基于msp430f149的可分离的多形态舞蹈机器人WORD论文+软硬件设计文件. 2. 系统方案 在该机器人的设计中主要进行机械结构设计、驱动机构设计、驱动器及电源选择、硬件电路设计及软件算法实现等。 1、 机械部分： 稳定性、平衡性和灵活性，同时保证一定的刚度；关节连接件的设计要合适，保证机器人行动起来灵活自如，动作顺滑平稳，并且具有一定的承受负载能力；机器人重心的确定，硬件控制电路板和电池等负载如何放置，机器人对接分离时，平稳灵活 2、 动力源： 驱动源的选择在保证稳定性、平衡性和灵活性的前提下，实现低成本、低功耗。 3、 电源要求： 由于机器人的几何尺寸的限制，所以电源体积又不能过大；容量不能过小，至少满足一次完整跳舞过程；电源内阻不能过大，减小功耗；电源提供电机和逻辑电路的电压要求。 4、 硬件控制板： 1）微控器的选择要求：低功耗，处理数据快。 2）信号调理电路的要求：抗干扰性强，稳定性强。 3）稳压电路要求提供大电流，并能承受舵机转动的瞬时电流冲击。 5、软件设计： 1）实时性：在一定时间间隔内，完成一系列的软件的处理过程，所以要求所有程序必须是非阻塞程序。 2）平稳性：要保证机器人运动的平稳性必须想办法降低机器人的运动速度，即舵机的转动速度，后来采用内插法，进行舵机转速的调整。 3）连续性：为了保证所有舵机转动的快速切换，所以采用中断方式，从而保证每个舵机都可以按要求转动。 3. 系统硬件设计 硬件设计主要包括机械结构设计和硬件电路设计，再次主要对硬件电路进行介绍，机械结构设计见附录一。 （1）430最小系统

利用形态学滤波检测灰度图中的直线和角点。

针对传统的边缘检测算子对噪声敏感问题，提出了一种基于多尺度多结构元素形态学边缘检测算子。该算子在传统形态学边缘检测的基础上，通过改变结构元素的形状和尺度，在很好抑制噪声的前提下，实现图像精细边缘提取。MATLAB仿真结果表明，该边缘检测算子具有更强的去噪能力，定位准确，保留了更多的图像细节，优于传统的边缘检测算子。

自己写的matlab代码，可以直接调用，并且有一个例子，数据是地磁传感器车辆检测数据

一个矩形波加上一个脉冲信号，用形态滤波进行降噪

在视频跟踪系统的研究中，目标检测是至关重要一环，其结果的好坏关系到图像的分析与识别，直接影响机器视觉系统对客观世界的理解。实现图像中目标边缘检测有许多不同的方法，也一直是图像处理的研究热点，人们期望找到一种定位准、抗噪强、不误检、不漏检的检测算法[1]。经典的算法中主要用梯度算子，较常用的有Roberts、Prewitt和Sobel算子，其中Sobel效果较好，但也存在不足之处，无法避免噪声，对后续的图像处理有很大的影响。

爱分享、爱极客的编程怪兽--DaveBobo 博文 《【OpenCV学习笔记 008】基于形态学运算的图像变换》 博文链接： http://blog.csdn.net/davebobo/article/details/52561463 OpenCV版本：2.4.9

MATLAB火焰检测,本课题为基于颜色的火焰识别技术。将彩色图像转化为HSV图像，当HSV三通道比例符合一定经验值的时候，就确定为火焰的像素，将目标变成白色，其余变为黑色。结合形态学进行滤波，去除干扰面积。再原图的基础上进行定位框出，并且进行预警。

数字图像在进行数学形态滤波去噪时，根据噪声特点可以尝试采用维数由小到大的结构元素来进行处理，进而达到滤除不同噪声的目的。采用数学形态学的多结构元素，可以更多地保持数字图像的几何特征. MATLAB开发的基于形态学的权重自适应图像去噪，运行无误。请放心下载

对输入的图像进行传统的图像分割操作,可以去除少量噪音.