ico论文文献

ico论文文献

1. 重庆工商大学实验实习中心,重庆400033 ; 2. 重庆工商大学图书馆,重庆400033)
摘 要:介绍了MATLAB 图像处理工具箱中的函数,给出了图像处理与分析的技术实现,如
用直方图均衡进行图像增强,通过形态学方法进行图像特征抽取与分析,借助于分水岭图像分
割实现目标检测等。
关键词:灰度图像;形态学变换;标记;分割;特征抽取
中图分类号:TP 317. 4 文献标识码:A
MATLAB6. 1(R12. 1) 是一套功能十分强大的工程计算及数据分析软件,其应用范围涵盖了数学、工业
技术、电子科学、医疗卫生、建筑、金融、数字图像处理等各个领域。许多工程师和研究人员发现,MATLAB
能迅速测试其构思,综合评测系统性能,并能借此快速设计出更多的解决方案,达到更高的技术要求。
MATLAB 的图像处理工具箱,功能十分强大,支持的图像文件格式丰富,如3 . BMP , 3 . JPG, 3 . JPEG,
3 . GIF , 3 . TIF , 3 . TIFF , 3 . PNG, 3 . PCX , 3 . XWD , 3 . HDF , 3 . ICO , 3 . CUR 等。利用MATLAB 所提

理函数,并给出用MATLAB 实现图像处理与分析的应用技术实例。
1 MATLAB 的图像处理工具概述
MATLAB6. 1(R12. 1) 提供了20 类图像处理函数,涵盖了图像处理的包括近期研究成果在内的几乎所
有的技术方法,是学习和研究图像处理的人员难得的宝贵资料和加工工具箱。这些函数按其功能可分
为:图像显示;图像文件I/ O ;图像算术运算;几何变换;图像登记;像素值与统计;图像分析;图像增强;线
性滤波;线性二元滤波设计;图像去模糊;图像变换;邻域与块处理; 灰度与二值图像的形态学运算;结构
元素创建与处理;基于边缘的处理; 色彩映射表操作;色彩空间变换;图像类型与类型转换。
2 应用MATLAB 工具箱进行图像分析处理
2. 1 用直方图均衡实现图像增强
当图像对比度较低,即灰度直方图分布区间较窄时,可用直方图均衡实现灰度分布区间展宽而达到
图像增强的效果。下面是实现的源程序及相关功能的注解:
%源程序:test1. m
X 收稿日期:2003 - 02 - 27 ;修回日期:2003 - 03 - 30
作者简介:何希平(1968 - ) ,男,四川人,博士生,重庆工商大学副教授,从事多媒体数据压缩、网络信息系统研究。
. 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
clear , close all %清除所有内存变量、图形窗口
I = imread(’pout. tif’)
; %将图像文件pout. tif 的图像像素数据读入矩阵I
imshow( I) %显示图像I ,图像对比度低,如图1a
figure , imhist ( I) %在新图形窗口中显示图像I 的直方图,如图1c。可以注意到图像
%亮度范围相当狭窄,并未完全覆盖可能的范围[0 ,255 ]
I2 = histeq( I) ; %对图像I 做直方图均衡补偿在整个范围内展宽亮度值并输出到矩阵I2 ,因而改进了图像I 的对
比度
figure , imshow( I2) %在新图形窗口中显示新图像I2 , 如图1b
figure , imhist ( I2) %在新图形窗口中显示图像I2 的直方图, 如图1d
imwrite ( I2 , ’pout2. png’)
; %将对比度调节的结果图像写入PNG格式的文件
a 原图 b 直方图均衡结果图 c 原图像的直方图 d 结果图像的直方图
图1 直方图均衡补偿消去图像噪声
程序运行后,可得如图1 的对比图像。
2. 2 用形态学方法进行图像处理与分析
以rice. tif 为图像实例,介绍用形态学方法对灰度图像进行处理与分析的技术要点,即对灰度图像进
行如下操作:去除图像的不均匀背景;用设置阈值的方法(thresholding) 将结果图像转换成二值图像;通过
成分标记(components labeling) 返回图像中的目标对象属性,并计算目标对象的统计数字特征。其算法步
骤描述如下:
(1) 用工具箱函数imread 和imshow 读取和显示8 位灰度图,如图2a 。
(2) 用形态学开运算(Morphological Opening) 估计背景。通过调用imopen 并对输入图像I 执行形态学
开运算, 取半径为15 的圆盘结构元素,且结构元素通过函数strel 建立。形态学开运算有消除不能完全包
含在半径为15 的圆盘内的目标对象的作用。注意到图像(如图2b) 中央的背景照度(background illumina2
tion) 比底部要亮。
(3) 用surf 指令察看背景图像。用Surf 指令创建近似背景的彩色表面图(如图2c) ,使人可以看到在
一个矩形区域上的数学函数特征。在表面图中,[0 , 0 ] 表示原点, 或图像左上角,曲面图最高部分表示背
景的最亮像素(从而rice. tif 的背景的最亮像素出现在图像中央行的附近,而最暗像素出现在图像的底
部) 。
(4) 从原图像中减去背景图像。须用图像处理工具箱的图像算术函数imsubtract 产生均匀的背景(如
图2d) 。
(5) 调节图像对比度。用imadjust 指令增大图像对比度(如图2e) 。imadjust 函数需要一个输入图像且
也可带两个矢量: [ low high ] 和[ bottom top ] . 输出图像通过将输入图像中low 值映射到输出图像中的bot2
tom 值、high 值映射到输出图像中的top 值,并将low 与high 间的值进行线性缩放而产生。
(6) 对图像进行阈值处理。先调用graythresh ,自动计算一个适当的阈值;然后使用graythresh 返回的
阈值,调用im2bw 执行阈值处理,将灰度图像转换成二值图像(如图2f) 。
(7) 确定图像中的目标对象并予以标记。调用bwlabel 寻找连通成份而且用惟一的数字将他们分类
标记。bwlabel 接受一个二值图像和指定各目标对象的连通性的值(4 或8 ,表示4 或8 连通) 作为输入。
注意: 结果的准确性依赖于许多因素,包括: 目标对象的大小; 近似背景的准确程度; 是否设定连接
3 2 第2 期 何希平等: 基于MATLAB 的图像处理与分析
. 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
a 原图b 背景
性参数为4 或8 ; 是否任何目标对象均相接(在
这种情况下他们可能被标记为同一目标对象) ;
在该实例中, rice 的一些谷粒正好相接,因
此bwlabel 把它们视为了同一目标对象。
(8) 查看标记矩阵。看一看bwlabel 产生的
标记的近似形状是有用的。调用imcrop 并用鼠
标选择包含某一目标对象的一部分及其一些背
景的部分图,则所选部分图的像素值会在MAT2
LAB 窗口中返回。若查看上面的结果,你会看到
c 背景的表面图d 原图与背景的差
一个对象的一角标以某数字标记k ,这意味着它
是第k 个被bwlabel 分类的目标对象。imcrop 函
数也可带矢量指定剪裁矩形的坐标。在这种情
况下,它不执行交互式操作。举例来说,
rect = [15 25 10 10 ] ; roi = imcrop (labeled ,
rect)
这个调用指定一个剪裁矩形的左上角坐标
始于(15 ,25) ,而且高度和宽度均为10 。
一种查看标记矩阵的好方法是将它显示成
e 图像对比度调节结果 f 阈值处理后的二值图
一种假彩色索引图像(如图2g) 。在假彩色索引
图像中,将标记矩阵中区分每一对象的数字映射
成了相关色彩映射矩阵中的一种不同的颜色。
当把一个标记矩阵看成一个RGB 图像时,图像
中的对象是比较容易区别的。为此, 使用la2
bel2rgb 函数。使用该函数时,可以指定色彩映
射表,背景颜色,以及标记矩阵中的对象如何映
射为色彩映射表中的颜色。
(9) 测量图像中的对象属性。regionprops 指
令可测量图像中的对象或区域的属性,并返回一
g 假彩色标记图h 谷粒大小分布图
图2 形态学图像处理的对比分析结果
个结构数组。当将其作用于一个图像成分的标
记矩阵时,它为每个成分建立一个结构元素,而
每一结构元素包含一个标记成分的一些基本属
性。regionprops 函数支持对许多不同的属性予以
测量, 但是设定属性参数为’basic’旨在返回最
常用的三个量: 面积(Area) , 质心或块中心
(Centroid) 和边框(BoundingBox) 。边框Bounding2
Box 表示能容纳一个区域(所举实例中的谷粒)
的最小长方形, 为四元素矢量: [ left top width
height ] 。
(10) 在图像中计算目标对象的统计特性。使用MATLAB 函数max , mean , 和hist 可计算被阈值处理
的目标对象的一些统计属性(如图2h) 。图像处理工具箱也有一些统计函数,如mean2 和std2 ,适用于图像
数据,因为他们对二维空间的数据返回单一值。
下面是算法实现的程序代码:
%程序代码:test2. m
clear , close all ,I = imread(’rice. tif’)
; imshow( I) %读取和显示8 位灰度图rice. tif
4 2 重庆工商大学学报 (自然科学版) 第20 卷
. 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
background = imopen( I ,strel (’disk’,15) ) ; %取半径为15 的圆盘结构元素对图像用开运算估计背景
figure ,imshow(background) %显示背景图
figure , surf (double (background (1 :8 : end ,1 :8 : end) ) ) ,zlim( [ 0 255 ]) ; %显示背景的彩色表面图,对8 ×8 格点取样set
(gca ,’ydir’,’reverse’)
;
I2 = imsubtract ( I ,background) ; figure , imshow( I2) %从原图像中减去背景图像,并显示结果图
I3 = imadjust ( I2 , stretchlim( I2) ,[0 1 ]) ;figure , imshow( I3) ; %调节图像对比度,并显示结果图
level = graythresh( I3) ;bw = im2bw( I3 ,level) ; figure , imshow(bw) %将灰度图像转换成二值图像
[ labeled ,numObjects ] = bwlabel(bw ,4) ; % 成分标记,4 具体指定4 - 连通成分.
grain = imcrop (labeled) % 用鼠标选取实现交互式剪裁标记成分的一部分
RGB-label = label2rgb(labeled , @spring , ’c’, ’shuffle’)
; %把一个标记矩阵转换成一个RGB 图像
figure ,imshow(RGB-label) ;
graindata = regionprops(labeled ,’basic’)
%调用regionprops ,为rice 的每一经阈值处理
%的谷粒返回一个基本属性的结构。由BoundingBox 的域返回四元素矢量: [ left top width height ]。
graindata (51) . Area , graindata(51) .BoundingBox , graindata(51) . Centroid
allgrains = [graindata. Area ] %用点号存取graindata 的所有元素的面积域并将该数据存入
%新的矢量allgrains。这个步骤简化了对面积量的分析,因为不必使用域名存取面积。
max(allgrains) %找最大谷粒的大小。allgrains 中的数据是一维的, 故函数mean 和std 是适用的。
biggrain = find(allgrains = = ans) %使用find 指令返回该最大谷粒的成分标记
mean(allgrains) %求平均粒径
hist (allgrains ,20) %作包含20 个方柱的显示谷粒大小分布的直方图。直方图表明,在rice 图像中谷粒最通常的
%大小在300 到400 个像素的范围内(如图2h) 。
2. 3 用分水岭分割法检测连通目标
在一个图像中检测目标是图像分割的一个例子。为分割连通目标,时常用Watershed 变换。如果把一
幅图像看做一个具有山(高亮度) 和低谷(低亮度) 的表面,那么这个变换在一幅图像中找亮度低谷。实
现包括下列步骤:
(1) 读图像。读入图像afmsurf . tif , 它是一幅原子能显微镜下的衣料表面图像(如图3a) 。
(2) 对比度最大化。注意到图像中有许多彼此连通的不同大小的对象。为使通过watershed 变换找到
的低谷数目最小,我们使感兴趣的对象的对比度达到最大。对比度增强的一个常用的技术是综合应用top
- hat 和bottom - hat 变换。
top - hat 变换定义为原图像和它的开之差。图像的开是一与特定结构元素匹配的图像前景部分的集
合(如图3b) 。bottom - hat 变换定义为在原图像和它的闭之间的差。图像的闭是一与特定结构元素匹配的
图像背景的集合(如图3c) 。
通用的结构元素是正方形,长方形,圆盘,菱形,球和线。既然图像中我们感兴趣的目标对象看起来像
圆盘,我们用strel 函数建立一个半径为15 个像素的圆盘形结构元素。这个圆盘尺度是图像中的目标对象
的平均半径的一个估计。
(3) 图像相加减。看到top - hat 图像含有与结构元素匹配的对象的”巅峰”。相反,bottom - hat 图像
显示出感兴趣的目标对象之间的间隙。为使目标对象与分隔它们的间隙之间的对比达到最大,用“原图
+ top - hat 图像- bottom - hat 图像”得到增强的结果图(如图3d) 。
(4) 转换感兴趣的对象。调用watershed 变换找出图像的亮度”低谷”,把imcomplement 函数作用于增
强过的图像上,将感兴趣的目标对象转换为亮度低谷,得到增强图的补图(如图3e) 。
(5) 检测亮度低谷。对所得补图运用imextendedmin 函数检测低于某特别阈值的所有亮度低谷。
imextendedmin 函数的输出是一个二值(逻辑值) 图像(如图3f) 。二值图像中重要的是区域的位置而非区域
的大小。用imimposemin 函数把补图改为只含有那些由imextendedmin 函数找到的低谷,并将低谷的像素值
变为0 (8 位图像可能的深谷) (如图3g) 。
(6) Watershed 分割。通过watershed 变换,可找出来所有含有强加给最小值的区域。用watershed 函数
实现Watershed 分割。watershed 函数返回一个标记矩阵,它含有对应于watershed 区域的非负数。凡未落入
5 2 第2 期 何希平等: 基于MATLAB 的图像处理与分析
. 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
图3 用Watershed 分割法检测连通
目标的图像渐近过程
任何watershed 区域的像素均被赋予像素值0。用label2rgb
把一个标记矩阵变为一幅图像(如图3h) 。
(7) 从标记矩阵中抽取目标对象的特征。可用region2
props 函数从标记矩阵中抽取特征。比如说,可以计算两个
量(面积和方向) 并把他们看成彼此的一个函数。
下面给出算法的实现代码:
%程序代码:test3. m
afm = imread (’afmsurf . tif’)
; figure , imshow(afm) , title (’surface im2
age’)
;se = strel (’disk’, 15) ;
Itop = imtophat (afm , se) ; figure , imshow( Itop , [ ]) , title (’top - hat im2
age’)
;
Ibot = imbothat (afm , se) ; figure , imshow( Ibot , [ ]) , title (’bottom - hat
image’)
;
Ienhance = imsubtract (imadd ( Itop , afm) , Ibot) ; figure , imshow( Ien2
hance) , title (’original + top - hat - bottom - hat’)
;
Iec = imcomplement ( Ienhance) ; figure , imshow( Iec) , title (’complement
of enhanced image’)
;
Iemin = imextendedmin( Iec , 22) ; figure , imshow( Iemin) , title (’extend2
ed minima image’)
;
Iimpose = imimposemin ( Iec , Iemin) ; figure , imshow( Iimpose) , title ( ’
imposed minima image’)
;
wat = watershed( Iimpose) ;rgb = label2rgb(wat) ; figure , imshow(rgb) ;
title (’watershed segmented image’)
;
stats = regionprops (wat , ’Area’, ’Orientation’)
; area = [ stats ( :) .
Area ] ; orient = [ stats( :) . Orientation] ;
figure , plot (area , orient , ’b 3 ’)
; title (’Relationship of Particle Orienta2
tion to Area’)
;
xlabel (’particle area (pixels) ’)
; ylabel (’particle orientation (degrees) ’)
;
参考文献:
[1 ] 孙兆林.MATLAB 6. x 图像处理[M] . 北京:清华大学出版社,2002
[2 ] 崔屹. 图像处理与分析———数学形态学方法及其应用[M] . 北京:科学出版社,2000
[3 ] 张远鹏,董海,周文灵. 计算机图像处理技术基础[M] . 北京:北京大学出版社,1996
Image processing and analysis based on MATLAB
HE Xi - ping1 , ZHANG Qiong - hua2
(1. Center of Experiment and Practice ,ChongQing Technology and Business University ,ChongQing 400033 ,China ;
2. Library , ChongQing Technology and Business University , ChongQing 400033 ,China)
Abstract :This paper first introduces the functions of MATLAB image processing toolbox , then presents some
techniques in image processing and analysis , such as image enhancement by using histogram equalization , image fea2
ture extracting and analysis with morphological methods , and objects detection through watershed image segmentation.
Key words : grayscale intensity image ; morphological transform; labeling ; segmentation ; feature extraction
责任编辑:杨祖彬
6 2 重庆工商大学学报 (自然科学版) 第20 卷
. 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.

收稿日期:2002208224
MATLAB 及其在图像处理中的应用
许志影,李晋平
(中国矿业大学资源学院,江苏徐州 221008)
摘要: 介绍了MATLAB 的特点和功能,分析了MATLAB 在图像处理中的应用,并结合实例说明了MATLAB 在图像处理中
关键词: MATLAB ; 图像处理; 边缘提取
中图分类号: TN911. 73 文献标识码: A
MATLAB and Its Application to Digital Image Processing
XU Zhi2ying ,LI Jin2ping
(School of Resource & Geoscience ,China University of Mining and Technology ,Xuzhou 221008 ,China)
Abstract :Introduces properties and functions of MATLAB ,and analyses its applications to digital image processing ,finally ,displays the a2
bility of MATLAB in image processing with an example.
Keywords :MATLAB ;image processing ;edge detection
MATLAB 软件由美国Math Works 公司于1984 年
推出,历经十几年的发展和竞争,现已成为( IEEE) 国
际公认的最优秀的科技应用软件之一。作为一个跨
平台的软件,MATLAB 已推出Unix、Windows 9x/ NT、
Linux 和Mac 等十多种操作系统平台下的版本,大大
方便了在不同操作系统平台下的研究工作。目前基
于Windows 系统的最新版本已上升到MATLAB6. 5 ,它
继承了以往版本的优点,非常容易使用。
现在,MATLAB 已经发展成为一个系列产品:
MATLAB 主包和各种工具箱(TOOLBOX) 。目前已经
推出了30 多个工具箱,这些工具箱可分为两大类:功
能性工具箱和学科性工具箱。功能性工具箱主要用
来扩充其符号计算功能、图示建模仿真功能、文字处
理功能以及硬件实时交互功能,能用于多种学科。而
学科性工具箱是专业比较强的,如控制工具箱、信号
处理工具箱、图像处理工具箱和小波工具箱等多个学
科的专业工具箱。借助于这些工具箱,各个层次的研
究人员就可方便地进行研究工作,提高工作效率。
本文将简要介绍MATLAB6. 5 及其在图像处理中
的应用,希望对从事图像处理工作的研究人员有所帮
助。
1 MATLAB 概述
MATLAB 最初是作为矩阵实验室(Matrix Labora2
tory) 用来提供通往LINPACK和EISPACK矩阵软件包
接口的。后来,它逐渐发展成为通用科技计算和图视
交互系统的程序语言,其数据的基本单元是矩阵。它
的指令表达与数学、工程中常用的习惯形式十分相
似,从而使许多用C 或Fortran 实现起来十分复杂和
费时的问题用MATLAB 就可以轻松地解决。MAT2
LAB 的典型应用包括:数学计算、算法研究、数据分析
和计算结果可视化、建模与仿真等。
1. 1 MATLAB的特点
MATLAB 有三大特点:一是功能强大。主要包括
数值计算和符号计算、计算结果和编程可视化、数学
和文字统一处理、离线和在线计算。二是界面友好,
编程效率高。MATLAB 是一种以矩阵为基本单元的
可视化程序设计语言,语法结构简单,数据类型单一,
指令表达与标准教科书的数学表达式相近。三是开
放性强。MATLAB 有很好的可扩充性,可以把它当成
一种更高级的语言去使用。使用它很容易编写各种
通用或专用应用程序。
1. 2 MATLAB的主要功能
MATLAB 之所以成为世界顶级的科学计算与数
学应用软件,是因为它随着版本的升级与不断完善而
具有愈来愈强大的功能。

急需《基于MATLAB的卷积码计算机仿真》毕业论文资料！

　　matlab论文

　　作者：佚名 转贴自：本站原创 点击数：21256 更新时间：2005-6-20 文章录入wuzechun

　　基于MATLAB 的图像处理与分析
　　X
　　何希平1 , 张琼华2
　　(1. 重庆工商大学实验实习中心,重庆400033 ; 2. 重庆工商大学图书馆,重庆400033)
　　摘 要:介绍了MATLAB 图像处理工具箱中的函数,给出了图像处理与分析的技术实现,如
　　用直方图均衡进行图像增强,通过形态学方法进行图像特征抽取与分析,借助于分水岭图像分
　　割实现目标检测等。
　　关键词:灰度图像;形态学变换;标记;分割;特征抽取
　　中图分类号:TP 317. 4 文献标识码:A
　　MATLAB6. 1(R12. 1) 是一套功能十分强大的工程计算及数据分析软件,其应用范围涵盖了数学、工业
　　技术、电子科学、医疗卫生、建筑、金融、数字图像处理等各个领域。许多工程师和研究人员发现,MATLAB
　　能迅速测试其构思,综合评测系统性能,并能借此快速设计出更多的解决方案,达到更高的技术要求。
　　MATLAB 的图像处理工具箱,功能十分强大,支持的图像文件格式丰富,如3 . BMP , 3 . JPG, 3 . JPEG,
　　3 . GIF , 3 . TIF , 3 . TIFF , 3 . PNG, 3 . PCX , 3 . XWD , 3 . HDF , 3 . ICO , 3 . CUR 等。利用MATLAB 所提

　　理函数,并给出用MATLAB 实现图像处理与分析的应用技术实例。
　　1 MATLAB 的图像处理工具概述
　　MATLAB6. 1(R12. 1) 提供了20 类图像处理函数,涵盖了图像处理的包括近期研究成果在内的几乎所
　　有的技术方法,是学习和研究图像处理的人员难得的宝贵资料和加工工具箱。这些函数按其功能可分
　　为:图像显示;图像文件I/ O ;图像算术运算;几何变换;图像登记;像素值与统计;图像分析;图像增强;线
　　性滤波;线性二元滤波设计;图像去模糊;图像变换;邻域与块处理; 灰度与二值图像的形态学运算;结构
　　元素创建与处理;基于边缘的处理; 色彩映射表操作;色彩空间变换;图像类型与类型转换。
　　2 应用MATLAB 工具箱进行图像分析处理
　　2. 1 用直方图均衡实现图像增强
　　当图像对比度较低,即灰度直方图分布区间较窄时,可用直方图均衡实现灰度分布区间展宽而达到
　　图像增强的效果。下面是实现的源程序及相关功能的注解:
　　%源程序:test1. m
　　X 收稿日期:2003 - 02 - 27 ;修回日期:2003 - 03 - 30
　　作者简介:何希平(1968 - ) ,男,四川人,博士生,重庆工商大学副教授,从事多媒体数据压缩、网络信息系统研究。
　　. 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
　　clear , close all %清除所有内存变量、图形窗口
　　I = imread(’pout. tif’)
　　; %将图像文件pout. tif 的图像像素数据读入矩阵I
　　imshow( I) %显示图像I ,图像对比度低,如图1a
　　figure , imhist ( I) %在新图形窗口中显示图像I 的直方图,如图1c。可以注意到图像
　　%亮度范围相当狭窄,并未完全覆盖可能的范围[0 ,255 ]
　　I2 = histeq( I) ; %对图像I 做直方图均衡补偿在整个范围内展宽亮度值并输出到矩阵I2 ,因而改进了图像I 的对
　　比度
　　figure , imshow( I2) %在新图形窗口中显示新图像I2 , 如图1b
　　figure , imhist ( I2) %在新图形窗口中显示图像I2 的直方图, 如图1d
　　imwrite ( I2 , ’pout2. png’)
　　; %将对比度调节的结果图像写入PNG格式的文件
　　a 原图 b 直方图均衡结果图 c 原图像的直方图 d 结果图像的直方图
　　图1 直方图均衡补偿消去图像噪声
　　程序运行后,可得如图1 的对比图像。
　　2. 2 用形态学方法进行图像处理与分析
　　以rice. tif 为图像实例,介绍用形态学方法对灰度图像进行处理与分析的技术要点,即对灰度图像进
　　行如下操作:去除图像的不均匀背景;用设置阈值的方法(thresholding) 将结果图像转换成二值图像;通过
　　成分标记(components labeling) 返回图像中的目标对象属性,并计算目标对象的统计数字特征。其算法步
　　骤描述如下:
　　(1) 用工具箱函数imread 和imshow 读取和显示8 位灰度图,如图2a 。
　　(2) 用形态学开运算(Morphological Opening) 估计背景。通过调用imopen 并对输入图像I 执行形态学
　　开运算, 取半径为15 的圆盘结构元素,且结构元素通过函数strel 建立。形态学开运算有消除不能完全包
　　含在半径为15 的圆盘内的目标对象的作用。注意到图像(如图2b) 中央的背景照度(background illumina2
　　tion) 比底部要亮。
　　(3) 用surf 指令察看背景图像。用Surf 指令创建近似背景的彩色表面图(如图2c) ,使人可以看到在
　　一个矩形区域上的数学函数特征。在表面图中,[0 , 0 ] 表示原点, 或图像左上角,曲面图最高部分表示背
　　景的最亮像素(从而rice. tif 的背景的最亮像素出现在图像中央行的附近,而最暗像素出现在图像的底
　　部) 。
　　(4) 从原图像中减去背景图像。须用图像处理工具箱的图像算术函数imsubtract 产生均匀的背景(如
　　图2d) 。
　　(5) 调节图像对比度。用imadjust 指令增大图像对比度(如图2e) 。imadjust 函数需要一个输入图像且
　　也可带两个矢量: [ low high ] 和[ bottom top ] . 输出图像通过将输入图像中low 值映射到输出图像中的bot2
　　tom 值、high 值映射到输出图像中的top 值,并将low 与high 间的值进行线性缩放而产生。
　　(6) 对图像进行阈值处理。先调用graythresh ,自动计算一个适当的阈值;然后使用graythresh 返回的
　　阈值,调用im2bw 执行阈值处理,将灰度图像转换成二值图像(如图2f) 。
　　(7) 确定图像中的目标对象并予以标记。调用bwlabel 寻找连通成份而且用惟一的数字将他们分类
　　标记。bwlabel 接受一个二值图像和指定各目标对象的连通性的值(4 或8 ,表示4 或8 连通) 作为输入。
　　注意: 结果的准确性依赖于许多因素,包括: 目标对象的大小; 近似背景的准确程度; 是否设定连接
　　3 2 第2 期 何希平等: 基于MATLAB 的图像处理与分析
　　. 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
　　a 原图b 背景
　　性参数为4 或8 ; 是否任何目标对象均相接(在
　　这种情况下他们可能被标记为同一目标对象) ;
　　在该实例中, rice 的一些谷粒正好相接,因
　　此bwlabel 把它们视为了同一目标对象。
　　(8) 查看标记矩阵。看一看bwlabel 产生的
　　标记的近似形状是有用的。调用imcrop 并用鼠
　　标选择包含某一目标对象的一部分及其一些背
　　景的部分图,则所选部分图的像素值会在MAT2
　　LAB 窗口中返回。若查看上面的结果,你会看到
　　c 背景的表面图d 原图与背景的差
　　一个对象的一角标以某数字标记k ,这意味着它
　　是第k 个被bwlabel 分类的目标对象。imcrop 函
　　数也可带矢量指定剪裁矩形的坐标。在这种情
　　况下,它不执行交互式操作。举例来说,
　　rect = [15 25 10 10 ] ; roi = imcrop (labeled ,
　　rect)
　　这个调用指定一个剪裁矩形的左上角坐标
　　始于(15 ,25) ,而且高度和宽度均为10 。
　　一种查看标记矩阵的好方法是将它显示成
　　e 图像对比度调节结果 f 阈值处理后的二值图
　　一种假彩色索引图像(如图2g) 。在假彩色索引
　　图像中,将标记矩阵中区分每一对象的数字映射
　　成了相关色彩映射矩阵中的一种不同的颜色。
　　当把一个标记矩阵看成一个RGB 图像时,图像
　　中的对象是比较容易区别的。为此, 使用la2
　　bel2rgb 函数。使用该函数时,可以指定色彩映
　　射表,背景颜色,以及标记矩阵中的对象如何映
　　射为色彩映射表中的颜色。
　　(9) 测量图像中的对象属性。regionprops 指
　　令可测量图像中的对象或区域的属性,并返回一
　　g 假彩色标记图h 谷粒大小分布图
　　图2 形态学图像处理的对比分析结果
　　个结构数组。当将其作用于一个图像成分的标
　　记矩阵时,它为每个成分建立一个结构元素,而
　　每一结构元素包含一个标记成分的一些基本属
　　性。regionprops 函数支持对许多不同的属性予以
　　测量, 但是设定属性参数为’basic’旨在返回最
　　常用的三个量: 面积(Area) , 质心或块中心
　　(Centroid) 和边框(BoundingBox) 。边框Bounding2
　　Box 表示能容纳一个区域(所举实例中的谷粒)
　　的最小长方形, 为四元素矢量: [ left top width
　　height ] 。
　　(10) 在图像中计算目标对象的统计特性。使用MATLAB 函数max , mean , 和hist 可计算被阈值处理
　　的目标对象的一些统计属性(如图2h) 。图像处理工具箱也有一些统计函数,如mean2 和std2 ,适用于图像
　　数据,因为他们对二维空间的数据返回单一值。
　　下面是算法实现的程序代码:
　　%程序代码:test2. m
　　clear , close all ,I = imread(’rice. tif’)
　　; imshow( I) %读取和显示8 位灰度图rice. tif
　　4 2 重庆工商大学学报 (自然科学版) 第20 卷
　　. 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
　　background = imopen( I ,strel (’disk’,15) ) ; %取半径为15 的圆盘结构元素对图像用开运算估计背景
　　figure ,imshow(background) %显示背景图
　　figure , surf (double (background (1 :8 : end ,1 :8 : end) ) ) ,zlim( [ 0 255 ]) ; %显示背景的彩色表面图,对8 ×8 格点取样set
　　(gca ,’ydir’,’reverse’)
　　;
　　I2 = imsubtract ( I ,background) ; figure , imshow( I2) %从原图像中减去背景图像,并显示结果图
　　I3 = imadjust ( I2 , stretchlim( I2) ,[0 1 ]) ;figure , imshow( I3) ; %调节图像对比度,并显示结果图
　　level = graythresh( I3) ;bw = im2bw( I3 ,level) ; figure , imshow(bw) %将灰度图像转换成二值图像
　　[ labeled ,numObjects ] = bwlabel(bw ,4) ; % 成分标记,4 具体指定4 - 连通成分.
　　grain = imcrop (labeled) % 用鼠标选取实现交互式剪裁标记成分的一部分
　　RGB-label = label2rgb(labeled , @spring , ’c’, ’shuffle’)
　　; %把一个标记矩阵转换成一个RGB 图像
　　figure ,imshow(RGB-label) ;
　　graindata = regionprops(labeled ,’basic’)
　　%调用regionprops ,为rice 的每一经阈值处理
　　%的谷粒返回一个基本属性的结构。由BoundingBox 的域返回四元素矢量: [ left top width height ]。
　　graindata (51) . Area , graindata(51) .BoundingBox , graindata(51) . Centroid
　　allgrains = [graindata. Area ] %用点号存取graindata 的所有元素的面积域并将该数据存入
　　%新的矢量allgrains。这个步骤简化了对面积量的分析,因为不必使用域名存取面积。
　　max(allgrains) %找最大谷粒的大小。allgrains 中的数据是一维的, 故函数mean 和std 是适用的。
　　biggrain = find(allgrains = = ans) %使用find 指令返回该最大谷粒的成分标记
　　mean(allgrains) %求平均粒径
　　hist (allgrains ,20) %作包含20 个方柱的显示谷粒大小分布的直方图。直方图表明,在rice 图像中谷粒最通常的
　　%大小在300 到400 个像素的范围内(如图2h) 。
　　2. 3 用分水岭分割法检测连通目标
　　在一个图像中检测目标是图像分割的一个例子。为分割连通目标,时常用Watershed 变换。如果把一
　　幅图像看做一个具有山(高亮度) 和低谷(低亮度) 的表面,那么这个变换在一幅图像中找亮度低谷。实
　　现包括下列步骤:
　　(1) 读图像。读入图像afmsurf . tif , 它是一幅原子能显微镜下的衣料表面图像(如图3a) 。
　　(2) 对比度最大化。注意到图像中有许多彼此连通的不同大小的对象。为使通过watershed 变换找到
　　的低谷数目最小,我们使感兴趣的对象的对比度达到最大。对比度增强的一个常用的技术是综合应用top
　　- hat 和bottom - hat 变换。
　　top - hat 变换定义为原图像和它的开之差。图像的开是一与特定结构元素匹配的图像前景部分的集
　　合(如图3b) 。bottom - hat 变换定义为在原图像和它的闭之间的差。图像的闭是一与特定结构元素匹配的
　　图像背景的集合(如图3c) 。
　　通用的结构元素是正方形,长方形,圆盘,菱形,球和线。既然图像中我们感兴趣的目标对象看起来像
　　圆盘,我们用strel 函数建立一个半径为15 个像素的圆盘形结构元素。这个圆盘尺度是图像中的目标对象
　　的平均半径的一个估计。
　　(3) 图像相加减。看到top - hat 图像含有与结构元素匹配的对象的”巅峰”。相反,bottom - hat 图像
　　显示出感兴趣的目标对象之间的间隙。为使目标对象与分隔它们的间隙之间的对比达到最大,用“原图
　　+ top - hat 图像- bottom - hat 图像”得到增强的结果图(如图3d) 。
　　(4) 转换感兴趣的对象。调用watershed 变换找出图像的亮度”低谷”,把imcomplement 函数作用于增
　　强过的图像上,将感兴趣的目标对象转换为亮度低谷,得到增强图的补图(如图3e) 。
　　(5) 检测亮度低谷。对所得补图运用imextendedmin 函数检测低于某特别阈值的所有亮度低谷。
　　imextendedmin 函数的输出是一个二值(逻辑值) 图像(如图3f) 。二值图像中重要的是区域的位置而非区域
　　的大小。用imimposemin 函数把补图改为只含有那些由imextendedmin 函数找到的低谷,并将低谷的像素值
　　变为0 (8 位图像可能的深谷) (如图3g) 。
　　(6) Watershed 分割。通过watershed 变换,可找出来所有含有强加给最小值的区域。用watershed 函数
　　实现Watershed 分割。watershed 函数返回一个标记矩阵,它含有对应于watershed 区域的非负数。凡未落入
　　5 2 第2 期 何希平等: 基于MATLAB 的图像处理与分析
　　. 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
　　图3 用Watershed 分割法检测连通
　　目标的图像渐近过程
　　任何watershed 区域的像素均被赋予像素值0。用label2rgb
　　把一个标记矩阵变为一幅图像(如图3h) 。
　　(7) 从标记矩阵中抽取目标对象的特征。可用region2
　　props 函数从标记矩阵中抽取特征。比如说,可以计算两个
　　量(面积和方向) 并把他们看成彼此的一个函数。
　　下面给出算法的实现代码:
　　%程序代码:test3. m
　　afm = imread (’afmsurf . tif’)
　　; figure , imshow(afm) , title (’surface im2
　　age’)
　　;se = strel (’disk’, 15) ;
　　Itop = imtophat (afm , se) ; figure , imshow( Itop , [ ]) , title (’top - hat im2
　　age’)
　　;
　　Ibot = imbothat (afm , se) ; figure , imshow( Ibot , [ ]) , title (’bottom - hat
　　image’)
　　;
　　Ienhance = imsubtract (imadd ( Itop , afm) , Ibot) ; figure , imshow( Ien2
　　hance) , title (’original + top - hat - bottom - hat’)
　　;
　　Iec = imcomplement ( Ienhance) ; figure , imshow( Iec) , title (’complement
　　of enhanced image’)
　　;
　　Iemin = imextendedmin( Iec , 22) ; figure , imshow( Iemin) , title (’extend2
　　ed minima image’)
　　;
　　Iimpose = imimposemin ( Iec , Iemin) ; figure , imshow( Iimpose) , title ( ’
　　imposed minima image’)
　　;
　　wat = watershed( Iimpose) ;rgb = label2rgb(wat) ; figure , imshow(rgb) ;
　　title (’watershed segmented image’)
　　;
　　stats = regionprops (wat , ’Area’, ’Orientation’)
　　; area = [ stats ( :) .
　　Area ] ; orient = [ stats( :) . Orientation] ;
　　figure , plot (area , orient , ’b 3 ’)
　　; title (’Relationship of Particle Orienta2
　　tion to Area’)
　　;
　　xlabel (’particle area (pixels) ’)
　　; ylabel (’particle orientation (degrees) ’)
　　;
　　参考文献:
　　[1 ] 孙兆林.MATLAB 6. x 图像处理[M] . 北京:清华大学出版社,2002
　　[2 ] 崔屹. 图像处理与分析———数学形态学方法及其应用[M] . 北京:科学出版社,2000
　　[3 ] 张远鹏,董海,周文灵. 计算机图像处理技术基础[M] . 北京:北京大学出版社,1996
　　Image processing and analysis based on MATLAB
　　HE Xi - ping1 , ZHANG Qiong - hua2
　　(1. Center of Experiment and Practice ,ChongQing Technology and Business University ,ChongQing 400033 ,China ;
　　2. Library , ChongQing Technology and Business University , ChongQing 400033 ,China)
　　Abstract :This paper first introduces the functions of MATLAB image processing toolbox , then presents some
　　techniques in image processing and analysis , such as image enhancement by using histogram equalization , image fea2
　　ture extracting and analysis with morphological methods , and objects detection through watershed image segmentation.
　　Key words : grayscale intensity image ; morphological transform; labeling ; segmentation ; feature extraction
　　责任编辑:杨祖彬
　　6 2 重庆工商大学学报 (自然科学版) 第20 卷
　　. 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.

　　收稿日期:2002208224
　　MATLAB 及其在图像处理中的应用
　　许志影,李晋平
　　(中国矿业大学资源学院,江苏徐州 221008)
　　摘要: 介绍了MATLAB 的特点和功能,分析了MATLAB 在图像处理中的应用,并结合实例说明了MATLAB 在图像处理中
　　关键词: MATLAB ; 图像处理; 边缘提取
　　中图分类号: TN911. 73 文献标识码: A
　　MATLAB and Its Application to Digital Image Processing
　　XU Zhi2ying ,LI Jin2ping
　　(School of Resource & Geoscience ,China University of Mining and Technology ,Xuzhou 221008 ,China)
　　Abstract :Introduces properties and functions of MATLAB ,and analyses its applications to digital image processing ,finally ,displays the a2
　　bility of MATLAB in image processing with an example.
　　Keywords :MATLAB ;image processing ;edge detection
　　MATLAB 软件由美国Math Works 公司于1984 年
　　推出,历经十几年的发展和竞争,现已成为( IEEE) 国
　　际公认的最优秀的科技应用软件之一。作为一个跨
　　平台的软件,MATLAB 已推出Unix、Windows 9x/ NT、
　　Linux 和Mac 等十多种操作系统平台下的版本,大大
　　方便了在不同操作系统平台下的研究工作。目前基
　　于Windows 系统的最新版本已上升到MATLAB6. 5 ,它
　　继承了以往版本的优点,非常容易使用。
　　现在,MATLAB 已经发展成为一个系列产品:
　　MATLAB 主包和各种工具箱(TOOLBOX) 。目前已经
　　推出了30 多个工具箱,这些工具箱可分为两大类:功
　　能性工具箱和学科性工具箱。功能性工具箱主要用
　　来扩充其符号计算功能、图示建模仿真功能、文字处
　　理功能以及硬件实时交互功能,能用于多种学科。而
　　学科性工具箱是专业比较强的,如控制工具箱、信号
　　处理工具箱、图像处理工具箱和小波工具箱等多个学
　　科的专业工具箱。借助于这些工具箱,各个层次的研
　　究人员就可方便地进行研究工作,提高工作效率。
　　本文将简要介绍MATLAB6. 5 及其在图像处理中
　　的应用,希望对从事图像处理工作的研究人员有所帮
　　助。
　　1 MATLAB 概述
　　MATLAB 最初是作为矩阵实验室(Matrix Labora2
　　tory) 用来提供通往LINPACK和EISPACK矩阵软件包
　　接口的。后来,它逐渐发展成为通用科技计算和图视
　　交互系统的程序语言,其数据的基本单元是矩阵。它
　　的指令表达与数学、工程中常用的习惯形式十分相
　　似,从而使许多用C 或Fortran 实现起来十分复杂和
　　费时的问题用MATLAB 就可以轻松地解决。MAT2
　　LAB 的典型应用包括:数学计算、算法研究、数据分析
　　和计算结果可视化、建模与仿真等。
　　1. 1 MATLAB的特点
　　MATLAB 有三大特点:一是功能强大。主要包括
　　数值计算和符号计算、计算结果和编程可视化、数学
　　和文字统一处理、离线和在线计算。二是界面友好,
　　编程效率高。MATLAB 是一种以矩阵为基本单元的
　　可视化程序设计语言,语法结构简单,数据类型单一,
　　指令表达与标准教科书的数学表达式相近。三是开
　　放性强。MATLAB 有很好的可扩充性,可以把它当成
　　一种更高级的语言去使用。使用它很容易编写各种
　　通用或专用应用程序。
　　1. 2 MATLAB的主要功能
　　MATLAB 之所以成为世界顶级的科学计算与数
　　学应用软件,是因为它随着版本的升级与不断完善而
　　具有愈来愈强大的功能。

　　我的回答超过数字没办法

循证医学 PICO什么意思

PICO法就是在循证医学中如何提出问题的方法，即:

①问题的对象(patient or population,患者或人群)。

②干预措施(intervention，如诊断治疗方法)。

③其他备选措施(comparison，即比较因素)。

④结果(outcome，即干预措施的诊疗效果)。

PICO是基于循证医学（EBM）理论的一种将信息格式化的检索方式。为participants, interventions, comparisons, outcomes的缩写。

PICO将每个问题分为四个部分：participants（ 对象），interventions（干预），comparisons（对照），outcomes（预后）。

在此处可分别指对象，干预（治疗手段、检查方法），对照（与其他治疗或检查的区别），预后（期望达到的目的）。提供更多的细节将得到更加准确的搜索结果，并且通过偶然性的搜索来避免信息过载。

参考资料：百度百科-PICO

浅谈比特币的发展

行情就是一个大舞台，不是所有的故事都可以陈述，人是需要的某种信念来激励和约束的，人静而后安，安而能后定。过去， 在 无憾中微笑，才美丽；博弈，在眼泪中微笑，才多姿；成败，在坚强中微笑，才精彩！

我相信有很多刚入币圈的的朋友仅仅知道比特币是一种货币，对于他的发展过程一无所知，其实这样并不是一个好的现象，了解一个币种其产生的过程局长觉得是有必要的，这对于你在币圈来说，会有更深刻的见解和认知！那么现在给朋友们科普一下比特币的由来。

一、萌芽期：（2008~2010）

2008年，美国雷曼兄弟公司破产，继而引发金融危机，蔓延到全球。

2008年10月31日，一个化名为中本聪（SatoshiNakamoto）的极客发布了一篇论文《比特币：一种点对点的电子现金系统》（Bitcoin: A Peer-to-Peer Electronic Cash System），“比特币”这个概念第一次出现在世人面前。在这篇论文中，中本聪描述了一种分布式账本，以及比特币的点对点流通模式。

2009年1月3日，中本聪在位于芬兰赫尔辛基的一个小型服务器上挖出了第一批比特币，创始区块诞生，比特币横空出世。

然而，在最初的那段时间，这个奇思妙想成真后却并没有吸引很多人前来尝试，因为比特币的价值何在、比特币背后的技术是否值得信赖，这些问题人们仍然感到十分疑惑。所以，当时在比特币网络上挖矿的人非常少。

一个关键的时间点在2010年5月到来，一个名叫Laszlo Hanyecz的程序员用1万个比特币买了价值25美元的两份披萨。披萨事件在今天看来不可思议，人们会震惊于那1万个比特币竟然就只换来两份吃食。但是其意义却无比深远，因为这次交易，意味着比特币第一次拥有了价格和汇率，而且，这也是首个用虚拟货币支付现实商品的案例。7月，比特币首次被 科技 媒体Slashdot报道，吸引了大批用户。

自此，比特币才真正为人们所正视，进入了大众的视野。

中本聪等社区元老，并非如同之后那些将比特币视为利益工具的人，他们凭借的是对比特币的信任和自由主义的理想主义情怀，没有他们比特币或将明珠蒙尘。所以，说比特币是自由主义信仰的产物也不为过。

二、生长期：（2011~2014）

2011年，数字货币市场上开始出现其他币种，比如后来与比特币分庭抗礼的莱特币。由于比特币的技术代码都是开源的，所以很多币种的建立都是在比特币的代码基础上加以改制，这样诞生的币种后来就被称作为山寨币。大部分的山寨币也像比特币一样，只能用于挖矿和转账，没有其他的具体用例，所以在后来都纷纷没落了。

其中一些存活至今的山寨币，因为有具体的应用场景或者亮眼的技术，才没有被抛弃，如狗狗币、莱特币等，但随着区块链技术的不断发展和各类新兴项目的出现，也逐渐式微，变得边缘化了。

在这一年，还有另外两件大事发生，首先是Mark Karpeles接手比特币交易所门头沟（），开始了它罪恶的一生；同年，暗网“丝绸之路”（Silk Road）建立，开始了比特币的黑暗轨迹。

由于市场上的比特币越来越多，交易量也随之增大，建立于2010的比特币交易所门头沟，一下子占据全球70%交易量份额，成为当时最大的交易所。但由于经营不善，门头沟的交易系统显得格外脆弱，几次三番维护优化依然无济于事，经常发生暂停提现与服务的事件。

2011年6月，门头沟受到第一次黑客攻击，但此后门头沟的经营者始终没能解决其交易系统的漏洞，多次被盗却隐瞒事实，不断用暂停服务和冻结交易以文过饰非。其平台上的比特币价格涨跌幅夸张，浮动区间非常大，而往往在这种时候门头沟就很容易出现问题，导致用户很难对自己的账户进行管理和操作。

2014年2月，门头沟上的比特币价格暴跌80%，用户却再一次很难将其提现；不久，门头沟一如既往地暂停了交易业务和提现功能。用户们蓄积已久的怒火终于爆发，但已无济于事，因为门头沟早已油尽灯枯，25日披露出其被盗85万个比特币的事实。

门头沟被盗85万个比特币，成为当时震惊全球的最大币圈新闻，也成为了比特币发展 历史 上难以抹去的一笔。门头沟破产之后，比特币价格骤降，而受到巨大损失的用户们也开始了艰难的维权之路。此事件一出，比特币市场受到了严重震荡，人们对于比特币和交易所的信任直降冰点，对比特币和区块链所宣扬的去中心化概念产生了严重质疑，整个行业开始笼罩在一片阴云当中。

比特币经历门头沟事件后元气大损，币价因之低迷了很久一段时间。两年后随着整个加密货币市场的回暖，比特币又焕发了勃勃生机；暗网也迎来了长达两年时间的稳定，其中流通的比特币，依然占据着整个比特币交易市场的最大份额。

三、扩容、分叉期：（2014~2017）

山寨币潮流之后，很多项目开始着眼于数字货币在点对点交易之外的应用，区块链对于应用领域的拓展开始了。比如受之前门头沟这种中心化交易所影响而诞生的第一所去中心化交易所比特股，采用全新的加密代码和共识机制，分发机制采用的也是当时新兴的ICO（Initial Coin Offering，首次币发行），类似股市中的公开招股，将代币当做股票进行融资。

ICO最早出现在2013年，Mastercoin（万事达币OMNI）是最早进行ICO的区块链的项目之一，起初的ICO募集的正是市值最高的比特币。这种分发方式引起了后来无数项目效仿，但进行ICO的项目中，也普遍存在着良莠不齐的状况，很多项目都是骗局。

2014年，以太坊建立，开启了区块链2.0的里程，公链技术的发展和运用使得区块链和数字货币可以应用到更广阔的的场景当中。以太坊虽然使用PoW共识机制，但代币“以太坊”的分发也是以ICO的形式，并取得了巨大的成功，成为市值 仅此于 比特币的第二大数字货币。

比特币的拓展问题迟迟没有得到解决，损害了很多矿工的利益。比特币社区的中坚技术力量core开发组提出隔离见证（SegWit）的建议，经过当时开发人员和矿工的一致协商，最终达成了“香港共识”：先对一部分区块进行隔离见证，将非隔离部分扩容至2M在进行隔离。

ICO、分叉币的繁荣是整个区块链市场繁荣的一种表象，其中的乱象亦是 层出不迭 ，空气项目、空气币的产生令投机者眼花缭乱辨别不清。同时缺乏监管也加剧了这些乱象的产生和猖獗。

2017年年末，比特币的价格出现了暴涨，在12月18日达到了19299美元的峰值。作为数字货币之首的比特币，反映了整个加密货币市场的风向，故各种代币也随着大行情暴涨了一波。整个冬天，加密币市场都是一派春意盎然。

四、迷茫期：区块链3.0时代（2018）

2018年新年之后，高涨的行情开始回落，但回落了将近大半年也一直未见底，市场开始进入寒冬。在这一年里，比特币的市值也大幅度缩水，但比特币的网络依然在正常运行。

币圈很多人又开始了迷茫，很多项目也开始惶恐不安，但区块链技术始终未停下脚步，区块链3.0时代到来。除去金融和商业公链领域，区块链的触手开始向非商业领域延伸，进入向版权、数据、医疗、食品、租房等深入 社会 生活的各个领域。

虽然总体而言区块链行业仍属于初级阶段，但对于比特币来说，似乎已经垂垂老矣。比特币依然会平稳运行下去，但其应用场景的限制将会令比特币逐渐成为一种保值手段。

然而比特币自身的发展是否会停滞不前或者到此为止？总体而言，有人完全不担心，认为这就是比特币的最好归宿，它不仅仅是市值第一的流通币种，更是一种象征和信仰；而有人认为，随着区块链技术的不断发展和应用范围的不断拓宽，比特币会逐渐失去现在的地位，被后来的币种取代。

比特币的未来如何，难以断言。

五、十年：追捧与质疑并存

比特币经过将近十年的发展，也获得了全球范围的众多认可，有些国家已经接纳了比特币，将其视为与法币同等地位的一种支付方式。

即使受到了很多认可，但在不同的国家，对于比特币这样的数字货币依然采取着观望甚至抵制的态度。很多人认为比特币虽然有区块链技术作为支撑，但和目前乃至以后的技术相比，它在技术这一方面的价值正在逐渐降低；比特币并没有具体的应用场景作为支撑，终究是一场泡沫，有很多商业大佬，如巴菲特、马云等，都表现出了不看好的态度。

比特币这十年，追捧与质疑并存，有很多人后来改变了看法，认为它并不是一场骗局，也有很多人坚信，比特币依然是一场泡沫。但直到现在，比特币依然是数字货币市场的风向标，也依然是最广为人知的数字货币。