基于图像分块的背景模型构建方法
第２９卷第１期杨广林等：基于图像分块的背景模型构建方法３ｌ
我们尝试将图像分块，利用图像块的特征建立背景模型．下面就针对图像块给出背景建模方法．
为了简化讨论，假设图像是灰度图像．设，ｃ。（菇，Ｙ）为一个ｍ×ｍ像素的图像块，（戈，Ｙ）表示该图像块左上角的坐标．在２×２的情况下，图像块中前景像素的分布组合有以下５种：
（ａ）（ｂ）（ｃ）（ｄ）（ｅ）
（ａ）完全背景；（ｂ）有１个前景像素；（ｃ）有２个前景像素；
（ｄ）有３个前景像素；（ｅ）完全前景
图１２Ｘ２图像块的５种情况
Ｆｉｇ．１Ｔｈｅｆｉｖｅｉｎｓｔａｎｃｅｓｏｆ２×２ｉｍａｇｅｂｌｏｃｋ
３．１图像块特征的选取
将图像块设定为相邻像素的方形块，以２×２的图像块为例，图１给出了前景在图像块的各种分布情况的理想状态．一般地讲，图像块越大，要处理的块数就越少，效率就越高，但对局部目标敏感度就越小，目标的精确度就会变差，因为前景所占比例小的图像块的个数会增加，例如图１中（ｂ）和（ｃ）的情形．随着图像的增大，图像块的特征选取变得复杂．综合考虑识别目标的敏感性和识别目标的精确性以及处理问题的效率，一般选择ｍ＝２比较合适．可以有多种方式引入特征，最简单的情形是任意选择图像块中的一个像素为代表，或以图像块的均值为特征．以下我们提出几种提取特征的方案．
（１）图像块中心点，即Ａ＝中心点像素；
（２）选取若干点的组合作为图像块的代表点，
例如可选择图像块的对角线上的点；
（３）图像块均值，即Ａ＝（Ｘ，，＋ｘ。２＋…＋ｋ）／ｍ２；
（４）图像块的行均值或图像块的列均值；
Ａｌ＝Ｘｌｌ＋Ｘ１２＋…＋Ｘ１。。
Ａ２＝Ｘ２ｌ＋Ｘｚ２＋…＋】，２ｍ
Ａ。＝Ｘ。ｌ＋Ｘ，以＋…＋Ｘ。。
（５）图像块的幅度值，即Ａ＝ｍａｘＸｉ—ｍｉｎＸｉｉ；
（６）图像块的行幅度值或列幅度值．
由于所有特征都是图像块中像素的线性组合，因此当像素值Ｘ。服从正态分布时，所有特征Ａ作为原像素的线性运算的结果，也服从正态分布．
若Ａ＝√。Ｘ，其中Ｘ是由若干个像素组成的向量；ｌ，为与ｘ同维数的向量，则有：
Ａ—Ｎ（ｖ＂ｉｔ，ｔ，１Ｖｖ）（３）图像块中的像素点值的变化能够反映到特征值的变化上，这样就可以对特征Ａ（而不是对像素值）建立背景模型，以此来判断图像块（而不是判断像素）是背景还是目标．例如，可以对特征Ａ使用ｗ４方法，求在一个训练周期内特征的最大值、最小值和连续两帧的最大差，利用不等式来判断该图像块是背景图像块还是前景图像块．由于特征也服从Ｇａｕｓｓ分布，所以也可以对特征Ａ建立单Ｇａｕｓｓ背景模型．下面针对从图像块中选取的几个特征Ａ，建立分块的混合Ｇａｕｓｓ背景模型．
３．２基于图像块特征的自适应的高斯混合模型在３．１节给出的特征中，选择其中的一个或几个特征Ａ，，Ａ：，…，Ａ，构成特征向量，令Ａ＝｛Ａ。，Ａ：，…，Ａ。｝．
采用文［４］给出的混合Ｇａｕｓｓ分布的形式和参数更新方法．选择一个时间周期｛Ａｉ，．一，Ａ，｝，给出／ｌ，具有Ｋ个分量的高斯混合密度（ＧＭＭ）：
Ｋ
ｐ（ａ；）＝∑ｐ（Ａ。ｌ∞ｉ，Ｉｔ¨，Ｕ“）Ｊｐ（（￡Ｊｉ）
ｉｉｌ（４）
Ｘ、
＝∑％。ｐ（Ａ。№，ｔｔ沁，Ｕ如）
其中
ｐ（ＡＩ，ｐ“，Ｕｉ．。）：
（５）Ｐ（∞ｉ）或加。。为第ｉ个分量在总体分布中所占的比例，也称为第ｉ个分量权值．
基于像素间相互独立的假设，可以得出特征之间也是相互独立的．为了简化计算，可以进一步假设他们具有同样的方差，因而协方差矩阵可以简化为Ｕ“＝盯２。Ｉ，其中Ｊ为单位阵．这种假设可以避免复杂计算引起误差加大．关系式（４）说明了每一图像块的特征向量／土的当前观察值的概率分布可由一个高斯混合函数所刻画，也就是说图像块的特征向量的某种状态可由混合模型的某个分量来描述．基于前面的假设，可利用在线Ｋ均值近似算法对此高斯混合模型进行操作．所谓的在线Ｋ均值近似算法即为：从前向后将新的图像块的特征向量的值与现存的Ｋ个高斯分布进行匹配，如果一个特征向量的值落在某个分布的标准方差的某一倍数范围内，就认为匹配成功，即如果ＩＡ。一肛小ｆ≤ｒ盯叫，则认为匹配成功．实验表明对于２Ｘ２的图像块，丁取４比较合适．
如果当前的特征向量的值不能匹配Ｋ个分布中
第２９卷第１期杨广林等：基于图像分块的背景模型构建方法
５．１实验参数的选择
本实验采用Ｍａｔｌａｂ７．０编程，混合Ｇａｕｓｓ背景模型含有４个分量，图像块的大小为２×２，从每个图像块中选择两个特征，分别为Ａ，＝Ｘ，。＋ｘ。：，Ａ：＝Ｘ。：一鼍卜混合模型的参数为：像素形式的背景阈值Ｔ＝０．９７，权值的更新速度ａ＝０。００２，用２．５倍的标准方差；分块形式的背景阈值Ｔ＝０．９８，权值的更新速度ａ＝０．００２，用４倍的标准方差．两种算法的初始化均为：以视频图像的第１帧的像素值作为第１个Ｇａｕｓｓ分量的初始均值，其他３个分量的均值的初始值为０，所有４个Ｇａｕｓｓ分量的初始方差均为４，４个分量的初始权值分别为０．４、０．２、０．２、０．２．５．２实验结果分析
视频开始时，路口的红绿灯使图像中的上下方向的车辆处于停止状态．图像中的右部有一个转动
的广告牌，作为运动目标被检测出来．大约第９０帧左右，图像的右端方向出现一辆白车，紧接着该路口又出现一辆黑车，实验检测出从右边出现的车辆，从视频中提取１０帧分别是第１０１、１３１、１８１、２０１、２３１、２７１、２８１、３３１、３５１、３７１帧．处理结果见图２，图２中３幅图像为一组，第ｌ行为图像的原始帧，第２行的图像为采用２×２分块Ｇａｕｓｓ混合背景模型对动态目标进行检测的结果，第３行的图像为采用像素形式的Ｇａｕｓｓ混合背景模型对动态目标进行检测的结果．实验结果表明，分块背景模型对较大目标的检测水平与像素形式的背景模型相当．对较小目标的检测，分块形式的背景模型的检测效果要优于像素形式的背景模型，这从图２中的（ａ１０１）、（ｂ１３１）、（ｈ３３１）、（ｉ３５１）可以看出．从精度上来说，像素形式背景模型要优于分块形式的背景模型．
图２从视频中提取的１０帧图像、分块形式的背景处理结果和像素形式的背景处理结果
Ｆｉｇ．２
１０ｆｒａｍｅｉｍａｇｅｓｆｒｏｍｔｈｅｖｉｄｅｏ，ｐｒｏｃｅｓｓｉｎｇｒｅｓｕｌｔｓｏｆ
ｂｌｏｃｋ—ｂａｃｋｇｒｏｕｎｄｍｏｄｅｌａｎｄｐｉｘｅｌ－ｂａｃｋｇｒｏｕｎｄ
ｍｏｄｅｌ
基于图像分块的背景模型构建方法
作者：杨广林， 孔令富， YANG Guang-lin， KONG Ling-fu
作者单位：燕山大学信息科学与工程学院,河北,秦皇岛,066004
刊名：
机器人
英文刊名：ROBOT
年，卷(期)：2007,29(1)
被引用次数：4次
参考文献(9条)
1.Haritaoglu I;Harwood D;Davis L W4:real-time surveillance of people and their activities 2000(08)
2.Jain R;Kasturi R;Schunck B G Machine Vision 2003
3.Heikkila M;Pietikainen M A texture-based method for modeling the background and detecting moving objects[外文期刊] 2006(04)
4.Lee D S;Hull J J;Erol B A Bayesian framework for Gaussian mixture background modeling[外文会议] 2003
5.Zivkovic Z Improved adaptive Gaussian mixture model for background subtraction[外文会议] 2004
6.KaewTraKulPong P;Bowden R An improved adaptive background mixture model for real-time tracking with shadow detection 2001
7.Stauffer C;Grimson W E L Adaptive background mixture models for real-time tracking 1999
8.Friedman N;Russell S Image segmentatio n in video sequences:a probabilistic approach 1997
9.Wren C;Azarbayejani A;Darrell T Pfinder:real-time tracking of the human body 1997(07)
引证文献(5条)
1.陈建恺.陈继荣适应场景亮度快速变化的背景重建算法[期刊论文]-计算机工程与应用 2010(8)
2.李庆武.蔡艳梅.徐立中基于分块分类的智能视频监控背景更新算法[期刊论文]-智能系统学报 2010(3)
3.吴培良.朱玲.张玮动态家庭环境智能空间服务机器人全息建图方法[期刊论文]-科技导报 2010(12)
4.王智灵.周露平.陈宗海针对不同信息特征的鲁棒背景建模技术分析[期刊论文]-模式识别与人工智能 2009(2)
5.李庆武.蔡艳梅.徐立中基于分块分类的智能视频监控背景更新算法[期刊论文]-智能系统学报 2010(3)
本文链接：https://www.360docs.net/doc/1f16312258.html,/Periodical_jqr200701006.aspx
建立能力素质模型的基本步骤
建立能力素质模型的基本步骤 能力素质模型的定义和结构 能力素质模型（Competencemodel）就是用行为方式来定义和描述员工完成工作需要具备的知识、技巧、品质和工作能力，通过对不同层次的定义和相应层次的具体行为的描述，确定核心能力的组合和完成特定工作所要求的熟练程度。这些行为和技能必须是可衡量、可观察、可指导的，并对员工的个人绩效以及企业的成功产生关键影响。 能力素质模型通常包括三类能力：全员核心能力、职系序列通用能力、专业技术能力。全员核心能力是指适用于公司全体员工的工作胜任能力，它是公司企业文化的表现，是公司内对员工行为的要求，体现公司公认的行为方式；职系序列通用能力是指在企业内一个职系多个角色都需要的技巧和能力，但重要程度和精通程度有所不同；专业技术能力指某个特定角色和工作所需要的特殊的技能，通常情况下，专业技术能力大多是针对岗位来设定的。 建立和实施能力素质模型的目的 建立和发展企业内部员工的核心能力体系，其最终目的是为了支持企业的经营发展需要。 经营目标的达成是企业的最终目的之一，企业内任何规划和行动都应该支持这一目的。在企业内部建立和发展能力素质模型是为了帮助企业找到合适的人员来完成其经营目标，与此同时，内部人员也得到个人相关的能力发展和培养。人员的能力支持企业的经营，企业的经营要求人员不断成长。两者相辅相成，不断更新。而企业的经营发展目标，无论是短期的还是长期的目标，始终是企业内部进行人员能力体系发展的指导原则。 企业在市场中要形成自身的核心竞争力，为企业获取持续竞争优势提供来源和基础，而要实现企业的核心竞争力，员工就必须具有相应的核心能力。因此，在建立能力素质模型时，必须首先了解整个企业的中长期经营目标和经营策略，从中我们可以分析整个企业的关键竞争优势，即：企业在哪些方面的核心竞争能力最终能够支持企业的市场地位。企业的关键能力要靠内部的人员来达到，这就是企业对内部人员的整体要求：什么样的人员能够在企业内生存和发展，并且能够支持企业的生存和发展。 因此，找到对经营结果最有帮助的行为和能力，了解如何有计划地建立和培养这样的能力，才能建立能力素质模型。根据能力素质模型的具体内容对人员的能力进行评估，找出人员现有能力与所要求的能力之间的差距，采取针对性的措施，才能最终形成具有企业特色的以能力素质模型为核心的人才规划、选拔、发展、激励和储备的人力资源管理体系，为经营目标的实现提供切实的保障。 能力素质模型的作用 以能力素质模型为核心构建人力资源管理体系，能力体系成为企业人力资源管理各项活动的基础，给企业的管理和员工的发展带来很多的益处。
计算机图形学图形的几何变换的实现算法
实验二图形的几何变换的实现算法 班级 08 信计 学号 59 姓名 _____ 分数 _____ 一、 实验目的和要求： 1、 掌握而为图形的基本几何变换，如平移，旋转，缩放，对称，错切变换；＜ 2、 掌握OpenG 冲模型变换函数，实现简单的动画技术。 3、 学习使用OpenGL 生成基本图形。 4、 巩固所学理论知识，加深对二维变换的理解，加深理解利用变换矩阵可 由简单图形得到复杂图形。加深对变换矩阵算法的理解。 编制利用旋转变换绘制齿轮的程序。编程实现变换矩阵算法，绘制给出形体 的三视图。调试程序及分析运行结果。要求每位学生独立完成该实验，并上传实 验报告。 二、 实验原理和内容： .原理： 图像的几何变换包括：图像的空间平移、比例缩放、旋转、仿射变换和图像插值。 图像几何变换的实质：改变像素的空间位置，估算新空间位置上的像素值。 图像几何变换的一般表达式：［u,v ］=［X （x, y ）,Y （x, y ）］，其中，［u,v ］为变换后图像 像素的笛卡尔坐标， ［x, y ］为原始图像中像素的笛卡尔坐标。这样就得到了原始图像与变 换后图像的像素的对应关系。 平移变换：若图像像素点（x, y ）平移到（x x 。，y ■ y 。），则变换函数为 u = X （x, y ） =x 沟， v 二丫（x, y ） = y ■ y 。，写成矩阵表达式为: 比例缩放：若图像坐标 （x,y ）缩放到（S x ，s y ）倍，则变换函数为: S x ,S y 分别为x 和y 坐标的缩放因子，其大于1表示放大, 小于1表示缩小。 旋转变换：将输入图像绕笛卡尔坐标系的原点逆时针旋转 v 角度，则变换后图像坐标为: u COST 内容： :u l :Sx k ；0 其中，x 0和y 0分别为x 和y 的坐标平移量。 其中,
多重背景数据块的使用(图)
先建立一个FB10。完成内容X*Y=Z 定义形式参数 IN：X，Y OUT：Z 保存 然后在建立FB20，形式参数STAT里定义 NAME：MUL Data Type：FB10 程序中写以反复的写call MUL。保存 OB1中写CALL FB20,DB10 DB10为多重背景数据块 注意一点，多重背景调用等同于FC的调用，call MUL下的参数填写一定不能空着，必须有实际地址，否则用DB10的数据程序会混乱。 以下详细讲解西门子多重背景数据块的使用。 1、在SIMATIC Manager 中，打开你希望生成多重背景的FB。在静态变量定义部分，输入多重背景的名字，数据类型为FB 或SFB。 图1 2、在程序中调用多重背景，可以在多重背景中的目录中选择托拽它到NETWORK 中，也可以用CALL 指令调用它。
图2 在STEP 7 V5.4 SP2 中请注意： 如果在LAD/FBD编辑器的目录视图中多重背景未被列出，推荐在静态变量声明中先插入一个功能块，然后再删除它。这样多重背景就再次可以被选择。 3、现在设置程序块的输入和输出并保存。就可以在程序(例如OB1)中使用多重背景来调用FB。创建一个背景数据块以供监控。 注意： 当生成多重背景时，如其在FB 中作为一个多重背景被调用，注意要首先生成它，然后再指定一个多重背景调用。如果不遵从这个顺序，程序中将会出现不一致的情况，这种不一致的情况也有可能在修改多重背景后出现。 4、一旦修改过了多重背景，并打开调用它的功能块。当功能块被打开时，会出现一个消息显示在FB 接口声明中有一个UDT 或本地标签的被修改，并显示在功能块调用中至少有一个时间标签冲突。确认此信息，修改过的背景调用在LAD/STL/FBD 编辑器中将会以亮红色显示。 为了更新功能块调用，右击功能块，然后在弹出菜单中选择“Update Block Call...”。 图3 5、在后续的对话框中，点击OK 来执行接口更新。 图4 在STEP 7 V5.3中的注意事项： 当尝试通过“File > Check and Update Accesses”来更新程序块调用时，STEP7 V5.3 不能发现变量间的唯一分配，调用还是保持红颜色，也无法通过“Edit > Call > Update”改正调用错误。更新调用的唯一办法是删除调用，在声明中更新接口，然后再以多重背景方式调用功能块。如果已经删除了FB 接口中的变量，应该通过“Edit > Call > Update”来改正所有的多重背景调用，而不需使用前面的“Check and Update Accesses”功能。一旦已经更新了这些多重背景，就又可以与平时一样使用“Check and Update Accesses”功能了。 6、推荐在更新功能块调用后进行一致性检查。在SIMATIC Manager 中，右击S7 program 文件夹，选择“Check block consistency...”功能，系统会显示S7程序的结构。 通过工具栏中的第二个按钮或者“Program > Compile All”功能编译程序。在编译后，STEP 7程序一致性将统一。
西门子 PLC中OB、FC、FB、SFC、SFB中功能块
西门子 PLC中OB、FC、FB、SFC、SFB中功能块使用概述 (2013-12-05 16:13:52) S7-300/400PLC程序采用结构化程序，把程序分成多个模块，各模块完成相应的功能。结合起来就能实现一个复杂的控制系统。就像高级语言一样，用子程序实现特定的功能，再通过主程序调用各子程序，从而能实现复杂的程序。 在S7-300/400PLC中写在OB1模块里和程序就是主程序，子程序写在功能(FC)，功能块(FB)。 FC运行是产生临时变量执行结束后数据就丢失-----不具有储存功能 FB运行时需要调用各种参数，于是就产生了背景数据块DB。例如用FB 41来作PID控制，则它的PID控制参数就要存在DB里面。FB具有储存功能系统功能块（SFB）和系统功能（SFC）也是相当于子程序，只不过SFB 和SFC是集成在S7 CPU中的功能块，用户能直接调用不需自已写程序。 SFC与FC不具有储存功能,FB和SFB具有储存功能。 OB模块相当于子程序，负责调用其他模块。如果程序简单只需要OB就可以实现。 用西门子PLC编程时，可以用到功能块FB和功能FC（FB、FC都是组织块）资料上说FB与FC都可以作为用户编写的子程序，但是我不明白这两个组织块之间到底有什么区别阿？在应用上到底有什么不同之处吗？ FB--功能块，带背景数据块 FC--功能，相当于函数 他们之间的主要区别是：FC使用的是共享数据块，FB使用的是背景数据块 举个例子，如果您要对3个参数相同的电机进行控制，那么只需要使用FB编程外加3个背景数据块就可以了，但是，如果您使用FC，那么您需要不断的修改共享数据块，否则会导致数据丢失。FB确保了3个电机的参数互不干扰。 FB,FC本质都是一样的，都相当于子程序，可以被其他程序调用（也可以调用其他子程序）。他们的最大区别是，FB与DB配合使用，DB中保存着F B使用的数据，即使FB退出后也会一直保留。FC就没有一个永久的数据块来存放数据，只在运行期间会被分配一个临时的数据区。 在实际编程中，是使用FB还是FC，要看实际的需要决定。 FB与FC没有太大的差别，FB带有背景数据块，而FC没有。所以FB 带上不同的数据块，就可以带上不同的参数值。这样就可以用同一FB和不同的背景数据块，被多个对象调用。 FC和FB像C中的函数，只不过FB可以生成静态变量，在下次函数调用
编号22--多重背景数据块的项目举例
多重背景数据块的项目举例 下面以发动机控制系统的用户程序为例，介绍生成和调用FB多重背景数据块的方法。 用STEP7的新项目创建一个名为“多重背景实例”的项目，项目中创建组织块OB1是主程序，FB1电机4，FB2电机3，FB3电机2，UDT1电机1控制。如图： 首先：明白功能块的调用关系，此实例关系图如下： 1、在项目右侧单击右键新建数据块DB1，在生成时如下图，选择instance DB 对应是FB1，下图红笔处。
2、FB2、FB3和UDT1没有自己的背景数据块，创建好FB2和FB3和UDT1后分别定义FB2和FB3的输入输出管脚。如创建FB3后，打FB3。 如上图红圈处，定义了三个输入管脚，分别是 DIANJI1shoudong电机1手动启动，DIANJI1zidong电机1自动，DIANJI1sudu电机1速度。同理定义FB2的2个输出管脚和FB3的输入输出管脚及其UDT1的输入输出管脚。 3、此时FB1，FB2，FB3，UDT1都已经定义好，但是只是建立了DB1
作为FB1的背景数据块，这时我们要把FB2，FB3嵌套到FB1里面。使FB2和FB3定义的管脚建立在DB1里面。具体如下： ①打开FB1数据块，在FB1管脚STAT定义区,添加name:q_control,数据类型：选FB
素质模型的构建方法
素质模型的构建方法 Coca-cola standardization office【ZZ5AB-ZZSYT-ZZ2C-ZZ682T-ZZT18】
素质模型的构建方法 素质模型（Competency Model，简称CM）作为现代人力资源的基础性管理工具之一，在企业人才招聘、选拔、考核和培训当中都发挥着极为重要的作用。而如何从企业自身的需要出发构建和应用符合本企业特点的素质模型体系，则是企业的人力资源决策者们需要认真考虑的问题。本文将对目前比较流行且便于操作的素质模型的主要构建方法进行介绍，供企业进行相关决策时参考。 素质模型的构建方法主要有行为事件访谈（Behavioral Event Interview，简称BEI）、专家小组(Expert Panel)、评价中心(Assessment center)和问卷调查(Survey)等四种。这些方法各有优缺点，在实际应用当中，企业应当从自身的需要去选择适当的一种方法或采用多种方法的组合，下面分别加以介绍。 1、行为事件访谈法 这种方法是目前在构建素质模型过程中使用得最为普遍的一种。它主要以目标岗位的任职者为访谈对象，通过对访谈对象的深入访谈，收集访谈对象在任职期间所做的成功和不成功的事件描述，挖掘出影响目标岗位绩效的非常细节的行为。之后对收集到的具体事件和行为进行汇总、分析、编码，然后在不同的被访谈群体（绩效优秀群体和绩效普通群体）之间进行对比，就可以找出目标岗位的核心素质。具体的操作程序如下图： 行为事件访谈法对访谈者的要求非常高，只有经过专业培训的访谈者才能在访谈过程中通过不断地有效追问，获得目标岗位相关的具体事件。在国内一般的企业当中，目前尚不具备独立使用这种方法来构建素质模型的条件，主要有以下几个原因：一是过去的考核体系不是很完善，很难区分出绩效优秀群体和绩效普通群体。这对于选取正确的访谈对象以及在不同群体间进行比较等方面难以保证客观性、准确性。二是需要大量的被访谈者，牵涉面比较广，中小型企业无法取得足够的访谈样本，即使部分企业有足够的访谈样本，也需要大量的人力、财力和物力去支持，这从企业投入与回报的评估角度来说可能不令人满意。在实际应用当中，行为事件访谈法更多地使用其简化模式，并与其它方法相结合。简化模式主要保留行为事件访谈的信息收集方法，用于确定素质模型的操作定义和行为描述。 不论是复杂的行为事件访谈还是简化的行为事件访谈，对其结果的要求都是必须能够直接应用于人才选拔、考核或培训。所以在成果上要有能够直接观察的行为指标作为依据。这样在实施关键行为事件访谈（Focus Behavioral Event Interview, 简称FBEI）来考察任职者的时候，就可以直接看他是否表现出素质模型所描述的行为和事件来判断他是否与目标岗位的素质模型相符合。 2、专家小组法 这种方法主要是召集对目标岗位有充分了解和深刻认识的专家，收集他们对目标岗位核心素质的看法和意见。这里的专家可以是组织内部有多年目标岗
建立素质模型的流程和难点
在开始着手建立企业的素质模型之间，企业必须首先审视两个基本问题，这是建立员工素质模型的基础，也是保证我们一开始就能够正确行动的前提。 企业的战略是什么？制定并且实施战略计划的关键环节有哪些？因为企业试图建立的素质模型必定源于企业的战略，并且是能够支撑战略有效实施的那些核心素质，因此这一步骤在建立员工素质之前非常重要。 例如，在某公司的战略实施计划之中，A部门是关键部门，那么我们因此可以断定的是，一方面公司的发展依靠的是它能够为A部门吸引、培养以及维持具有管理者素质的经理人员的能力；另一方面，挖掘A部门具备的素质特征，并在企业范围内全面有效推广与复制这些素质特征才是素质模型建立的真正意义所在，因此在选定目标职位方面也就有了判断与决策的依据。 与实施战略计划的关键环节相关的核心职位有哪些？通常这些核心职位指的是那些由对公司业务的成败具有核心作用的人掌握的，承担实施战略的主要责任，控制关键资源（人、资金、技术、市场、客户等），可以产生价值增值的职位。对于企业而言，对这些关键的价值的增值的职位集中进行素质模型研究，开展人力资源管理活动都是非常有价值的。 在企业战略和目标职位都明确之后，员工素质模型即可按以下三个步骤进行开发。素质模型的建立通常有三种不同的方式，其中两种是： 一、成立专家组，依据问卷调查、访谈、头脑风暴等多种手段集中开发、评审与确认素质模型。该种方式花费的时间不长，适合面向较少职位的素质模型的开发。 二、面向未来尚不存在的职位或者没有太多的任职者可以提供优秀以及一般工作绩效的样本的职位，主要采取专家组论证、分析目前类似工作状况的方式进行素质模型的开发。 另外一种是员工素质模型建立的一般流程，主要分为两个阶段。第一阶段主要从事素质的研究与开发工作。这是一项基础性的、花费时间较长、对于素质模型建立非常核心与重要的工作，其中涉及的技术与方法也较多。由于素质的开发本身就是一个不断证伪、不断完善的过程，作为企业通用素质尚且如此，更何况个性化的专业素质，它们都体现着企业为实现战略目标对各专业系统能力的关注。因此在第一阶段完成之后，通常要有一个对素质模型的评估与确认过程。这个过程不仅要从各个专业系统的角度，把握系统内部不同级别人员之间在素质要求上的差异性，解决系统内部素质结构的合理性问题，还要从企业的角度，统筹平衡各个专业系统之间的素质层次与结构的匹配性，从而从整体上兼顾员工素质的要求。另外，评估的对象不仅要扩展到企业内部更多的职位与更多的人员，同时还要考虑将企业的其他管理措施与手段嫁接进来，从而为素质模型的应用营造良好的氛围与条件。对于那些比较成熟的行业，企业还可以采取所在行业的标杆企业的某些职位，在信息完备的前提下对素质模型进行标杆检验，使其对企业构建核心竞争优势更具现实指导意义。 在素质研究与开发阶段，还可以具体细分为五个步骤： 1、选定研究职位。要建立一套完整的素质模型通常要花费2个月~3个月的时间。即使仅仅对该职位安排行为事件访谈以及对访谈结果进行处理都需要30个左右的工作日，这对企业而言既不划算，又没有抓住重点。因此正如我们在前文所论述的，必须首先确定哪些是企业的关键职位，是值得企业对其进行这样投入的。一般可以通过收集分析组织结构图、战略计划执行记录或对企业高层进行访谈的方式进行。例如，企业高层管理者的管理能力是牵引企业全体员工职业能力发展的核心力量，从这个意义上讲，企业管理者是企业核心竞争力的中枢，因此对应于企业的所有管理职位都是企业的关键职位，研究与开发管理者素质模型也就成为建立企业素质模型的关键。另外，作为企业价值创造的核心环节，与技术研发、生产作业以及营销、客户服务相关的职位都应该视为企业的关键职位，只是考虑到企业的价值定位不同，上述核心环节有所侧重而已。例如对于服务型企业而言，营销以及客户服务环节的职位就显得尤为重要；对于高科技企业而言，技术研发环节的职位当然是重中之重。
第五章 图像退化模型
第五章图像退化模型 同学们好，今天我们要给大家讲解的内容是图像退化与复原。在开始之前我们先来看几张图片 可以看到，第一幅图像是由于镜头聚焦不好引起的模糊，第二幅是由于小车运动产生的模糊，第三幅是大气湍流影响的结果，a中，大气湍流可以忽略不计，b为剧烈湍流影响的结果，c和d分别为中等湍流和轻微湍流影响的结果。从以上几张图片可以看出，成像过程中不同因素的影响导致影响质量下降，这就是所谓的图像退化。 图像退化 由此，我们给出图像退化的描述（图像退化及其过程描述）如下： 图像的退化是指图像在形成、传输和记录过程中，由于成像系统、传输介质和设备的不完善，使图像的质量下降（变坏）。 其典型表现为:模糊、失真、有噪声。 产生原因：成像系统像差、传感器拍摄姿态和扫描非线性、成像设备与物体运动的相对运动、大气湍流、成像和处理过程中引入的噪声等。
图像复原 针对这些问题，我们需要对退化后的图像进行复原。这是我们本节内容的第二个关键词图像复原，图像复原就是尽可能恢复退化图像的本来面目，它是沿图像退化的逆过程进行处理，也就是如果我们知道图像是经历了什么样的过程导致退化，就可以按其逆过程来复原图像。因此，图像复原过程流程如下： 找退化原因→建立退化模型→反向推演→恢复图像 典型的图像复原是根据图像退化的先验知识，建立退化现象的数学模型，再根据模型进行反向的 推演运算，以恢复原来的景物图像。因此，图像复原的关键是知道图像退化的过程，即图像退化 模型。并据此采用相反的过程求得原始图像。 针对不同的退化问题，图像复原的方法主要有：代数方法恢复、运动模糊恢复、逆滤波恢复、维 纳滤波恢复、功率谱均衡恢复、约束最小平方恢复、最大后验恢复、最大熵恢复、几何失真恢复等。 这里也许同学们会有一个疑问，那就是图像复原和前面讲过的图像增强有什么区别呢？区别如下： 图像增强不考虑图像是如何退化的，而是主观上试图采用各种技术来增强图像的视觉效果。 因此，图像增强可以不顾增强后的图像是否失真，只要达到想要的目视效果就可以。 而图像复原就完全不同，需知道图像退化的机制和过程等先验知识，客观上找出一种相应的 逆处理方法，从而得到复原的图像。 如果图像已退化，应先作复原处理，再作增强处理。 二者的目的都是为了改善图像的质量。 图像退化的数学模型 输入图像f(x,y)经过某个退化系统后输出的是一幅退化的图像。为了讨论方便，把噪声引起的退化 即噪声对图像的影响一般作为加性噪声考虑。原始图像f(x,y)经过一个退化算子或退化系统H(x,y) 的作用，再和噪声n(x,y)进行叠加，形成退化后的图像g(x,y)。 图1表示退化过程的输入和输出之间的关系，其中H(x,y)概括了退化系统的物理过程，它就是我 们要寻找的退化数学模型。 这里的H就是退化系统 通常，我们假设图像经过的退化系统是线性非时变系统，线性非时变系统具有如下四个基本性质：H的四个性质（假设噪声n（x，y） = 0）：
多重背景数据块
多重数据块是数据块的一种特殊形式，如在OB1中调用FB10，在FB10中又调用FB1和FB2，则只要FB10的背景数据块选择为多重背景数据块就可以了，FB1和FB2不需要建立背景数据块，其接口参数都保存在FB10的多重背景数据块中。建立多重背景数据块的方法是：在建立数据块只要在数据类型选项中选择“实例的DB”就可以了，见下例。 下面通过一例简单介绍一下多重背景数据块使用的一些注意事项和方法。 例如，PLC控制两台电机，且控制两台电机的接口参数均相同。一般的作法，我们可以编写功能块FB1控制两台电机，当控制不同的电机时，分别使用不同的背景数据块就可以控制不同的电机了（如第一台电机的控制参数保存在DB1中，第二台电机的控制参数保存在DB2中，我们可以在控制第一台电机调用FB1时以DB1为背景数据就可以了，第二台同样以DB2为背景数据块）。这样就需要使用两个背景数据，如果控制的电机台数更多，则会使用更多的数据块。使用多重背景数据块就是为了减少数据块的数量。 像这种情况，我们就可以利用多重背景数据块来减少数据块的使用量。拿本例来说，我们就可以在OB1中调用FB10，再在FB10中分别调用（每台电机各调用一次）FB1来控制两台电机的运转。对于每次调用，FB1都将它的数据存储在FB1的背景数据块DB1中。这样就无需再为FB1分配数据块，所有的功能块都指向FB10的数据块DB10。原理图如下： 首先，我们需要先后插入一个功能块FB10和数据块DB10，DB10就为FB10的多重背景多重数据块。如下图：
其次，需要在FB10中指定其所包含的背景数据块。方法如下：在FB10局部变量定义窗口中，在“STAT”变量区中（必须在此变量区中）为每台电机的控制取好名称后，数据类型选择FB ，确认后，再把改为1，即功能块FB1。如果你在变量表中已经定义了FB1的符号，则会自动出现其符号名。地址一般由CPU根据FB1的接口参数数量自动计算得到，采用默认值就可以了。 因为控制两台电机，所以需要在STAT中定义两个这样的变量。结果如下：
如何构建战略方案性胜任力素质模型
如何构建战略方案性胜 任力素质模型 WTD standardization office【WTD 5AB- WTDK 08- WTD 2C】
胜任能力是用行为方式描述出来的员工胜任职位所需要具备的知识、技巧和工作能力。是企业为了实现其战略目标，获得成功，而对组织内个体所需具备的职业素养、能力和知识的综合要求。 知识是指员工为了完成自己的工作所需具备的各种知识如：专业知识、技术知识或商业知识等，它包括员工通过学习和以往的经验所掌握的事实、信息、和对事物的看法。能力则是指员工为了实现工作目标、有效地利用自己掌握的知识而需要的能力，如：动手操作能力、逻辑思维能力、社交能力等。通过反复的训练和不断的经验累积，员工可以逐渐掌握必要的能力。职业素养则是指组织在员工个人素质方面的要求，如：诚实、正直、敬业、守信等。 能力素质模型是将能力素质(职业素养、能力和知识)按内容、按角色或是按岗位有机地组合在一起，职业素养、能力和知识中的每项内容都会有相关的行为描述，通过这些可观察、可衡量的行为描述来体现员工对于该项职业素养、能力和知识的掌握程度。 能力素质模型是企业核心竞争力的具体表现。通过构建战略性的能力素质模型可以规范员工在职业素养、能力和知识等方面的行为表现，实现企业对员工的职责要求，确保员工的职业生涯和个人发展计划与企业的整体发展目标、客户需求保持高度的一致性，推动战略目标的实现，从而赢得竞争优势。 企业战略决定能力素质模型，构建能力素质模型必须以企业使命、愿景和战略目标为基础，以确保员工具备的能力素质与组织的核心竞争力一致，为企业的战略目标
而服务。因此在构建战略性的能力素质模型之前应该首先审视企业的战略目标，确认其整体需求。进而以企业战略导出的人力资源战略和组织架构和职责为基础，设计能力素质模型。这样才能确保员工具备的能力素质是与组织的核心竞争力相一致，能为企业的战略目标服务，实现企业的战略目标。 由于能力素质模型产生于组织的整体战略和人力资源战略，体现了组织在战略层面上对个体的能力需求。同时，能力素质模型又贯穿于整个人力资源管理日常业务中。因此，通过运用能力素质模型能确保组织的人力资源战略与组织的整体战略紧紧相扣，使人力资源战略为组织的整体发展和战略目标的实现提供更好的服务。 战略性胜任力素质模型构建的基本过程包括：在对企业愿景和实际能力进行评估，确定企业的核心能力：通过对价值链的和核心业务、企业核心价值观的分析得出企业所需的能力素质模型的能力、知识及素质需求。在此基础上构建符合企业战略发展需要的能力素质模型。 能力素质模型是战略性人力资源管理体系中的关键环节，它将企业战略与到整个人力资源管理业务紧密连接，是建立岗位任职资格、设计职位族胜任力模型、员工招聘甄选、绩效管理、岗位培训、薪酬分配的基础和核心。
计算机图形学图形的几何变换的实现算法
实验二 图形的几何变换的实现算法 班级 08信计 学号 59 姓名 分数 一、实验目的和要求： 1、掌握而为图形的基本几何变换，如平移，旋转，缩放，对称，错切变换；。 2、掌握OpenGL 中模型变换函数，实现简单的动画技术。 3、学习使用OpenGL 生成基本图形。 4、巩固所学理论知识，加深对二维变换的理解，加深理解利用变换矩阵可由简单图形得到复杂图形。加深对变换矩阵算法的理解。 编制利用旋转变换绘制齿轮的程序。编程实现变换矩阵算法，绘制给出形体的三视图。调试程序及分析运行结果。要求每位学生独立完成该实验，并上传实验报告。 二、实验原理和内容： . 原理: 图像的几何变换包括:图像的空间平移、比例缩放、旋转、仿射变换和图像插值。 图像几何变换的实质:改变像素的空间位置，估算新空间位置上的像素值。 图像几何变换的一般表达式：[,][(,),(,)]u v X x y Y x y = ，其中，[,]u v 为变换后图像像素的笛卡尔坐标， [,]x y 为原始图像中像素的笛卡尔坐标。这样就得到了原始图像与变换后图像的像素的对应关系。 平移变换：若图像像素点 (,)x y 平移到 00(,)x x y y ++，则变换函数为 0(,)u X x y x x ==+， 0(,)v Y x y y y ==+，写成矩阵表达式为： 00x u x y v y ??????=+???????????? 其中，x 0和y 0分别为x 和y 的坐标平移量。 比例缩放：若图像坐标 (,)x y 缩放到（ ,x y s s ）倍，则变换函数为： 00x y s u x s v y ??????=?????????? ?? 其中, ,x y s s 分别为x 和y 坐标的缩放因子，其大于1表示放大，小于1表示缩小。 旋转变换：将输入图像绕笛卡尔坐标系的原点逆时针旋转θ角度，则变换后图像坐标为： cos sin sin cos u x v y θ-θ??????=??????θθ?????? 内容： 1、对一个三角形分别实现平移，缩放旋转等变化。
图像变换基本模
图像变换基本模
————————————————————————————————作者：————————————————————————————————日期：
图像变换的基本模型 一、常用图象的变换模型 变换模型是指根据待匹配图像与背景图像之间几何畸变的情况，所选择的能最佳拟合两幅图像之间变化的几何变换模型。可采用的变换模型有如下几种:刚性变换、仿射变换、透视变换和非线形变换等，如下图2.4。 (1) 刚体变换 如果一幅图像中的两点间的距离经变换到另一幅图像中后仍然保持不变，则这种变换称为刚体变换(Rigid Transform)。刚体变换仅局限于平移、旋转和反转(镜像)。在二维空间中，点(x,y)力经过刚体变换到点(x',y')的变换公式为: ' ' cos sin sin cos 1001 x y x t x y t y ? ? ??± ?? ?? ???? =±?? ???? ?? ???? ?? ?? (2.25) 上式中?为旋转角度，,T x y t t ?? ??为平移变量。 (2) 仿射变换 如果一幅图像中的直线经过后映射到另一幅图像上仍为直线，并且保持平行关系，则这种变换称为仿射变换(Affine Transform。仿射变换适应于平移、旋转、缩放和反转(镜像)情况。可以用以下公式表示: ' 12 ' 34 10011 x y x a a t x y a a t y ?????? ?????? = ?????? ?????? ???? ?? (2.26) 其中(,) x y t t表示平移量，而参数 i a则反映了图像旋转、缩放等变化。将参数,,(1~4) x y i t t a i=计算出，即可得到两幅图像的坐标变换关系。 (3) 投影变换 如果一幅图像中的直线经过后映射到另一幅图像上仍为直线，但平行关系基本不保持，则这种变换称为投影变换(Projective Transform )。二维平面投影变换是关于齐次三维矢量的线性变换，在齐次坐标系下，二维平面上的投影变换具体可用下面的非奇异3x3矩阵形式来描述，即： 图2.4 图象的坐
多重背景数据块的使用
多重背景数据块的使用 当功能块FB1在组织块中被调用时，使用了与FB1相关联的背景数据块。这样FB1有几次调用，就必须配套相应数量的背景数据块。当FB1的调用次数较多时，就会占用更多的数据块。使用多重背景数据块可以有效地减少数据块的数量，其编程思路是创建一个比FB1级别更高的功能块，如FB10，对于FB1的每一次调用，都将数据存储在FB10的背景数据块中。这样就不需要为FB1分配任何背景数据块。 下面以发动机组控制系统为例，介绍如何编辑和使用多重背景数据块。 例发动机组控制系统设计——使用多重背景 设某发动机组由1台汽油发动机和1台柴油发动机组成，现要求用PLC控制发动机组，使各台发动机的转速稳定在设定的速度上，并控制散热风扇的启动和延时关闭。每台发动机均设置一个启动按钮和一个停止按钮。 项目的编程步骤如下： （1）创建S7项目。使用菜单“文件” “新建工程”向导创建发动机组控制系统的S7项目，并命名为“多重背景”。CPU选择CPU 315-2DP，项目包含组织 块OB1。 （2）硬件配置。在“多重背景”项目打开“SIMATIC 300（1）”文件夹，打开硬件配置窗口，并按图1完成硬件配置。 图1 硬件配置 （3）编辑如图2所示的符号表。
图2 符号表 （4）规划程序结构。程序结构规划如图3所示。FB10为上层功能块，它把FB1作为其“局部实例”，通过二次调用本地实例，分别实现对汽油机和柴油机的控 制。这种调用不占用数据块DB1和DB2，它将每次调用（对于每个调用实例） 的数据存储到体系的上层功能块FB10的背景数据块DB10中。 图3 程序结构 （5）编辑功能（FC）。FC1用来实现发动机（汽油机或柴油机）的风扇控制，按照控制要求，当发动机启动时，风扇应立即启动；当发动机停止后，风扇应延
能力素质模型构建
能力素质模型构建 ㈠解读能力素质模型、绩效 1、素质能力模型起源 越战以后美国选拔派驻各国外交官。哈佛教授麦克利兰教授用关键事件行为访谈（1.5：1、打散），最成功的3件事，最失败的3件事，对行为进行罗列，分出优秀、一般，然后对行为进行编码。找出优秀的人员共同的行为特征，分析这些行为背后的深层次的原因，定义这些原因的特质（DNA），要高绩效就找具有这种特质的人培养这种DNA。麦克利兰教授认为这种DNA是持久达成岗位绩效最好的判断因素。 有这种DNA不一定产生高绩效，但没有这种DNA一定不能产生高绩效。 2、素质能力模型的作 3、名词解释 素质：素，元素，组成事物的基本单位。质，质量，质量水平、生理、心理组成，结构极其质量水平。 知识：用于解决问题、指导实践的结构化的信息。显性、隐性。一切人类总结、归纳、沉淀、加工、提炼，并认为正确、真实，可以指导实践、解决问题的观点、思想、经验、方法、技巧、程序等信息。 技能：指结构化地运用所掌握的知识完成某项具体工作的能力； 能力素质模型 导致人员在具体文化和岗位中做出优秀业绩的行为特征的集合。
职业素养：素质、涵养体现在职业上的行为表现。 3、名词解释 任职资格（低起点、门槛、人岗匹配） 胜任力模型（高起点、产生高业绩的胜任特质） 能力素质模型（胜任力+任职资格） 胜任力是就高不就低、任职资格是就低不就高。能力素质模型是由低到高。 4、素质能力模型的起点和终点 5、解读绩效 ※绩效=绩+效 绩=目标+职能 效=行为+品行+职业化 ※绩效=业绩+行为+品格+职业化 绩效=SMART+KBI+KRI+OC 绩效管理目的是通过各种手段把人变好的过程，不是淘汰人、坏人开除不完（人员流失是组织最大的成本）。 “一个伟大的人不是没有肮脏的思想，而是理智地把肮脏的思想控制在一定范围”——马克思※绩效的本质 ●目标与任务（实现组织目标与任务） ●进步与成长（促使员工成长与进步）
数字图像处理图像变换实验报告.
实验报告 实验名称：图像处理 姓名：刘强 班级：电信1102 学号：1404110128
实验一图像变换实验——图像点运算、几何变换及正交变换一、实验条件 PC机数字图像处理实验教学软件大量样图 二、实验目的 1、学习使用“数字图像处理实验教学软件系统”，能够进行图像处理方面的 简单操作； 2、熟悉图像点运算、几何变换及正交变换的基本原理，了解编程实现的具体 步骤； 3、观察图像的灰度直方图，明确直方图的作用和意义； 4、观察图像点运算和几何变换的结果，比较不同参数条件下的变换效果； 5、观察图像正交变换的结果，明确图像的空间频率分布情况。 三、实验原理 1、图像灰度直方图、点运算和几何变换的基本原理及编程实现步骤 图像灰度直方图是数字图像处理中一个最简单、最有用的工具，它描述了一幅图像的灰度分布情况，为图像的相关处理操作提供了基本信息。 图像点运算是一种简单而重要的处理技术，它能让用户改变图像数据占据的灰度范围。点运算可以看作是“从象素到象素”的复制操作，而这种复制操作是通过灰度变换函数实现的。如果输入图像为A(x,y)，输出图像为B(x,y)，则点运算可以表示为： B(x,y)＝f[A(x,y)] 其中f(x)被称为灰度变换（Gray Scale Transformation，GST）函数，它描述了输入灰度值和输出灰度值之间的转换关系。一旦灰度变换函数确定，该点运算就完全确定下来了。另外，点运算处理将改变图像的灰度直方图分布。点运算又被称为对比度增强、对比度拉伸或灰度变换。点运算一般包括灰度的线性变换、阈值变换、窗口变换、灰度拉伸和均衡等。 图像几何变换是图像的一种基本变换，通常包括图像镜像变换、图像转置、图像平移、图像缩放和图像旋转等，其理论基础主要是一些矩阵运算，详细原理可以参考有关书籍。 实验系统提供了图像灰度直方图、点运算和几何变换相关内容的文字说明，用户在操作过程中可以参考。下面以图像点运算中的阈值变换为例给出编程实现的程序流程图，如下：
数字图像处理简答题及答案..
数字图像处理简答题及答案 简答题 1、数字图像处理的主要研究内容包含很多方面，请列出并简述其中的4种。 2、什么是图像识别与理解？ 3、简述数字图像处理的至少3种主要研究内容。 4、简述数字图像处理的至少4种应用。 5、简述图像几何变换与图像变换的区别。 6、图像的数字化包含哪些步骤？简述这些步骤。 7、图像量化时，如果量化级比较小会出现什么现象？为什么？ 8、简述二值图像与彩色图像的区别。 9、简述二值图像与灰度图像的区别。 10、简述灰度图像与彩色图像的区别。 11、简述直角坐标系中图像旋转的过程。 12、如何解决直角坐标系中图像旋转过程中产生的图像空穴问题？ 13、举例说明使用邻近行插值法进行空穴填充的过程。 14、举例说明使用均值插值法进行空穴填充的过程。 15、均值滤波器对高斯噪声的滤波效果如何？试分析其中的原因。 16、简述均值滤波器对椒盐噪声的滤波原理，并进行效果分析。 17、中值滤波器对椒盐噪声的滤波效果如何？试分析其中的原因。 18、使用中值滤波器对高斯噪声和椒盐噪声的滤波结果相同吗？为什么会出现这种现象？
19、使用均值滤波器对高斯噪声和椒盐噪声的滤波结果相同吗？为什么会出现这种现象？ 20、写出腐蚀运算的处理过程。 21、写出膨胀运算的处理过程。 22、为什么YUV表色系适用于彩色电视的颜色表示？ 23、简述白平衡方法的主要原理。 24、YUV表色系的优点是什么？ 25、请简述快速傅里叶变换的原理。 26、傅里叶变换在图像处理中有着广泛的应用，请简述其在图像的高通滤波中的应用原理。 27、傅里叶变换在图像处理中有着广泛的应用，请简述其在图像的低通滤波中的应用原理。 28、小波变换在图像处理中有着广泛的应用，请简述其在图像的压缩中的应用原理。 29、什么是图像的无损压缩？给出2种无损压缩算法。 2、对于扫描结果：aaaabbbccdeeeeefffffff，若对其进行霍夫曼编码之后的结果是：f=01 e=11 a=10 b=001 c=0001 d=0000。若使用行程编码和霍夫曼编码的混合编码，压缩率是否能够比单纯使用霍夫曼编码有所提高？ 31、DCT变换编码的主要思想是什么？ 32、简述DCT变换编码的主要过程。 33、什么是一维行程编码？简述其与二维行程编码的主要区别。 34、什么是二维行程编码？简述其与一维行程编码的主要区别。 35、简述一维行程编码和二维行程编码的异同。 36、压缩编码算法很多，为什么还要采用混合压缩编码？请举例说明。 37、对于扫描结果：aaaabbbccdeeeeefffffff，若对其进行霍夫曼编码之后的结果是：f=01 e=11 a=10 b=001 c=0001 d=0000。若使用行程编码和霍夫曼编码的混合编码，压缩率是否能够比单纯使用行程编码有所提高？ 38、连续图像和数字图像如何相互转换？
胜任力模型构建方法
胜任力模型构建方法 胜任素质模型构建方法有三种：行为事件访谈法、问卷调查法和工作分析法。胜任素质模型构建方法一：行为事件访谈法 行为事件访谈法，又叫BEI（Behavioral Event Interview）访谈法，是一种开放式的行为回顾式探索技术，以获取有关被访者行为事件为主要目的，是揭示胜任特征的主要工具。这种方法是目前在构建素质模型过程中使用得最为普遍的一种。它主要以目标岗位的任职者为访谈对象，通过对访谈对象的深入访谈，收集访谈对象在任职期间所做的成功和不成功的事件描述，挖掘出影响目标岗位绩效的非常细节的行为。之后对收集到的具体事件和行为进行汇总、分析、编码，然后在不同的被访谈群体（绩效优秀群体和绩效普通群体）之间进行对比，就可以找出目标岗位的核心素质。 但在实施的工程中，被访者可能会美化自己，有虚假信息，这时需要使用STAR 法来判断。S-situation指事件发生的背景；T-task指事件发生时被访者需要完成的目标；A-action指被访者采取的行为及步骤；R-result指如果被访者能说出全部细节则认为是亲身经历过的。STRA法是行为事件访谈法的必要补充。 ·胜任素质模型构建方法二：问卷调查法 用书面形式间接搜集研究材料的一种调查手段，通过向被调查者发出简明扼要的征询单(表)，请其填写对有关问题的意见和建议来间接获得材料和信息的一种方法。问卷一般由指导语、问题与回答方式、其他资料和编码四个部分组成。 问卷调查法的优点在于它是从大量受众中收集数据的最有效、最简单的方法；易于开展，经济；对日常活动干扰较小；产生的定量数据有利于分析；为受众保密，有利于得到诚实的回答。 但这种方法也有缺点：不能为受众提供灵活回答的空间；不能详细追问额外的信息。 ·胜任素质模型构建方法三：工作分析法 工作分析(Job Analysis)又称职位分析、岗位分析或职务分析，是指通过系统全面的信息收集手段，提供相关工作的全面信息，以对某特定的工作职位作明确规定，并确定完成这一工作需要有什么样的行为的过程。在胜任力素质提取中，采用工作分析的方法就是从工作内容、工作职责、工作方式入手，挖掘出工作所需要的胜任素质。 工作分析的方法多种多样，包括观察法、资料分析、工作日志、访谈法、参与法等等，相关人员可以根据企业的具体情况，岗位需要的不同情况来选择合适的方法或者组合。 工作日志法是最常用的方法。工作日志法是由任职者按时间顺序，详细记录自己在一段时间内的工作内容与工作过程，经过归纳、分析，达到工作分析的目的的一种工作分析方法。 日志的形式可以是不固定的，也可以是组织提供的统一格式，如事先由职务分析人员设计好详细的工作日志清单，让员工按照要求及时地填写职务内容，按时间顺序记录工作过程，然后进行归纳、提炼、总结，从而取得所需工作信息。需注意的是，工作日志应该随时填写，而不应该在下班前一次性填写，这样是为了保证填写内容的真实性和有效性，同时记录日志的目的是为了能从日志中查看每天计划的完成情况，记录的是最基础的数据，以保证通过日志控制工作的准确性和及时性。
S7+多重背景数据块
在SIEMENS S7-300/400系列PLC中有多种程序块，如下图（在管理器右边的空白区域点击右键），主要有：组织块（OB），功能块（FB），功能（FC），数据块（DB）及系统功能（SFC）和系统功能块（SFB）等。 注：快捷菜单中的其它两项：数据类型和变量表。数据类型（UDT）用于指定程序中数据元素的大小与格式；变量表（VAT）用来在程序调试和运行时修改和监视变量的内容（在地址栏中输入地址后，符号栏中会自动显示在符号表中定义的符号）。 这几种程序块的功能简要说明如下： 说明： 调用程序块：OB，FB，FC（可以调用除OB块外的其它程序块）； 被调用程序块：FB，FC，SFB，SFC。 1、组织块OB OB由系统自动调用，并执行用户在OB块中编写的程序，所以OB的基本作用是调用用户程序。 在OB块中编写程序的最大容量，S7-300是16KB，S7-400是64KB。 除主程序循环OB1外，其它OB均是由事件触发的中断。 2、函数FC 函数FC有两个作用：（1）作为子程序用；（2）作为函数用，函数中通常带形参。
函数中程序的最大容量，S7-300是16KB，S7-400是64KB。 FC的形参通常也称为接口区，参数类型分为输入参数，输出参数，输入/输出参数和临时数据区。 在编写函数FC的输出参数时，应避免没有直接输出（否则，可能输出一个随机值，影响程序的判断）。可以在函数的开始，将字输出参数清0，位输出参数复位。 3、函数块FB FB与FC相比，FB每次调用都必须分配一个背景数据块，用来存储接口数据区（TEMP类型除外）和运算的中间数据。其它程序可以直接使用背景数据区中的数据。 FB中程序的最大容量，S7-300是16KB，S7-400是64KB。 FB的接口区比FC多了一个静态数据区（STAT），用来存储中间变量。 程序调用FB时，形参不像FC那样必须赋值，可以通过背景数据块直接赋值。 由于FB带有背景数据块，输出参数不会输出随机值，可以不在FB中编写初始化程序。 4、数据块DB DB用来存储用户数据及程序的中间变量，为全局变量。DB的最大容量，S7-300为32KB，S7-400为64KB。 DB可分为共享数据块（Share DB）、背景数据块（Instance DB）和用户自定义数据（UDT）类型的数据块。 ★共享数据块可作为所有程序使用的全局变量，在CPU允许的条件下，一个程序可创建任意多个DB，每个DB的最大容量为64KB。 默认条件下，共享数据块为掉电保持，在其属性菜单中选中“Non Retain”可以更改为掉电数据丢失。 如CPU中无足够的内部存储空间保存数据，可将指定的数据保存到共享数据块。存储在共享数据块中的数据可被其它任意一个块调用（全局变量）。这一点和背景数据块不同，背景数据块只能被指定的功能块（FB）使用，保存在背景数据块中的数据只能在这个功能块中有效。 ★背景数据块与FB和SFB关联，也是全局变量。背景数据块和共享数据块相比，只保存与FB或SFB接口数据区（Temp）相关的数据。背景数据块中有一种比较特殊的数据块，称为多重背景数据块。有关多重背景数据块的用法和使用注意事项请参看《怎样使用多重背景数据块》。 ★基于UDT的数据块为全局变量，提供一个固定格式的数据结构，便于用户使用。 5、系统函数（SFC）和系统函数块（SFB） SFC和SFB集成在CPU中，相当于系统提供的可供用户程序调用的FC或FB，实现与CPU 系统相关的一些功能，如读写CPU时钟等功能。调用SFB需要背景数据块。