定稿靜止背景下的移動目標視覺監(jiān)控系統(tǒng)設計

摘要靜止背景下的移動目標視覺監(jiān)控系統(tǒng)設計是基于數字圖像處理的一種對視頻的監(jiān)測技術。隨著當今科技領域的不斷發(fā)展壯闊，移動的目標監(jiān)測放眼當下也是非常熱門的研究領域，但又和每個人的生活息息相關，家用智能攝像頭、公司監(jiān)控系統(tǒng)、工業(yè)、農業(yè)、醫(yī)學、交通等領域。本次設計基于MATLAB語言，運用數字圖像處理和視頻處理相關知識，針對視頻處理中常出現的圖像噪聲、監(jiān)測移動目標模糊、提取圖像幀等問題，采用圖像降噪、幀差法等方法，實現靜止背景下對移動目標的監(jiān)測系統(tǒng)設計。關鍵詞：數字圖像處理移動目標監(jiān)測噪聲去噪圖像分割MovingTargetVisualSurveillanceSystemDesignBasedOnStaticBackgroundAbstractThisobjectwhosenameisthedesignofmovingtargetvisionmonitoringsysteminstaticbackgroundisakindofvideomonitoringbasedondigitalimageprocessing.Withthecontinuousdevelopmentoftoday'sscienceandtechnologyfield,mobiletargetdetectionisaveryhotresearchfield,butitiscloselyrelatedtoeveryone'slife,suchashomesmartcamera,companysurveillancesystem,industry,agriculture,medicine,transportationandotherfields.Itisveryimportanttodetectmovingobjectsbycomparingadjacentframessoastofindthetargettobedetected.Itisnecessarytoeliminatetheinterferenceofsomemovingobjectsforcorrectvideodetection.ThisdesignisbasedonMATLABlanguage,theuseofdigitalimageprocessingandvideoprocessingrelatedknowledge,inviewofthevideoprocessingoftenoccursintheimagenoisemonitoringmovingtargetfuzzyextractionimageframe,imagenoisereductionframedifferencemethodandothermethods,toachievethestaticbackgroundofthemovingtargetmonitoringsystemdesign.Keywords：DigitalimageprocessingMovingtargetdetectionThenoiseandThenoisereductionImageedgedetection目錄TOC\o"1-3"\h\u281371前言 2236721.1發(fā)展現狀 275551.2研究背景 211341.3.1研究內容 384392數字圖像基礎 4105452.1圖像的取樣和量化 4168802.2圖像灰度變換 6170512.3灰度變換函數 66012.3.1彩色圖變?yōu)榛叶葓D 6221622.3.2圖像二值化 7218803.圖像降噪 810893.1噪聲 8232713.2圖像降噪 9157793.2.1理論知識 9292653.2.2圖像降噪實現 9191544圖像分割 12302374.1理論知識 12195884.1.1幀差法 1372774.1.2背景差分法 14244574.2圖像分割實現 15146205布防設計 16208295.1問題分析 16124465.2布防實現 165627參考文獻 1810993謝辭 1929079附錄 201前言1.1發(fā)展現狀現如今，隨著科技飛速進步發(fā)展，計算機及其相關領域不斷興起發(fā)展，數字信息化也高速發(fā)展應用于各行各業(yè)中。由于當下數字圖像處理技術這門學科不斷被大眾所熟知，并且越來越多的學者對這項技術進行研究創(chuàng)新，該技術現已成為一門發(fā)展前景較好的學科，被廣受關注，并且很多領域都應用到了該項技術，比如航空技術、醫(yī)學行業(yè)、工業(yè)檢測、人工智能、軍事領域、藝術行業(yè)等。對于視頻檢測來說，地域與運動目標的監(jiān)測和控制是圖像分析的重要研究領域之一。在背景是靜止的狀態(tài)下，通過對移動目標的監(jiān)測和識別來提醒監(jiān)測人員監(jiān)測的異動，利用捕捉到的圖像并跟蹤運動目標在信息全球化、科技共享的今天，視頻監(jiān)測這一項技術已經可以應用在人們的日常生活中。1.2研究背景對于靜止狀態(tài)下的移動目標監(jiān)測，主要就是實時圖像監(jiān)測，其中最主要的應用技術就是數字圖像處理和目標監(jiān)測跟蹤。圖像處理最早應用在20世紀20年代初，當時數字圖像處理首次面世應用，由于當時從倫敦到紐約之間海底電纜發(fā)送圖片質量一般、耗時比較久，于是數字圖像處理便被應用于此來改善圖片的傳輸時間和視覺效果；到了50年代，數字圖像便逐漸走入大眾的視野中；1964年，美國噴氣式推進實驗室用計算機對“徘徊者七號”太空飛船返回的大批月亮照片進行處理，圖片質量改進的效果顯著；在20世紀60年代末數字圖像處理具備了比較完整的體系,形成了一門新興的學科，20世紀70年代，數字圖像處理技術領域飛速發(fā)展，與之同時圖像處理的理論和方法也逐步成熟，越來越多的行業(yè)都使用到了圖像處理的相關知識，計算機、思維科學迅速發(fā)展起來[1]。在當時，已經有很多發(fā)達國家投入了大量的人力物力來研究這個剛崛起的領域。在這個時期，數字圖像已經提升了一個研究層面，當時的主要目的是對景象的識別和計算視覺研究，但數字圖像處理已經可以從二維進階到三維層面來進行解釋。相較于數字圖像處理，實時圖像處理在國際上也擁有了很悠久的歷史，國際上實時圖像處理最早源自20世紀于50年代，國內則是起步于20世紀80年代末期，1989年浙江大學用中小規(guī)模集成電路實現了模塊化的實時圖像處理系統(tǒng)，1993年用LOGIC公司研制出了改進型系統(tǒng)，該系統(tǒng)可以對圖像中指定的幾十個三維目標進行識別[2]。但因為當時國內科技水平相對落后，國內處理圖像的技術理論沒有非常成熟，對于相應的圖像處理系統(tǒng)不能很好地及時處理復雜多變的圖像。而現如今，我國的科技實力日益強大，這項技術也在全球走在前列，也逐漸融入人們的日常生活。1.3.1研究內容本次設計主要研究的是對于移動目標的監(jiān)測，主要是根據實時監(jiān)控到的圖像，運用數字圖像處理和目標跟蹤理論等知識，實現在靜止背景下對移動目標的監(jiān)測，主要的研究內容包括：針對監(jiān)控到的彩色圖像轉換成灰度圖，以便后續(xù)對圖像的處理操作。對獲取到的幀圖像可能會出現的質量問題，對圖像進行降噪處理。為了獲取到移動目標，對視頻進行處理，獲取到前后兩幀圖像并進行對，從而獲取到監(jiān)測目標。在上述的基礎上做了一些改進：對于在監(jiān)控系統(tǒng)中監(jiān)測移動目標，設置布防區(qū)域和目標占比，從而可以避免監(jiān)控不必要的目標，使監(jiān)控系統(tǒng)更有針對性。本次課題的主要研究目的是對于監(jiān)測移動目標的獲取，目標獲取就是當監(jiān)測到有目標出現時，把監(jiān)測到的目標從視頻幀圖像中分割提取出來，為下一步的布防提供有效的數據。因此，一個視頻監(jiān)控系統(tǒng)的好壞與目標檢測和圖像分割的算法有著密切的關聯，一個好的視覺監(jiān)控系統(tǒng)的設計應該能適用于各種環(huán)境的監(jiān)測。通常一個好的視頻監(jiān)測目標監(jiān)測和提取的系統(tǒng)算法應該有以下的幾種特性：適應于各種監(jiān)測環(huán)境狀態(tài)，不論是室內還是室外，陰天還是晴天，都能很好的分割出背景與前景、對監(jiān)測目標進行提取。能夠處理在大面積區(qū)域中不規(guī)則運動物體的識別，以及在視頻中目標不斷疊加的情況下對目標的監(jiān)測識別。系統(tǒng)能夠適應背景中各位微小的波動干擾，比如搖晃的樹葉，水紋的波動等。系統(tǒng)初始化問題，在某些監(jiān)控場景中，如果只有背景沒有運動物體，可能會監(jiān)測失誤。系統(tǒng)在提取某些監(jiān)測物體時，如果物體的灰度值集中在某個較小的范圍內，物體內部的像素點可能會被忽略。系統(tǒng)對目標丟失的解決，當某個運動目標長期停留在圖像中可能會造成的現象。對監(jiān)測到的運動目標，其陰影可能也會影響監(jiān)測結果。本文的結構安排如下：第一章：實時目標監(jiān)測與數字圖像處理的發(fā)展現狀及其背景，討論本文的研究內容及其可能存在的問題。第二章：圖像處理的基礎知識，彩色圖與灰度圖的轉換和圖像二值化。第三章：常見的幾種噪聲和本設計所用的圖像降噪類型及其對比。第四章：圖像分割技術，獲取到移動目標并進行目標提取和背景置黑，并進行圖像形態(tài)學優(yōu)化。第五章：布防設計，根據移動目標與整幅圖像的比例關系設置是否警告等內容。2數字圖像基礎2.1圖像的取樣和量化無論是在日常生活中，還是科研技術，使用和接收到的圖像大都是模擬信。在圖像處理中，傳感器接收到圖像后再輸出連續(xù)的電壓波形，但對于計算機處理器只能處理數字信號，這時就需要把接收到的連續(xù)信號轉化為數字信號。為了形成一幅計算機可以處理的數字圖像，把接收到連續(xù)的信號轉換為數字形式，這一個過程就可以稱之為取樣和量化。傳感器接收到的一幅圖像，如圖2.1所示，如果要把這幅圖像轉換成數字信號，首先，對這幅連續(xù)的圖像等間隔的在幅度上取樣,這里要注意的是對于圖像的取樣是對圖像的灰度級進行取樣，該圖像的灰度級，圖2.2所示。其次，再在時間上等間隔地對幅度進行取樣，如圖2.3所示，這時就得到了一組取樣函數。但對于要最后得到的圖像來說，取樣點的灰度值不是很統(tǒng)一，這時需要在縱向上對灰度級進行分級，最簡單的就是8個灰度級，從0到7分別映射為從黑到白中間的灰度級變換。完成以上步驟大體得到了一個離散的數字信號，但這時還需要對離散的灰度值進行量化，就是在圖2.3的基礎上，根據之前規(guī)定的灰度級級別對取樣的灰度值賦值，賦值的大小是由取樣的垂直接近程度。如圖2.4所示。完成了以上三個步驟就基本完成了圖像的取樣和量化過程。圖2.1原始圖像圖2.2圖像一維灰度曲線圖2.3圖像取樣圖2.4量化后的灰度圖2.2圖像灰度變換圖像的灰度變換是把對圖像的變換定義為一個變換域，然后對輸入圖像進行變換，最后輸出的圖像是根據計算機修改的變換反變換得到的，輸入與輸出的圖像是在空間域完成的。簡而言之就是把預變換的圖像從空間域到變換域在回到空間域，如圖2.5所示。g(x,y)g(x,y)變換運算Rf(x,y)反變換空間域空間域變換域圖2.5灰度轉化流程灰度變換的計算公式為：（式2.1）2.3灰度變換函數2.3.1彩色圖變?yōu)榛叶葓D在日常生活和實驗中，所接收到的圖像大多數都是彩色的，但如果想把一個彩色的圖像想轉換成灰度圖就可以用rgb2gray這個函數，公式為：（式2.2）如圖2.6所示，是本次設計中視頻監(jiān)控到的一幀的彩色圖像，但如果要進行后續(xù)的圖像處理就需要把圖像轉換為灰度圖，使用式2.2就可以實現，如圖2.7所示，為所得到的灰度圖。圖2.6原始圖像圖2.7灰度處理后的圖像2.3.2圖像二值化圖像二值化主要是基于是根據某一特定的灰度值值來劃分圖像，也就是閾值的處理，如圖2.8所示是一張圖像的灰度直方圖。根據該直方圖可以看出：該圖像灰度值明顯劃分為兩個區(qū)域，可能是在灰度值較暗的地方存在某些灰度值較高的明亮物體，因此該圖像的背景和圖像的主體的灰度級就分為兩種主要模式。當需要從一幅圖像的灰度值較暗的區(qū)域中提取出灰度值較高的某些部分就可以使用到閾值處理，確定一個閾值T來分割背景與主體。圖像中灰度級〉T的部分為主體；灰度級≦T的部分則為背景，如式2.3所示。結果為a的像素就為圖像主體，結果為b的像素為圖像背景。一般最后設a=1（白色）；b=1（黑色）。圖2.8灰度直方圖（式2.3）當閾值T為一個常數適用于整幅圖像時，上述方法就成為全局閾值處理。對于一幅灰度直方圖分布不均勻的圖像來說，閾值T的選取是需要多次迭代變換，最終才能很好地分割出一幅圖像的背景和主體。通常，在圖像處理中，優(yōu)先考慮使用一個可以根據圖像的灰度信息自動生成的灰度值對圖像進行分割，并且能實時更新最優(yōu)灰度值，具體過程如下：初步計算，為圖像選取一個合適劃分圖像灰度值的估計閾值T。使用閾值T劃分圖像灰度級，此時會產生兩組像素，所有大于T的像素的灰度值歸為P1組；所有小于T的像素值歸為P2組[3]。分別計算兩組P1和P2所有像素的灰度值的平均值m1和m2。重新使用式2.4選取一個能分割圖像灰度級的新閾值：（式2.4）重復上述的步驟2至步驟4，直到后續(xù)迭代中T的差小于一個預定義的值。使用im2bw分割圖像，如式2.5所示，其中den是一個整數（8比特圖像，den就為255）：（式2.5）3.圖像降噪這一章介紹了圖像傳輸時出現的幾種噪聲類型，并講述了本次設計所用到的兩種降噪方法：均值濾波和中值濾波，并進行了兩組對比，通過對比更直觀的來了解兩種濾波的優(yōu)缺點。在接收到一幅圖像時，圖像會由于某些不可抗拒的原因受到噪聲的影響從而降低圖像的質量。噪聲在一幅圖像的灰度級可以理解為突變的部分，如果想去掉噪聲就需要把灰度級突變的地方平滑一下，平滑的目的就是保留圖像某些基本信息不被損壞的前提下,盡可能地減少噪聲對圖像帶來的負面影響,提高視覺美觀。3.1噪聲圖像處理中提到的噪聲與日常生活中所接觸到的噪聲是不一樣的。數字圖像處理中噪聲的產生常常是因為在傳輸接收圖像中，傳感器自身的影響和外界環(huán)境的影響，或者傳輸圖像時信道產生的一些干擾。比如，在無線網絡傳輸圖像時，就可能會因為太陽光照或者大氣環(huán)境的影響會影響圖像的質量，使圖像出現噪聲污染[3][4][5]。在圖像處理中常見的噪聲類型有：1.椒鹽噪聲椒鹽噪聲又稱為脈沖噪聲，是\t"/item/%E6%A4%92%E7%9B%90%E5%99%AA%E5%A3%B0/_blank"圖像處理中經常遇到的一種\t"/item/%E6%A4%92%E7%9B%90%E5%99%AA%E5%A3%B0/_blank"噪聲類型。椒鹽噪聲具體表現為一種隨機出現在圖上上的白點或者黑點，可能是在灰度級較高的區(qū)域出現黑點，或者是在灰度級較低的區(qū)域出現暗點。然而，導致椒鹽噪聲產生的原因可能是在圖像傳輸過程中影像訊號受到強烈的干擾。在數字圖像處理中，信道脈沖的污染與圖像信號的強度相比，脈沖的污染大多數情況下在圖像中區(qū)域覆蓋比較廣泛，影響比較嚴重，椒鹽噪聲一般在圖像中呈現為黑色或者白色的噪聲點，灰度值為圖像灰度級范圍內的最大灰度值或者最小灰度值。2.高斯噪聲高斯噪聲又稱為正態(tài)噪聲，因為它的\t"/item/%E9%AB%98%E6%96%AF%E5%99%AA%E5%A3%B0/_blank"概率密度函數服從\t"/item/%E9%AB%98%E6%96%AF%E5%99%AA%E5%A3%B0/_blank"高斯分布[4]如式3.1所示：（式3.1）像起伏噪聲、宇宙噪聲、熱噪聲和散粒噪聲等都是比較常見的高斯噪聲[5]。高斯噪聲在數學形式來看是比較容易處理的，所以在通信信道測試和建模中，高斯噪聲被用作加性白噪聲來產生加性白噪聲。3.2圖像降噪3.2.1理論知識在本次設計中，使用到了兩種降噪模型：1.均值濾波均值濾波又可稱為平滑濾波，是基于圖像領域間的關系進行操作的。均值濾波所使用到的濾波器是一種常見的線性濾波器，均值濾波器的模板是一個m*n的巨型窗口，以中心點f(x,y)周圍的m*n個像素點為一組，計算它們灰度值的算術均值（如式3.2所示），來代替原先f(x,y)該點處的灰度值：（式3.2）最常見的模板一般為3*3的模板，在這次設計中也是使用的3*3的模板，則濾波器的系數為1/9，但對于均值濾波而言。2.中值濾波相較于均值濾波，中值濾波使用到的濾波器是一種非線性濾波器[6]。該濾波器把模板內像素的灰度值從低到高或者從高到低重新進行排序，然后取用中間值來代替原始的灰度值，即：（式3.3）中值濾波的結果與模板包含的像素數目有關，當數目為奇數個時，選取中間的灰度值來代替原先的灰度值；當個數為偶數個時，選取中間兩個灰度值的平均值來代替原先的灰度值。降噪處理的意義：在后續(xù)的圖像處理中，會使用到圖像分割，其中會用到閾值處理，而一幅圖像中的噪聲會隨機分布在圖像所有位置，噪聲的灰度值也是隨機分布的。如果沒有進行降噪處理，那么，在進行下一步的圖像分割中，噪聲會把根據圖像閾值進行圖像灰度級分割這一簡單的問題變成非常棘手的問題，因為噪聲的隨機性，使得閾值分割會誤判噪聲為圖像背景或者主體，此時，處理后的圖像還是會有噪聲的污染，并且不能完全的分割出圖像背景與主體。所以，在進行后續(xù)步驟之前，先要進行降噪處理。3.2.2圖像降噪實現考慮到噪聲會對圖像產生一些不好的影響，所以在提取監(jiān)測目標之前首先對圖像進行降噪處理，本次設計用到了均值濾波與中值濾波兩種降噪方法。首先對監(jiān)控視頻所獲取到的幀圖像進行灰度轉換如圖3.1所示。為了能明顯地區(qū)分兩種降噪處理方式的優(yōu)缺點，分別進行兩組對比：第一組：首先把椒鹽噪聲這種隨機分布的孤立噪聲點添加進原始灰度圖中，如圖3.2所示；然后對灰度圖降噪處理，使用均值濾波降噪，如圖3.3所示；使用中值濾波降噪，如圖3.4所示；同時對比兩幅圖像，判別兩種方法的優(yōu)缺點：圖3.1原始灰度圖像圖3.2加噪后的圖像圖3.3均值處理后圖像圖3.4中值處理后圖像第二組對比：分別用均值濾波和中值濾波對原灰度圖降噪處理，結果如圖3.2、圖3.3所示：圖3.1原始灰度圖像圖3.5均值處理后圖像圖3.6中值處理后圖像結果分析：根據第一組對比，在原圖像上加入了椒鹽噪聲，使得圖像隨機分布著一些孤立的黑點白點，經過均值濾波和中值濾波對比可以看出：對于椒鹽噪聲而言，均值濾波雖然能在保留圖像原始信息的基礎上去除一些噪聲的污染，改善圖像的質量，但它的降噪效果不好，圖像中還是存在一些肉眼可見的噪聲污染；而中值濾波則能很好的降噪能力則更完善一點，不僅保留了原始圖像的基本信息，在肉眼觀察范圍內幾乎沒有噪聲的污染情況，降噪效果較好。通過兩組對比發(fā)現：均值濾波器的主要表現就是去除圖像中的不要緊的細節(jié)，均值濾波在平滑脈沖的噪聲效果非常顯著，但它的主要缺點是無法完全去掉噪聲，只能在一定程度上減弱噪聲的影響，同時也會模糊掉圖像一些比較重要的細節(jié)部分，雖然不是噪聲，但由于該處灰度值與周圍灰度值差異較大，就會被模糊掉，因此造成圖像中某些重要細節(jié)的缺失，不能真正的去除噪聲點。濾波模板的鄰域越大，在去噪能力增強的同時模糊程度越嚴重[7]。相較于均值濾波，就中值濾波而言，中值濾波對噪聲的削弱能力則比較強，可以消除圖像中存在的一些單獨存在的噪聲點，也可以很好地對圖像進行灰度平滑處理，對于某些隨機噪聲也可以很好地進行降噪處理，采用中值濾波降噪的好處是程序算法簡便，處理時間較短，并且不會改變圖像的基本信息，中值噪聲是將圖像中沒有被噪聲影響的像素點取代了被影響的像素點,所以可以很好削減噪聲的影響,同時保持圖像物體的邊緣不被模糊。但中值濾波對圖像的原始信息中存在很多尖銳突變的灰度值的情況不能很好地適應，如果采用中值濾波的處理上述情況的圖像很容易在濾波的同時把圖像中的重要細節(jié)也過濾掉。中值濾波是\t"/item/%E6%A4%92%E7%9B%90%E5%99%AA%E5%A3%B0/_blank"圖像處理中的一個常用步驟，它對于斑點噪聲和\t"/item/%E6%A4%92%E7%9B%90%E5%99%AA%E5%A3%B0/_blank"椒鹽噪聲來說尤其有用，保存邊緣的特性使它在不希望出現邊緣模糊的場合也很有用[8]。但具體觀察第二組的對比發(fā)現，對于本次視頻圖像而言，均值濾波與中值濾波在肉眼觀察范圍內并無明顯的區(qū)別，但考慮到中值濾波相較于均值濾波能夠更好地對噪聲進行處理，并且能較好地保存圖像的原始信息，因此在進行后續(xù)的圖像分割步驟前，使用到中值濾波對圖像進行降噪處理。4圖像分割這一章主要是對于目標提取的介紹和仿真實現。目標提取的實質就是圖像分割，把監(jiān)測目標與背景分割開，因為本次設計背景是靜止的，所以只用考慮對視頻監(jiān)控中移動物體的檢測。還介紹了對于視頻這種連續(xù)的圖像如果要截取監(jiān)測的移動目標用到的方法：幀差法與背景幀差法，并進行了對比分析兩者的優(yōu)缺點。4.1理論知識圖像分割是把圖像細化分為多個區(qū)域，主要就是將圖像劃分為構成它的主體與背景，分割的精確程度與目標任務有關，在實際情況中，當所需要的物體區(qū)域已經被監(jiān)測到就可以停止分割。但圖像分割對于一些結構復雜的圖像的提取是比較困難的，分割的精度決定了計算分析以及后續(xù)主體獲取的最終成敗。所以，在進行圖像分割前首先進行圖像降噪處理是非常必要的。圖像的不連續(xù)性和相似性是圖像分割的兩個基本性質。對于不連續(xù)的灰度，圖像分割就是把灰度值與周圍灰度值差值較大的部分提取出來，比如物體的輪廓，閾值處理就是用到了這種方法；對于圖像灰度值相近，主要的辦法就是實現規(guī)定一些分割標準，然后根據規(guī)定的標準分割圖像。圖像分割技術在實際應用中也常用到，比如在產品生產中，利用這項技術可以識別出有無缺少的零件，在電路生產中可以檢測出有無電線遺漏等。利用圖像分割不需要精確識別每項元件物體，只需要檢測出有無遺漏缺少的地方便可。對于圖像分割處理，可以利用圖像灰度值的不連續(xù)性與相似性，這是基于圖像灰度值的突變和預定義的規(guī)則來進行分割。圖像分割的基本思路為基于閾值處理，把一幅圖像的主體與背景區(qū)分開來。若假設一幅圖像的大小為P，然后對圖像進行分割，即把P分成若干個子區(qū)域，這個過程需要滿足以下幾個要求：分割是完全的，圖像的每個像素都必須在分割區(qū)域中，即（i=1）[9]。劃分的某個區(qū)域具有連通性，在內全部的像素點之間存在一條通路可以連接，i=1，2，3...，n。劃分的區(qū)域是相對獨立的，即，。一個區(qū)域的所有像素都必須滿足某個屬性，比如都必須小于某個特定的值，或者都在某個邊界之外等，即，i=1，2，3...，n?；诘谒臈l，任何兩個相鄰的區(qū)域對于某個屬性是不同的，比如兩個區(qū)域、像素的灰度值不能相同，或者兩個區(qū)域不能都在某個邊界之內，即像最基本的閾值處理就是劃分的區(qū)域內的灰度值都大于（或者小于）確定的閾值，并且每個區(qū)域內的像素灰度值與另一個區(qū)域都不同。4.1.1幀差法本次設計用到獲取移動目標的方法是幀差法。幀差法在處理由連續(xù)的幀圖像組成的視頻是非常實用的。幀差法顧名思義就是幀與幀之間的差距，利用視頻連續(xù)兩幀的前后差異來進行移動目標的監(jiān)測與獲取，因為背景是靜止的，所以前后兩幀不同的地方就是視頻中的移動物體。幀差法的公式如式4.1所示，大體過程如下圖4.1所示：（式4.1）連通性延遲二值化判別連通性延遲二值化判別圖4.1幀差法流程圖幀差法的基本思路就是：首先，獲取視頻前后兩幀圖像和，然后用公式4.1計算兩幀之間的差別，得到差分后的圖像。然后，對得到的差分圖像進行二值化（如式4.2所示）處理得到新的圖像。最后，對得到的新圖像進行連通性分析，判斷目標的邊緣，得到要監(jiān)測的目標。（式4.2）4.1.2背景差分法基于背景差分的圖像分割相比較于幀差法，背景差分法的算法比較簡單，運行速度也比較快，如今在圖像處理中得到了廣泛地應用。背景差分法用過前景與背景的減運算，進行目標提取。該算法主要包括背景模型的建立、背景差分、背景模型更新，首先對視頻監(jiān)控構造一個背景模型[10]。使用式4.3和式4.4計算系統(tǒng)獲取到當前的一幀圖像與背景圖像進行對應像素點灰度值得差分運算，然后對差分后的圖像進行二值化，并且對二值化的圖像進行連通性分析。當某一連通區(qū)域的像素值大于某一閾值，則就認為監(jiān)測目標出現，并且認為這個連通的區(qū)域就為提取出的目標圖像[11]。背景幀差法的流程如圖4.2所示：（式4.3）（式4.4）連通性背景圖像二值化判別連通性背景圖像二值化判別圖4.2背景差分流程圖背景差分法就是使用背景模型中的背景圖像與系統(tǒng)截取到的當前幀做減法運算，因此稱為背景差分法，最終提取到監(jiān)測目標的準確程度與背景模型的建立密切相關。若在運算時沒有及時地對背景模型中的圖像實時更新，后續(xù)背景的變化則會導致對移動目標的監(jiān)測產生比較嚴重的失誤，比如一天中太陽光線的變換在一定時間段內可能會超出監(jiān)測范圍，此時這部分的背景就會被誤判為圖像的前景運動物體。因此，在使用背景差分法進行圖像分割時，背景模型建立的精確度是非常有必要的，以便可以適應于外界環(huán)境的變換。背景差分法背景模型的更新是背景差分法的關鍵之處，更新方法也是算法的核心要素。因此?？梢宰屵\行平均背景模型采用逐幀更新，這個方法廣泛應用于計算機進行圖像處理中，因為運行速度快，占用的內存很少。但若背景中存在運動物體，就會對該方法產生干擾，造成背景誤差。雖然已經很多研究者都對背景差分法的更新做出相應的改進，但目前還沒有一種可以同時適應于室內外相對復雜的環(huán)境進行背景更新的方法，針對不同情況、不同應用，需要按照具體的情況要求對背景進行更新，使背景模型能夠近似于真實場景模擬。4.2圖像分割實現4.2.1初步實現為了使本次設計能夠更加準確地提取監(jiān)測目標，對上述提到的兩種圖像分割方法進行對比，擇優(yōu)采用。使用幀差法對視頻進行目標提取，MATLAB仿真后的結果如圖4.2所示；使用背景差分法獲取視頻中移動的監(jiān)測目標，MATLAB仿真后的結果如圖4.3所示；然后對兩幅圖像進行閾值處理，二值化兩幅圖像，如圖4.4、圖4.5所示：圖4.2幀差法處理后的圖像圖4.3背景差分法處理后圖像圖4.4二值化幀差法圖像圖4.5二值化背景差分法圖像因為本次設計使用的監(jiān)控視頻只有一個移動目標，所以在獲取圖像時比較容易。通過兩組對比可以發(fā)現使用幀差法來進行目標的獲取優(yōu)點有以下幾點：算法仿真難度低，比較容易實現。對于實時監(jiān)控來說，比較容易監(jiān)控。因為是使用前后相鄰兩幀來做差分，時間間隔比較短，因此對于日常監(jiān)控來說，對外界環(huán)境的影響不會很敏感，比如太陽光線。但通過圖像，還是能比較直觀地發(fā)現幀差法所存在的一些問題：對于目標的提取比較模糊，目標邊緣粗糙。當出現多個移動目標時，可能會出現誤判移動目標。當監(jiān)測移動目標灰度值與背景相近時，可能會導致檢測目標邊緣提取失誤[12]。相對于幀差法，背景差分法則能較好地分割圖像，提取出監(jiān)測目標，但背景差分法對光線比較敏感，等光線亮度累積到一定程度可能會對目標提取造成誤差。4.2.2圖像形態(tài)優(yōu)化通過上述對比圖還是發(fā)現，盡管背景差分法的效果對與幀差法來說效果好一點，但還是能明顯地看出兩種方法可能存在不可避免的影響，比如背景圖像可能會有細微的變化或者圖像存在某些孤立的噪聲，因此對監(jiān)測目標的提取精確程度還是不夠，所以需要對監(jiān)測目標的提取進行形態(tài)學上的優(yōu)化，本次用到的形態(tài)學處理方法是腐蝕和膨脹，這兩種方法也是形態(tài)學處理的基礎。數學形態(tài)學描述的是一種集合，即對圖像中所有的對象的總稱。形態(tài)學的基本思路就是：為了能盡量對圖像進行更全面地分析和對圖像的目標進行更精確的識別和分析，采用具備某一特定形態(tài)的結構元素去衡量圖像中的對應形狀的方法。使用形態(tài)學可以簡化圖像中某些比較復雜的元素，并同時保持圖像的進本特性，去除某些不必要的元素。形態(tài)學處理可以在程序中并行運算，并且算法比較簡單，計算難度較低，在處理實時的視頻圖像中非常適用。數學形態(tài)研究的前提是圖像為二值圖像，因此形態(tài)學處理也可稱之為二值形態(tài)學，利用一組形態(tài)學的代數運算，推導出數學形態(tài)學的實際算法，為下一步對圖形形狀結構分析的實現做鋪墊。首先對形態(tài)學進行一個簡單地介紹：二值形態(tài)學運算對象是集合，通常假設A為圖像集合，B為圖像中的結構元素，運用B對A進行形態(tài)學運算，對每個結構元素，指定一個原點，該點為參與形態(tài)學運算的結構運算的參考點。腐蝕與膨脹互為對偶運算，腐蝕的作用是收縮圖像，膨脹的作用是放大圖像形態(tài)學的運算尺寸[13]。腐蝕腐蝕的算子為，使用B對A進行腐蝕，定義為式4.4：（式4.4）式4.4的含義為：使用B對A進行腐蝕的結果是所有點x的集合，B平移x個單位后仍然在A中，簡而言之就是，用B來腐蝕A得到的集合是B完全包含在A中時B的原點位置的集合。對圖像進行腐蝕運算的作用是消除物體的邊界點，腐蝕可以把小于結構元素的物體去掉，此外，如果兩個物體存在某些細微的連接，當選擇一個較大的結構體時，通過腐蝕可以把兩個物體分離開[14]。膨脹膨脹的算子為，使用B對A進行膨脹，定義為式4.5：（式4.5）式4.4的含義為：首先對B做關于原點的映射，再將映射后的平移x個單位，此時A與的交集不是空集，換句話說就是，用B來膨脹A得到的集合是B的映射的位移與A至少有一個非零元素相交是B的原點位置的集合[15]。因此式4.5也可寫成式4.6：（式4.6）膨脹的操作可以利用卷積的知識進行理解，如果把B看成為一個卷積模板，膨脹就是先對B做關于原點的映射，再將映像連續(xù)地在A上移動而實現。膨脹運算的作用是把圖像周圍的背景點合并到物體中，如果兩個物體之間距離比較近，那么膨脹運算可能會使兩個物體連通在一起，但膨脹對填補圖像分割產生的物體空洞有良好的效果。因為考慮到之前在圖像分割時，對監(jiān)測目標的獲取效果還有待改進，所以進行的腐蝕和膨脹的處理，處理后的圖像和二值化后圖像如圖4.6、圖4.7、圖4.8、圖4.9所示：圖4.6膨脹腐蝕幀差法圖像圖4.7膨脹腐蝕背景差分法圖像圖4.8二值化膨脹腐蝕幀差法圖像圖4.9二值化膨脹腐蝕背景差分法圖像通過與圖4.4、圖4.5對比發(fā)現，經過膨脹處理后的圖像分割，對于監(jiān)測物體的提取相較之前有明顯地改善。觀察經過形態(tài)學處理后的圖像細節(jié)，如圖4.10所示，可以基本能發(fā)現監(jiān)測目標的輪廓：圖4.10目標輪廓但還是能發(fā)現對于目標提取的效果還是有待改進。但通過觀察沒有經過形態(tài)學改進前的圖像細節(jié)，如圖4.11所示，紅色圈出來的地方經過形態(tài)學處理后消失了，對于目標的提取是有進步的。圖4.11形態(tài)處理前圖像細節(jié)但觀察形態(tài)學處理后的圖像，發(fā)現圖像的輪廓邊緣有很多類似小方塊的堆積，如圖4.12所示：圖4.12圖像邊緣細節(jié)這是因為在背景差分后，目標比較散，被分成了很多小塊，所以用到了在形態(tài)學處理后，經過膨脹把目標粘連在一起，但與此同時監(jiān)測目標的邊緣也被擴大，所以就造成了在圖像邊緣處有很多小方塊的堆積；同時，因為監(jiān)空圖像受到光線的影響產生了影子的干擾，所以對目標的提取還是不夠精確。由于考慮到本次設計光線變換不是很強烈，并且背景差分法能在獲取圖像的同時還能在計算機中快速運行并且占用內存較少，所以本次設計使用的是背景差分法進行圖像分割，并同時進行圖像形態(tài)學處理，對分割后的圖像進行腐蝕和膨脹。5布防設計本章主要是在已經對視頻圖像進行了灰度轉換、降噪處理、圖像分割和形態(tài)學優(yōu)化的基礎上，完善系統(tǒng)對移動目標的監(jiān)測。5.1問題分析在實際視頻監(jiān)控中，一個視頻可能會同時出現多個移動目標，但很多移動目標是不需要被監(jiān)測的，比如吹落的樹葉、舞動的小鳥等，所以對于視頻中監(jiān)測目標大小的設置還是需要考慮的。對于一些安全監(jiān)測，比如家門口的監(jiān)控：監(jiān)控畫面可能會寬，但如果當移動目標在某個區(qū)域范圍停留時間過久，就要考慮安全問題，此時就需要對監(jiān)測人員進行警告。因此，對監(jiān)測畫面布防區(qū)域和移動目標在該布防區(qū)域停留的時間也是可以考慮的。對于一些視頻監(jiān)測，監(jiān)測人員可能在一天不同的時間段精力也不一樣。所以，在布防設計時，可以對布防時間進行設置：白天，監(jiān)測人員精力比較旺盛時，就可以設置不進行布防；當時間較晚，監(jiān)測人員精力比較疲憊時，就可以設置一直布防。5.2布防實現對于上述所提到的三點問題，在進行MATLAB程序設計時，設計并不復雜。在編譯程序進行仿真，得到的結果如下圖所示：如圖5.1所示，紅色方框標示的是設置的布防區(qū)域，當有移動目標進入該區(qū)域時，系統(tǒng)將對監(jiān)測人員進行警告，如圖5.2所示圖5.1布防設計圖5.2警告根據仿真結果可以明顯地看到，當有移動目標侵入事先選定的區(qū)域時，就會對監(jiān)測人員發(fā)出警告。對于布防時間的設計是比較簡單的，首先設計布防時間；然后在設計是否布防，具體程序語句如下：;（式5.1）這句話是設計的布防時間，時間為幀數，比如t=600,幀數小于600，不報警，大于600且設防，就報警;（式5.2）這句話是設計是否設防，當defence的值為0，則表示不用布防；當defence的值為1，則表示需要布防。參考文獻［1］崔琳.航空相機操縱器圖像處理技術研究[D].長春理工大學，2010.［2］袁博.基于FPGA的光譜圖像實時處理技術研究[D].中國科學院大學，2016.［3］張皓.基于視覺顯著性的芯棒缺陷檢測[D].北京郵電大學，2017.［4］張玉峰.基于OpenCV的運動車輛目標檢測與跟蹤研究[D].安徽理工大學，2018.\o"期刊分析"［5］陳浩.基于小波變換的量子圖像去噪算法研究[D].南昌航空大學，2019.［6］及增值.多目標視覺輔助剛體構件對接技術研究與實現[D].北方工業(yè)大學，2015.［7］宿敬肖.基于機器視覺的液劑異物檢測研究算法[D].西安建筑科技大學，2007.［8］周宗思.全方位視覺技術及其在移動機器人導航中的應用[D].浙江工業(yè)大學，2009.［9］譚志存，杜峰.基于灰度圖像分割的改進遺傳算法[J].科技風，2011,000(022):18.［10］曹朋朋.智能視頻監(jiān)控系統(tǒng)中運動目標的檢測與跟蹤.西安電子科技大學，2010.［11］廉正.動態(tài)背景下運動目標分割技術研究[D].長春理工大學，2009.［12］魯書山.移動目標檢測與跟蹤技術的研究及MATLAB的實現].中北大學，2017.［13］李學華.基于識別的圓形鋼管計數方法研究[D].山東科技大學，2005.［14］周龍，黃凌霄，牟懌，etal.數學形態(tài)學方法在儲量害蟲圖像預處理中的應用[J].華中科技大學學報:自然科學版，2008(2):85-87［15］董曉慶.運動監(jiān)測算法研究及其在智能監(jiān)控中的應用[D].廣東工業(yè)大學，2008.謝辭衷心的感謝我的指導老師孟穎老師，是她嚴肅的科學態(tài)度，嚴謹的教學精神，精益求精的工作作風，深深感染和激勵著我。在之前的學期，我非常榮幸上過老師兩個學期的課程，老師學識淵博，工作嚴謹，品德高尚，平易近人，在我學習期間，不僅教授我學習知識，更是教導我很多做事的準則，使我在以后的學習生活中更加規(guī)范我自己，受益匪淺。在我這次論文寫作中，出現了很多問題，但老師始終耐心地給我指導，幫助我解決問題和給我不懈的支持。感謝老師在教學中嚴謹的態(tài)度和平日里對我不懈的幫助。在此向老師致以我最真誠的謝意和崇高的致敬。同時，我也要感謝我的一些同學，是他們在我遇到問題時，向我伸出了援手，幫助我解答很多問題。這次的課題對我來說還是有些陌生的，雖然有些知識是之前學過的，但學的還是很片面的，在這次設計中，我學到了更深層次的東西。時光匆匆，轉眼就到了要畢業(yè)的時候，在北京理工大學珠海學院的這四年，在信息學院的這四年是我人生中非常重要的思念，是我從學校到社會的過渡。感謝這四年來，信息學院的老師們對我的辛勤付出，感謝我的同學對我的關切幫助。路漫漫其修遠兮，吾將上下而求索。知識的學習是無止境的，在今后的學習生活中，我會秉持著不忘初心的信念，繼續(xù)砥礪前進。附錄程序源代碼video='1.mp4'obj=VideoReader(video); %讀取視頻文件numFrames=obj.NumberOfFrames;%視頻總的幀數originalframe=read(obj,1);[cm,cn]=size(originalframe);ca=cm*cn; %圖像總面積%fort=1:numFrames%frame=read(obj,t);%%I=rgb2gray(frame)%%保存每一幀圖片%imwrite(frame,strcat('D:\picture\',num2str(t),'.jpg'),'jpg');%endfig=figure(1);%originalframe=rgb2gray(originalframe);imshow(originalframe);rect=getrect(fig); %顯示圖片后用矩形畫出檢測區(qū)域frame1=read(obj,1);frame1=imcrop(frame1,rect);Background=imread('背景.jpg'); %讀取背景圖像，構建背景模型Background1=rgb2gray(Background);Background=medfilt2(Background); %中值濾波去除圖像噪聲Background1=double(Background1);Background=imcrop(Background,rect);Background=rgb2gray(Background);Background=imfilter(Background,I_3);Background=double(Background);%背景更新過程t=300;%設防時間，時間為幀數，比如t=600,幀數小于600，不報警，大于600且設防，就報警defence=1; %是否設防，0表示不設防，1設防fori=320:numFramesCurrentImage=read(obj,i); %當前幀showImage=CurrentImage;CurrentImage=rgb2gray(CurrentImage);CurrentImage=medfilt2(CurrentImage);%中值濾波去除圖像噪聲CurrentImage=imfilter(CurrentImage,I_3);imshow(CurrentImage);CurrentImage=double(CurrentImage);back=abs(CurrentImage-Background1);back=uint8(back);BWsave=im2bw(back,0.15); %根據閾值對差分后的圖像進行二值化SE=strel('square',3);%結構元素BWerode=imerode(BWsave,SE);%對二值圖像進行腐蝕，以消除微小變動的區(qū)域saveimage=bwmorph(BWsave,'dilate',5); %膨脹imwrite(saveimage,strcat('picture\',num2str(i),'.jpg'),'jpg');area=regionprops(saveimage,'Area'); %計算區(qū)域面積sumarea=0;length=size(area);forg=1:length(1)sumarea=sumarea+area(g).Area; %計算目標面積endscale=sumarea/ca*100; %目標占面積比例CurrentImage=imcrop(CurrentImage,rect);Cut=abs(CurrentImage-Background); %前景與背景差分Cut=uint8(Cut);%level1=graythresh(Cut); %確定灰度閾值BWCut=im2bw(Cut,0.15); %根據閾值對差分后的圖像進行二值化SE=[010;111;010];BWCutero=imerode(BWCut,SE); %對二值圖像進行腐蝕，以消除微小變動的區(qū)域BWCuterodil=bwmorph(BWCutero,'dilate',9); %膨脹figure(2);imshow(BWCuterodil);imshow(showImage);ifdefence==1&&i>t&&scale>0.2%報警條件，設防且在報警時間內,面積超出一定比例（這里畫面太大，所以比例有點?。L,nm]=bwlabel(BWCuterodil,8);%找出圖像中的八連通區(qū)域，視為物體所在的區(qū)域ifnm~=0forj=1:nm[r,c]=find(L==j);left=min(c);right=max(c);top=min(r);buttom=max(r);width=right-left+1;height=buttom-top+1;rectangle('Position',rect,'EdgeColor','r');%對設防區(qū)域標記，有人進入，紅色顯示rectangle('Position',[left+rect(1),top+rect(2),width,height],'EdgeColor','r');%對物體用矩形標記text(30,30,'警告','Color','red','FontSize',16);%顯示報警endpause(0.0001);elserectangle('Position',rect,'EdgeColor','r');%對設防區(qū)域標記，有人進入，紅色顯示pause(0.0001);endelserectangle('Position',rect,'EdgeColor','b');%標記設防區(qū)域，沒人進入時，藍色顯示pause(0.0001);endend

HYPERLINK如何選擇組裝電腦配件

如何選擇組裝的電腦配件．

第一，選擇好CPU平臺，就是INTER還是AMD，看你是要配什么樣的電腦，高端還是低端的，兩個平臺都高低的產品。第二，選擇主板了，主板的品牌比較多，質量，價格也不一，當你第一步卻定了，那么主板也就相應的卻定下來了，以INTER為例，只可以選擇775接口的主板（早期有478接口的，不推薦），主板的選擇主要有兩種，一是集成顯卡，二是不集成顯卡。集成顯卡的話，就可以省下顯卡的錢，但是對游戲玩家不推薦。那么當然是選擇不集成顯卡的主板了，而且最好選擇一線品牌，如華碩，技嘉等。主板里，還有個蕊片組的選擇。關于蕊片組，各個品牌的主板命名有些不一樣，主流是INTER965，945，915，VIA的KT890，還有NFORCE4，NFORCE5。等。比較難說清楚。最好是選擇INTER的蕊片組，雖然價格會稍高一些。推薦945，技術比較成熟。第三，顯卡的選擇。顯卡主要還是有兩類品牌，GEFORCE和ATI，兩個品牌有高，中，低的顯卡。顯卡選擇要看你個人喜歡了，預算充足的話，最好是買中，高端的顯卡。

第四，就是內存了，內存關系電腦的穩(wěn)定性。當然是要好一點的。買一線品牌的?，F在配電腦，主流是DDR667，DDR800DDR1333第五，顯示器的選擇，推薦液晶。如何選擇硬件組裝電腦這是一個老生常談的問題了，這也是一個讓高手們顯示自己硬件功底的問題，同時這還是一個讓很多新手為之焦頭爛額的問題。該怎么配？具體配什么？怎樣配才能盡量減小瓶頸？本文就將從內到外，從理論到實踐，為朋友們抽絲剝繭一一道來。

一、CPU

作為一臺電腦最關鍵的組成部分，CPU確實起著舉足輕重的作用，但體現一臺電腦的綜合速度，并不是僅僅依靠CPU的，常常看到很多新手們在配電腦的時候，把CPU選的很好，但其他的東西諸如內存、主板、硬盤等都選的不太理想，好像這臺電腦速度的快慢就體現在CPU速度的快慢上似的。甚至很多著名的品牌機廠商，都推出過類似“P4+256M內存”的這種跛腳配置。其實對于一般的家用電腦而言，一個真正會配的高手，是不會把大量的錢花在CPU上的。家用電腦，畢竟不是做密集型科學計算用的，它講求的是多種媒體的配合工作，講求的是能一邊下載文件、一邊上網瀏覽網頁、一邊聽音樂、一邊還能打開其他的程序，在這種情況下，提升內存的容量比提升CPU的主頻對速度的影響要明顯的多。現今的中國家庭用戶，很多家長對于電腦一竅不通，他們只聽說“奔四”代表著速度快，并不知道整機速度的快慢除了CPU以外，還有很多其他的因素影響著它。但在買電腦的時候，最后做決定并掏錢的人，往往都是這些啥都不懂的家長們，于是就出現了上面的一幕：品牌機廠商為了能有更好的銷路、兼容機裝機店的銷售人員為了能拿到更多的獎金，開始違背良心來配置出這種高主頻處理器、低容量內存的跛腳電腦。說嚴重點，這是屬于對消費者的不負責任，是一種商業(yè)欺詐行為！同樣5000元的配置，高手配出來的賽揚，比新手配出來的P4還要快很多，曾經有一家全球著名的硬件網站在2003年的時候刊登過一篇關于配置家用電腦時各硬件占用總預算百分比的文章，文中很明確的提到了CPU的價錢最好不要超過總預算的10％－15％，我們雖然不能說他肯定完全正確，但至少人家是通過很多調查后得出的結論，有借鑒的理由。反觀現在的很多所謂的“低價奔四電腦”、“3999元買P4品牌機”之類的廣告，我想說的就是：你花了3999元，只買了一塊P4的處理器，其他的什么都沒有了！

二、內存

對于配置一臺電腦來說，內存是重頭戲，容量、速度、類型等等每一項指標都對最終的整機綜合速度起著至關重要的影響，尤其是內存的帶寬和容量。對于內存帶寬而言，很多人都認為400MHz、533MHz前端總線的賽揚四或P4，配單通道的DDR內存就足夠了，雙通道DDR內存是配合800MHz以上前端總線的P4處理器用的，其實這樣就大錯特錯了，哪怕是最老的賽揚四，都需要雙通道的DDR內存才能達到它的帶寬！也就是說，你如果選擇賽揚四1.8G，必須配合865以上的主板和至少雙通道DDR200的內存，才能滿足它的帶寬要求！稍微計算一下就可以得知：賽揚四1.8G的前端總線是400MHz，它的內存帶寬理論值是400MHz×64bit÷8＝3.2G/s，但當它裝在845系列的主板上時，由于845主板的限制，即使你插上能符合它帶寬要求的DDR400內存，也只能運行在DDR266上，這時的內存所能提供的帶寬是266MHz×64bit÷8＝2.1G/s，比3.2G/s要小很多，即使你通過BIOS里的內存調節(jié)選項往上調節(jié)一檔（也只能調節(jié)一檔而已），讓內存運行在DDR333下，所能提供的帶寬也僅僅是333MHz×64bit÷8＝2.66G/s，離3.2G/s還是有一定的距離，而內存帶寬的降低，能非常明顯的降低整機的綜合速度，運行任何程序都能明顯的感覺出來！所以如果想滿足賽揚1.8G處理器的內存帶寬要求，你必須要為它配置865以上的主板和雙通道的內存才行！P4亦是如此。很多人也許會問：那845系列的主板是配什么處理器的呢？我想回答你的就是：845系列的主板是屬于“不能用”的主板，因為處理器永遠比主板發(fā)展的快，當初Intel造出845系列的芯片組是為了能給當時的賽揚和P4提供一個過渡的平臺，不至于讓它們成為“沒有主板配合”的處理器而已，也是為了能在低端市場分一杯羹，而現今865甚至9xx系列的主板橫行的時候，845系列的主板確實是屬于“不能用”的主板了，滿足不了任何一款處理器的內存帶寬，造成性能上的嚴重低下，試問這種主板你會選擇么？即使配臺2000多元的超低價電腦，也不要去選擇845系列的主板，至少需要865以上的和雙通道內存才行，因為內存帶寬是一個非常影響系統(tǒng)性能的參數，倘若一味的為了省錢而配置845系列的主板，那就得不償失了。

內存的容量方面，應每個人對電腦的使用方向不同，容量的要求也是不同的，現在配置的家用電腦，筆者建議：如果不打游戲，或者是打打掃雷、紙牌之類的游戲，平時注重于上網瀏覽或者是聊天、看電影之類的應用的話，內存容量不應該低于1G；如果是偶爾打打單機游戲或者是網絡游戲，內存容量應該選擇在2G左右，如果是經常打大型的游戲或是進行HDTV視頻編輯等應用，那么4G的內存是必不可少的。

三、主板

一臺電腦的穩(wěn)定性和兼容性，一大部分是看主板的，一款優(yōu)秀的主板不僅需要擁有上等的用料和優(yōu)良的做工，還需要擁有合理的走線設計，那些沒有技術實力的三、四線主板廠家生產的主板，多數是采用公版走線，而且用料非常差，穩(wěn)定性不堪一擊，這種類型的主板，筆者建議寧愿不買電腦也不要配這種主板，否則以后將會是個淘氣的祖宗。對于家庭用戶，主板方面一定不能省錢，預算夠的話最好能買個一線的主板品牌，如果預算實在不足，二線的主板是底線了，不要再往下選擇了，畢竟家用電腦是用來使用的，不是用來整天維修的。再談到主板的用料，筆者常?？吹胶芏嘈率衷谂渲弥靼宓臅r候，貌似老鳥似的說某某品牌的主板好，某某品牌的不好，試問你知道它好在哪里么？不好在哪里么？這個就要看主板的用料了，雖然用料好的主板并不能代表一定是高檔主板，但最少能代表它的電氣性能出色。舉一個很簡單的例子吧：有A、B兩款主板，A主板的處理器供電濾波電容采用的是日系電容，B主板的處理器供電濾波電容采用的是臺系電容，那么基本上可以肯定的是：如果在電源輸出電壓的波動范圍比較大的情況下，A主板就比較能耐得住，而B主板就很容易產生電容鼓包、漏夜等情況。不要小看這小小的電容，筆者從一個開維修店的朋友那里得知，來維修主板的人，有80％的都是這幾個小電容損壞，究其原因，就是電源選擇的不好，導致了輸出電壓的不穩(wěn)定，久而久之最終導致這幾個小電容爆漿，并且詳細敘述了主板的品牌：“一線廠家的×碩牌主板就很少出現這種情況，但同樣為一線廠家的×星牌主板，經常遇到！原因就是前者的大部分主板使用的是日系電容，而后者的大部分主板為了省錢，選用的是臺系電容！”廠家的廣告不能信，宣傳也不能信，看到一個產品的廣告之后，你所能相信的唯一一點就是：地球上有這么個產品的存在！然后其他的就統(tǒng)統(tǒng)都不能信了！網上有好多所謂的“評測”文章，都是槍手寫的，基本上沒有任何參考余地，只能作為一篇小說來讀，一款主板的真正性能，只有你自己使用了之后才能知道。廠家為了銷量、商家為了利潤，他們能把最最垃圾的主板宣傳為最頂級的產品，筆者曾經就看到過一款四線品牌的主板廠商，在對其主流主板的廣告上說“最優(yōu)秀的設計、最精湛的工藝、最穩(wěn)定的性能”……結果一看報價：550元/塊……其他的話我也不想多說了，只想問問這家廠商：你這么垃圾的主板都用了三個“最”字，那么華碩的同芯片組主板，售價是你三倍的，應該用什么詞語來描述了？？中國有一句古話：一分錢一分貨，說的非常正確！不要認為價格高的主板就是暴利產品，從市場經濟學上說，暴利產品是不會被市場所接受的，之所以他能存活到今天，而且售價依然是這么高，肯定有他的理由，他在做工用料方面肯定比其他品牌的要好很多，成本高所以售價高，在此，筆者奉勸大家一句：買主板千萬不要憑僥幸心理，認為自己能花很少的錢買到很好的東西，只有錯買的沒有錯賣的，商家永遠都比你精明！主板上面還是老老實實的多花點錢來買個一線產品吧，否則以后有你吃苦的時候！

四、硬盤

現在的電腦，硬盤的速度當之無愧的成為了“第一大瓶頸”，無論你是再高的高手，配電腦的時候也無法消除這個瓶頸的存在，我們只有盡量的減小…再減小……。對于家用電腦的硬盤來說，容量和速度是兩個非常重要的參數，容量上而言，筆者建議：如果你的電腦只是上網瀏覽瀏覽、偶爾打打小游戲的，那么160G的硬盤是個不錯的選擇；如果你常常下載軟件或電影，那么250G的硬盤是個不錯的選擇，如果你是個下載狂人，那么400G的硬盤比較適合你；如果你有DV或者是經常編輯大型的視頻文件，那么400G×2比較適合你，如果你是個玩HDTV的人，那么恭喜你，400G×4也許你都不夠用。對于硬盤容量上的選擇，你不能考慮現在是否夠用，你應該考慮未來的1年里是否夠用，大概的公式是：現在需要的容量×3。也就是說，如果你現在感覺80G的硬盤差不多夠用了，那么你就需要買個250G的硬盤。如果你現在感覺120G的硬盤夠用了，那么就去買個400G的硬盤吧。硬盤另外的一個參數就是速度，受到內部傳輸率等諸多因素的限制，一塊硬盤的實際傳輸速度是不可能達到它的接口速度的，現在的并口硬盤基本上都是ATA133了，串口硬盤也都是150了，但民用級硬盤的實際傳輸速度最快的也還沒突破66M/s，所以跟內存相比，硬盤的速度是電腦中最大的瓶頸，那么怎么來減小這個瓶頸呢？于是人們就發(fā)明了RAID，就是磁盤陣列（當然RAID不是僅僅為了這個而發(fā)明的），用兩塊一模一樣的硬盤來組成RAID0，速度理論上能提高1倍，雖然實際上是不可能達到1倍的，但至少能非常非常明顯的感覺到了硬盤速度的提升，筆者建議：如果你買的主板是帶有RAID功能的，并且你需要保存的數據不是很重要的話，那么強烈建議你在預算允許的情況下購買兩塊硬盤來組建RAID0，這將使你能親身體會到飛機與火車的速度差別！但最好是串口的，如果是并口的話，因為并口走的是PCI總線，由于PCI總線上的設備比較多，所以速度不可能達到比較高的地步，但如果是串口的話，那么硬盤的速度提升將更加明顯！

五、顯示器

顯示器方面，筆者想澄清一個觀念：曾經聽過非常多的人說液晶顯示器保護眼睛，因為沒有輻射和閃爍……包括很多業(yè)內人士都這么認為的，其實錯了，液晶顯示器比普通的CRT還要傷眼睛！因為傷眼睛不僅僅是輻射和閃爍，還有對比度、亮度等參數，雖然液晶顯示器的輻射和閃爍比CRT要小的多，但它那要命的對比度、那要命的色澤度、還有那大于每平方米300cd的亮度，這些都會對眼睛造成很大的傷害，并且你即使將液晶顯示器的亮度和對比度調節(jié)到最低，也還是非常的刺眼。德國的一家權威機構做過一項調查：液晶顯示器用久了會使人的眼睛感覺到疲倦，甚至頭痛等癥狀，而使用相同時間的CRT顯示器，卻基本沒有這些情況出現?，F在的通過TCO03認證的CRT顯示器，其實外露的輻射已經相當小了，基本上對人已經沒有多大的傷害了，閃爍感也可以通過調節(jié)刷新率來降低，筆者實在是搞不懂為什么很多人非要去選擇液晶顯示器，還非要說液晶顯示器不傷眼睛？？一個最差的17寸液晶顯示器的價格，能買一臺不錯的、通過TCO03標準的19寸CRT了，顯示面積也差不多大，而且CRT又比液晶更保護眼睛，液晶顯示器唯一的一個優(yōu)點就是占用空間小而已，其他的統(tǒng)統(tǒng)是缺點，為什么不選擇CRT呢？？說到TCO03標準，現在很多的號稱是通過TCO03認證的顯示器，其實都是貼牌的，都沒有真正的通過，關于怎樣鑒別一臺TCO0