（定稿）某市污水处理厂建设项目投资申请报告0

最简单的方法就是用该点的梯度幅度代替该点的灰度。

此方法的缺点就是增强的图像仅仅是灰度变换比较陡峭的边缘轮廓，而灰度变化比较平缓或者比较均匀的地方则呈现黑色。

为了突出物体的边缘，常常采用梯度值的改进算法，将图像各个点的梯度值与阈值作比较，如果大于阈值，该像素点的灰度值用其梯度值表示，否则用个固定的灰度值表示。

综上所述，图像锐化算法主要包括三方面内容算取合适的梯度算子如拉普拉斯算子根据所选用的梯度算子计算图像各点的灰度值，得出各像素点的梯度值根据个像素点的梯度值选取合适的处理方法。

图像锐化的功能实现由于设计要求原因，本次设计主要只研究运用梯度算子来实现图像的锐化处理。

首先绘制出梯度锐化实现的流程图，流程图如图子程序开始复制图像利用算子求出，方向上梯度求出图像梯度模值利用梯度模值与原图灰度值按比例相加得到锐化图像返回图梯度锐化流程图根据上述流程图，编程实现图像锐化功能。

图像锐化前后效果图对比如图平均平滑第次梯度锐化第二次梯度锐化第三次梯度锐化图图像锐化前后对比图由上图可清晰的看到图像经过锐化处理后的变化。

图像锐化使原本经过图像平滑后变得模糊的边界轮廓得到了改善，是图像的边缘变得清晰了。

但是图像如果经过过度锐化图后两图以后，反而会使图像变得模糊。

因此进行图像锐化时需进行适度锐化图像，从而更好的得到所需图像。

区域生长图像分割概述图像分割的方法和种类非常多，有些分割算法可以直接用于大多数图像，而另些则只适用于特殊类别的图像。

般采用的方法有边缘检测边界跟踪区域生长区域分离和聚合等。

本次设计则只研究区域生长的图像分割方法。

图像分割算法般给予图像灰度只的不连续性或其相似性。

不连续性是给予图像灰度的不连续变化分割图像，如针对图像的边缘有边缘检测边界跟踪等算法相似性是依据事先制定的准则将图像分割为相似的区域，如阈值分割区域生长等。

图像分割在科学研究和工程技术领域有着广泛的应用。

在工业上，应用于矿藏分析无接触式检测产品的精度和纯度分析等在生物医学上，应用于计算机断层图像光透视核磁共振病毒细胞的自动检测和识别等交通上，应用于车辆检测车种识别车辆跟踪等另外，在机器人视觉神经网络身份鉴定图像传输等各个领域都有着广泛的应用。

区域生长区域生长是根据事先定义的准则将像素或者子区域聚合成更大区域的过程。

其基本思想是从组生长点开始生长点可以是单个像素，也可以为个小区域，将与该生长点性质相似的相邻像素或者区域与生长点合并，形成新的生长点，重复此过程直到不能生长为止。

生长点和相邻区域的相似性判据可以是灰度值纹理颜色等多种图像信息。

区域生长般有个步骤。

选择合适的生长点。

确定相似性准则即生长准则。

确定生长停止条件。

般来说，在无像素或者区域满足加入生长区域条件时，区域生长就会停止。

图给出个区域生长的实例图为原图像，数字表示像素的灰度。

以灰度为的像素为初始的生长点，记为，。

在领域内，生长准则是待测点灰度值与生长带你灰度值相差为或者。

那么，图所示，第次区域生长后，，与中心点灰度值相差都为，因而被合并。

第二次生长后，如图所示被合并。

第三次生长后，如图所示，被合并，至此，已经不存在满足生长准的的像素点，生长停止。

原图像灰度矩阵生长点第次区域生长结果第二次区域生长结果第三次区域生长结果区域生长的优势和劣势优势区域生长通常能将具有相同特征的联通区域分割出来。

区域生长能提供很好的边界信息和分割结果。

区域生长的思想很简单，只需要若干种子点即可完成。

在生长过程中的生长准则可以自由的指定。

可以在同时刻挑选多个准则。

劣势计算代价大。

噪声和灰度不均可能会导致空洞和过分割。

对图像中的阴影效果往往不是很好。

区域生长的实现首先绘制出区域生长实现的流程图，如图所示子程序开始图像预处理锐化选择种子点迭代判断区域产生二值化图像返回图区域生长流程图根据上述流程图，可编程实现区域生长功能。

在读入图片点击区域生长功能键以后，系统会自动弹出个名为的对话框，如图所示图点击区域生长按键后弹出的对话框此时，操作人员可以方便快捷的在该对话框中的图片上选择个所需点作为种子点进行区域生长功能的实现。

种子点选择过后，程序会自动关闭该对话框回到主界面显示区域生长后的图片。

图像区域生长后效果图如图当阈值为时的区域生长图当阈值为时的区域生长图当阈值为时的区域生长图当阈值为时的区域生长图当阈值为时的区域生长图图图像区域生长后效果图区域生长是经过在图像上选取个点作为第个种子点，并设定个阈值。

然后将种子点的像素与周围点的灰度值相比较，他们的差值小于设定的阈值时就将其作为另个种子点这样循环比较下去，直到种子点周围点灰度差值大于阈值才停止。

然后将满足条件即与种子点差值小于阈值的点记录并留下来在图像中显示，从而得到如图的区域生长后的图形。

由图对比可见，当阈值为时得到的区域生长后的图形最接近完整的肝脏，所以在后面提取区域时运用阈值为的区域生长图进行提取，以便得到更好的肝脏提取效果图。

但此区域生长方法有个缺陷，会使得到的图形产生很多小孔，这将由下个提取区域功能中加入个图像腐蚀功能来改善这缺陷。

在编写区域生长的程序时需注意阈值的选择，如果阈值太大，容易导致溢出，使程序不能正常运行如果阈值太小，则无法得到所需的图像。

提取区域提取区域的功能是在图像进行过区域生长以后，将区域生长后的二值图作为掩码，在原图中提取并显示出来，从而提取出了原图腹腔中的肝脏部分。

提取区域后的图像如图所示图提取区域后的图像上图是未经过腐蚀直接进行提取区域后得到的图像，由于直接进行提取区域，，，附录系统实现主程序读入图像生成对象，即打开选择图片对话框，选择图片后返回程序获得图片地址自带字符操作类转化为字符串读入图片图片备份读入图片标志显示图片判断是否有图片，生成类型对话框对象生成尺寸对话框对象，获取平滑类型，获取尺寸并判断平滑显示平滑后图像图像显示函数获取句柄获取图像框大小尺寸，判断读入图尺寸教基础。

范例从外部提供反馈信息，有助于学生掌握概念的主要特征表象具有直观性与概括性，充当从具体感知到概念形成的过渡和桥梁。

因此，在高中生物的概念教学中，应该运用多种方式向学生提供范例，丰富他们的表象。

充分而恰当地利用实物模型图像实验演示现代电化教具等直观手段，丰富学生的表象。

比较概括，抓住关键特征学生在学习概念时，概念的关键属性和无关属性是并出现的。

心理学研究表明，概念的关键属性越明显，学习越容易无关属性越多，学习越困难。

为此，教师要从两个方面着手其，突出概念的关键属性。

例如，在讲酶的概念时，抓住活催化蛋白质这些关键属性。

其二，引导学生对概念进行比较与概括，从而抓住概念的关键属性。

比较是在思想上把各种事物和现象加以对比，以确定他们的异同点及其相互关系的思维过程。

如二倍体多倍体单倍体等概念学生不易区分。

对它们进行对比归纳可以看出本质区别是来源不同。

由受精卵发育来的个体有几个染色体组就是几倍体由配子发育来的个体无论有几个染色体组都是单倍体。

逆向思考法比如，在生物的生殖中，般高等动物都是有性生殖，引导学生思考，有没有无性生殖呢以逆向思考法操作例举试管婴儿，克隆羊多莉的事实引证，结果，学生不但理解有性生殖无性生殖概念，还理解了克隆技术这现代生物学新名词。

逆向思维法中，教师只是提出疑问从旁点拨引导，最后由学生根据事实，逐步归纳形成概念。

从而形成对概念的实质性理解。

进行高中生物模拟游戏教学模拟，是种调动学生积极参与教学活动的最低廉而最有效的手段之。

它是个真实生活情景或过程的抽象或简化，具有仿真模型和角色扮演等形式。

游戏在教学过程中，它是具有吸引力而又有教学效果的学习活动。

两者结合就形成了模拟游戏，它结合了模拟和游戏的特性。

如在基因指导蛋白质的合成节课中，可设计了这样的模拟游戏。

首先，在黑板上给出个核苷酸系列的单链片段，由个学生组成的小组各自用手中的个碱基卡片，根据配对原则，手拉手形成另条单链片段，再由个学生组成的小组各自用手中的个碱基卡片，根据与的配对原则，形成条。

其次，将这条领到另侧，表示进入核糖体。

最后，再由个学生组成的根据密码子表各自领个扮演氨基酸的同学，组成条多肽链。

通过这活动使学生准确的理解了蛋白质合成的基本过程。

好的教学方法可以提高课堂效率，但不是越多越好。

采用过多的教学方法反而喧宾夺主，让课堂教学的主次不明。

课堂教学方法的采用应该具有针对性，不同的内容采用不同的适宜的教学方法，不能是为了用而用，应该是为了更好地完成教学目标而用。

考试存在的问题解决措施针对调查显示学生考试方面存在的问题，我们认为应需要采取的措施有下几个方面针对个别考分过低的学生，加强管理，多关注，多帮助，使他们建立起学习的兴趣和信心在课堂，课后作业，辅导工作中加强对学生对基础知识的掌握从课堂教学中抓效率，抓质量，不断改进教学方法和手段，促进学生对知识的理解与掌握，教会学生点石成金的指头，使他们从学习中体会到快乐。

通过对以上的调查分析及解决的措施提出几点建议教学要求和教学内容必须符合时片。

最简单的方法就是用该点的梯度幅度代替该点的灰度。

此方法的缺点就是增强的图像仅仅是灰度变换比较陡峭的边缘轮廓，而灰度变化比较平缓或者比较均匀的地方则呈现黑色。

为了突出物体的边缘，常常采用梯度值的改进算法，将图像各个点的梯度值与阈值作比较，如果大于阈值，该像素点的灰度值用其梯度值表示，否则用个固定的灰度值表示。

综上所述，图像锐化算法主要包括三方面内容算取合适的梯度算子如拉普拉斯算子根据所选用的梯度算子计算图像各点的灰度值，得出各像素点的梯度值根据个像素点的梯度值选取合适的处理方法。

图像锐化的功能实现由于设计要求原因，本次设计主要只研究运用梯度算子来实现图像的锐化处理。

首先绘制出梯度锐化实现的流程图，流程图如图子程序开始复制图像利用算子求出，方向上梯度求出图像梯度模值利用梯度模值与原图灰度值按比例相加得到锐化图像返回图梯度锐化流程图根据上述流程图，编程实现图像锐化功能。

图像锐化前后效果图对比如图平均平滑第次梯度锐化第二次梯度锐化第三次梯度锐化图图像锐化前后对比图由上图可清晰的看到图像经过锐化处理后的变化。

图像锐化使原本经过图像平滑后变得模糊的边界轮廓得到了改善，是图像的边缘变得清晰了。

但是图像如果经过过度锐化图后两图以后，反而会使图像变得模糊。

因此进行图像锐化时需进行适度锐化图像，从而更好的得到所需图像。

区域生长图像分割概述图像分割的方法和种类非常多，有些分割算法可以直接用于大多数图像，而另些则只适用于特殊类别的图像。

般采用的方法有边缘检测边界跟踪区域生长区域分离和聚合等。

本次设计则只研究区域生长的图像分割方法。

图像分割算法般给予图像灰度只的不连续性或其相似性。

不连续性是给予图像灰度的不连续变化分割图像，如针对图像的边缘有边缘检测边界跟踪等算法相似性是依据事先制定的准则将图像分割为相似的区域，如阈值分割区域生长等。

图像分割在科学研究和工程技术领域有着广泛的应用。

在工业上，应用于矿藏分析无接触式检测产品的精度和纯度分析等在生物医学上，应用于计算机断层图像光透视核磁共振病毒细胞的自动检测和识别等交通上，应用于车辆检测车种识别车辆跟踪等另外，在机器人视觉神经网络身份鉴定图像传输等各个领域都有着广泛的应用。

区域生长区域生长是根据事先定义的准则将像素或者子区域聚合成更大区域的过程。

其基本思想是从组生长点开始生长点可以是单个像素，也可以为个小区域，将与该生长点性质相似的相邻像素或者区域与生长点合并，形成新的生长点，重复此过程直到不能生长为止。

生长点和相邻区域的相似性判据可以是灰度值纹理颜色等多种图像信息。

区域生长般有个步骤。

选择合适的生长点。

确定相似性准则即生长准则。

确定生长停止条件。

般来说，在无像素或者区域满足加入生长区域条件时，区域生长就会停止。

图给出个区域生长的实例图为原图像，数字表示像素的灰度。

以灰度为的像素为初始的生长点，记为，。

在领域内，生长准则是待测点灰度值与生长带你灰度值相差为或者。

那么，图所示，第次区域生长后，，与中心点灰度值相差都为，因而被合