公差等级IT12有多大？

姓名：谢意远

学号：19021110366T

嵌牛导读：图像中的目标物体是连接在一起的，则分割起来很困难，分水岭分割算法经常用于处理这类问题，通常会取得比较好的效果。

嵌牛鼻子：图像分割、分水岭算法

嵌牛提问：分水岭算法具体有哪些步骤？

嵌牛正文：

一、综述

分水岭分割算法把图像看成一幅“地形图”，其中亮度比较强的区域像素值较大，而比较暗的区域像素值较小，通过寻找“汇水盆地”和“分水岭界限”，对图像进行分割。而直接应用分水岭分割算法的效果往往并不好，如果在图像中对前景对象和背景对象进行标注区别，再应用分水岭算法会取得较好的分割效果。基于标记控制的分水岭分割方法有以下基本步骤：

1  综述

分水岭分割算法把图像看成一幅“地形图”，其中亮度比较强的区域像素值较大，而比较暗的区域像素值较小，通过寻找“汇水盆地”和“分水岭界限”，对图像进行分割。直接应用分水岭分割算法的效果往往并不好，如果在图像中对前景对象和背景对象进行标注区别，再应用分水岭算法会取得较好的分割效果。基于标记控制的分水岭分割方法有以下基本步骤：

1计算分割函数。图像中较暗的区域是要分割的对象

2计算前景标志。这些是每个对象内部连接的斑点像素。

3计算背景标志。这些是不属于任何对象的要素。

4修改分割函数，使其仅在前景和后景标记位置有极小值。

5对修改后的分割函数做分水岭变换计算。

使用MATLAB图像处理工具箱

注：期间用到了很多图像处理工具箱的函数，例如fspecial、imfilter、watershed、label2rgb、imopen、imclose、imreconstruct、imcomplement、imregionalmax、bwareaopen、graythresh和imimposemin函数等。

2  步骤

 第一步：读入彩色图像，将其转化成灰度图像

clc; clear all; close all;

rgb = imread('pearspng');

if ndims(rgb) == 3

 I = rgb2gray(rgb);

else

 I = rgb;

end

figure('units', 'normalized', 'position', [0 0 1 1]);

第2步：将梯度幅值作为分割函数

使用Sobel边缘算子对图像进行水平和垂直方向的滤波，然后求取模值，sobel算子滤波后的图像在边界处会显示比较大的值，在没有边界处的值会很小。

hy = fspecial('sobel');

hx = hy';

Iy = imfilter(double(I), hy, 'replicate');

Ix = imfilter(double(I), hx, 'replicate');

gradmag = sqrt(Ix^2 + Iy^2);

figure('units', 'normalized', 'position', [0 0 1 1]);

subplot(1, 2, 1); imshow(I,[]), title('灰度图像')

subplot(1, 2, 2); imshow(gradmag,[]), title('梯度幅值图像')

可否直接对梯度幅值图像使用分水岭算法？

L = watershed(gradmag);

Lrgb = label2rgb(L);

figure('units', 'normalized', 'position', [0 0 1 1]);

subplot(1, 2, 1); imshow(gradmag,[]), title('梯度幅值图像')

subplot(1, 2, 2); imshow(Lrgb); title('梯度幅值做分水岭变换')

直接使用梯度模值图像进行分水岭算法得到的结果往往会存在过度分割的现象。因此通常需要分别对前景对象和背景对象进行标记，以获得更好的分割效果。

第3步：标记前景对象

有多种方法可以应用在这里来获得前景标记，这些标记必须是前景对象内部的连接斑点像素。这个例子中，将使用形态学技术“基于开的重建”和“基于闭的重建”来清理图像。这些 *** 作将会在每个对象内部创建单位极大值，使得可以使用imregionalmax来定位。

开运算和闭运算：先腐蚀后膨胀称为开；先膨胀后腐蚀称为闭。开和闭这两种运算可以除去比结构元素小的特定图像细节，同时保证不产生全局几何失真。开运算可以把比结构元素小的突刺滤掉，切断细长搭接而起到分离作用；闭运算可以把比结构元素小的缺口或孔填充上，搭接短的间隔而起到连接作用。

开 *** 作是腐蚀后膨胀，基于开的重建（基于重建的开 *** 作）是腐蚀后进行形态学重建。下面比较这两种方式。首先，用imopen做开 *** 作。

se = strel('disk', 20);

Io = imopen(I, se);

figure('units', 'normalized', 'position', [0 0 1 1]);

subplot(1, 2, 1); imshow(I, []); title('灰度图像');

subplot(1, 2, 2); imshow(Io), title('图像开 *** 作')

接下来，通过腐蚀后重建来做基于开的重建计算。

Ie = imerode(I,se)

Iobr = imreconstruct(Ie,I);

figure('units', 'normalized', 'position', [0 0 1 1]);

subplot(1, 2, 1); imshow(I, []); title('灰度图像');

subplot(1, 2, 2); imshow(Iobr, []), title('基于开的重建图像')

开 *** 作后，接着进行闭 *** 作，可以移除较暗的斑点和枝干标记。对比常规的形态学闭 *** 作和基于闭的重建 *** 作。首先，使用imclose：

Ioc = imclose(Io, se);

Ic = inclose(I,se);

figure('units', 'normalized', 'position', [0 0 1 1]);

subplot(2, 2, 1); imshow(I, []); title('灰度图像');

subplot(2, 2, 2); imshow(Io, []); title('开 *** 作图像');

subplot(2, 2, 3); imshow(Ic, []); title('闭 *** 作图像');

subplot(2, 2, 4); imshow(Ioc, []), title('开闭 *** 作');

现在使用imdilate，然后使用imreconstruct。注意必须对输入图像求补，对imreconstruct输出图像求补。IM2 = imcomplement(IM)计算图像IM的补集。IM可以是二值图像，或者RGB图像。IM2与IM有着相同的数据类型和大小。

Iobrd = imdilate(Iobr, se);

Iobrcbr = imreconstruct(imcomplement(Iobrd), imcomplement(Iobr));

Iobrcbr = imcomplement(Iobrcbr);

figure('units', 'normalized', 'position', [0 0 1 1]);

subplot(2, 2, 1); imshow(I, []); title('灰度图像');

subplot(2, 2, 2); imshow(Ioc, []); title('开闭 *** 作');

subplot(2, 2, 3); imshow(Iobr, []); title('基于开的重建图像');

subplot(2, 2, 4); imshow(Iobrcbr, []), title('基于闭的重建图像');

通过比较Iobrcbr和loc可以看到，在移除小污点同时不影响对象全局形状的应用下，基于重建的开闭 *** 作要比标准的开闭重建更加有效。计算Iobrcbr的局部极大来得到更好的前景标记。

fgm = imregionalmax(Iobrcbr);

figure('units', 'normalized', 'position', [0 0 1 1]);

subplot(1, 3, 1); imshow(I, []); title('灰度图像');

subplot(1, 3, 2); imshow(Iobrcbr, []); title('基于重建的开闭 *** 作');

subplot(1, 3, 3); imshow(fgm, []); title('局部极大图像');

为了帮助理解这个结果，叠加前景标记到原图上。

It1 = rgb(:, :, 1);

It2 = rgb(:, :, 2);

It3 = rgb(:, :, 3);

It1(fgm) = 255; It2(fgm) = 0; It3(fgm) = 0;

I2 = cat(3, It1, It2, It3);

figure('units', 'normalized', 'position', [0 0 1 1]);

subplot(2, 2, 1); imshow(rgb, []); title('原图像');

subplot(2, 2, 2); imshow(Iobrcbr, []); title('基于重建的开闭 *** 作');

subplot(2, 2, 3); imshow(fgm, []); title('局部极大图像');

subplot(2, 2, 4); imshow(I2); title('局部极大叠加到原图像');

注意到大多闭塞处和阴影对象没有被标记，这就意味着这些对象在结果中将不会得到合理的分割。而且，一些对象的前景标记会一直到对象的边缘。这就意味着应该清理标记斑点的边缘，然后收缩它们。可以通过闭 *** 作和腐蚀 *** 作来完成。

se2 = strel(ones(5,5));

fgm2 = imclose(fgm, se2);

fgm3 = imerode(fgm2, se2);

figure('units', 'normalized', 'position', [0 0 1 1]);

subplot(2, 2, 1); imshow(Iobrcbr, []); title('基于重建的开闭 *** 作');

subplot(2, 2, 2); imshow(fgm, []); title('局部极大图像');

subplot(2, 2, 3); imshow(fgm2, []); title('闭 *** 作');

subplot(2, 2, 4); imshow(fgm3, []); title('腐蚀 *** 作');

这个过程将会留下一些偏离的孤立像素，应该移除它们。可以使用bwareaopen，用来移除少于特定像素个数的斑点。BW2 = bwareaopen(BW,P)从二值图像中移除所以少于P像素值的连通块，得到另外的二值图像BW2。

fgm4 = bwareaopen(fgm3, 20);

It1 = rgb(:, :, 1);

It2 = rgb(:, :, 2);

It3 = rgb(:, :, 3);

It1(fgm4) = 255; It2(fgm4) = 0; It3(fgm4) = 0;

I3 = cat(3, It1, It2, It3);

figure('units', 'normalized', 'position', [0 0 1 1]);

subplot(2, 2, 1); imshow(I2, []); title('局部极大叠加到原图像');

subplot(2, 2, 2); imshow(fgm3, []); title('闭腐蚀 *** 作');

subplot(2, 2, 3); imshow(fgm4, []); title('去除小斑点 *** 作');

subplot(2, 2, 4); imshow(I3, []); title('修改局部极大叠加到原图像');

第4步：计算背景标记

现在，需要标记背景。在清理后的图像Iobrcbr中，暗像素属于背景，所以可以从阈值 *** 作开始。

bw =im2bw(Iobrcbr, graythresh(Iobrcbr));

figure('units', 'normalized', 'position', [0 0 1 1]);

subplot(1, 2, 1); imshow(Iobrcbr, []); title('基于重建的开闭 *** 作');

subplot(1, 2, 2); imshow(bw, []); title('阈值分割');

背景像素在黑色区域，但是理想情形下，不必要求背景标记太接近于要分割的对象边缘。通过计算“骨架影响范围”来“细化”背景，或者SKIZ，bw的前景。这个可以通过计算bw的距离变换的分水岭变换来实现，然后寻找结果的分水岭脊线（DL==0）。D = bwdist(BW)计算二值图像BW的欧几里得矩阵。对BW的每一个像素，距离变换指定像素和最近的BW非零像素的距离。bwdist默认使用欧几里得距离公式。BW可以由任意维数，D与BW有同样的大小。

D = bwdist(bw);

DL = watershed(D);

bgm = DL == 0;

figure('units', 'normalized', 'position', [0 0 1 1]);

subplot(2, 2, 1); imshow(Iobrcbr, []); title('基于重建的开闭 *** 作');

subplot(2, 2, 2); imshow(bw, []); title('阈值分割');

subplot(2, 2, 3); imshow(label2rgb(DL), []); title('分水岭变换示意图');

subplot(2, 2, 4); imshow(bgm, []); title('分水岭变换脊线图');

第5步：计算分割函数的分水岭变换

函数imimposemin可以用来修改图像，使其只是在特定的要求位置有局部极小。这里可以使用imimposemin来修改梯度幅值图像，使其只在前景和后景标记像素有局部极小。

gradmag2 = imimposemin(gradmag, bgm | fgm4);

figure('units', 'normalized', 'position', [0 0 1 1]);

subplot(2,2,1)imshow(bgm,[]);title('分水岭变换脊线图');

subplot(2, 2, 2); imshow(fgm4, []); title('前景标记');

subplot(2, 2, 3); imshow(gradmag, []); title('梯度幅值图像');

subplot(2, 2, 4); imshow(gradmag2, []); title('修改梯度幅值图像');

最后，可以做基于分水岭的图像分割计算。

第6步：查看结果

一个可视化技术是叠加前景标记、背景标记、分割对象边界到初始图像。可以使用膨胀来实现某些要求，比如对象边界，更加清晰可见。对象边界定位于L==0的位置。

It1 = rgb(:, :, 1);

It2 = rgb(:, :, 2);

It3 = rgb(:, :, 3);

fgm5 = imdilate(L == 0, ones(3, 3)) | bgm | fgm4;

It1(fgm5) = 255; It2(fgm5) = 0; It3(fgm5) = 0;

I4 = cat(3, It1, It2, It3);

figure('units', 'normalized', 'position', [0 0 1 1]);

subplot(1, 2, 1); imshow(rgb, []); title('原图像');

subplot(1, 2, 2); imshow(I4, []); title('标记和对象边缘叠加到原图像');

可视化说明了前景和后景标记如何影响结果。在几个位置，部分的较暗对象与它们相邻的较亮的邻接对象相融合，这是因为受遮挡的对象没有前景标记。

另外一个有用的可视化技术是将标记矩阵作为彩色图像进行显示。标记矩阵，比如通过watershed和bwlabel得到的，可以使用label2rgb转换到真彩图像来显示。

Lrgb = label2rgb(L,'jet', 'w', 'shuffle');

figure('units', 'normalized', 'position', [0 0 1 1]);

subplot(1, 2, 1); imshow(rgb, []); title('原图像');

subplot(1, 2, 2); imshow(Lrgb); title('彩色分水岭标记矩阵');

可以使用透明度来叠加这个伪彩色标记矩阵在原亮度图像上进行显示。

figure('units', 'normalized', 'position', [0 0 1 1]);

subplot(1, 2, 1); imshow(rgb, []); title('原图像');

subplot(1, 2, 2); imshow(rgb, []); hold on;

himage = imshow(Lrgb);

set(himage, 'AlphaData', 03);

title('标记矩阵叠加到原图像');

IT8=美国国家标准学会（ANSI）标准<颜色的通信和控制规范>系统

例: IT86 - 2002 - Graphic technology - Prepress digital data exchange - Diecutting data (DDES3)

例: IT87/3 - 1993 (R2003) Graphic technology - Input data for characterization of 4-color process printing=打印机刻画标准图表

是IT12,IT表示标准公差新国标在基本尺寸至500mm内规定了IT01、IT0、IT1～IT18共20个标准公差等级，在基本尺寸大于500mm至3150mm内规定了IT1～IT18共18个标准公差等级。从IT01至IT18，等级依次降低，而相应的标准公差数值依次增大。新国标规定并划分公差等级的目的是：为了简化和统一对公差的要求基本尺寸至500mm的标准公差的由来等级IT01、IT0和IT1的标准公差数值(以μm计)按下列公式计算：IT01：

0．3＋0．008DIT0：

0．5＋0．012DIT1：

0．8＋0．020D上式中，D是表中每一尺寸分段中首尾两个尺寸的几何平均值，以mm计。等级IT2、IT3和IT4的标准公差数值不是根据某一公式求出的，而是在IT1和IT5的数值之间大致按几何级数递增规律确定的。等级IT5至IT8的标准公差数值为标准公差因子i的函数，由标准附录A所列计算公式计算，经规定的修约圆整后求得。标准公差因子是确定标准公差的基本单位，是制定标准公差数值表的基础。它是建立在实践的基础上，通过专门的试验和统计分析，从中找出零件加工及测量误差随基本尺寸变化的规律后确定的。基本尺寸至500mm的标准公差因子i由下式计算：i＝0．453D＋0．001D式中：

i以μm计；D是基本尺寸段的几何平均值，mm。公式中的第一项主要反映工件是IT12,IT表示标准公差新国标在基本尺寸至500mm内规定了IT01、IT0、IT1～IT18共20个标准公差等级，在基本尺寸大于500mm至3150mm内规定了IT1～IT18共18个标准公差等级。从IT01至IT18，等级依次降低，而相应的标准公差数值依次增大。新国标规定并划分公差等级的目的是：为了简化和统一对公差的要求基本尺寸至500mm的标准公差的由来等级IT01、IT0和IT1的标准公差数值(以μm计)按下列公式计算：IT01：

0．3＋0．008DIT0：

0．5＋0．012DIT1：

0．8＋0．020D上式中，D是表中每一尺寸分段中首尾两个尺寸的几何平均值，以mm计。等级IT2、IT3和IT4的标准公差数值不是根据某一公式求出的，而是在IT1和IT5的数值之间大致按几何级数递增规律确定的。等级IT5至IT8的标准公差数值为标准公差因子i的函数，由标准附录A所列计算公式计算，经规定的修约圆整后求得。标准公差因子是确定标准公差的基本单位，是制定标准公差数值表的基础。它是建立在实践的基础上，通过专门的试验和统计分析，从中找出零件加工及测量误差随基本尺寸变化的规律后确定的。基本尺寸至500mm的标准公差因子i由下式计算：i＝0．453D＋0．001D式中：

i以μm计；D是基本尺寸段的几何平均值，mm。公式中的第一项主要反映工件的加工误差；第二项用于补偿与基本尺寸成正比的误差，主要是由于测量时温度不稳定和偏离基准温度所引起的测量误差，以及量规变形误差等。实际上当基本尺寸很小时，第二项所占的比例很小。

T23、T31分别代表的是不同级别的技术岗。

以腾讯公司为例：

T23：

T：表示技术岗的简称。

2：表示处于第二级别。

3：代表处于第二级别的第3档。

意思就是说是技术岗中第二级第三档。

T31：

T：表示技术岗的简称。

3：表示处于第三级别。

1：代表处于第三级别的第1档。

意思就是说是技术岗中第三级第一档。

升级和考核结果很有关系，要升一个小等级，必须最近两次考核得过一次A类考核结果。

升T31是内部晋升的第一道槛，要求架构在领域内优秀，据说只有30%的通过率。

同时，腾讯好的一点在于，底层普通员工如果技术不错，照样升级。

中国的专业IT技术职称分五级，其中工程技术人员分：

1、技术员（员级职务） 。

2、助理工程师（初级职务） 。

3、工程师（中级职务） 。

4、高级工程师（副高级职务） 。

5、教授级高级工程师（高级职务)。

扩展资料

收入变化 以岗定薪、岗变薪变

“根据工作年限、资历等条件的不同，同一个职位工作人员的待遇也可能不同。”省人事厅有关负责人告诉记者，事业单位岗位设置管理推行后，工作人员的收入将实行“以岗定薪、岗变薪变”，一旦该岗位换人，其待遇水平依然留在原岗位。

据介绍，岗位改革后的岗位工资主要体现在工作人员所聘岗位的职责和要求，根据工作人员的工作表现、资历和所聘岗位等因素，不同的岗位规定不同的起点薪级。事业单位人员岗位变动后，其新的岗位工资标准也将从变动后的下一个月开始执行。

此外，按岗定薪还意味着处在同一个层次中的人，将再次产生竞争。如：专业技术人员中的中级职称，对应了8、9、10级3个岗位等级。岗位等级不同，工资待遇也不一样，同一职称的人，需从高到低竞争岗位等级。如中级职称的人将从最高的8级开始竞争，然后是9级，最后是10级。

IT规划的运作思路一般来说，大多数企业都会制定一个3-5年的中长期业务发展计划，而且会沿着这样的轨迹实施：IT规划——规划IT设施——IT设施支撑企业营运——企业营运实现目标。从这样的轨迹来看，IT规划是一种实现公司业务发展计划的工具，而不是神灯。IT规划其实就是要告诉企业如何应用IT技术配合和支持业务发展的途径和方法;而制定一个科学合理的IT规划可以按照这样三个阶段进行：

第一阶段：根据公司业务发展计划IT系统的总开支计划和预算。由公司高层根据对营收、费用和资本支出的大致预测，制定初步的业务发展计划与预算决策，并产生相应的对IT系统的需求目标和预算。

第二阶段：将IT系统总开支计划分解为一定数量的独立IT项目和IT维护性项目，检验初步计划和预算是否可行。这一阶段的主要目的是通过检查每个IT项目所需要的技术、时间、人力与财务资源。有了更确切的预测数据，公司CIO就可以做出建议和抉择，确定哪些项目应该投资，哪些项目应该推迟、减少投资额或者彻底取消。关键是在预测出来的IT需求资源和公司可提供的供给资源之间取得平衡。

然而在这阶段人们常常存在误区：不考虑资源受限制，也没有在两个相互竞争的方案之间进行评估和选择。这样虽然在开始时简单易行，但可能产生两个让人泄气的问题：一是没有一个项目或活动有足够的资金保障，最终可能导致IT规划成为空中楼阁。第二个问题是因为现实问题的不断增加，需要不断地削减预算和修订计划，从而使IT规划束之高阁。

第三阶段：CIO和项目经理需要在所负责的团队和项目基础上，制定一个有预估时间和有预估范围的具体项目进度和预算。这样可以确保负责提供资源的部门能够满足IT规划中的所有项目和活动对资源的需求。保障IT规划顺利的六大真知灼见

①IT规划必须要配合业务计划的实现，并具有前瞻性和可 *** 作性。业务计划是公司为了中长期的发展而制定的计划。公司业务计划为IT规划的制定提供了一个基本框架，并为IT规划的目标和方案的取舍提供了指导。因此，企业高层必须根据公司的营收计划、目标利润从头到尾跟进IT规划的制定，直至IT规划结束，而不能只由IT人员对IT规划流程掌控。

②在整个过程中要层层分解IT目标和费用预算，让IT目标对应相应的费用和资源。这里是指将未来几年里每年的目标费用总预算分为几个独立的IT规划费用类别，这样就可以避免在接下来的实施中资源得不到保证和预算失控。比如，兴安公司将总体IT开支目标分为IT系统研发、IT系统运作和IT基础设施三大预算类别;然后，将研发费用再细分为具体的项目费用。

以上就是关于图像分割——分水岭算法全部的内容，包括:图像分割——分水岭算法、IT8.7/3中IT8是什么意思。具体点。是什么公司发明的，具体含义。越详细越好、公差等级IT12有多大等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！