图像处理实验平台的对比研究.docVIP

图像处理实验平台的对比研究 　　[摘 要]图像处理是一门理论联系实际、看重实践的课程。本文对比、分析了常见的图像处理实验平台。可以为实验时的选择提供参考。 　　[关键词]图像处理 实验平台 解释器 　　中图分类号： TP391.41 文献标识码：A 文章编号：1009-914X（2014）01-0251-02 　　图像处理是一门理论结合实际的课程，涉及大量概率论、矩阵论的相关知识。为了使学生能较牢固掌握相关知识，该课程通常配有实验环节。尽管使用C/C++语言（例如在Windows上使用VC）调用其它的库，可以完成所有的图像处理操作，并且已经有相应图书可供参考，但是使用VC作为课程实验平台的难度较大，很容易使学生陷入C/C++语言、VC使用、各种库安装的细节，且编译过程花费时间，最终导致学生无法专注于了解图像处理的原理。所以在高校教学时，广泛采用Matlab作为图像处理实验的平台。但是，Matlab自身的一些特点，使得有些学生不容易熟练掌握；另一方面，随着计算机技术的发展，Matlab一枝独秀的局面也发生了变化，其他的解释性的语言逐渐走进大学教学课堂，下面将逐个进行介绍，并加以比较。 　　1、Matlab，http：// 　　Matlab是矩阵实验室（matrix laboratory）的简称，最初是Cleve为了方便学生学习线性代数而编写的免费软件；现在是MathWorks公司的商业产品。Matlab以矩阵为基本数据结构，直接支持复数，运算符和函数可以同时作用于数和矩阵。使用Matlab编写的的程序格式简单，如数学公式般简洁明了，所以用户无需太多时间学习就能全力解题。Matlab通过解释方式执行，无需编译和链接，所以可以提高编程效率。 　　发展至今，Matlab已经远远超越了“矩阵实验室”的作用，具有非常多的的工具箱，能够解决多种不同学科领域的问题。就图像处理而言，可以方便地读写多种图像文件格式，然后在空域或者时域进行各种滤波、形态学运算、压缩、分割与识别等等操作；可以方便、智能地以直观的方式显示2D、3D数据。 　　但Matlab的一些特点，使某些具有其他先验知识的学生不容易掌握，例如： 　　1）不能始终如一的对待矩阵。即，如果变量a=[1，2；3，4]，那么从矩阵论的角度考虑，a（1，：）（1）应该返回元素1；但是实际上Matlab不认识a（1，：）（1）这样的写法。Matlab这样的处理方式，也使得习惯了C语言数组的用户感到奇怪； 　　2）尽管Matlab提供了命令窗口（Command Window），允许用户以交互的方式运行程序，但是在这个交互进程中，用户无法定义复杂函数。Matlab中，复杂的函数必须先在一个m文件中定义之后，才能使用； 　　3）使用m文件定义函数时，函数结束可以不使用end关键词（除非是有嵌套函数，则需要在每个嵌套函数末尾添加end）；甚至在早一点的Matlab版本中，在m文件中定义函数的时候末尾使用end关键字，Matlab会给出警告； 　　4）调用一个没有输入参数的函数，不需要在函数名后添加括号。 　　2、类似/兼容Matlab的软件 　　Matlab在高校、企业中得到了广泛的应用，得到了巨大的成功。但是由于Matlab是商业软件，所以限制了其使用范围。受Matlab软件的启发，陆续出现了一些类似于Matlab的开源软件。下面分别介绍： 　　2.1 Scilab，http：//S 　　Scilab是科学实验室（Scientific laboratory）的简称，20世纪80年代由法国国家信息自动化研究院（INRIA）开发。语法与Matlab非常接近，也具有相当多的工具箱。 　　2.2 Octave，http：///software/octave/ 　　Octave由威斯康星麦迪逊大学的James B. Rawlings和德州大学John G. Ekerdt等人于1988年开始开发。Octave相对于Scilab而言，对Matlab的语法兼容性更好。 　　2.3 FreeMat，http：// 　　借鉴了Matlab和IDL语言的特性而开发的软件，据称95%兼容Matlab。进展较慢，toolbox较少，但是软件体积较小。 　　无论Scilab、Octave还是FreeMat，它们都能始终如一对待矩阵，并且可以在交互方式直接定义复杂函数。 　　2.4 Julia，http：/// 　　Julia是高性能动态高级编程语言，语法比较接近Matlab，所以便于有Matlab经验的用户学习。 　　Julia设计者多是Matlab的用户，因为他们知道Matlab的优缺点，所在设计Julia的时候尽量扬长避短。Julia支持并行计算和云计算；Julia使