉斯及其分類器的實現，最后對Scalding的實現進行實驗并說明結果；7.案例研究3：使用Scalding和Spark進行回歸分析：包括線性回歸的代數方法和梯度下降法，并分別使用Scalding和Spark進行了實現；8.案例研究4：使用Scalding和Spark的推薦系統：包括推薦系統的介紹、技術應用、實現規則并使用Scalding和Spark進行了實現。
作者K.G. Srinivasa是卡內基梅隆大學計算機科學學院機器人研究所的副教授；是電腦專業資格認定協會（ICCP，International Conformity Certification Programm）、國際計算機視覺期刊（IJCV，International Journal Computer Vision）、國際計算機視覺與模式識別會議（CVPR，Computer Vision and Pattern Recognition）等多個國際會議的委員會委員，發表超過20篇期刊及會議論文。他的研究領域包括計算機視覺、圖像處理、動態場景的計算機視覺監控、基于人的行為和生物特征的人物識別與身份鑒定以及數字多媒體數據的水印處理等。
本書描述了構建高性能分布式計算大規模數據處理的軟件系統新模式的基本原理；介紹了Hadoop生態系統并一步步地指導安裝、編程和執行；對Spark的基礎知識，包括彈性分布式數據集進行了介紹，并對使用Spark和Scalding進行數據聚類、分類和回歸進行了分析，提供了詳細的案例研究方法；最后使用Scalding和Spark實現了一個實用推薦系統。本書適合計算機體系結構、計算智能、數據挖掘等專業的科研人員及研究生閱讀參考。
計算機視覺理論與方法范文5
關鍵詞 機器視覺；現代農業；應用；問題；展望
中圖分類號 TP391.4 文獻標識碼 A 文章編號 1007-5739（2014）08-0335-01
Application of Machine Vision Technique in Modern Agriculture
WANG Wen-jing
（Department of Electronic Information，Foshan Polytechnic，Foshan Guangdong 528137）
Abstract The basic concepts，principle and system of machine vision were introduced.The application status of machine vision in modern agricultural production was discussed.Based on the analysis and research status at home and abroad，current problems and future direction of the development was proposed for machine vision applications in modern agriculture.
Key words machine vision；modern agricultural；application；problems；prospects
隨著“在工業化、城鎮化深入發展中同步推進農業現代化”這項重要任務在“十二五”規劃中的提出，我國的農業有了迅猛發展，農業與自動化技術的研究和應用得到了高度的重視，但是與國外發達國家還有一定的差距。機器視覺技術是促進農業生產和管理自動化水平提高的一種高效的手段。目前，該技術在國內外農業領域的各個環節已經有了較大突破，如種子質量檢測、田間雜草識別、植物生長信息監測、病蟲害監測等。機器視覺技術不僅節約了人力、物力的消耗，而且提高了生產質量和效率。
1 機器視覺技術的基本概念、原理以及系統組成
機器視覺也稱之為計算機視覺，是一種利用機器代替人眼進行觀察、測量與判斷的技術，首先利用攝像機獲取目標的圖像，然后通過計算機算法將圖像進行數字化處理和顏色、形狀和尺寸等的測量與判別[1]。
機器視覺系統主要由光源、攝像機、采集卡和計算機構成。攝像機通過光電傳感器將被測物光形象轉化為電信號，并且以圖像的形式記錄保存下來。圖像采集卡是連接攝像機和計算機的紐帶，主要作用是把電信號轉化為數字信號，并將數字信號傳輸到計算機進行保存和處理。在實際應用中，為了能夠獲得高亮度和高對比度的圖像，通常需要使用光源提供的燈光照明，以便圖像的獲取和處理。
2 機器視覺技術在現代化農業中的應用
2.1 在農業生產前的應用
進行種子質量檢測。農作物種子質量的好壞對作物產品的優劣與作物產量的高低有著直接的影響作用，在農業生產過程中有著至關重要的地位。成 芳等[2]詳細介紹了機器視覺系統的原理和發展動態，并且從系統軟件、硬件和國內外研究現狀等方面綜合描述了機器視覺在種子質量檢測中的運用。陳兵旗等[3]利用機器視覺技術對水稻種子進行了精選，首先提取長寬比和面積等特征參數，并建立有關稻種類型的數據庫，進而對稻種類型進行判斷，然后通過掃描線數和掃描線上黑白像素的變化次數來判斷種子是否破裂，最后利用不同閾值提取的稻種面積差來判斷稻種是否霉變。試驗證明：該方法能對種子種類、發霉和破損情況等進行判斷，具有較高的準確率。
2.2 在農業生產中的應用
2.2.1 作物生長信息監測。農作物的生長調控、缺素診斷、產量分析與預測都是以作物生長信息為基礎和依據的，因此，通過機器視覺的方法對農作物的生長信息進行監測，成為當今機器視覺在農業中的研究熱點之一。張云鶴等[4]設計了農作物莖稈直徑變化測量系統，通過測量圖像中作物莖稈直徑像素數、圖像中參照物直徑像素數和參照物的實際直徑求取作物莖稈直徑。使用該系統對黃瓜莖桿進行直徑測量，絕對誤差在0.002 mm以內。王文靜等[5]設計了一個基于機器視覺的水下鲆鰈魚類質量估計系統。該系統利用機器視覺和圖像處理技術對不同生長發育階段的半滑舌鰨進行了檢測，提取了魚的面積、等效橢圓長寬比和圓形度因子等形狀參數，并將各參數分別與質量進行數據擬合建立二維和三維維模型。試驗證明：該方法能夠較好地估計出生物的質量。
2.2.2 病蟲害與雜草監測。病蟲害和雜草直接危害著農作物的生長，如果沒有得到及時的控制，會直接影響到農作物的質量與產量。因此，檢測并獲取害蟲的分布情況、位置、生長情況等對農作物的生產具有巨大的意義。邱道尹等[6]設計了一個基于機器視覺的大田害蟲檢測系統，利用神經網絡分類的方法對常見的幾類害蟲進行了分類。通過現場試驗證明，該方法簡單可行、識別率高。毛文華等[7]以國內外的研究為例，系統、詳細地介紹了機器視覺在雜草識別中的研究和應用情況，分析了采用植物紋理、顏色、多光譜和形狀等特征來識別雜草的理論根據以及存在的問題和難點。尹建軍等[8]利用攝像機采集標定靶圖像，根據攝像機的透視模型對圖像進行處理，求出48個靶點質心的像素坐標，然后通過DLT最小二乘法建立攝像機隱參數矩陣。實踐證明，該方法對雜草定位的誤差在23 mm以內，能夠滿足雜草識別與智能化噴施的需求。
2.2.3 營養脅迫診斷。在農業生產管理中，由于缺素初期的作物和正常情況沒有太大差別，很難被察覺和診斷，而利用機器視覺的方法能夠比較及時、準確的判斷，進而降低損失。
毛罕平等[9]在作物營養元素虧缺的識別和自動檢測中，利用植物的葉片特征和遺傳算法進行優化組合，挑選出能夠用在分類器設計方面的特征向量。試驗證明，利用二叉樹分類法的模糊K近鄰法對缺元素的番茄進行識別和測試，其誤差在15%以內。張彥娥等[10]利用機器視覺技術和圖像處理技術研究了一種溫室黃瓜葉片營養信息檢測系統，通過求取葉片含水率、含氮率與含磷率分別與各個分量之間的相關性；試驗證明：該方法獲取葉片顏色分量、亮度指標等參數，能夠作為計算機視覺技術作物長勢和作物營養信息監測的指標。
2.3 在農業生產中的應用
2.3.1 農業機器人。對農業機器人的應用主要利用機器人技術進行視覺導航技術的研究，是目前比較受關注的課題之一。視覺導航技術的研究為農業機器人的自動除草、施肥和施藥等工作奠定了良好的基礎。
周 俊等[11]在綜合分析農田自然環境的基礎上，提出了農業機器人視覺導航中多分辨率路徑識別算法，并將色彩特征分析法應用于路徑識別中，利用小波分析變化法進行邊緣檢測，結果表明，結合導航系統期望跟蹤的路徑特點分析可以比較準確的識別路徑。安 秋等[12]通過AVR單片機的下位機來控制4個電機的速度和實現與上位機的串口通訊功能，提出了將線性掃描法和最小二乘法結合使用的思路，實現了農業機器人的視覺導航算法，使機器人能夠在農作物之間行走。
2.3.2 品質分級。利用機器視覺的方法對農作物進行分級，可以減少主觀因素的影響，并且為生產自動化的發展奠定了基礎。
蔣益女等[13]對蘋果質量等級識別的機器視覺檢測技術進行了研究，對蘋果圖像進行梗蒂、缺陷識別后，提取目標區域，并求出紋理和幾何特征參數等，并通過Pearson對參數進行相關性分析和SFFS對特征進行選擇，去掉冗余的特征，最后使用KNN分類方法對蘋果進行分類。試驗結果表明，該識別方法對蘋果等級識別與人工判別結果非常接近，可以推廣到其他產品質量等級檢測和識別。李江波等[14]對鮮香菇外部品質計算機視覺檢測與分級進行了研究，首先對攝像機采集的圖像進行預處理后，獲取香菇菇蓋的圓形度、最大直徑、色調均值等特征參數對香菇進行分級。試驗證明，利用BP神經網絡法對香菇進行分級的準確度為94.2%。
3 存在的問題及未來的展望
隨著機器視覺技術的發展和農業自動化水平的提高，機器視覺技術在農業中的應用研究越來越多，但是由于農作物形狀的多樣性、周圍環境的復雜性、理論和實際的差異性等因素制約著機器視覺技術在農業中的應用發展。為了解決這些問題，筆者認為應從試驗條件、系統硬件和軟件設計3個方面著手。如在設置和模擬試驗條件和硬件系統設計時，應多方位、全面地考慮到實際情況和國內外先進技術，使設計更加完善。在系統軟件算法的開發階段，需要將機器視覺和圖像處理算法多與神經網絡、人工智能等相結合使用，尋求出適用性強的新算法[15]。
在現代農業中引入機器視覺技術，不僅可以提高農業生產和發展的自動化水平，而且可以使人類從重復的勞動中解放出來，有著廣闊的發展空間和應用前景。一方面，與人類視覺相比，機器視覺具有快速、非接觸性、無損和準確的特點，可以提高農業生產效率，促進農業生產和管理自動化方向和發展。另一方面，計算機、自動化控制技術、機器視覺技術的進一步發展和綜合集成，也將會為機器視覺在農業生產中的應用開辟新的空間。
4 參考文獻
[1] 趙曉霞.計算機視覺技術在農業中的應用[J].科技情報開發與經濟，2004，14（4）：124-125.
[2] 成芳，應義斌.機器視覺技術在農作物種子質量檢驗中的應用研究進展[J].農業工程學報，2001，17（6）：175-179.
[3] 陳兵旗，孫旭東，韓旭，等.基于機器視覺的水稻種子精選技術[J].農業機械學報，2010，41（7）：165-173.
[4] 張云鶴，喬曉軍，王成，等.基于機器視覺的作物莖稈直徑變化測量儀研發[J].農機化研究，2011（12）：158-160.
[5] 王文靜，徐建瑜，呂志敏，等.基于機器視覺的水下鲆鰈魚類質量估計[J].農業工程學報，2012，28（16）：153-157.
[6] 邱道尹，張紅濤，劉新宇，等.基于機器視覺的大田害蟲檢測系統[J].農業機械學報，2007，38（1）：120-122.
[7] 毛文華，王一鳴，張小超，等.基于機器視覺的田間雜草識別技術研究進展[J].農業工程學報，2004，20（5）：43-46.
[8] 尹建軍，沈寶國，陳樹人.基于機器視覺的田間雜草定位技術[J].農業機械學報，2010，41（6）：163-166.
[9] 毛罕平，徐貴力，李萍萍.基于計算機視覺的番茄營養元素虧缺的識別[J].農業機械學報，2003，34（2）：73-75.
[10] 張彥娥，李民贊，張喜杰.基于計算機視覺技術的溫室黃瓜葉片營養信息檢測[J].農業工程學報，2005，21（8）：102-105.
[11] 周俊，姬長英.農業機器人視覺導航中多分辨率路徑識別[J].農業機械學報，2003，34（6）：120-123.
[12] 安秋，顧寶興，王海青.農業機器人視覺導航試驗平臺[J].河南科技大學學報：自然科學版，2012，33（3）：42-45.
[13] 蔣益女，徐從富.基于機器視覺的蘋果質量等級識別方法的研究[J].計算機應用于軟件，2010，27（11）：99-101.
計算機視覺理論與方法范文6
關鍵詞：目標跟蹤技術；意義；問題；解決方法
中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2015）02-0171-01
1.目標跟蹤研究技術分類
1.1圖像序列中目標跟蹤技術
在圖像中，根據點與點之間的關系，可以通過相鄰兩幅圖像的點集中用以實現跟蹤目標。同樣的，根據線在目標跟蹤中的使用，可以更加清晰的分解出圖像的輪廓信息用以描述目標圖像。更進一步，可以將面應用于目標跟蹤，了解整個區域的外觀信息，在經過后期的優化和分類處理實現目標跟蹤。
在圖像識別中，可以根據圖像本身的空間位置相互依賴的關系以及圖像塊與圖像塊之間的關系在建立模型和構造置信度圖的時候，融合空間的上下文信息。使得建立的目標跟蹤的模型更加具有科學的根據，同時置信度圖更加精確，更利于研究目標跟蹤。
1.2視頻序列中目標跟蹤技術
目標跟蹤可以通過對視頻序列中正在運動的目標進行分析檢測、提取數據、更進一步的進行識別和跟蹤。這樣的過程中，可以獲得目標運動的參數，例如移動速度、加速度、運動的軌跡等，再將所得的結果進行下一步的分析處理，以此實現對目標的理解以完成任務跟蹤的目的。
對于目標跟蹤和測量可以分為三個階段。首先，有目標的檢測和特征提取，在這兩個階段中，需要一定的理論知識和靈活的應變能力，可以根據場合的不同進行不同的設計。第三個階段就是目標的跟蹤，簡單來說可以理解為目標初始狀態和特征提取從而得到目標視覺特征，以此為基礎，進行時間和空間相結合對目標的狀態進行估計。因此，一個良好的跟蹤系統必須能滿足顧客準確、實時、可靠的要求?！皽蚀_”顧名思義，就是要提高目標跟蹤的精準度，最低的要求即要可以跟蹤出目標的大致位置，高的要求下必須給出目標的準確方位?！皩崟r”是指的跟蹤目標信息的更新速度，數據的輸出速度必須要在物體的實際運動速度內，滿足控制系統的動態指標要求?！翱煽俊眲t是要求目標跟蹤結果的真實可靠性，過程必須保證穩定，即使是在跟蹤失敗的情況下，也要求具有良好的恢復能力。只有滿足以上三點，才能達到很好的綜合性能。
2 目標跟蹤研究技術意義
2.1 在民用領域的意義
在民用領域中，目標跟蹤技術研究的新興方向是擁有核心技術的智能化視頻監控。智能化視頻監控是高層計算機視覺技術，簡單描述則是攝像機進行前期采樣，通過視頻序列圖，對其中的信息進行更進一步的分析和理解，從而實現視頻監控系統的智能化。例如有的視頻監控中可以智能識別場景內人的行為和語言對話。從而可以甄別出危險的人員自動報警。在交通管理中，也可以通過智能檢測實現對車輛的管理，實時監控道路車流量和對異常的車輛進行調查，可以很大程度上減少交通事故的發生，和更快速的進行事后處理。
2.2在軍事領域的意義
在軍事領域中，目標跟蹤技術對于增強國防有很大的意義。視頻監控可以及時掌握戰爭中的環境和更快速地對敵方的目標進行搜索和跟蹤。對于環境的掌握和檢測有利于尋找和提取目標和場景、還有攝像機的機位等信息來進行實時的反饋控制，可以了解敵方動態在戰爭中處于主導地位。還可以將目標跟蹤技術和機器人技術結合，研究機器人視覺導航系統，安裝在機器人體內的攝像機可以實現實時環境檢測，獲取更為詳細的環境信息。同時，目標跟蹤中的智能視頻監控也有利于發現邊防的不利狀況和嫌疑人員，更大程度上保護我國軍事機密。
3 目標跟蹤研究技術應用
3.1在道路車輛監控上的應用
在現實生活中，可以利用目標跟蹤技術實時監控道路上的車輛，在移動過程中，車輛在視窗中的大小和形狀會發生特定的變化。例如我們可以選取一組在實際環境中拍攝的照片進行研究，車輛由近及遠的移動過程中，車輛目標區域的形狀會慢慢變小，目標形狀變化不大會取得比較成功的跟蹤效果。但是存在缺陷的是，目標變小時，跟蹤的準確性也隨之變小，有時所反應的結果已經偏離了目標所在的實際位置。導致目標跟蹤出現問題，甚至錯誤的跟蹤了其他目標。因此，在道路中車輛的監控方面，還要進一步改正，加強精準度，才能讓科技更好為交通事業做出貢獻。
3.2在礦井安全監控中的應用
在生活中，井下工作是安全風險最大的工作之一?？梢岳媚繕烁櫦夹g，對井下危險區域運動目標進行檢測和跟蹤，在這樣的檢測下，可以提前得到風險預測，提前預警可以有效防止危險事故的發生。利用數學領域的利用背景建立模型和利用背景差法在線有效的調節速率，這種方法可以應對光線的變化和突變的環境下對移動目標的監控，利用目標跟蹤技術在發生突發狀況時可以準確的定位和實時的跟蹤目標。可以提高突發事故的存活率，給礦工們的生命多一層保障。
3.3在社會生活中的作用
在社會工作中，未來發展的趨勢電子化越來越普及于生活的任何角落，與現有階段的鍵盤和鼠標表達思想不同，未來的人和計算機的交互影響應該會更加方便，科學家希望計算機能夠像一個人一樣善解人意，這就需要計算機能夠讀懂人類的語言、表情、手勢、動作等。利用目標跟蹤技術，實現視頻的智能化，計算機可以通過采集人們的動作圖像等進行分析，更理解場景中的人和事。例如在醫療領域，可以利用這個智能的電腦來監護生病的兒童和老人，他可以很快的明白病人的需求，所以可以更好的照顧從而促進醫療事業的革新；在教育領域中，利用視頻智能的分析技術，比普通老師更快的了解學生對于知識的掌握了解情況，判斷學生的學習興趣，可以因材施教，更好更快的教好學生；在游戲時，智能的計算機能更快地了解游戲者的意圖和興趣，分析出更適合游戲者的游戲，讓游戲者開心的融入氛圍體驗娛樂生活的樂趣。
參考文獻：
[1] 丁業兵，王年，唐俊，等.基于顏色和邊緣特征CAM Shift目標跟蹤算法[J].華東理工大學學報：自然科學版，2012，38（l）：69-74.
