发布时间：
物联网是通过信息传感设备，按照约定的协议，把任何物品与互联网连接起来，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的一种网络。下面我给大家带来2021好写的物联网专业论文题目写作参考，希望能帮助到大家!
物联网论文题目
1、 基于嵌入式PC和物联网的无人驾驶 拖拉机 研究
2、 太阳能农机发动机监测系统设计—基于智慧农业物联网信息采集
3、 基于物联网的农业生产监控系统设计
4、 基于农业物联网的智能温室系统架构与实现
5、 基于物联网的水田无线监控系统设计
6、 基于物联网植物工厂监控系统的设计
7、 基于物联网的精准农业玉米长势监测分析系统研究
8、 基于物联网的葡萄园信息获取与智能灌溉系统设计
9、 基于物联网技术的智慧长输管道
10、 矿山物联网云计算与平台技术
11、 基于物联网的智能衣柜系统
12、 基于MQTT的物联网系统文件传输 方法 的实现
13、 基于物联网技术的能源互联网数据支撑平台
14、 农业物联网技术研究进展与发展趋势分析
15、 高校智慧教室物联网系统设计与实现
16、 运营商窄带物联网部署实现探讨
17、 基于物联网思维的商业银行管理重构的战略思想
18、 面向矿山安全物联网的光纤传感器
19、 基于物联网的水质监测系统的设计与实现
20、 工业物联网环境下隐式人机交互消息传播方法
21、 基于物联网技术的智慧农业监控系统设计
22、 疫苗冷链物流风险管理中物联网技术的应用
23、 基于物联网远程血压监测结合APP管理对高血压患者的影响
24、 公安物联网技术在社会治安防控中的应用
25、 物联网中增强安全的RFID认证协议
26、 农业物联网技术供需双方决策行为分析——演化博弈模型及其仿真
27、 物联网环境下数据转发模型研究
28、 基于云计算的物联网数据网关的建设研究
29、 基于Citespace的技术机会发现研究——以物联网技术发展为例
30、 利用物联网技术探索智慧物流新未来——访神州数码集团智能互联本部物联网事业部总经理闫军
31、 物联网虚拟仿真实验教学中心平台建设
32、 物联网智能家居的远程视频监控系统设计
33、 是德科技中标福州物联网开放实验室窄带物联网低功耗测试系统以及射频一致性测试系统
34、 基于物联网的智慧家庭健康医疗系统
35、 农业物联网技术研究进展与发展趋势分析
36、 新工科背景下物联网专业学生创新实践能力培养
37、 新工科语境下物联网专业课程设置研究
38、 铁塔公司基于LoRa物联网的共享单车方案研究
39、 面向大数据的突发事件物联网情报采集
40、 区块链技术增强物联网安全应用前景分析
41、 物联网工程专业实验室建设方案研究
42、 大数据时代基于物联网和云计算的地震信息化研究
43、 矿山物联网 网络技术 发展趋势与关键技术
44、 基于物联网与GPRS技术对武汉市内涝监测预警系统的优化设计
45、 基于物联网的医院病房智能监护系统设计与实现
46、 基于电力物联网边缘计算实现脱网应急通信的方法
47、 物联网商业方法的专利保护探析
48、 物联网分享还是人工智能垄断:马克思主义视野中的数字资本主义
49、 基于MQTT协议的物联网电梯监控系统设计
50、 基于时间自动机的物联网网关安全系统的建模及验证
物联网 毕业 论文题目参考
1、基于物联网的火电机组远程诊断服务实践
2、语义物联网中一种多领域信息互操作方法
3、矿山物联网服务承载平台与矿山购买服务
4、物联网环境下的锰矿开采过程监测软件设计
5、基于物联网的馆藏系统实现
6、地方转型本科高校物联网专业人才培养方案研究
7、基于物联网的智能家居环境监控系统的设计与分析
8、智能建筑中物联网技术的应用剖析
9、关于物联网关键技术及应用的探讨
10、蓝牙传输发现服务助力实现协作型物联网
11、无线传感器网络与物联网的应用研究
12、物联网系统集成实训室建设的探索与实践
13、高校物联网实验中心规划方案
14、面向异构物联网的轻量级网络构建层设计
15、探索物联网环境下企业组织架构的转变
16、物联网技术下校园智能安防系统的设计
17、物联网在农业中的应用及前景展望
18、战略新兴物联网专业校企合作模式研究
19、物联网/传感网时代下新型图书管理模式探析
20、物联网信息感知与交互技术
21、探讨农业物联网技术的创新运用方式
22、基于物联网技术的远程智能灌溉系统的设计与实现
23、农业物联网技术创新及应用策略探讨
24、基于物联网的园区停车管理系统的设计与实现
25、基于物联网技术的“蔬菜”溯源体系探索
26、基于物联网技术的气象灾害监测预警体系研究
27、物联网接入技术研究与系统设计
28、基于物联网技术的数据中心整体运维解决方案研究
29、基于工作导向的中职物联网课程实践教学分析
30、面向服务的物联网软件体系结构设计与模型检测
31、面向物联网的无线传感器网络探讨
32、物联网环境下多智能体决策信息支持技术研究
33、物联网和融合环境区域食品安全云服务框架
34、高职《物联网技术概论》教学思考与实践
35、基于物联网的远程视频监控系统设计
36、物联网分布式数据库系统优化研究
37、物联网隐私安全保护研究
38、璧山环保监管物联网系统试点应用研究
39、智能家居无线物联网系统设计
40、物联网温室智能管理平台的研究
好写的物联网论文题目
1、物联网的结构体系与发展
2、对于我国物联网应用与发展的思考
3、物联网环境下UC安全的组证明RFID协议
4、农业物联网研究与应用现状及发展对策研究
5、物联网时代的智慧型物品探析
6、基于Zigbee/GPRS物联网网关系统的设计与实现
7、物联网概述第3篇:物联网、物联网系统与物联网事件
8、物联网技术在食品及农产品中应用的研究进展
9、物联网——后IP时代国家创新发展的重大战略机遇
10、物联网体系结构研究
11、构建基于云计算的物联网运营平台
12、基于物联网的煤矿综合自动化系统设计
13、我国物联网产业未来发展路径探析
14、基于物联网的干旱区智能化微灌系统
15、物联网大趋势
16、物联网网关技术与应用
17、基于SIM900A的物联网短信报警系统
18、物联网概述第1篇:什么是物联网?
19、物联网技术安全问题探析
20、基于RFID电子标签的物联网物流管理系统
二、物联网毕业论文题目推荐:
1、基于RFID和EPC物联网的水产品供应链可追溯平台开发
2、物联网与感知矿山专题讲座之一——物联网基本概念及典型应用
3、我国物联网产业发展现状与产业链分析
4、面向智能电网的物联网技术及其应用
5、从云计算到海计算:论物联网的体系结构
6、物联网 商业模式 探讨
7、物联网:影响图书馆的第四代技术
8、从嵌入式系统视角看物联网
9、试论物联网及其在我国的科学发展
10、物联网架构和智能信息处理理论与关键技术
11、基于物联网技术的智能家居系统
12、物联网在电力系统的应用展望
13、基于物联网的九寨沟智慧景区管理
14、基于物联网Android平台的水产养殖远程监控系统
15、基于物联网Android平台的水产养殖远程监控系统
16、基于物联网的智能图书馆设计与实现
17、物联网资源寻址关键技术研究
18、基于物联网的自动入库管理系统及其应用研究
19、互联网与物联网
20、"物联网"推动RFID技术和通信网络的发展
物联网专业论文题目写作参考相关 文章 ：
★ 优秀论文题目大全2021
★ 电子类专业毕业论文题目及选题
★ 大学生论文题目参考2021
★ 2021通信学专业论文题目与选题
★ 通信专业毕业论文题目与选题
★ 大学生论文题目大全2021
★ 2021电子商务毕业论文题目
★ 2021环境工程专业论文题目
★ 建筑工程方向毕业论文题目与选题
★ mba各方向的论文题目与选题推荐
通常来说，大学生（研究生）在确定论文研究方向的时候，需要先考虑三件事，其一是自身的知识结构和能力特点；其二是目前拥有的研究资源；其三行业发展趋势。
自身的知识结构和能力特点是选择研究方向的基础，因为要想完成一篇合格的论文，有三个基本的要求，其一是具有一定的创新性；其二是具有一定的落地可行性；其三是论述的完整性和可靠性。要想让论文有所创新，首先就要从知识结构上寻求突破，所以自身的知识结构是论文研究方向首先应该考虑的因素。
研究资源对于论文方向的选择也有非常直接的影响，写论文一定离不开大量研究资源的支撑，涉及到导师资源、课堂资源、实验室资源（设备）、行业资源等等，所以在选择论文方向的时候，要根据目前能够整合的研究资源进行细分方向的选择。通常来说，导师对于论文研究方向的选择有比较直接的影响，选择导师比较擅长的研究领域会更容易获得突破。
论文研究方向还应该考虑一下当前的行业发展趋势，在产业结构升级的大背景下，如果研究方向能够与大环境相契合，不仅能够获得更多的研究资源，同时对于未来的发展空间也有较大程度的促进作用。以计算机领域为例，当前选择大数据、云计算、边缘计算、人工智能等方向都是不错的选择。
最后，要想完成一篇高质量论文往往需要做大量的基础工作，同时一定要尊重实验结果，否则在进行落地应用的过程中会遇到很多障碍，这一点一定要注意。如果论文中的实验是无法重现的，那么这样的研究成果是没有意义的。
毕业论文（graduation study），按一门课程计，是普通中等专业学校、高等专科学校、本科院校、高等教育自学考试本科及研究生学历专业教育学业的最后一个环节，为对本专业学生集中进行科学研究训练而要求学生在毕业前总结性独立作业、撰写的论文。
从文体而言，它也是对某一专业领域的现实问题或理论问题进行 科学研究探索的具有一定意义的论文。一般安排在修业的最后一学年（学期）进行。学生须在教师指导下，选定课题进行研究，撰写并提交论文。目的在于培养学生的科学研究能力；加强综合运用所学知识、理论和技能解决实际问题的训练；从总体上考查学生学习所达到的学业水平。
论文题目由教师指定或由学生提出，经教师同意确定。均应是本专业学科发展或实践中提出的理论问题和实际问题。通过这一环节，应使学生受到有关科学研究选题，查阅、评述文献，制订研究方案，设计进行科学实验或社会调查，处理数据或整理调查结果，对结果进行分析、论证并得出结论，撰写论文等项初步训练。
2020年12月24日，《本科毕业论文（设计）抽检办法（试行）》提出，本科毕业论文抽检每年进行一次，抽检比例原则上应不低于2%。
边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。
0引言将物体产生的红外辐射转换为肉眼可观察图像的技术称作红外成像技术,它具有全天候、非接触、探测距离远以及不受电磁或强光干扰的特点,能够在可见光成像无法发挥作用的极端环境里捕捉到物体发出的红外辐射进而检测到目标,因此在军事和民用领域都得到了广泛的应用。红外成像技术表现的是目标自身热分布情况,所以原始红外图像是单一的灰度图像,清晰度低于一般的可见光图像,目标与背景分界较为模糊,对人眼表现为分辨率低,视场立体感弱等现象[1],再考虑到红外传感器出现的一些特有的噪声,使得原始未经处理的红外图像一般难以达到应用水平,需要对其进行一定的图像处理。图像边缘是图像的最基本特征之一,它包含了图像的大部分信息[2-3]。由于热平衡效应,目标局部的温度较一致,所以红外图像体现物体局部细节能力较弱,同时红外图像所表现的热分布信息只有与目标的基本信息(如目标大小,视场相对位置,形状轮廓等)结合在一起才具有更大的价值。
梯度算子,Roberts梯度算子,Prewitt算子,Sobel算子,方向算子,Laplacian算子,马尔算子,Canny边缘检测算子,沈俊边缘检测方法和曲面拟合法。
毕业论文还是自己写吧，锻炼一下。
Canny边缘检测教程 作者：比尔绿色（ 2002 ） 主页电子邮件 本教程假定读者： （ 1 ）知道如何发展的源代码阅读栅格数据 （ 2 ）已经阅读我Sobel边缘检测教程 本教程将教你如何： （ 1 ）实施Canny边缘检测算法。 导言 边的特点，因此，边界问题，根本的重要性在图像处理中。在图像的边缘地区，强度强的反差？猛增强度从一个像素的下一个。边缘检测的图像大大减少了大量的数据，并过滤掉无用的信息，同时保持重要的结构性能的形象。这也是我在索贝尔和拉普拉斯边缘检测教程，但我只是想再次强调这一点的，为什么您要检测的边缘。 的Canny边缘检测算法是众所周知的许多人视为最佳边缘检测。精明的意图是要加强许多边缘探测器已经在的时候，他开始了他的工作。他很成功地实现他的目标和他的思想和方法中可以找到他的论文“计算方法的边缘检测” 。在他的文件中，他遵循的标准清单，以改善目前的边缘检测方法。第一个也是最明显的错误率低。重要的是，发生在图像边缘不应错过的，没有任何反应，非边缘。第二个标准是，边缘点很好地本地化。换言之，之间的距离边缘像素作为探测器发现和实际边缘要在最低限度。第三个标准是，只有一个回应单一优势。这是第一次实施，因为并没有实质性的2足以完全消除的可能性，多反应的优势。 根据这些标准， Canny边缘检测器的第一个平滑的图像，以消除和噪音。然后认定的形象，以突出地区梯度高空间衍生物。该算法然后轨道沿着这些地区和抑制任何像素这不是在最高（ nonmaximum制止） 。梯度阵列现在进一步减少滞后。磁滞用来追踪沿其余像素，但没有压制。磁滞使用两个阈值，如果规模低于第一道门槛，这是设置为零（发了nonedge ） 。如果是规模以上的高门槛，这是一个优势。如果震级之间的2阈值，那么它设置为零，除非有一条从这个像素一个像素的梯度上述时刻。 第1步 为了落实Canny边缘检测算法，一系列步骤必须遵循。第一步是筛选出任何噪音的原始图像在寻找和发现任何边缘。而且因为高斯滤波器可以用一个简单的计算面具，它是专门用于在Canny算法。一旦合适的面罩已计算，高斯平滑可以用标准的卷积方法。阿卷积掩模通常远远小于实际的形象。因此，该面具是下跌的形象，操纵一个正方形像素的时间。较大的宽度高斯面具，较低的是探测器的敏感性噪音。定位误差检测边缘也略有增加的高斯宽度增加。高斯遮罩使用我在执行下面显示。 第2步 经过平滑的形象，消除噪音，下一步就是要找到优势兵力，采取梯度的形象。的Sobel算子进行二维空间梯度测量的形象。然后，大约绝对梯度幅度（边缘强度）各点可以找到。 Sobel算子的使用对3x3卷积口罩，一个梯度估计在X方向（栏）和其他的梯度估计的Y方向（行） 。它们如下所示： 的规模，或EDGE强度，梯度近似然后使用公式： | G | = | GX的| + |戈瑞| 第3步 寻找边缘方向是小事，一旦梯度在X和Y方向是众所周知的。然而，你会产生错误时sumX等于零。因此，在代码中必须有一个限制规定只要发生。每当梯度在x方向等于零，边缘的方向，必须等于90度或0度，取决于什么的价值梯度的Y方向等于。如果青的值为零，边缘方向将等于0度。否则边缘方向将等于90度。公式为寻找边缘方向是： 论旨= invtan （戈瑞/ GX的） 第4步 一旦边缘方向众所周知，下一步是与边缘方向为方向，可以追溯到在一个图像。因此，如果一个5x5像素图像对齐如下： x x x x x x x x x x x x 1 x x x x x x x x x x x x 然后，可以看到看像素的“ A ” ，只有4个可能的方向时，描述了周围的像素- 0度（水平方向） ， 45度（沿积极对角线） ， 90度（垂直方向） ，或135度（沿负对角线） 。所以，现在的边缘方向已经得到解决纳入其中四个方向取决于哪个方向，它是最接近于（如角被发现有3度，使零摄氏度） 。认为这是采取了半圆形和分裂成5个地区。 因此，任何先进的方向范围内的黄色范围（ 0至5月22日＆ 至180度）设置为0度。任何先进的方向下滑的绿色范围（ 至度）设置为45度。任何先进的方向下滑的蓝色范围（ 至度）设置为90度。最后，任何先进的方向范围内的红色范围（ 到度）设置为135度。 第5步 在被称为边缘方向， nonmaximum制止目前适用。 Nonmaximum抑制是用来追踪沿边缘方向和制止任何像素值（套等于0 ）这是不被认为是优势。这将让细线在输出图像。 第6步 最后，滞后是用来作为一种手段，消除条纹。裸奔是打破的边缘轮廓线的经营者造成的产量波动上面和下面的门槛。如果一个门槛， T1讯号适用于图像，并具有优势的平均强度相等的T1 ，然后由于噪声，将先进的情况下，逢低低于阈值。同样它也将延长超过阈值决策的优势看起来像一个虚线。为了避免这种情况，滞后使用2的门槛，高和低。任何像素的图像，其值大于表＃ t1推定为边缘像素，并标示为这种立即。然后，任何像素连接到这个边缘像素，并有一个值大于时刻还选定为边缘像素。如果您认为以下的优势，您需要一个梯度的时刻开始，但你不停止直到触及梯度低于表＃ t1 。
Canny边缘检测是一种使用多种边缘检测算法检测边缘的方法。由John 于1986年提出，并在论文中有详尽的描述。 1）去噪。噪声会影响边缘检测的准确度。通常采用高斯滤波去除图像中的噪声。滤波器的核越大，边缘信息对噪声的敏感度就越低。不过，核越大，边缘检测的定位错误也会随之增加。通常一个5 X 5的核能满足大多数情况。 2）计算梯度的幅度与方向。梯度的方向与边缘的方向是垂直的，通常就取近似值为·水平、垂直、对角线等八个不同的方向。 3）非极大值抑制，即适当地让边缘变瘦。在获得了梯度的幅度和方向后，遍历图像中的像素点，去除所有非边缘的点。具体实现上，判断当前像素点是否是周围像素点中具有相同梯度方向的最大值，如果是，则保留该点；如果不是则抑制（归零）。 4）确定边缘。用双阈值算法确定最终的边缘信息。完成之前三步骤后，图像的强边缘已经在当前获取的边缘图像内。但一些虚边缘可能也在边缘图像内，这些虚边缘可能是真实的图像产生的，也可能是由于噪声产生的（必须将其剔除）。 设置两个阈值，其中一个为高阈值maxVal，另一个为低阈值minVal。根据当前边缘像素的梯度值与这两个阈值之间的关系，判断边缘的属性。如果当前边缘像素的梯度值不小于maxVal，则将当前边缘像素标记为强边缘；如果介于maxVal与minVal之间，则标记为弱边缘(先保留)；如果小于minVal，则抑制当前边缘像素。之后再判断虚边缘是否与强边缘有连接，有连接，则处理为边缘；无连接则抑制。 OpenCV提供了()来实现边缘检测：dst ： 为计算得到的边缘图像 image： 为8位输入图像 threshold1： 表示处理过程中的的第一个阈值 threshold2： 表示处理过程中的的第二个阈值 apertureSize： 表示Sobel算子的孔径大小。 L2gradient： 为计算图像梯度幅度的标识。其默认值是False。如果为True，则使用更精确的L2范数进行计算，否则使用L1范数。 例如：
Canny边缘检测教程 Author: Bill Green (2002) 作者：比尔绿色（ 2002 ） HOME EMAIL 主页 电子邮件 This tutorial assumes the reader: 本教程假定读者： (1) Knows how to develop source code to read raster data （ 1 ）知道如何发展的源代码阅读栅格数据 (2) Has already read my Sobel edge detection tutorial （ 2 ）已经阅读我Sobel边缘检测教程 This tutorial will teach you how to:本教程将教你如何： (1) Implement the Canny edge detection algorithm. （ 1 ）实施Canny边缘检测算法。 INTRODUCTION 导言 Edges characterize boundaries and are therefore a problem of fundamental importance in image processing.边的特点，因此，边界问题，根本的重要性在图像处理中。 Edges in images are areas with strong intensity contrasts – a jump in intensity from one pixel to the next.在图像的边缘地区，强度强的反差-一个跳转的强度从一个像素的下一个。 Edge detecting an image significantly reduces the amount of data and filters out useless information, while preserving the important structural properties in an image. This was also stated in my Sobel and Laplace edge detection tutorial, but I just wanted reemphasize the point of why you would want to detect edges.边缘检测的图像大大减少了大量的数据，并过滤掉无用的信息，同时保持重要的结构性能的形象。这也是我在索贝尔和拉普拉斯边缘检测教程，但我只是想再次强调这一点的，为什么你会要检测的边缘。 The Canny edge detection algorithm is known to many as the optimal edge detector. Canny's intentions were to enhance the many edge detectors already out at the time he started his work.的Canny边缘检测算法是众所周知的许多人视为最佳边缘检测。坎尼的意图是要加强许多先进的探测器已经在的时候，他开始他的工作。 He was very successful in achieving his goal and his ideas and methods can be found in his paper, " A Computational Approach to Edge Detection ".他很成功地实现他的目标和他的思想和方法中可以找到他的论文“ 计算方法的边缘检测 ” 。 In his paper, he followed a list of criteria to improve current methods of edge detection.在他的文件中，他遵循的标准清单，以改善目前的边缘检测方法。 The first and most obvious is low error rate.第一个也是最明显的错误率低。 It is important that edges occuring in images should not be missed and that there be NO responses to non-edges.重要的是，发生在图像边缘不应错过的，没有任何反应，非边缘。 The second criterion is that the edge points be well localized. In other words, the distance between the edge pixels as found by the detector and the actual edge is to be at a minimum.第二个标准是，边缘点很好地本地化。换言之，之间的距离边缘像素作为探测器发现和实际边缘要在最低限度。 A third criterion is to have only one response to a single edge.第三个标准是，只有一个回应单一优势。 This was implemented because the first 2 were not substantial enough to completely eliminate the possibility of multiple responses to an edge.这是第一次实施，因为并没有实质性的2足以完全消除的可能性，多反应的优势。 Based on these criteria, the canny edge detector first smoothes the image to eliminate and noise.根据这些标准， Canny边缘检测器的第一个平滑的图像，以消除和噪音。 It then finds the image gradient to highlight regions with high spatial derivatives.然后认定的形象，以突出地区梯度高空间衍生物。 The algorithm then tracks along these regions and suppresses any pixel that is not at the maximum (nonmaximum suppression).该算法然后轨道沿着这些地区和抑制任何像素这不是在最高（ nonmaximum制止） 。 The gradient array is now further reduced by hysteresis.梯度阵列现在进一步减少滞后。 Hysteresis is used to track along the remaining pixels that have not been suppressed.磁滞用来追踪沿其余像素，但没有压制。 Hysteresis uses two thresholds and if the magnitude is below the first threshold, it is set to zero (made a nonedge).磁滞使用两个阈值，如果规模低于第一道门槛，这是设置为零（发了nonedge ） 。 If the magnitude is above the high threshold, it is made an edge.如果是规模以上的高门槛，这是一个优势。 And if the magnitude is between the 2 thresholds, then it is set to zero unless there is a path from this pixel to a pixel with a gradient above T2.如果震级之间的2阈值，那么它设置为零，除非有一条从这个像素一个像素的梯度上述时刻。 Step 1 第1步 In order to implement the canny edge detector algorithm, a series of steps must be followed.为了落实Canny边缘检测算法，一系列步骤必须遵循。 The first step is to filter out any noise in the original image before trying to locate and detect any edges.第一步是筛选出任何噪音的原始图像在寻找和发现任何边缘。 And because the Gaussian filter can be computed using a simple mask, it is used exclusively in the Canny algorithm.而且因为高斯滤波器可以用一个简单的计算面具，它是专门用于在Canny算法。 Once a suitable mask has been calculated, the Gaussian smoothing can be performed using standard convolution methods.一旦合适的面罩已计算，高斯平滑可以用标准的卷积方法。 A convolution mask is usually much smaller than the actual image.阿卷积掩模通常远远小于实际的形象。 As a result, the mask is slid over the image, manipulating a square of pixels at a time. The larger the width of the Gaussian mask, the lower is the detector's sensitivity to noise .因此，该面具是下跌的形象，操纵一个正方形的像素上。 较大的宽度高斯面具，较低的是探测器的敏感性噪音 。 The localization error in the detected edges also increases slightly as the Gaussian width is increased.定位误差检测边缘也略有增加的高斯宽度增加。 The Gaussian mask used in my implementation is shown below.高斯遮罩使用我在执行下面显示。 Step 2 第2步 After smoothing the image and eliminating the noise, the next step is to find the edge strength by taking the gradient of the image.经过平滑的形象，消除噪音，下一步就是要找到优势兵力，采取梯度的形象。 The Sobel operator performs a 2-D spatial gradient measurement on an image.的Sobel算子进行二维空间梯度测量的形象。 Then, the approximate absolute gradient magnitude (edge strength) at each point can be found.然后，大约绝对梯度幅度（边缘强度）各点可以找到。 The Sobel operator uses a pair of 3x3 convolution masks, one estimating the gradient in the x-direction (columns) and the other estimating the gradient in the y-direction (rows). Sobel算子的使用对3x3卷积口罩，一个梯度估计在X方向（栏）和其他的梯度估计的Y方向（行） 。 They are shown below:它们如下所示： The magnitude, or EDGE STRENGTH, of the gradient is then approximated using the formula:的规模，或EDGE强度，梯度近似然后使用公式： |G| = |Gx| + |Gy| | G | = | GX的| + |戈瑞| Step 3 第3步 Finding the edge direction is trivial once the gradient in the x and y directions are known.寻找边缘方向是小事，一旦梯度在X和Y方向是众所周知的。 However, you will generate an error whenever sumX is equal to zero.然而，你会产生错误时sumX等于零。 So in the code there has to be a restriction set whenever this takes place.因此，在代码中必须有一个限制规定只要发生。 Whenever the gradient in the x direction is equal to zero, the edge direction has to be equal to 90 degrees or 0 degrees, depending on what the value of the gradient in the y-direction is equal to.每当梯度在x方向等于零，边缘的方向，必须等于90度或0度，取决于什么的价值梯度的Y方向等于。 If GY has a value of zero, the edge direction will equal 0 degrees.如果青的值为零，边缘方向将等于0度。 Otherwise the edge direction will equal 90 degrees.否则边缘方向将等于90度。 The formula for finding the edge direction is just:公式为寻找边缘方向是： theta = invtan (Gy / Gx)论旨= invtan （戈瑞/ GX的） Step 4 第4步 Once the edge direction is known, the next step is to relate the edge direction to a direction that can be traced in an image.一旦边缘方向众所周知，下一步是与边缘方向为方向，可以追溯到在一个图像。 So if the pixels of a 5x5 image are aligned as follows:因此，如果一个5x5像素图像对齐如下： x x x x x x x x x x x x x x x x x x x x x x a x x x x 1 x x x x x x x x x x x x x x x x x x x x x x Then, it can be seen by looking at pixel " a ", there are only four possible directions when describing the surrounding pixels - 0 degrees (in the horizontal direction), 45 degrees (along the positive diagonal), 90 degrees (in the vertical direction), or 135 degrees (along the negative diagonal).然后，可以看到看像素的“ A ” ，只有4个可能的方向时，描述了周围的像素- 0度 （水平方向） ， 45度 （沿积极对角线） ， 90度 （垂直方向） ，或135度 （沿负对角线） 。 So now the edge orientation has to be resolved into one of these four directions depending on which direction it is closest to (eg if the orientation angle is found to be 3 degrees, make it zero degrees).所以，现在的边缘方向已经得到解决纳入其中四个方向取决于哪个方向，它是最接近于（如角被发现有3度，使零摄氏度） 。 Think of this as taking a semicircle and dividing it into 5 regions.认为这是采取了半圆形和分裂成5个地区。 Therefore, any edge direction falling within the yellow range (0 to & to 180 degrees) is set to 0 degrees.因此，任何先进的方向范围内的黄色范围 （ 0至5月22日＆ 至180度）设置为0度。 Any edge direction falling in the green range ( to degrees) is set to 45 degrees. Any edge direction falling in the blue range ( to degrees) is set to 90 degrees.任何先进的方向下滑的绿色范围 （ 至度）设置为45度。任何优势的方向下滑的蓝色范围 （ 至度）设置为90度。 And finally, any edge direction falling within the red range ( to degrees) is set to 135 degrees.最后，任何先进的方向范围内的红色范围 （ 到度）设置为135度。 Step 5 第5步 After the edge directions are known, nonmaximum suppression now has to be applied. Nonmaximum suppression is used to trace along the edge in the edge direction and suppress any pixel value (sets it equal to 0) that is not considered to be an edge. This will give a thin line in the output image.在被称为边缘方向， nonmaximum抑制现在必须适用。 Nonmaximum抑制是用来追踪沿边缘方向和制止任何像素值（套等于0 ）这是不被认为是优势。这将给细线的输出图像。 Step 6 第6步 Finally, hysteresis is used as a means of eliminating streaking.最后，滞后是用来作为一种手段，消除条纹。 Streaking is the breaking up of an edge contour caused by the operator output fluctuating above and below the threshold.裸奔是打破的边缘轮廓线的经营者造成的产量波动上面和下面的门槛。 If a single threshold, T1 is applied to an image, and an edge has an average strength equal to T1, then due to noise, there will be instances where the edge dips below the threshold.如果一个门槛， T1讯号适用于图像，并具有优势的平均强度相等的T1 ，然后由于噪声，将有情况下，边逢低低于阈值。 Equally it will also extend above the threshold making an edge look like a dashed line.同样它也将延长超过阈值决策的优势看起来像一个虚线。 To avoid this, hysteresis uses 2 thresholds, a high and a low.为了避免这种情况，滞后使用2的门槛，高和低。 Any pixel in the image that has a value greater than T1 is presumed to be an edge pixel, and is marked as such immediately.任何像素的图像，其值大于表＃ t1推定为边缘像素，并标示为这种立即。 Then, any pixels that are connected to this edge pixel and that have a value greater than T2 are also selected as edge pixels.然后，任何像素连接到这个边缘像素，并有一个值大于时刻还选定为边缘像素。 If you think of following an edge, you need a gradient of T2 to start but you don't stop till you hit a gradient below T1.如果您认为以下的优势，您需要一个梯度的时刻开始，但你不停止直到触及梯度低于表＃ t1 。 You are visitor number: 你是第位访客人数：
摘 要 针对基于PC实现的图像边缘检测普遍存在的执行速度慢、不能满足实时应用需求等缺点，本文借助于TI公司的TMS320DM642图像处理芯片作为数字图像处理硬件平台，DSP/BIOS为实时操作系统，利用CCS开发环境来构建应用程序；并通过摄像头提取视频序列，实现对边缘检测Sobel算子改进[1]。 关键词 DM642；Sobel算子；程序优化；图像边缘检测 1 引言 边缘是图像中重要的特征之一，是计算机视觉、模式识别等研究领域的重要基础。图像的大部分主要信息都存在于图像的边缘中，主要表现为图像局部特征的不连续性，是图像中灰度变化比较强烈的地方，也即通常所说的信号发生奇异变化的地方。经典的边缘检测算法是利用边缘处的一阶导数取极值、二阶导数在阶梯状边缘处呈零交叉或在屋顶状边缘处取极值的微分算法。图像边缘检测一直是图像处理中的热点和难点。 近年来，随着数学和人工智能技术的发展，各种类型的边缘检测算法不断涌现，如神经网络、遗传算法、数学形态学等理论运用到图像的边缘检测中。但由于边缘检测存在着检测精度、边缘定位精度和抗噪声等方面的矛盾及对于不同的算法边缘检测结果的精度却没有统一的衡量标准，所以至今都还不能取得令人满意的效果。另外随着网络和多媒体技术的发展，图像库逐渐变得非常庞大；而又由于实时图像的目标和背景间的变化都不尽相同，如何实现实时图像边缘的精确定位和提取成为人们必须面对的问题。随着DSP芯片处理技术的发展，尤其是在图像处理方面的提高如TMS320C6000系列，为实现高效的、实时的边缘检测提供了可能性[5]。在经典的边缘检测算法中，Sobel边缘检测算法因其计算量小、实现简单、处理速度快，并且所得的边缘光滑、连续等优点而得到广泛的应用。本文针对Sobel算法的性能，并借助于TMS320DM642处理芯片[3]，对该边缘检测算法进行了改进和对程序的优化，满足实时性需求。2 Sobel边缘检测算法的改进 经典的Sobel图像边缘检测算法，是在图像空间利用两个方向模板与图像进行邻域卷积来完成的，这两个方向模板一个是检测垂直边缘，一个是检测水平边缘。算法的基本原理：由于图像边缘附近的亮度变化较大，所以可以把那些在邻域内，灰度变化超过某个适当阈值TH的像素点当作边缘点。Sobel算法的优点是计算简单，速度快。但由于只采用了两个方向模板，只能检测水平方向和垂直方向的边缘，因此，这种算法对于纹理较复杂的图像，其边缘检测效果欠佳；同时，经典Sobel算法认为，凡灰度新值大于或等于阈值的像素点都是边缘点。这种判定依据是欠合理的，会造成边缘点的误判，因为多噪声点的灰度新值也很大。 图像加权中值滤波 由于图像中的边缘和噪声在频域中均表现为高频成分，所以在边缘检测之前有必要先对图像进行一次滤波处理，减少噪声对边缘检测的影响。中值滤波是一种非线性信号的处理方法[2]，在图像处理中，常用来保护边缘信息；保证滤波的效果。加权中值滤波，首先对每个窗口进行排序，取适当的比例，进行曲线拟合，拟合后的曲线斜率表征了此窗口的图像特征，再根据图像各部分特性适当的选择权重进行加权。 增加方向模板 除了水平和垂直两方向外，图像的边缘还有其它的方向，如135o和45o等，为了增加算子在某一像素点检测边缘的精度，可将方向模板由2个增加为8个即再在经典的方向模板的基础上增加6个方向模板，如图1所示。 边缘的定位及噪声的去除 通常物体的边缘是连续而光滑的，且边缘具有方向和幅度两个特征，而噪声是随机的。沿任一边缘点走向总能找到另一个边缘点，且这两个边缘点之间的灰度差和方向差相近。而噪声却不同，在一般情况下，沿任一噪声点很难找到与其灰度值和方差相似的噪声点[4]。基于这一思想，可以将噪声点和边缘点区分开来。对于一幅数字图像f(x，y)，利用上述的8个方向模板Sobel算子对图像中的每个像素计算，取得其中的最大值作为该点的新值，而该最大值对应的模板所表示的方向为该像素点的方向。若｜f(x，y)－f(x+i，y+j)｜＞TH2，对于任意i=0，1，-1；j=0，1，-1均成立，则可判断点(x，y)为噪声点。图2给出了图像边缘检测系统改进算法的软件流程图。图1 边缘检测8个方向模板图2 系统结构图3 基于TMS320DM642的图像处理的设计及算法优化 TMS320DM642功能模块及图像处理系统的硬件结构 DSP以高速数字信号处理为目标进行芯片设计，采用改进的哈佛结构(程序总线和数据总线分开)、内部具有硬件乘法器、应用流水线技术、具有良好的并行性和专门用于数字信号处理的指令及超长指令字结构(VLIW)等特点；能完成运算量大的实时数字图像处理工作。 TMS320DM642是TI公式最近推出的功能比较强大的TMS320C6x系列之一，是目前定点DSP领域里性能较高的一款[6]。其主频是600MHz，8个并行运算单元、专用硬件逻辑、片内存储器和片内外设电路等硬件，处理能力可达4800MIPS。DM642基于C64x内核，并在其基础上增加了很多外围设备和接口，因而在实际工程中的应用更为广泛和简便。本系统使用50 MHz晶体震荡器作为DSP的外部时钟输入，经过内部锁相环12倍频后产生600 MHz的工作频率。DM642采用了2级缓存结构(L1和L2)，大幅度提高了程序的运行性能。片内64位的EMIF(External Memory Interface)接口可以与SDRAM、Flash等存储器件无缝连接，极大地方便了大量数据的搬移。更重要的是，作为一款专用视频处理芯片，DM642包括了3个专用的视频端口(VP0～VP2)，用于接收和处理视频，提高了整个系统的性能。此外，DM642自带的EMAC口以及从EMIF 口扩展出来的ATA口，还为处理完成后产生的海量数据提供了存储通道。本系统是采用瑞泰公司开发的基于TI TMS320DM642 DSP芯片的评估开发板——ICETEK DM642 PCI。在ICETEK DM642 PCI评估板中将硬件平台分为五个部分，分别是视频采集、数据存储、图像处理、结果显示和电源管理。视频采集部分采用模拟PAL制摄像头，配合高精度视频A/D转换器得到数字图像。基于DSP的视频采集要求对视频信号具备采集，实时显示、对图像的处理和分析能力。视频A/D采样电路—SAA7115与视频端口0或1相连，实现视频的实时采集功能。视频D/A电路—SAA7105与视频口2相连，视频输出信号支持RGB、HD合成视频、PAL/NTSC复合视频和S端子视频信号。通过I2C总线对SAA7105的内部寄存器编程实现不同输出。 整个系统过程由三个部分组成：图像采集—边缘处理—输出显示，如图2所示。摄像头采集的视频信号经视频编码器SAA7115数字化，DM642通过I2C总线对SAA7115进行参数配置。在SAA7115内部进行一系列的处理和变换后形成的数字视频数据流，输入到核心处理单元DM642。经过DSP处理后的数字视频再经过SAA7105视频编码器进行D/A转换后在显示器上显示最终处理结果。 图像处理的软件设计和算法优化的实现 由于在改进Sobel边缘检测算子性能的同时，也相对增加了计算量，尤其是方向模板的增加，每个像素点均由原来的2次卷积运算增加为8次卷积运算，其实时性大大减弱。为了改进上述的不足，在深入研究处理系统和算法后，针对TMS320DM642的硬件结构特点，研究适合在TMS320DM642中高效运行的Sobel改进算法，满足实时处理的要求。整个程序的编写和调试按照C6000软件开发流程进行，流程分为：产生C代码、优化C代码和编写线性汇编程序3个阶段。使用的工具是TI的集成开发环境CCS。在CCS下，可对软件进行编辑、编译、调试、代码性能测试等工作。在使用C6000编译器开发和优化C代码时[7-8]，对C代码中低效率和需要反复调用的函数需用线性汇编重新编写，再用汇编优化器优化。整个系统的控制以及数字图像处理是用C程序实现，大部分软件设计采用C程序实现，这无疑提高了程序的可读性和可移植性，而汇编程序主要是实现DM642的各部分初始化。其边缘检测优化算法在DM642中的实现步骤具体如下： S1：根据DM642的硬件结构要求和控制寄存器设置，初始化系统并编写实现边缘检测算法的C程序。 S2：借助CCS开发环境的优化工具如Profiler等产生.OUT文件。 S3：根据产生的附件文件如.MAP文件，分析优化结果及源程序结构，进一步改进源程序和优化方法。 S4：使用CCS中调试、链接、运行等工具，再生成.OUT可执行文件。 S5：运行程序，如果满足要求则停止；否则重复步骤S2～S4直至满足使用要求。4 实验结果 本文以Lena图像为例根据上述的硬件环境和算法实现的原理和方法，图4～图6分别给出了在该系统下采集的视频Lena图像及使用边缘检测算子和改进后处理的结果。由实验结果可以看出，在该系统下能实时完成视频图像的处理，并且给出的边缘检测算子能较好的消除噪声的影响，边缘轮廓清晰。该算法不仅能抑制图像中大部分噪声和虚假边缘，还保证了较高的边缘点位精度。图4 Lena原始图像 图5 传统Sobel算子 图6 改进Sobel算子5 总结 本文实现了在TMS320DM642评估板上用改进的Sobel算子对实时图像进行边缘检测，无延迟地得到边缘图像。边缘检测效果较好，既提高了图像检测的精度又满足了实时性的要求。从检测结果看，利用该改进后的算子在边缘精确定位、边缘提取都达到了很好的效果，且抗噪声能力强，并为目标跟踪、无接触式检测、自动驾驶、视频监控等领域的应用提供了坚实的基础。参考文献[1] 王磊等. 基于Sobel理论的边缘提取改善方法[J]．中国图像图形学报，[2] 陈宏席. 基于保持平滑滤波的Sobel算子边缘检测.兰州交通大学学报，2006，25(1)：86—90[3] 熊伟. 基于TMS320DM642的多路视频采集处理板卡硬件设计与实现[ M]. 国外电子元器件，2006[4] 朱立.一种具有抗噪声干扰的图像边缘提取算法的研究[J]．电子技术应用.2004，25(1)[5] 刘松涛，周晓东.基于TMS320C6201的实时图像处理系统[J].计算机工程，2005(7)：17—23[6] TI TMS320DM642 video/imaging fixed-point digital signal processor data manual，2003[7] TMS320C6x Optimizing C Compiler User’s Guide’ TEXAS INSTRUMENTS”，2002[8] TMS320C32x Optimizing C/C++ Compiler User's Guide，Texas Instruments Incorporated，2001
浅论大学生就业与心理面对就业，大学生的心理是复杂多变的。通过几年大学生活，同学们在知识、能力与人格方面有了积极的显著发展，有着强烈的就业意愿和积极的就业动机，为能尽快自己的人生价值而感到由衷的欢欣；而就业岗位和就业方式的多样化也为大学生就业提供了更多的机遇和更大的自由度，许多大学生都摩拳擦掌，跃跃欲试，准备在所学专业领域一展身手。但是在就业过程中，又难免出现种种心理矛盾、心理误区和心理障碍。 一、大学生就业的一般心理问题 大学生群体是个体由青年期到成年期成长过程中一个特殊的群体。集多种特殊性于一身，具有处于“第二次心理断乳期”、“边缘人”地位，处于“心理延续尝负期”，多重价值观、人格的再构成等心理内在原因；同时存在着环境中诱发因素的作用，使得大学生的心理健康状况比个体一生中的其他阶段人群及处于这一时期的其他群体明显要低。一般的观点认为“大学生就业期的心理问题主要有挫折心理、从众心理、嫉妒心理、羞怯心理、盲目攀比心理、自卑心理、依赖心理等”，及其他心理如注重实惠、坐享其成的心态、过分强调自我价值等等。为了帮助广大毕业生同学更好地认识这些问题，为就业做好心理准备和心理调适，我们首先从以下几个方面来看看大学生就业时一般存在哪些心理问题。 （一）就业心理压力与焦虑 当前激烈的就业竞争环境使就业问题给大学生带来了较大的心理压力，而且这种压力在各年级学生都存在。清华大学2000年的调查显示，个人前途与就业已成为大学生心理压力中最大的因素，而且压力有随着年级增高而上升的趋势。学生就业压力体验相当严重，尤其以心理体验最为严重。大学生毕业前心理压力较过去有明显增大，主要原因是毕业方向的选择、就业、考研、恋爱分合、大学中不愉快经历、离别感伤、突发事件、经济条件等冲突和事件；女大学生心理压力大于男大学生，农村学生的焦虑水平高于城市学生。而大学生面对就业压力的释放方式则过于内向化，主要是自己解决和求助于同学朋友。 （二）就业心理期望与失落感 许多大学生都有一种“十年寒窗，一举成名”的心理，因此对择业的期望相当高。大学生大多希望到生活条件好，福利待遇高的大城市、大机关、大公司工作，而不愿到急需人才但条件艰苦的中小城市和基层小单位，过分地考虑择业的地域、职位的高低和单位的经济效益。高期望驱使毕业生总是向往高薪水、高职位、高起点，渴求高收入、高物质回报率，并一厢情愿地对用人单位提出种种要求，将自己就业的目标定得很高，即使找不到合适的单位也不肯降低就业期望值。比如，有一些学生就说：“非北京、上海、深圳不去。”可是现实就业岗位大多不像大学生所想象得那么美好，因此当发现现实与理想的差异较大时，就容易出现“高不成，低不就”现象，并产生偏执、幻想、自卑、虚伪等心理问题，并可能导致择业行为的偏差。 （三）就业观念不合理 大学生的择业观念虽然在总体上是倾向于务实化与理性化，但由于处于择业观念的转型过程，因此各种不良观念也存在着，并影响了大学生的健康、顺利就业。这些不良观念主要表现在以下几个方面： 1、只顾眼前利益，忽视职业发展。 一些大学生在择业标准中只有工作条件、收入等眼前实在利益，而对自我的职业兴趣、能力、职业的发展前景等因素不作考虑，因而极易选择到并不适合自己的职业。 2、职业标准过于功利化、等级化。 一些毕业生同学过分强调职业的功利价值，甚至还将职业划分为不同等级，而不考虑国家与社会的需要，不愿意到条件比较艰苦的地区和行业去工作。 3、求安稳，求职一次到位的传统观念根深蒂固。 很多大学生仍然喜欢稳定、清闲、福利保障好的单位，希望以此就能选定理想的职业，而不愿意选择有风险、有挑战性的职业，更不敢去自己创业。 4、过分强调专业对口，学以致用。 在求职时，只要是与自己专业关系不密切的职业就不考虑，这样做只能是人为地增加了自己的就业难度。 5、职业意义认识不当。 许多大学生从观念上来说，还是仅仅把工作当作一种谋生的手段，没有充分认识到职业对个人发展、社会进步的重要意义。 （四）就业人格缺陷 1、自我同一性混乱 有许多同学在毕业、择业的时候，尚未达成自我同一性。具体来说，对自己的职业目标、需要、价值观以及自身特点等没有明确地认识；在就业时不能正视自己的能力、素质和择业的客观环境，不能对自己有一个客观、清醒、全面的评价。因此，他们在职业选择时往往是茫然、犹豫不决、反复无常、见异思迁、躁动不安，不能主动、独立地获取职业消息、筛选目标、规划职业生涯，也不能解决就业中的问题，做出正确的决策。自我同一性混乱在就业中的两个突出表现就是盲目从众与依赖。 盲目从众，是指在求职中不考虑自己的兴趣、专业等特点，盲目听从或跟随别人的意见以及盲目寻求热门职业的现象。持有这种心理的毕业生往往脱离自己的实际状况，跟在别人的后面走，如在就业市场中哪个摊位前人多他们就往哪里去，别人说什么工作好他们就寻求什么样的工作，而全然不顾自己的能力和现状，不会扬长避短。 依赖，是指在就业中不愿承担责任，缺乏独立意识，没有个人独立的决策能力，没有进取精神，只是依赖父母或老师、学校，甚至只等职业送上门而不去积极争取。一些毕业生自己不去找工作，只等着父母和亲朋好友出面四处奔波，到处找关系、托人情，甚至还怀恋过去那种统包统分的制度，希望学校解决就业问题。当别人为自己找的工作不和心意时就大发脾气，抱怨父母或学校。还有不少毕业生由家长陪着参加供需见面会，职业的好坏完全由父母决定，缺乏自主择业的能力。 2、就业挫折承受力差 不少大学生在求职时只想成功，一旦遭受挫折就会像泄了气的皮球，一蹶不振，陷入苦闷、焦虑、失望的情绪之中不能自拔。他们对求职中的挫折既缺乏估计也缺乏承受能力，不能很好调节自己的心态，也不会通过总结求职中的经验教训来获得下一次的成功。 自主择业给大学生提供了就业的自由及通过竞争获得理想职业的机会。应该说这也是大多数学生所期望与认可的。但当大学生真正面对激烈的竞争环境时，也有许多人表现出缺乏信心、缺乏勇气，求职时战战兢兢、顾虑重重、畏首畏尾，不敢大胆自荐。结果是有压力没勇气，不能真正向用人单位展现自己的竞争实力，错过机会，在竞争中陷入了不战自败的境地。特别是一些冷门专业或学习成绩不佳的同学及没有“关系”的同学就更容易出现不敢竞争、不敢尝试的问题。 害怕竞争的保守心理一方面与大学缺乏社会实践锻炼有关，另一方面更与许多大学生害怕失败，不敢面对就业挫折有关，如一些大学生在就业中只找那些把握大的职业，而对竞争强的工作不敢问津，害怕求职失败遭受打击。 3、自卑与自大 一些毕业生在求职中常会产生自卑心理，对自己评价偏低，他们总是以为自己的水平比别人差，单位要求很高自己肯定达不到，自己能力不行等等。就业中的自卑一般产生于以下一些情况：首先是一些冷门专业的学生看到就业市场寻求自己专业的单位少、待遇差或在求职中遭冷遇，就容易悲观失望；其次，一些性格比较内向、不善言辞的大学生看到其他应聘者口若悬河，自己什么也说不出来也会自惭形秽；再次，一些在校成绩与表现一般的大学生看到别人的自荐书上奖励、证书、成果一大堆，自己什么也没有，也容易自我贬低；最后，一些女大学生在就业遭受到用人单位的歧视后也会自怨自艾。总之，自卑的大学生不敢正视现实，对自己的长处估计不够，怀疑自己的能力，不善于发现适合自己的职业岗位，在对自己的抱怨、贬低中失去了求职的勇气。 自卑的反面是自大，而且两者有时会相互转化。一些专业较好、就业资本较雄厚的大学生容易从自信变为自负。还有一些大学生是脱离实际的自大，他们既缺乏对自己的客观认识，也对就业市场、职业生活缺乏了解，一切都凭自己的主观想象。如有的大学生自以为经过大学几年的学习和锻炼已经满腹经纶，任何工作到手中都可以出色完成，在求职中自觉高人一等、自命不凡、四处吹嘘，一旦出现变故则容易陷入自卑、自责、一蹶不振。 自卑与自大是大学生身上常见的人格缺陷，在就业中的表现都是对自己缺乏一个客观的评价，同时对职业缺乏深入的认识。在就业中自卑与自大常存在交织的现象，如一些大学生在求职比较顺利时容易自大，一旦出现挫折就自卑；一些大学生虽然对自身条件比较自卑，但是真正遇到用人单位时却又表现为自大，要价很高。 4、偏执与人际交往障碍 大学生就业中的偏执心理有不同的表现。①追求公平的偏执。大学生要求公平的竞争环境，对一些不良的社会风气感到气愤是正常的，但有一些大学生表现为对公平的过分偏执，将自己求职中的一切问题都归结于就业市场不公平，以致给自己的整个求职过程都笼罩上了心理阴影。②高择业标准的偏执。大多数毕业生对求职有过高的期望，不过多数人能通过在就业市场的体验，客观地认识和接受当前的就业现状并调整自己的择业标准。但仍有大部分大学生固执己见，偏执地坚持自己原来的择业标准，甚至宁愿不就业也不改变。③对专业对口的偏执。一些大学生在就业时过分追求专业对口，不顾社会需要，无视专业的伸缩性、适应性，只要是与专业有一定出入的工作就不问津，只要不能干本专业就不签约。这样就人为地减少了自己就业的机会。 有些大学生缺乏基本的人际交往能力。如有的在求职过程中过于怯懦、紧张，不敢在用人单位面前表现自己，甚至连面试也不敢去，常常一开口就面红耳赤、语无伦次。还有的在求职中不会察言观色，不懂得照顾别人的感受，不懂人际交往的礼貌礼仪，如有位大学生在面试结束时，用人单位的负责人拿给他一支烟，他不仅当即拒绝还气愤地说：“我从来都没有这种恶习！” （五）就业心态问题 1、过度焦虑与急躁 就业时许多大学生是既希望谋求到理想的职业，又担心被用人单位拒之门外，还担心自己在择业上的失误会造成终身遗憾，并对未来的职业生活感到心中无底。因此在就业过程中存在一定焦虑是正常的。但一些大学生的焦虑过了头，成天都充满了各种不必要的担心以及造成精神上的紧张不宁、忧心忡忡、烦躁不安、意志消沉，行为上反应迟钝、手忙脚乱、无所适从。 还有一些大学生在就业时显得过于急躁，整个就业期情绪始终处于亢奋状态，常常心急如焚、四面出击、东奔西跑，希望尽快找到合适的工作，但又缺乏对就业形势的冷静观察以及对自我求职的理性思考，做了许多吃力不讨好的事。因此常常都有一些毕业生在并不完全了解用人单位的情况下就匆匆签约，一旦发现实际情况与自己想象的不一样或发现了更好的工作时，有追悔莫及，甚至毁约，给自己带来许多不必要的麻烦与心理困扰。 2、消极等待与“怀才不遇”心理 与就业时的急躁心理相反的是一些大学生在就业问题上表现得非常消极，平时也不参加招聘会，有单位来了就看看，如果不满意就等下去，满意时也不主动争取，抱着“你不要我是你的损失”的态度，期待着有单位会主动邀请。还有些人这山望着那山高，不肯轻易低就，明明已经找到工作，但拖着不肯签约，总希望有更好的单位出现。 另外有些大学生自恃条件很好，认为“满腹经纶”、“博古通今”、“学富五车”，可以大有作为，但在择业时却常常要么碰壁要么找到的工作不满意，于是抱怨“世上无伯乐”，抱怨自己运气不好，成天闷闷不乐、怨天尤人。 3、攀比与嫉妒 在求职中，同学之间“追高比低”的现象时有发生，一些同学在求职中经常相互吹嘘自己的职业待遇好、收入高，导致职业期望越来越高，求职变成了自我炫耀。还有些同学看见或听说别人找到了条件优越、效益较好的单位心理上就不平衡，抱着“他能去，我更能去”的态度非要找一个条件更好的单位，而不考虑自身的条件、社会需要特点、职业发展及就业中的机遇因素。 一些毕业生对别人所找的工作心存嫉妒，特别是看到自认为条件不如自己的人也能找到很好的工作就更容易出现嫉妒心理，于是有些人故意对别人的工作冷嘲热讽、贬低、讽刺和挖苦意图打击别人，更有甚者抱着“我得不到，你也别想得到”的畸形心态在用人单位面前造谣中伤、打小报告。 4、抑郁与逆反 在择业中受到挫折后，一些毕业生同学会感到无能为力、失去信心，表现为失落抑郁、不思进取、情绪低落、意志消沉，他们常常会放弃一切积极的求职努力、听天由命。严重时还会对外界的环境也漠然置之，减少人际交往，对一切都无所谓，并进而导致抑郁症。 而另外一部分毕业生，则对正面的职业教育、职业信息存在逆反心理。对来自辅导员、班主任、学校就业指导服务中心以及同学和用人单位的正确信息、善意批评与建议，他们不相信、不听从，偏要对着干，要按自己的一厢情愿去求职。比如当别人为其推荐某工作单位时，总是抱有戒心，别人讲得越多他越不相信。当求职失败时，不总结自己的问题，甚至明明知道自己失败的原因也不改正，在以后的求职中依然我行我素，听不进任何批评与建议。 5、说谎侥幸与懒散心理 有些同学认为用人单位不可能去查实每个人的自荐书是否真实，而且在面试时时间比较短、不可能对自己作全面的考察和了解，只要自己当时充分地表现一下，把工作到手，签好协议书就行了。于是，一些毕业生把别人的获奖证书、成果证明等偷梁换柱地复印在自己的自荐书里，而且自己明明没有当什么干部，也没有参加什么社会实践活动，也照着别人的写上，甚至胡编乱造一番，以至有时在用人单位收到的自荐书中一个班竟出现了五六个班长。还有的大学生在面试时把自己吹得天花乱坠、无所不能，结果经过现场实践考核或试用时就马上露出了原形。 有的毕业生签约比较早，往往在离毕业半年前或更长时间就落实了单位，这时就容易出现懒散心理，认为工作单位已定，没有什么可以担心了，应该松口气、歇歇脚了，于是学习没了动力，组织纪律散漫，考试仅仅追求及格，毕业论文只求通过，甚至长期旷课、上网、夜不归宿。还有极少数大学生因此受到学校的处分，严重的甚至被开除或勒令退学，找到的工作也因此丢了，悔之莫及。 6、心理不满与行为、生理反应失常 由于就业市场中确实存在一些不公平现象，以及某些专业、学校不易找工作的客观现实，一些大学生在遇到就业挫折时就容易出现各种不满心理，比如有些同学认为“学习靠自己，就业靠关系”，还有些同学出现了对专业、学校的抱怨、贬低。 在各种不满与不良就业心态的影响下，还会出现一些不良行为和生理反应。这些不良行为有故意旷课、夜归、喝酒、起哄、闹事、损坏东西、打架对抗、进行不良交往、行为怪异、过度消费等，严重时还可能导致严重违纪与违法行为的出现。由于心理应激水平高，心理冲突强度大，有的毕业生会出现一些躯体化症状，如头痛、头昏、心慌、消化紊乱、神经衰弱、血压升高、身体酸痛、饮食障碍、失眠。 行为与生理反应的失常通常是比较严重的就业心理失常的表现，出现这些问题时要及时进行心理调节或寻求心理咨询专家的帮助。 二、大学生就业心理的自我调适 就业本身就是我们认识和适应社会的一个过程，在求职过程中遇到困难，甚至经过几次挫折才最后成功是正常的；在就业中遇到许多心理冲突、困惑，产生一些不良情绪也是正常的。遇到就业问题时，要学会调节自己的心态，使自己能从容、冷静地面对就业这一人生重大课题，并做出正确、理智的选择。如果你遇到了就业心理困扰，可以试着从以下几个方面来调节。 （一）接受客观现实，调整就业期望值 就业市场化、自主择业给大学生带来了机遇与实惠，但许多大学生对“市场”残酷的一面认识不足，对就业市场的客观实际了解不够。经过对就业市场、就业形势的客观了解与深刻体验后，我们必须明白现实情况就是如此，无论是抱怨还是气愤都没有用，这种就业情况不可能是一时半会儿就能改变的。与其成天怨天尤人，浪费了时间、影响了自己心情，还不如勇敢地承认和接受当前所面临的现实，彻底打破以往的美好想象，脚踏实地地寻求解决问题的好办法。 在就业市场上的用人单位找不到人、大量的毕业生无处去的“错位”现象普遍存在，这是因为大学生的就业期望普遍较高的原故。因此，要顺利就业就必须首先根据自己的实际情况和就业形势，调整自己的就业期望值。调整就业期望值不是对单位没有选择，只要有单位就去，而是要在职业生涯规划和职业发展观念的基础上重新确定自己的人生轨迹。这就是说要树立长远的职业发展观念，放弃过去那种择业就是“一次到位”，要求绝对安稳的观念。要知道现在再好的单位，将来也有下岗的可能，因此，在择业时要看得长远一些，学会规划自己整个人生的职业生涯。在当前获得一个理想职业的时机还不成熟时，应采取“先就业，后择业，再创业”的办法。也就是说，在择业时不要期望太高，可以先选择一个职业，不断提高自己的社会生存能力、增加工作经验，然后再凭借自己的努力，通过正当的职业流动，来逐步实现自我价值。许多大学生不愿意去经济落后的地区工作，可是随着西部大开发的进行，西部地区将成为经济发展的热点，也将给大学生们提供更多的发展机会，因此抢先到这样的地区去工作可能会更有利于自己的职业发展，取得事业的成功。 （二）充分认识职业价值，树立合理的职业价值观 传统认为人们工作就是为了满足生存需要，但是对于现代社会的人来说，职业对个体的意义已经远不是如此简单，职业可以满足人们从低层次到高层次的多方面需要。如最近有人对职业价值结构进行了初步研究，发现了交往、义利、挑战、环境、权力、成就、创造、求新、归属、责任、自认等11个类别的因子。因此，职业的价值是丰富的，我们要充分认识到职业对个体发展、社会进步所起到的重要作用。 在择业时不能只考虑工作的经济收入、工作条件、地点等因素，更要考虑职业对自我一生发展的影响与作用，应看重职业能否帮助实现自我价值。因此，要在考察社会需要的基础上，树立重自我职业发展、才能发挥、事业成功的职业价值观。对于那些虽然现在工作条件不怎么样，但发展空间大，能让自己充分发挥作用的单位要优先考虑；对于那些现在经济发展水平不太高，但发展潜力大，创业机会多的工作地点也要重视。总之，盲目到一些表面上看来不错，但不适合自己，自己才能不能得到有效发挥的单位去工作，是不会让自己的满意的。与其将来后悔，不如现在就改变自己，建立适应我国当前市场经济发展、人才需求规律的合理的职业价值观，以指导自己正确择业。 （三）认识与接受职业自我，主动捕捉机遇 大学生就业中的许多心里困扰都与大学生不能正确认识和接受职业自我有关，因此正确地认识自我的职业心理特点并接受自我，是调节就业心理的重要途径，并可以帮助自己找到合适自己的职业方向。要知道自己喜欢什么样的职业、需要什么样的职业、自己的择业标准以及依自己目前的能力能干什么样的工作，这样才能知道什么样的工作更适合自己。许多同学通过亲身的求职活动后就会发现自己的能力与水平并不像自己以前想象得那么高，并容易出现各种失望、悲观、不满情绪。因此在认识自我特点后还要接受自我，对自我当前存在的问题不能一味抱怨，也没有必要自卑，因为自己当前的特点是客观现实，在毕业期间要有大的改变是不可能的，因此要承认自己的现状，学会扬长避短。另外，要用发展的观点来看待自己，要知道有些缺点并不可怕，可以先就业然后在工作岗位上不断发展自己。 大学生就业中的机遇因素也是非常重要的，因此了解并接受了自我特点以后，还要学会抓住属于自己的机遇，这样才能保证以后的求职顺利。要抓住机遇首先必须要多收集有关的职业信息，多参加一些招聘会，并根据已定的择业标准进行选择。需要注意的是机遇并不是对任何人都适用的。一个工作的好与不好，是相对的，对别人合适的，对自己不一定合适，因此一定不能盲从；要时时记住，只有合适自己的才是最好的。最后要注意机遇的时效性，在发现就业机会时要主动出击，不能犹豫，也不要害怕失败，应有敢试敢闯的精神。 （四）坦然面对就业挫折，提高心理承受力 面对市场竞争、就业压力，大学生的求职总会遇到许多困难、挫折甚至是委屈，如一些专业“热门”，有些则“冷门”；又如女大学生找工作容易受到歧视等。面对这些问题仅抱怨是没有用的，更重要的是调整自我心态，提高自己对各种突发事件的心理承受能力。其实，就业的过程也是大学生重新认识自我、认识社会，并主动调整自我适应社会的过程。如果能通过求职而增强自我心理调节与承受能力，对大学生今后的职业生活都是非常有用的。 在求职中遇到挫折时，要用冷静和坦然的态度待之，客观地分析自己失败的原因，进行正确的归因。首先，在就业市场化、需求形势不佳、就业竞争激烈的条件下，出现求职失败是在所难免的，不能期望自己每次求职都能成功。要对可能出现的求职挫折有充分的心理准备。同时，应把就业看作一个很好的认识社会、认识职业生活、适应社会的机会，应通过求职活动来发展自己，促进自我成熟，因此“不以成败论英雄”。其次，自己求职失败并不一定就是因为自己的能力不行。出现求职失败有许多原因，可能是因为你选择求职单位的方向不对，也可能是因为你的价值观与单位的企业文化不符合，还有可能是其他一些偶然因素。总之，要正确分析自己失败的原因，调整自己的求职策略，学会安慰自己，以便在下次的求职中获得成功。 （五）调整就业心态，促进人格完善 在求职时，自己或身边的同学出现一些不健康的心态是正常的，没有必要过度担心、害怕自己有心理障碍。当然对于这些不良心态也要学会主动调适，必要时还可以寻求有关心理专家的帮助。进行自我心理调适的方法有很多，首先，可以进行积极的自我心理暗示，鼓励自己、相信自己，帮助自己渡过难关。其次，可以向朋友、老师倾诉，寻求他们的安慰与支持。最后，还可以通过体育锻炼、听音乐、郊游等方式转移自己的注意力，排解心中的烦闷，放松自己的心情。 通过对自己在就业时出现的种种不良心态的分析，可以发现自己平时不容易察觉的一些人格缺陷。应该说这些人格缺陷是产生这种就业心理问题的根本原因，如果现在没有很好地完善自己的人格，那么这些问题还会在今后的工作、生活中继续带来困扰。因此，有关问题其实是暴露得越早越好，同时也不必为自己所存在的人格缺陷而懊恼，因为很少有人是绝对的人格健全的，关键是要在发现自己问题的基础上，积极改变自己、发展自己，使自己的人格更加成熟，使自己将来的人生道路更顺利。 （六）开拓进取，勇于创业 大学生是有理想、有抱负、有创新精神、敢做敢为的青年先锋。因此大学生要有自主创业的打算，这既可以在毕业后马上实现也可以通过一定的社会积累后再实行。大学生们一定要有开拓自己事业的信心与勇气。当前的一些大学生创业公司虽然遇到了一些困难，但也有相当成功的案例。大学生创业肯定是值得鼓励的，关键是要有准确的观念与思路，要对自己有一个合理的规划与定位，要与有市场经验的人合作，要摆脱学生公司的意识，要进行科学化、职业化的管理。
浅谈大学生就业问题 摘要:大学生就业有着良好的基础和条件，但大学生在求职面试时，往往因为忽视了细节处的表现，以及在就业过程中出现的种种心理问题，从而与工作失之交臂。所以，大学生需要掌握一些必备的礼仪知识和良好的心理素质，以避免此类事情的发生。 关键词: 不可 忽视 细节 礼仪 心理 大学生 就业 高等的学历、丰富的知识为大学生就业打下了良好的基础，但在求职面试时，许多有知识、有能力的大学生，往往因为一些细小的问题而与工作失之交臂。 当今大学生进行面试时，除了常规的问题之外，还会碰到各种各样意想不到的问题，而招聘单位也正是从这些千奇百怪的面试中，选拔出他们所需要的人才。最近就从电视上看到这样一档节目：一家公司在对三位大学生进行面试时，搞了一次活动，让三位大学生到一家幼儿园，分别向小朋友们解释“竞争”这个词的含义。招聘单位不仅从三位大学生在这次活动中的具体表现，更是从他们在细节处的表现，去评价他们是否具备良好的组织能力、沟通能力、表达能力、创新能力、应变能力，是否诚恳、认真，是否具有爱心、耐心，是否尊重对方、把服务对象放在第一位等等，由此他们总结出三位面试者综合能力的高低，从而选出一位最佳的人才。因为现代市场经济需要的是综合型的、应用型的人才。只具备了高等的学历和丰富的知识是不行的，还要有能力。从一定意义上说，能力比知识更重要。所以招聘单位也都希望得到这样的人才。但面试时间很短，因此他们就从面试者的一言一行、一举一动中进行判断。一位礼仪专家曾说：“教养体现于细节，细节展现素质。”因为一些小事情或一些不经意的细节往往会透露出一个人的内心世界，显现出一个人的本质，招聘方就能从中迅速产生判断，结果就可能会影响到一个人的前程。而这些都不是大学生短时间靠突击就能具备的，需要长时间的培养。如果你拥有良好的全面素质，你就会比别人拥有更多的机遇。 大学生在求职过程中，要想把握住更多的机会，就必须具备较高的综合素质。在知识面广、专业技术精通、业务能力强的基础上，还必须提高个人的修养，在日常的生活、学习中养成良好的习惯，以避免因为一些细节问题而影响自己的前程。要想提高个人的修养，就必须掌握一些必备的礼仪知识。 首先是个人礼仪。虽然大学生的主要任务是学习文化知识，但要想塑造良好的大学生形象，给人以良好的第一印象，就必须注意学习一些个人礼仪知识。比如修饰、化妆、仪态、服饰、谈话等等。在现代市场经济下，每个组织都在塑造自己良好的形象，其中就包括员工形象。一位打扮不合时宜的、或粗心的、或邋遢的大学生与形象良好的大学生在同等条件下参加面试，前者肯定是落选者。因为员工的不良形象也有损组织的形象，给组织带来损失。就有这样一位大学生，他在面试时穿了一身刚买的深色西装、一双黑色的皮鞋和一双白色的袜子，希望自己形象不俗，能给主试者留下良好的第一印象。但他不知自己已违背了西装着装的基本规则。他虽然穿上了深色的西装和黑色的皮鞋，却不合时宜地以一双与前者反差过大的白色袜子同其搭配，而且在他所穿的西装上衣的左侧衣袖上，本当先行拆掉的商标，依旧赫然在目。本想给考官留下良好印象的这位大学生得到了相反的结果。所以，大学生参加面试时，一定要注意一些细节问题。比如皮肤要洁净，指甲要及时修剪，头发要整洁，口腔要卫生，要有正确的站、坐、走相，服装要合时宜，鞋要擦干净，不要随便打断主考官的谈话，谈话时要注意语音、语调、语速、语气等等，还有很重要的一点是面试过程中要始终面带微笑。这些细节都是体现大学生素质修养的，掌握了这些礼节，将有助于大学生求职的成功。 其次是公共礼仪。公共礼仪是大学生介入社会生活的一种基本工具，更有助于大学生的求职就业。有一个著名的例子就是金利来品牌的创始人曾宪梓在面试应聘者时，出了一道有趣的测试题：将一把用来打扫卫生的扫把斜放在办公室门口。 应聘者很多，但并不是所有的应聘者都能把扫把扶起来。曾宪梓最后录取的是那些达到条件并主动将倒在地上的扫把扶起来的人。他的道理很简单，应试的人进出时看到了倒在地上的扫把，虽然自己不会跌倒，但可能会碰到其他的人，并且看着也别扭，而他却不愿意弯一弯腰把扫把扶起来，说明这个人不习惯为他人着想，或是不灵敏，而且很懒。如果有能力的大学生因为这件事而与将要到手的工作失之交臂，实在是太可惜了。 还有一位品学兼优、精明强干的女大学生，被一家外资企业看中了，但就因为她不知道有关轿车座次的礼节，而大意失荆州。根据礼仪规范，当轿车的主人亲自驾车时，一名搭车者只有在轿车的前排与之平起子坐，才是尊重对方的做法。但当那位外资企业的外方总经理亲自驾车时，这位女大学生却坐在了轿车的后排座位，这通常被理解为有意怠慢亲自驾车的主人。这样一来，其结果便可想而知。如果掌握了公共礼仪知识，大学生就不会因为这些细节问题而阻碍求知就业了。比如要有良好的公德心，尊重、关心别人，真诚待人，能正确称呼对方，掌握握手的礼仪，乘坐交通工具的礼仪，能正确使用现代通信工具，懂得一些国际礼仪等等。 面对就业，大学生的心理也是复杂多变的。通过几年大学生活，同学们在知识、能力与人格方面有了积极的显著发展，有着强烈的就业意愿和积极的就业动机，为能尽快自己的人生价值而感到由衷的欢欣；而就业岗位和就业方式的多样化也为大学生就业提供了更多的机遇和更大的自由度，许多大学生都摩拳擦掌，跃跃欲试，准备在所学专业领域一展身手。但是在就业过程中，又难免出现种种心理矛盾、心理误区和心理障碍。 大学生就业的一般心理问题： 大学生群体是个体由青年期到成年期成长过程中一个特殊的群体。集多种特殊性于一身，具有处于“第二次心理断乳期”、“边缘人”地位，处于“心理延续尝负期”，多重价值观、人格的再构成等心理内在原因；同时存在着环境中诱发因素的作用，使得大学生的心理健康状况比个体一生中的其他阶段人群及处于这一时期的其他群体明显要低。一般的观点认为“大学生就业期的心理问题主要有挫折心理、从众心理、嫉妒心理、羞怯心理、盲目攀比心理、自卑心理、依赖心理等”，及其他心理如注重实惠、坐享其成的心态、过分强调自我价值等等。为了帮助广大毕业生同学更好地认识这些问题，为就业做好心理准备和心理调适，我们首先从以下几个方面来看看大学生就业时一般存在哪些心理问题。 （一）就业心理压力与焦虑 当前激烈的就业竞争环境使就业问题给大学生带来了较大的心理压力，而且这种压力在各年级学生都存在。清华大学2000年的调查显示，个人前途与就业已成为大学生心理压力中最大的因素，而且压力有随着年级增高而上升的趋势。学生就业压力体验相当严重，尤其以心理体验最为严重。大学生毕业前心理压力较过去有明显增大，主要原因是毕业方向的选择、就业、考研、恋爱分合、大学中不愉快经历、离别感伤、突发事件、经济条件等冲突和事件；女大学生心理压力大于男大学生，农村学生的焦虑水平高于城市学生。而大学生面对就业压力的释放方式则过于内向化，主要是自己解决和求助于同学朋友。 （二）就业心理期望与失落感 许多大学生都有一种“十年寒窗，一举成名”的心理，因此对择业的期望相当高。大学生大多希望到生活条件好，福利待遇高的大城市、大机关、大公司工作，而不愿到急需人才但条件艰苦的中小城市和基层小单位，过分地考虑择业的地域、职位的高低和单位的经济效益。高期望驱使毕业生总是向往高薪水、高职位、高起点，渴求高收入、高物质回报率，并一厢情愿地对用人单位提出种种要求，将自己就业的目标定得很高，即使找不到合适的单位也不肯降低就业期望值。比如，有一些学生就说：“非北京、上海、深圳不去。”可是现实就业岗位大多不像大学生所想象得那么美好，因此当发现现实与理想的差异较大时，就容易出现“高不成，低不就”现象，并产生偏执、幻想、自卑、虚伪等心理问题，并可能导致择业行为的偏差。 （三）就业观念不合理 大学生的择业观念虽然在总体上是倾向于务实化与理性化，但由于处于择业观念的转型过程，因此各种不良观念也存在着，并影响了大学生的健康、顺利就业。这些不良观念主要表现在以下几个方面： 1、只顾眼前利益，忽视职业发展。一些大学生在择业标准中只有工作条件、收入等眼前实在利益，而对自我的职业兴趣、能力、职业的发展前景等因素不作考虑，因而极易选择到并不适合自己的职业。 2、职业标准过于功利化、等级化。一些毕业生同学过分强调职业的功利价值，甚至还将职业划分为不同等级，而不考虑国家与社会的需要，不愿意到条件比较艰苦的地区和行业去工作。 3、求安稳，求职一次到位的传统观念根深蒂固。很多大学生仍然喜欢稳定、清闲、福利保障好的单位，希望以此就能选定理想的职业，而不愿意选择有风险、有挑战性的职业，更不敢去自己创业。 4、过分强调专业对口，学以致用。在求职时，只要是与自己专业关系不密切的职业就不考虑，这样做只能是人为地增加了自己的就业难度。 5、职业意义认识不当。许多大学生从观念上来说，还是仅仅把工作当作一种谋生的手段，没有充分认识到职业对个人发展、社会进步的重要意义。
话题六十四：边缘 任何事物都有中心，有边缘。处在中心固然是辉煌荣耀，处于边缘难道就必然暗淡无光吗？ 请以“边缘”为话题写一篇文章 [精彩构思]？ 1、边缘与中心 由边缘与中心之间辩证统一的关系入手，写一篇议论文。 边缘与中心之间没有绝对的界限。如中国曾是诗歌的国度，小说不登大雅之堂，如今小说创作繁盛，诗歌地位岌岌可危；再如英国是资本主义的中心时，美国刚建国没多久，如今资本主义国家都唯美国马首是瞻，英国则渐渐衰落。可见，边缘与中心的关系应辩证地看待。 2、边缘人 从边缘人的尴尬处境入手，虚构一则故事。 家境不错的农村学生小红高中毕业后考入省城的某重点大学，城市女孩的时尚与靓丽渐渐传染了她，慢慢地她也变得时髦起来。宿舍里的一位城市女孩在因事与她争执时不屑地说了一句“土包子”，她才忽然意识到自己在城市人眼中的地位。放假回家，父母不再让她劳作，认为城里人应有城里人的样子，昔日的伙伴也与她有了隔膜。小红无奈地发现自己现在成了一个农村与城市之间的边缘人。 3、在悬崖的边缘 讲述一个因贪污受贿犯罪的故事，表现迷途知返、犹未为晚的主题。 财政局王局长在不良社会风气的影响下，贪污受贿数额巨大。在家人的劝告感召下，更在“严厉打击贪污犯罪”的运动的威慑下，王局长主动投案自首，并交出全部脏款，得到宽大处理。
近年来，“星座决定命运”的说法在社会中流行开来，尤其是大学校园里的青年学生，对此很是热衷。如果说中、小学生对它的“迷信”多半是由于他们年龄尚小，世界观发展还不成熟的话，那么“星座迷恋”现象在大学生这一高知识群体中的流行就不能不让人产生疑问了可以发现，各大报纸和电视媒体对此都有过相关报道。可见，社会已经越来越关心这个问题了。在一些青少年杂志上，“星座与命运”、“星座与性格”等等，已经成为了一个重大的卖点。而在大学生中，各大高校的BBS上几乎都为“星座”开辟了专版，网络正以它特有的广度、深度和速度成为“星象迷恋”现象最有力的传播者。 大学生是怎样接触到“星象学”的？为什么它可以在大学生中如此流行？它是否真的到了另人担忧的程度？它会对大学生的行为产生什么影响？大学生是否认为这是一种现代迷信？这些问题都是本文试图去了解和探讨的。 绝大多数人都知道自己是属于哪一个星座的，可见它影响范围极广，大部分人都是由大众传媒和周围人接触到“星座”的那么，可以看出，大众媒体和周围人对个人行为的影响，个人容易受所处群体的亚文化影响，这在一定程度上也是从众心理的体现。从众是在集体影响下放弃个人意见而与大家保持一致的心理行为。社会心理学家认为，从众现象之所以发生，主要是由于集体规范压力与信息压力对个人的作用造成的。集体规范一旦形成，它就有迫使其成员去遵守的力量，集体规范的遵守与否是一个成员是否受集体欢迎的一个重要原因，所以，为了不被集体所排斥，个人常常在集体规范的压力面前出现从众现象。另外，从众的产生也常常与信息不详、情况不明、把握性不大有关系，这就是所谓的信息压力。青年文化的流行有从众的因素起作用。 大学生对“星座预测”的准确性并不要求，其态度主要以娱乐为主；所以，大可不必担心我们的大学生迷信此道，从而会危害社会的进步，要相信大学生的判断力。大部分学生对于“星座预测是否是一种迷信”持模糊态度。 为了能更好的了解大学生在这个问题上的态度，首先，我们必须搞清楚“迷信”的概念。有社会心理学家认为“迷信通常被认为是一种‘非理性的、无根据的信念’，其外化为迷信行为”。《社会心理学辞典》中给出的迷信定义为“在缺乏充分根据的情况下持有的某种观念或信念，有些权威人士把迷信看作是人们最初企图理解解释不了的事物、解释复杂而混乱的世界的派生物；其他学者，突出的如行为主义者，认为它是人们认识不了周围世界中自己的行为和与之相继发生的事件二者间存在或不存在的因果关系的自然结果。”因此，“星座预测”这种貌似有充分根据的现象是应该属于迷信的，而且其最初的产生也是为了解释那些所谓的“超自然”现象。大学生对此之所以持一种“模糊态度”主要是因为它从西方传入中国不久，并且是以客观的观察星空为基础的，可以说是借科学做载体，同时，它又不同于我们中国一直在反对的封建迷信，因此出现判断标准的混乱(网上调查引起的一次争论也能代表很大一部分人的态度。)，而青年对其他异文化、新鲜事物的好奇也导致了对这种文化的接纳和包容。 青年群体，尤其是大学生，生活的各个方面都还没有确定下来，因此，他们会追求一些可以确定的、能给他们保证的东西，所以，他们会去相信“星座预测”星座预测中大学生最想了解的前三项依次为性格、爱情、职业。在这个问题中，选项在设计上有意把有关“科学”的选项与有关“星座预测”的选项相混杂，但被选出来的前三项都是与“星座预测”有关的，这说明“星座预测”这一现象的流行目前虽不会在很深的程度上影响大学生，但也决不能忽视，需要社会、学校加以正确的引导。 性别差异在对待“星座预测”的态度上所产生的影响。我发现不少男生认为“关心星座”是女孩子才爱做的事情，而且还认为对“星座预测”比较相信的往往也都是女孩子。观察“星座文化”可以发现，它基本上是青年人群体所特有的一种文化现象，是属于青年人所独有的，极少发现有中老年人加入其中。青年文化是现代大工业社会的产物，是“青年在参与各种社会活动时由其特殊的行为方式所体现出的独特的价值判断、人格倾向、审美情趣及思考方式的概括”。帕森斯最先使用了“青年文化”这一概念，他认为：“青年文化是青年人共同分享的独立的文化系统。一种或多或少不同程度的不负责任的青年文化与强调职责、服从和生产劳动的成人观念存在着冲突。青年文化强调放纵无羁的生活方式，抗拒成年人对他们保佑的希望和约束。”不难看出，帕森斯把青年文化定义为一种放纵性的亚文化，而青年文化的本质并非放纵性，而是反叛性。青年是新生的一代，比老一代思维活跃，对事物有新奇感，不愿墨守成规，总是以自己的眼光看待传统和现代社会，从自己的角度出发提出与众不同的主张。青年文化的叛逆性的主要表现之一就是其所具有的情绪性。青年心理和生理的不成熟决定了他们容易感情用事，这是青年非理性冲动的根源，反映在文化上，就是青年文化的情绪性。这种文化上的情绪性的表现即为青年时尚的兴起。由于“星座文化”在大学里十分流行，我们也可以视其为一种大学生特有的“青年时尚”。所谓青年时尚，是指在一定时期内，青年群体普遍流行的某种生活规格或样式。具体来说，就是指一个时期里相当多的人对特定的趣味、语言、思想和习惯为等各种模型或标本的随从和追求，这种随从和追求本身是一个动态的过程。青年时尚所蕴涵的文化，是一种随时代变迁而不断演变的价值观。青年时尚之所以流行，与青年本身的主观条件和心理因素密切相关。而对于个体来说，心理因素往往起着决定的作用。 日本社会心理学家荫山庄司说过：流行是青年人创造的。说明了青年本身在时尚的制造与流行中的地位与作用。青年群体由于其生理与心理的固有特征，对时尚有着本能的敏感、先天的爱好与急切的追求。 80年代以来，转型时期的新旧两种体制、两种思想、两种观点的并存对峙所形成的碰撞与摩擦日益剧烈，使这一代青年人未能从根本上摆脱“边缘人”的地位，他们的社会化极其向成年人的过渡遇到了相当大的困难和严峻的挑战。青年时尚之所以快速流行，也是青年的从众模仿心理和个性表现心理因素交错影响的结果。青年时尚能迎合青年的个性追求与自我实现的愿望。青年作为身心尚不完全成熟的社会群体，特别急于模仿社会上或自己周围的人群中那些正在流行的生活方式、行为方式，以求得社会的认同，适应迅速变化的社会生活，获得安全感，从而达到心理上的平衡。青年的从众模仿心理，即“求同于人”的心理，是青年时尚流行的重要的心理条件。 青年人的未确定性也决定了他们这一群体要追求确定的东西，这一群体的特征是：大学生的地位是临时的，他们对新事物好奇、心理发展还不成熟、前途未卜、未来空白，在社会上还没有一个稳定的地位，这样的特征就决定了他们对待“星座”文化的态度。 由于在中国没有一个像在西方国家那样占统治地位的宗教，而大学生这样的青年，他们的心理正处在一个需要引导的时期，其社会地位的临时性决定了他们处在“角色混淆”的阶段，对自身和社会充满了各个方面的困惑，所以，他们希望确定性的东西，而“星座预测”则正好符合了他们在这个时期的特殊的心理需求。康德曾经说过：“我一定要给信仰留一块地盘”，这种心理上的需求是人人都会有的，只是在个人一生不同的发展阶段表现不同罢了。 前文中我们已经明确了迷信概念，根据“星座预测”的各方面的特征，可以判定它应该属于一种现代迷信。这种超自然的神秘文化在人类思想的某个领域始终保存，不分种族、不分国家，人人都或多或少有此需求。个人所受的教育程度的多少只能对个体的迷信表现程度有所影响。人们之所以相信一些神秘文化，也多是基于此种心理需求，即需要找些理由把自己的行为合理化，对于大学生群体，他们对与“星座预测”的或多或少的迷信，也有出于此原因的，但同时由于大学生群体的特殊性，又在这个方面形成了他们自己的特点。大学生对为使自身行为合理化而相信“星座预测”的行为，大致可以分为三种类型： 遇到失败或挫折后，把自己行为合法化、合理化，以求得自我心理安慰。 对一些在生活中受到失败和挫折的人来说，迷信是他们精神安慰的鸦片，是心理自我防御的需要。人由于社会规范的约束而不得不压抑自己的一些欲望，由于社会条件的局限或本身能力的不足而行为失败，应当说是极其普遍的。然而，人们并不愿意直接承认自己的失败或无能，于是，就具有了心理自我防御机制。 “合理化作用”便是这种机制的主要形式之一。所谓“合理化作用”，是指当人的某种愿望不能得到满足或是某件事情没有做成功时，会自觉不自觉地用某些“合理的理由”为自己的失败或无能进行辩解，以求得心理的平衡。常常听到有人在遭受挫折时感叹“自己运气不好”、“命里注定”，就是这种心理防御机制在起作用，他们期待冥冥中有一个人所不能控制的所谓的“命运”来把他们所受到的挫折找到合理合法的解释。 把“星座”的预测与自己的理想相结合，用这些说法使自己为了实现理想的行为找到一个合理化的依据，或者说，年轻的大学生是在为自己的梦想(Dream)而努力，在这样一个寻梦的过程中，尤其是对于那些追求一些目标却又信心不足的人来说，“星座预测”给了这类人一种精神和心理上的支撑和行为依据。那么我们也可以这样认为，这种行为在某种意义上又不完全是迷信，而是一种自我实现、自我预言、自我印证，它强化了目标意识，使个人会更努力的朝他的理想迈进。 由青年群体的特有的，在生活各个方面的不确定性所造成的，这也是最普遍的一种心态。青年大学生在今后的生活、学习、爱情、工作等各个方面均还是个未知数，所以他们追求一些确定的东西，希望可以对自己的未来了解、掌握。而青年人特有的好奇、追求新事物的行为也会在“星座预测”中找到其合理的解释。
Canny边缘检测教程 作者：比尔绿色（ 2002 ） 主页电子邮件 本教程假定读者： （ 1 ）知道如何发展的源代码阅读栅格数据 （ 2 ）已经阅读我Sobel边缘检测教程 本教程将教你如何： （ 1 ）实施Canny边缘检测算法。 导言 边的特点，因此，边界问题，根本的重要性在图像处理中。在图像的边缘地区，强度强的反差？猛增强度从一个像素的下一个。边缘检测的图像大大减少了大量的数据，并过滤掉无用的信息，同时保持重要的结构性能的形象。这也是我在索贝尔和拉普拉斯边缘检测教程，但我只是想再次强调这一点的，为什么您要检测的边缘。 的Canny边缘检测算法是众所周知的许多人视为最佳边缘检测。精明的意图是要加强许多边缘探测器已经在的时候，他开始了他的工作。他很成功地实现他的目标和他的思想和方法中可以找到他的论文“计算方法的边缘检测” 。在他的文件中，他遵循的标准清单，以改善目前的边缘检测方法。第一个也是最明显的错误率低。重要的是，发生在图像边缘不应错过的，没有任何反应，非边缘。第二个标准是，边缘点很好地本地化。换言之，之间的距离边缘像素作为探测器发现和实际边缘要在最低限度。第三个标准是，只有一个回应单一优势。这是第一次实施，因为并没有实质性的2足以完全消除的可能性，多反应的优势。 根据这些标准， Canny边缘检测器的第一个平滑的图像，以消除和噪音。然后认定的形象，以突出地区梯度高空间衍生物。该算法然后轨道沿着这些地区和抑制任何像素这不是在最高（ nonmaximum制止） 。梯度阵列现在进一步减少滞后。磁滞用来追踪沿其余像素，但没有压制。磁滞使用两个阈值，如果规模低于第一道门槛，这是设置为零（发了nonedge ） 。如果是规模以上的高门槛，这是一个优势。如果震级之间的2阈值，那么它设置为零，除非有一条从这个像素一个像素的梯度上述时刻。 第1步 为了落实Canny边缘检测算法，一系列步骤必须遵循。第一步是筛选出任何噪音的原始图像在寻找和发现任何边缘。而且因为高斯滤波器可以用一个简单的计算面具，它是专门用于在Canny算法。一旦合适的面罩已计算，高斯平滑可以用标准的卷积方法。阿卷积掩模通常远远小于实际的形象。因此，该面具是下跌的形象，操纵一个正方形像素的时间。较大的宽度高斯面具，较低的是探测器的敏感性噪音。定位误差检测边缘也略有增加的高斯宽度增加。高斯遮罩使用我在执行下面显示。 第2步 经过平滑的形象，消除噪音，下一步就是要找到优势兵力，采取梯度的形象。的Sobel算子进行二维空间梯度测量的形象。然后，大约绝对梯度幅度（边缘强度）各点可以找到。 Sobel算子的使用对3x3卷积口罩，一个梯度估计在X方向（栏）和其他的梯度估计的Y方向（行） 。它们如下所示： 的规模，或EDGE强度，梯度近似然后使用公式： | G | = | GX的| + |戈瑞| 第3步 寻找边缘方向是小事，一旦梯度在X和Y方向是众所周知的。然而，你会产生错误时sumX等于零。因此，在代码中必须有一个限制规定只要发生。每当梯度在x方向等于零，边缘的方向，必须等于90度或0度，取决于什么的价值梯度的Y方向等于。如果青的值为零，边缘方向将等于0度。否则边缘方向将等于90度。公式为寻找边缘方向是： 论旨= invtan （戈瑞/ GX的） 第4步 一旦边缘方向众所周知，下一步是与边缘方向为方向，可以追溯到在一个图像。因此，如果一个5x5像素图像对齐如下： x x x x x x x x x x x x 1 x x x x x x x x x x x x 然后，可以看到看像素的“ A ” ，只有4个可能的方向时，描述了周围的像素- 0度（水平方向） ， 45度（沿积极对角线） ， 90度（垂直方向） ，或135度（沿负对角线） 。所以，现在的边缘方向已经得到解决纳入其中四个方向取决于哪个方向，它是最接近于（如角被发现有3度，使零摄氏度） 。认为这是采取了半圆形和分裂成5个地区。 因此，任何先进的方向范围内的黄色范围（ 0至5月22日＆ 至180度）设置为0度。任何先进的方向下滑的绿色范围（ 至度）设置为45度。任何先进的方向下滑的蓝色范围（ 至度）设置为90度。最后，任何先进的方向范围内的红色范围（ 到度）设置为135度。 第5步 在被称为边缘方向， nonmaximum制止目前适用。 Nonmaximum抑制是用来追踪沿边缘方向和制止任何像素值（套等于0 ）这是不被认为是优势。这将让细线在输出图像。 第6步 最后，滞后是用来作为一种手段，消除条纹。裸奔是打破的边缘轮廓线的经营者造成的产量波动上面和下面的门槛。如果一个门槛， T1讯号适用于图像，并具有优势的平均强度相等的T1 ，然后由于噪声，将先进的情况下，逢低低于阈值。同样它也将延长超过阈值决策的优势看起来像一个虚线。为了避免这种情况，滞后使用2的门槛，高和低。任何像素的图像，其值大于表＃ t1推定为边缘像素，并标示为这种立即。然后，任何像素连接到这个边缘像素，并有一个值大于时刻还选定为边缘像素。如果您认为以下的优势，您需要一个梯度的时刻开始，但你不停止直到触及梯度低于表＃ t1 。
HED 论文： Holistically-Nested Edge Detection HED（Holistically-Nested Edge Detection）是一个端到端的边缘检测网络，特点是提取不同尺度的特征，和多输出的多监督及融合。 HED 在产业上应用比较广泛。 Holistic：指该方法的预测和训练都是端到端的；Neted：指通过多层级的输出，渐进地优化最终结果。作者的命名逻辑... 看这篇边缘检测的论文主要是想知道边缘检测的损失函数应该怎么设计。我本来的想法是直接像语义分割一样，用 IoU ，后来想想不对，如果一个边缘检测结果是 GT 平移了几个像素，那它仍可称得上好，但它的 IoU 却会骤降至和随机结果差不了多少。如果对边缘检测问题用 IoU 做优化对象，恐怕在优化时根本找不到可以下降的梯度方向。边缘检测的任务是提取图像内每个对象的边界，而排除对象的纹理。HED 被设计以解决两个问题：（1）对图像整体的训练和预测，End-to-end；（2）多尺度的特征提取。端到端很容易实现，因为边缘检测任务的输入和输出都是一张图片，只是通道数不同，很明显可以应用一个全卷积的网络来实现。HED 的骨干网络采用 VGG，并将 VGG 后面的全连接层结构全部移除，只保留卷积层。一些曾被应用过或正在被应用的多尺度特征提取方法。 (a) 多通路并行网络，通过不同的网络深度得到不同的感受野，输出聚合在一起； (b) 跳线连接，将来自不同卷积层的输出通过跳线连接在一起，作为特征提取结果（实际上跳线连接也可以在各个卷积层之间连接，而不仅限于到输出层，比如 U-Net 结构）； (c) 同一个网络，采用不同尺寸的输入； (d) 不同深度的网络完全分立（这个方法感觉最拉跨，各个尺度上的特征没有相关性，也没听说过有人这么搞）； (e) HED 提出的结构，在卷积网络的不同深度引出“侧输出”，将这些侧输出聚合成最终输出（和 (b) 的不同在于每个侧输出都能被监督并进行反向传播，这里应用了中继监督的思想，也是一个很泛用的做法）。这篇文章也用了中继监督，之前看的 Stacked Hourglass 也是。不过 Stacked Hourglass 的侧输出是还要被输入到下个特征提取网络里继续 refine 的，旨在迭代地优化输出结果。 HED 的侧输出和 GoogLnet 等一些常见的侧输出比较像，前面也说了，浅层的特征保留了更多的信息，但是相对而言感受野更小，那么 HED 就取多个不同深度的特征，分别在这些位点设置输出层。具体地，HED 在每个 VGG 内尺寸的特征图上引出一个卷积层作为侧输出层。HED 将边缘检测任务归纳为对每个像素点的二分类任务——“边缘”和“非边缘”。对于 HED 的单个输出而言，其损失函数为所有像素点的二分类损失函数的和，另外，由于边缘占的像素总数一般都会少于非边缘，所以实际是边缘的像素提供的二分类损失函数会乘以一个更大的权重，以进行正负样本平衡。HED 整体的损失函数就是它所有输出的损失函数的加权和。 转化成数学语言就是：其中 指特征提取网络（VGG）的权重， 指 HED 第 层输出的输出层权重， 为平衡每层输出为最终损失贡献的系数， 为平衡正负样本的系数， 和 分别指代边缘像素和非边缘像素， 为像素 输出的置信度。 上面的损失函数是针对每个侧输出进行优化，HED 的最终输出是每个侧输出按照一定的权重加总得到的融合输出，这些权重是通过训练学习到的，而非人为设定的。 融合输出的损失函数如下：其中融合输出 ， 是每个侧输出在融合时的权重， 计算输出和 GT 之间的距离，这里采用交叉熵函数。 整个模型在训练时的优化目标权重为：可以看到，最终的损失函数中存在一定的冗余，由于融合输出是由侧输出得到的，侧输出似乎被不止一次地惩罚了。不过，先不论这种冗余是不是必要的，据作者言，只对融合输出进行惩罚得到的效果是不够好的，因为模型总会区域学习更大尺度上的特征。 HED 的损失函数是一种很直接的思路，不过任然有这样的问题：当一个被预测为“边缘”的像素点实际上是“非边缘”时，不管它和 GT 离得有多近，体现在损失函数上，都和一个差 GT 十万八千里的像素点没有区别。这种设计——就我个人的理解——会让损失函数的梯度出现大面积的平坦区域，梯度下降难以工作。但目前的工作似乎都是在用交叉熵作为损失函数，虽然今年也提出了 G-IoU、D-IoU 等将 IoU 调整后作为损失函数的方法，但是限于数学表达上的困难，目前只能应用于矩形边界框，而不能应用于像素集分割。
Canny边缘检测教程 Author: Bill Green (2002) 作者：比尔绿色（ 2002 ） HOME EMAIL 主页 电子邮件 This tutorial assumes the reader: 本教程假定读者： (1) Knows how to develop source code to read raster data （ 1 ）知道如何发展的源代码阅读栅格数据 (2) Has already read my Sobel edge detection tutorial （ 2 ）已经阅读我Sobel边缘检测教程 This tutorial will teach you how to:本教程将教你如何： (1) Implement the Canny edge detection algorithm. （ 1 ）实施Canny边缘检测算法。 INTRODUCTION 导言 Edges characterize boundaries and are therefore a problem of fundamental importance in image processing.边的特点，因此，边界问题，根本的重要性在图像处理中。 Edges in images are areas with strong intensity contrasts – a jump in intensity from one pixel to the next.在图像的边缘地区，强度强的反差-一个跳转的强度从一个像素的下一个。 Edge detecting an image significantly reduces the amount of data and filters out useless information, while preserving the important structural properties in an image. This was also stated in my Sobel and Laplace edge detection tutorial, but I just wanted reemphasize the point of why you would want to detect edges.边缘检测的图像大大减少了大量的数据，并过滤掉无用的信息，同时保持重要的结构性能的形象。这也是我在索贝尔和拉普拉斯边缘检测教程，但我只是想再次强调这一点的，为什么你会要检测的边缘。 The Canny edge detection algorithm is known to many as the optimal edge detector. Canny's intentions were to enhance the many edge detectors already out at the time he started his work.的Canny边缘检测算法是众所周知的许多人视为最佳边缘检测。坎尼的意图是要加强许多先进的探测器已经在的时候，他开始他的工作。 He was very successful in achieving his goal and his ideas and methods can be found in his paper, " A Computational Approach to Edge Detection ".他很成功地实现他的目标和他的思想和方法中可以找到他的论文“ 计算方法的边缘检测 ” 。 In his paper, he followed a list of criteria to improve current methods of edge detection.在他的文件中，他遵循的标准清单，以改善目前的边缘检测方法。 The first and most obvious is low error rate.第一个也是最明显的错误率低。 It is important that edges occuring in images should not be missed and that there be NO responses to non-edges.重要的是，发生在图像边缘不应错过的，没有任何反应，非边缘。 The second criterion is that the edge points be well localized. In other words, the distance between the edge pixels as found by the detector and the actual edge is to be at a minimum.第二个标准是，边缘点很好地本地化。换言之，之间的距离边缘像素作为探测器发现和实际边缘要在最低限度。 A third criterion is to have only one response to a single edge.第三个标准是，只有一个回应单一优势。 This was implemented because the first 2 were not substantial enough to completely eliminate the possibility of multiple responses to an edge.这是第一次实施，因为并没有实质性的2足以完全消除的可能性，多反应的优势。 Based on these criteria, the canny edge detector first smoothes the image to eliminate and noise.根据这些标准， Canny边缘检测器的第一个平滑的图像，以消除和噪音。 It then finds the image gradient to highlight regions with high spatial derivatives.然后认定的形象，以突出地区梯度高空间衍生物。 The algorithm then tracks along these regions and suppresses any pixel that is not at the maximum (nonmaximum suppression).该算法然后轨道沿着这些地区和抑制任何像素这不是在最高（ nonmaximum制止） 。 The gradient array is now further reduced by hysteresis.梯度阵列现在进一步减少滞后。 Hysteresis is used to track along the remaining pixels that have not been suppressed.磁滞用来追踪沿其余像素，但没有压制。 Hysteresis uses two thresholds and if the magnitude is below the first threshold, it is set to zero (made a nonedge).磁滞使用两个阈值，如果规模低于第一道门槛，这是设置为零（发了nonedge ） 。 If the magnitude is above the high threshold, it is made an edge.如果是规模以上的高门槛，这是一个优势。 And if the magnitude is between the 2 thresholds, then it is set to zero unless there is a path from this pixel to a pixel with a gradient above T2.如果震级之间的2阈值，那么它设置为零，除非有一条从这个像素一个像素的梯度上述时刻。 Step 1 第1步 In order to implement the canny edge detector algorithm, a series of steps must be followed.为了落实Canny边缘检测算法，一系列步骤必须遵循。 The first step is to filter out any noise in the original image before trying to locate and detect any edges.第一步是筛选出任何噪音的原始图像在寻找和发现任何边缘。 And because the Gaussian filter can be computed using a simple mask, it is used exclusively in the Canny algorithm.而且因为高斯滤波器可以用一个简单的计算面具，它是专门用于在Canny算法。 Once a suitable mask has been calculated, the Gaussian smoothing can be performed using standard convolution methods.一旦合适的面罩已计算，高斯平滑可以用标准的卷积方法。 A convolution mask is usually much smaller than the actual image.阿卷积掩模通常远远小于实际的形象。 As a result, the mask is slid over the image, manipulating a square of pixels at a time. The larger the width of the Gaussian mask, the lower is the detector's sensitivity to noise .因此，该面具是下跌的形象，操纵一个正方形的像素上。 较大的宽度高斯面具，较低的是探测器的敏感性噪音 。 The localization error in the detected edges also increases slightly as the Gaussian width is increased.定位误差检测边缘也略有增加的高斯宽度增加。 The Gaussian mask used in my implementation is shown below.高斯遮罩使用我在执行下面显示。 Step 2 第2步 After smoothing the image and eliminating the noise, the next step is to find the edge strength by taking the gradient of the image.经过平滑的形象，消除噪音，下一步就是要找到优势兵力，采取梯度的形象。 The Sobel operator performs a 2-D spatial gradient measurement on an image.的Sobel算子进行二维空间梯度测量的形象。 Then, the approximate absolute gradient magnitude (edge strength) at each point can be found.然后，大约绝对梯度幅度（边缘强度）各点可以找到。 The Sobel operator uses a pair of 3x3 convolution masks, one estimating the gradient in the x-direction (columns) and the other estimating the gradient in the y-direction (rows). Sobel算子的使用对3x3卷积口罩，一个梯度估计在X方向（栏）和其他的梯度估计的Y方向（行） 。 They are shown below:它们如下所示： The magnitude, or EDGE STRENGTH, of the gradient is then approximated using the formula:的规模，或EDGE强度，梯度近似然后使用公式： |G| = |Gx| + |Gy| | G | = | GX的| + |戈瑞| Step 3 第3步 Finding the edge direction is trivial once the gradient in the x and y directions are known.寻找边缘方向是小事，一旦梯度在X和Y方向是众所周知的。 However, you will generate an error whenever sumX is equal to zero.然而，你会产生错误时sumX等于零。 So in the code there has to be a restriction set whenever this takes place.因此，在代码中必须有一个限制规定只要发生。 Whenever the gradient in the x direction is equal to zero, the edge direction has to be equal to 90 degrees or 0 degrees, depending on what the value of the gradient in the y-direction is equal to.每当梯度在x方向等于零，边缘的方向，必须等于90度或0度，取决于什么的价值梯度的Y方向等于。 If GY has a value of zero, the edge direction will equal 0 degrees.如果青的值为零，边缘方向将等于0度。 Otherwise the edge direction will equal 90 degrees.否则边缘方向将等于90度。 The formula for finding the edge direction is just:公式为寻找边缘方向是： theta = invtan (Gy / Gx)论旨= invtan （戈瑞/ GX的） Step 4 第4步 Once the edge direction is known, the next step is to relate the edge direction to a direction that can be traced in an image.一旦边缘方向众所周知，下一步是与边缘方向为方向，可以追溯到在一个图像。 So if the pixels of a 5x5 image are aligned as follows:因此，如果一个5x5像素图像对齐如下： x x x x x x x x x x x x x x x x x x x x x x a x x x x 1 x x x x x x x x x x x x x x x x x x x x x x Then, it can be seen by looking at pixel " a ", there are only four possible directions when describing the surrounding pixels - 0 degrees (in the horizontal direction), 45 degrees (along the positive diagonal), 90 degrees (in the vertical direction), or 135 degrees (along the negative diagonal).然后，可以看到看像素的“ A ” ，只有4个可能的方向时，描述了周围的像素- 0度 （水平方向） ， 45度 （沿积极对角线） ， 90度 （垂直方向） ，或135度 （沿负对角线） 。 So now the edge orientation has to be resolved into one of these four directions depending on which direction it is closest to (eg if the orientation angle is found to be 3 degrees, make it zero degrees).所以，现在的边缘方向已经得到解决纳入其中四个方向取决于哪个方向，它是最接近于（如角被发现有3度，使零摄氏度） 。 Think of this as taking a semicircle and dividing it into 5 regions.认为这是采取了半圆形和分裂成5个地区。 Therefore, any edge direction falling within the yellow range (0 to & to 180 degrees) is set to 0 degrees.因此，任何先进的方向范围内的黄色范围 （ 0至5月22日＆ 至180度）设置为0度。 Any edge direction falling in the green range ( to degrees) is set to 45 degrees. Any edge direction falling in the blue range ( to degrees) is set to 90 degrees.任何先进的方向下滑的绿色范围 （ 至度）设置为45度。任何优势的方向下滑的蓝色范围 （ 至度）设置为90度。 And finally, any edge direction falling within the red range ( to degrees) is set to 135 degrees.最后，任何先进的方向范围内的红色范围 （ 到度）设置为135度。 Step 5 第5步 After the edge directions are known, nonmaximum suppression now has to be applied. Nonmaximum suppression is used to trace along the edge in the edge direction and suppress any pixel value (sets it equal to 0) that is not considered to be an edge. This will give a thin line in the output image.在被称为边缘方向， nonmaximum抑制现在必须适用。 Nonmaximum抑制是用来追踪沿边缘方向和制止任何像素值（套等于0 ）这是不被认为是优势。这将给细线的输出图像。 Step 6 第6步 Finally, hysteresis is used as a means of eliminating streaking.最后，滞后是用来作为一种手段，消除条纹。 Streaking is the breaking up of an edge contour caused by the operator output fluctuating above and below the threshold.裸奔是打破的边缘轮廓线的经营者造成的产量波动上面和下面的门槛。 If a single threshold, T1 is applied to an image, and an edge has an average strength equal to T1, then due to noise, there will be instances where the edge dips below the threshold.如果一个门槛， T1讯号适用于图像，并具有优势的平均强度相等的T1 ，然后由于噪声，将有情况下，边逢低低于阈值。 Equally it will also extend above the threshold making an edge look like a dashed line.同样它也将延长超过阈值决策的优势看起来像一个虚线。 To avoid this, hysteresis uses 2 thresholds, a high and a low.为了避免这种情况，滞后使用2的门槛，高和低。 Any pixel in the image that has a value greater than T1 is presumed to be an edge pixel, and is marked as such immediately.任何像素的图像，其值大于表＃ t1推定为边缘像素，并标示为这种立即。 Then, any pixels that are connected to this edge pixel and that have a value greater than T2 are also selected as edge pixels.然后，任何像素连接到这个边缘像素，并有一个值大于时刻还选定为边缘像素。 If you think of following an edge, you need a gradient of T2 to start but you don't stop till you hit a gradient below T1.如果您认为以下的优势，您需要一个梯度的时刻开始，但你不停止直到触及梯度低于表＃ t1 。 You are visitor number: 你是第位访客人数：