常用影像處理演算法的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

大尺寸螢幕光學觸控之手勢辨識技術

為了解決常用影像處理演算法的問題，作者蔡宗成 這樣論述：

大尺寸螢幕光學觸控共分為兩部分：(A)3D定位技術與(B)手勢辨識技術。本文屬於第二部分的手勢辨識技術，乃針對使用者使用的手勢，對於其一系列的動作，擷取手掌的手指數目、手指長度以及手指寬度等特徵，配合手勢呈現上、下、左、右、前及後的移動做為依據，進而達到可判斷手勢的「選擇」、「取消選擇」與「移動」之研究。 在人機互動(Human-Machine Interactive)的系統上，與以往的鍵盤與滑鼠等硬體設備做為輸入介面相比，使用者以手勢做為輸入是很自然且直觀的方法。系統偵測使用者擺動的手勢，判斷使用者操作的一系列手勢動作，並給予適當的回應。 本文設計可於任意尺寸的大型面板上架設兩個近

紅外線攝影機，偵測面板前使用者的手部動作並擷取手部位置，讓使用者不必透過硬體控制器(如；滑鼠與鍵盤)或是資料手套，只需在3D空間中做手勢動作且不需直接碰觸面板操作電腦，如同電影「關鍵報告」(Minority Report)中男主角操作電腦觀看影片檔案之動作。 本研究可分為三個單元：第一單元為影像前處理，透過攝影機拍攝的原始影像，經過背景相減法、二值化以及形態學運算等技術取得清晰的手部影像；但取得的手部影像會由於其多餘的手臂範圍，影響到系統擷取手掌重心位置與手掌特徵的正確性。因此，本研究接著進行去除手臂與手腕的動作，以得到精確的手掌影像。 第二單元為手掌姿態與特徵擷取，根據前一單元得到的手掌

影像轉換為角度-距離關係圖，取得手指長度與手指寬度特徵，並將此圖進行細線化動作，取得手掌的手指數目特徵。接著利用本研究所制定的三種閥值，分別為手指數目閥值、手指長度閥值及手指寬度閥值，將手掌姿態分為9種可觀察之輸出。 第三單元是雙手手勢辨識技術，首先利用隱藏式馬可夫模型(Hidden Markov Model, HMM)的Baum-Welch演算法，針對每一種制定的手勢進行訓練，訓練出系統模型的可觀察輸出機率以及隱藏狀態轉移機率等參數。在進行辨識之時，透過訓練出來的系統參數模型配合Viterbi演算法找出最有可能的狀態序列，以此機制判斷出使用者目前的操作手勢。

應用環場鏡頭之光學影像系統設計與影像校正

為了解決常用影像處理演算法的問題，作者溫智民 這樣論述：

機器視覺正朝向數位化、網路化、智慧化的趨勢進步，而環場影像正是相關技術的近期發展重點，其拍攝的架構可分為單一超廣角鏡頭、單一鏡頭旋動或移動、多鏡頭架構等三種，扮演關鍵角色的即是其中的全景鏡頭，本文之研究目標在於組成全景鏡頭的影像校正系統及其設計流程與製作公差的改善，首先由大視角鏡頭的畸變像差談起，探討具備光學分析涵義的數位影像處理解決之道，再試著推廣應用到其他種類像差的影像校正技巧上，可運用光跡追蹤軟體中的光像差圖與光斑圖，在光學設計時可以放寬像差方面的考量，同時也讓製作公差能夠擴大範圍，如此可以實現將鏡頭光學特性整合於前端處理系統之中，並符合電子元件在價格普及與性能進步的速度都遠較光機元件

快速許多的潮流。除了像差外，若以影像對位方式完成環場影像者，尚需考慮到攝影機模型以及影像記錄媒體的解析度分布，本文期許能擴展相同使用數位及處理光學的概念至一般使用的鏡頭設計與製作中，使其有利整合進其他機器人化視覺系統，加深機器視覺系統應用層面的多元化。