基于LabVIEW的图像工程实验 终稿

基于LabVIEW的图像工程实验

基于LabVIEW的图像工程实验

【实验目的】

1. 理解图像工程中的基本概念和方法

2. 掌握基于LabVIEW的图像工程任务的实现方法

【预习重点】

1. 常用的图像增强技术

2. 常用的灰度图像分割技术

3. LabVIEW景象子模板（Vision）中相关节点的功能和使用方法

【参考书】

1. 图象处理和分析；章毓普 编著；清华大学出版社，1999年3月 第1版

2. 数字图像处理；何东健 等编著；西安电子科技大学出版社，2003年7月 第1版

3. 数字图像处理及模式识别；沈庭芝，方子文 编著；北京理工大学出版社，1998年6月 第1版 4. LabVIEW程序设计与应用；杨乐平 等编著；电子工业出版社，2001年7月第1版 5. 虚拟仪器技术概论；杨乐平 等编著；电子工业出版社，2003年3月第1版

6. 基于LabVIEW的虚拟仪器设计；刘君华 等编著；电子工业出版社，2003年1月第1版

【实验仪器】

工业用摄像头、图像采集卡（IMAQ1407/1409）、PC机、LabVIEW应用软件（LabVIEW 7 Express）和NI景象处理模块（NI Vision Development Module）

【实验原理】

一、图像工程概述

图像工程的内容非常丰富，根据抽象程度和研究方法等的不同可分为3个层次（见 图1 ）：图像处理、图像分析和图像理解。换句话说，图像工程是既有联系又有区别的图像处理、图像分析及图像理解三者的有机结合，另外还包括对他们的应用。

高

高层

图像理解 符号

小

抽象程度 语义 中层

图像分析 目标

操作对象 数据量 低层

低

图像处理 象素

大

图1 图像工程三层次示意图

图像处理着重强调在图像之间进行的变换。虽然人们常用图像处理泛指各种图像技术，但比较狭义的图像处理主要满足对图像进行各种加工以改善图像的视觉效果并为自动识别打基础，或对图像进行压缩编码以减少所需存储空间或传输时间、传输通路的要求。

图像分析则主要是对图像中感兴趣的目标进行检测和测量，以获得他们的客观信息从而建立对图像的描述。如果说图像处理是一个从图像到图像的过程，则图像分析是一个从图像到数据的过程。这里数据可以是对目标特征测量的结果，或是基于测量的符号表示。它们描述了图像种目标的特点和性质。 图像理解的重点是在图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解释，从而指导和规划行动。如果说图像分析主要

1

基于LabVIEW的图像工程实验

是以观察者为中心研究客观世界（主要间就可观察到的事物），那么图像理解在一定程度上是以客观世界为中心，借助知识、经验等来把握整个客观世界（包括没有直接观察到的事物）。本实验主要涉及图像处理和不想理解的部分内容。

（一）数字图像基础

用计算机进行图像处理的前提是图像必须以数字格式存储，我们把以数字格式存放的图像称之为数字图像。根据数字图像的特性可以将其分成不同的类型，静态图像可分为矢量（Vector）图和位图（Bitmap），位图也称为栅格图像。 矢量图是用一系列绘图指令来表示一幅图，如AutoCAD中的绘图语句。这种方法的本质是用数学（更准确的说是几何学）公式描述一幅图像，图像中每一个形状都是一个完整的公式。

位图是通过许多像素点表示一幅图像，每个像素具有颜色属性和位置属性。位图又可以分成线画稿（Line Art）、灰度图像（Gray Scale）、索引颜色图像（Index Color）和真彩色图像（True Color）。在灰度图像中，像素灰度级用8 bit表示，所以每个像素都是介于黑色和白色之间的256（2 =256）种灰度中的一种。灰度图像只有灰度颜色而没有彩色，从技术上来说就是具有从黑到白的256种灰度色域（Gamut）的单色图像。

我们日常生活中常见的各种照片、图片、海报、广告画等均属连续形式的模拟图像，所以数字图像处理的一个先决条件就是将连续图像进行采样和量化，转换为数字图像。如 图2 所示，就描述了一幅黑白照片经过采样和量化被转换为灰度图像的过程。

采样

量化

8

数字化

图2 数字图像的生成

即把图像划分为若干图像元素（像素）并给出他们的地址（采样）；度量每一像素的灰度，并把连续的度量结果量化为0~255之间的整数（量化）。这样，一幅照片就被转换成了一个2维数组，数组中某一特定位置的元素（（x，y））与图像中某一特定位置的图像元素相对应，数组中元素的值（f（x，y））代表了其所对应的那一特定位置图像元素的灰度。

（二）图像增强

图像的生成、传输或变换的过程中，由于多种因素的影响，总要造成图像的降质。图像增强技术作为一大类基本的图像处理技术，其目的是采用一系列技术去改善图像的效果或将图像转换成一种更适合于人或机器进行分析处理的形式。目前常用的增强技术根据其处理所进行的空间不同，可分为基于图像域的方法和基于变换域的方法2类。基于图像域的方法是指增强操作直接作用于像素的增强方法，可表示为：

g?x,y??EH?f?x,y????（1）

其中f（x，y）和g（x，y）分别为增强前后的图像，而EH代表增强操作。如果EH是定义在每个（x，y）上的，则EH是点操作；如果EH是定义在（x，y）某个临域上，则EH常称为模板操作。

2

基于LabVIEW的图像工程实验

1. 灰度变换

基于点操作的增强方法也叫灰度变换，常见的几类方法为：直接灰度变换、直方图处理和图像间运算。

直接灰度变换是将f（x，y）中的每个像素按EH操作直接变换以得到g（x，y）的图像处理方法。图3 所示，为一幅图像经几种直接灰度变换处理的过程：

（a）

（b）

图3 利用直接灰度变换增强图像

（c）

（d）

255

g?x,y?EH255 255 EH255 EH??g?x,y???g?x,y???g?x,y?EH??0

f?x,y?255 0 f?x,y?255 0 f?x,y?255 0 f?x,y?255 图3（a）中的EH操作是对图像求反，即将原图像的灰度值翻转。图3（b）中的EH操作是增强图像对比度，即通过增加原图里某两个灰度值间的动态范围来增强原图各部分的反差。图3（c）中的EH操作是动态范围压缩，即通过减小原图灰度值间的动态范围来减弱原图各部分的反差。图3（a）中的EH操作是灰度切分，即将某个灰度范围变得非常突出来突显该灰度范围内像素的分布信息。

直方图表示数字图像中每一灰度值出现频数的统计。如 图4 所示，它能给出该图像的概貌性的描述：整幅图像的灰度范围、每个灰度级的频数、整幅图像的亮度和平均对比度等。

直方图统计 图4 直方图统计

通过值方图处理，从新调整原图中各灰度值的分布位置，而实现增强整个图像对比度（直方图均衡化）或有选择地增强某个灰度值范围内对比度（直方图规定化）的目的。图5 所示，为一幅图像分别经直方图均衡化和直方图规定化处理的过程。

3

基于LabVIEW的图像工程实验

直方图均衡化

直方图规定化

图5 直方图均衡化和直方图规定化

2. 空域滤波

借助模板进行邻域操作的增强方法也叫空域滤波。空间滤波器的工作原理都可借助频域进行分析。它们的基本特点都是让图像在傅里叶空间某个范围内的分量受到抑制而让其它分量不受影响，从而改变输出图像的频率分布达到增强的目的。在增强中用到的空间滤波器主要有平滑（低通）滤波器和锐化（高通）滤波器两类。

平滑滤波器能减弱或消除傅里叶空间的高频分量，但不影响低频分量。因为高频分量对应图相中的噪声干扰区域、边缘区域等灰度值具有较大较快变化的部分，低通滤波器将这些分量率去可减弱噪声使图像平滑。图6 所示，为一幅混有椒盐噪声的原图经平滑滤波器处理的过程。

图6 借助模板的平滑滤波过程

锐化滤波器能减弱或消除傅里叶空间的低频分量，但不影响高频分量。因为低频分量对应图像中灰度值缓慢变化的区域，因而与图像的整体特性，如整体对比度和平均灰度有关，高通滤波器将这些分量率去可使图像锐化增强被模糊的细节。图7 所示，为一幅模糊图像经锐化滤波器处理的过程。

图7 借助模板的锐化滤波过程

4

基于LabVIEW的图像工程实验

（三）灰度图像分割

在对图像的研究和应用中，人们往往仅对一幅图像中的某些部分感兴趣。这些部分常称为目标或前景（其它部分称为背景），他们一般对应图像种特定的、具有独特性质的区域。为了辨识和分析目标，需要将这些有关区域分离出来，在此基础上才有可能对目标进行进一步利用，如进行测量和特征提取等。把图像分成各具特性的区域并提取出感兴趣目标的技术和过程称为图像分割。对图像（灰度图像）的分割常可基于像素灰度值的2个性质：不连续性和相似性。区域内部的像素一般具有灰度相似性，而在区域之间的边界上一般具有灰度不连续性。所以分割算法可据此分为利用区域间灰度不连续性的基于边界的算法和利用区域内灰度相似性的基于区域的算法。

基于边界的分割方法中，边缘检测是第一步也是关键的一步。两个具有不同灰度值的相邻区域之间总存在边缘，边缘是灰度值不连续的结果，检测到这种不连续即可以确定区域的边缘。如图8 所示，是一种简单的边缘检测方法。

当图中的边缘强度足够高而边缘长度足够短时，既可以认为图像的灰度值在这一区域发生了跃变，因此可再此处定义一个边缘位置。

基于区域的分割方法中，取域值是一种最常见的方法。如 图9（a） 所示，假设图像由具有单峰灰度分布的目标和背景组成，在目标或背景内部的相邻像素间的灰度值是高相关的，但在目标和背景交界处两边的像素在灰度值上有很大的区别。取域值为T，则按照（2）式的映射关系做变换，即可以将目标和背景区分开来而得到 图9（b） 的结果。

?1g?x,y????0f?x,y??Tf?x,y??T图8 通过检测探查线上的灰度连续性来确定区域的边缘 检测探查线上的灰度连续性 边缘

灰度轮廓

边缘强度

探查线

灰度 边缘长度

边缘

探查线方向

??（2）

（a）

?1g?x,y????0f?x,y??127f?x,y??127图9 通过取阈值来分理目标

5

（b）

基于LabVIEW的图像工程实验

（四）几何特征测量

从图像中分割出目标并之后，可进一步对它进行几何特征测量和分析，在此基础上可以识别物体，也可以对物体进行分类，或对物体是否符合标准进行判别以实现质量监控。图像的几何特征尽管比较直观和简单，但在许多图像分析问题中起着十分重要的作用，可以用来完成分类、检验、定位、轨迹跟踪等任务。下面介绍如何确定目标几何特征量中位置和方向的方法。

图像中的目标通常不是一个点，因此用物体的面积的中心点作为物体的位置。如 图10 所示，若图像中的目标队赢得像素位置坐标为（ i=0，1，?，n-1；j=0，1，?m-1），这可用下式计算目标的位置坐标： x?1mnn?1m?1??xi?0j?0i，y?1mnn?1m?1??i?0j?0yi??（3）

y

（xi，yi）

x

图10 用物体的面积的中心点作为物体的位置

确定目标的方向有一定的难度。如果目标是细长的，则通常可以把较长方向上的最小二阶矩轴（最小惯量轴在二维平面上的等效轴）的方向定为目标的方向。也就是说，要找到一条直线，使下式定义的E值最小：

E?2??rf?x,y? dxdy??（4）

式中，r是点（x，y）到直线的垂直距离。

二、基于LabVIEW的图像工程实现

图像工程的大部分内容都是借助于计算来实现的，借助美国国家仪器公司提供的NI景象处理模块（NI Vision Development Module），可以基于LabVIEW软件平台来实现图像工程中的大部分内容。基于LabVIEW的图像工程能够充分利用G语言编程简单、功能完善、应用灵活等突出特点，使得图像工程任务的实现变得更加简单。下面将有重点的介绍NI景象处理模块中的内容：

如 图11 所示，在LabVIEW控制模板（Control）的景象子模板（Vision）中包含IMAQ Image.ctl、Image Display和Image Display（Classic）节点，以及IMAQ Vision controls和Machine Vision controls子模板。

IMAQ Vision controls Machine Vision controls IMAQ Image.ctl Image Display Image Display（Classic） 图11 控制模板（Control）中的景象子模板（Vision）

6

基于LabVIEW的图像工程实验

它们的功能如下表所式：

表1

名称及图标 功能 IMAQ Image.ctl 描述图像的数据类型 在前面板中显示图像（“3D”风格），并可以利用其中提供的ROI（Regions of interest）工 Image Display* 具来选定感兴趣的区域（ROI） 在前面板中显示图像（“经典”风格），并可以利用其中提供的ROI（Regions of interest） 工具来选定感兴趣的区域（ROI） Image Display（Classic）* 设置IMAQ景象（IMAQ Vision）的属性 IMAQ Vision controls Machine Vision controls 设置Machine景象（Machine Vision）的属性 注：表中打“*”号的为重点内容

如 图12 所示，在LabVIEW功能模板（Function）的景象子模板（Vision）中包含Image Acquisition、Vision Utilities、Image Processing和Machine Vision子模板。

图12 功能模板（Function）中的景象子模板（Vision）

它们的功能如下表所式：

表2

子模板名称及图标 功能 Image Processing Machine Vision Image Acquisition Vision Utilities Image Acquisition 设置图像采集系统（IMAQ System），并将图像采集到计算机中 Vision Utilities 创建并操纵IMAQ景象中的图像 Image Processing 滤波、处理和分析IMAQ景象中的图像 Machine Vision

执行普通的Machine景象检查任务 7

基于LabVIEW的图像工程实验

1. Image Acquisition子模板

在Image Acquisition子模板中包含如 表3 所示的几个重要节点：

表3

节点名称及图标 功能 IMAQ Init* 载入一个NI-IMAQ配置，并设置图像采集设备（IMAQ Device） IMAQ Snap* 从图像采集设备中截取一幅图像 IMAQ Grab Setup* 为图像采集设备设置一个图像高速截取循环 IMAQ Grab Acquire* 从图像高速截取循环中高速地截取图像 IMAQ Sequence 从图像采集设备中一次性截取多幅图像 IMAQ Close* ?? 释放图像采集设备 ?? 注：表中打“*”号的为重点内容

表4

2. Vision Utilities子模板

在Vision Utilities子模板中包含如 表4 所示的几个重要节点：

子模板名称及图标 功能 创建和销毁图像，设置和读取图像的属性，以及将一幅图像复制到另一幅图像上 节点名称及图标 功能 Image Management IMAQ Create* 创建一幅空图像 IMAQ Dispose* ?? 销毁一幅图像，并释放其所占用的内存空间 ?? 读取，写入，以及找回图像的文件信息 节点名称及图标 Files IMAQ ReadFile*

8

从指定图像文件中读入一幅图像 功能 基于LabVIEW的图像工程实验

IMAQ WriteFile* 将一幅图像写入到指定文件中 IMAQ GetFileInfo ?? 获取一幅图像文件的内容信息 ?? Image Manipulation 调整图像的大小，提取图像中的某一部分，旋转图像以及展开图像等 将轮廓、文字和位图覆盖到一幅图像上，而不改变原图像的内容 节点名称及图标 功能 IMAQ Overlay Points 将一个点覆盖到图像上 Overlay IMAQ Overlay Line 将一条线覆盖到图像上 IMAQ Overlay Rectangle 将一个矩形轮廓覆盖到图像上 IMAQ Clear Overlay* ?? 清除覆盖在图像上的内容 ?? ?? ?? 注：表中打“*”号的为重点内容

3. Image Processing子模板

表5 子模板名称及图标 功能 处理灰度图像和二值图像，对图像进行灰度变换、灰度分割等操作 节点名称及图标 功能 在Image Processing子模板中包含如 表5 所示的几个重要节点：

IMAQ MathLookup* Processing 直接灰度变换 IMAQ Equalize* 直方图处理 IMAQ BCGLookup

调整图像的亮度，对比度和反衬度 9

基于LabVIEW的图像工程实验

IMAQ Threshold* 单区域灰度分割 IMAQ MultiThreshold 多区域灰度分割 IMAQ Inverse ?? 利用空域滤波来增强图像 灰度反转 ?? 功能 节点名称及图标 IMAQ GetKernel* 读取预定的滤波模板 IMAQ BuildKernel* Filters 创建特定的滤波模板 IMAQ Convolute* 根据输入的滤波模板对图像进行空域滤波 IMAQ LowPass* IMAQ NthOrder* 低通滤波 类中值滤波 ?? 获得灰度图像和二值图像的图像信息 节点名称及图标 ?? 功能 Analysis IMAQ Histograph 获得灰度图像的直方图 获得二值图像中微粒的数目，以及微粒本身的一些几何特 IMAQ Particle Analysis* ?? 征 ?? ?? 注：表中打“*”号的为重点内容

??

4. Machine Vision子模板

在Machine Vision子模板中包含如 表6 所示的几个重要节点：

10

基于LabVIEW的图像工程实验

表6

子模板名称及图标 检测图像中特定区域的亮度 节点名称及图标 功能 功能 IMAQ Light Meter (Point) Measure Intensities 检测某点附近的亮度 IMAQ Light Meter (Line) 检测一条线上的亮度 IMAQ Light Meter (Rectangle) 检测一个矩形区域内的亮度 检测图像中两个边界之间的距离 节点名称及图标 功能 IMAQ Clamp Horizontal Max* 测量两个边界之间的最大水平距离 Measure Distances IMAQ Clamp Horizontal Min 测量两个边界之间的最小水平距离 IMAQ Clamp Vertical Max* 测量两个边界之间的最大垂直距离 IMAQ Clamp Vertical Min 测量两个边界之间的最小垂直距离 ?? 注：表中打“*”号的为重点内容

??

【实验内容与步骤】

1. 将一幅图像从指定图像文件中读出，显示在LabVIEW的前面板中，并存入到另一指定文件中

（1） 启动LabVIEW7.0软件平台，新建一个名为Open Display & Save的空白VI （2） 如 图13 所示，在框图程序中利用IMAQ Create节点创建一幅空图像

→利用IMAQ ReadFile节点从指定图像文件中读入一幅图像

→在前面板中添加一个Image Display节点用于显示图像，并将其对应的框图程序中的节点与IMAQ ReadFile节点的Image Out像连接

→在框图程序中利用IMAQ WriteFile节点将该图像写入到另一指定文件中 →利用IMAQ Dispose节点将打开的图像销毁，并释放其所占用的内存空间

11

基于LabVIEW的图像工程实验

图13 Open Display & Save.VI

（3） 从新调整前面板和框图程序中各节点的大小和位置使其整洁美观

（4） 在前面板中分别填入要打开和保存图像文件的路径。在Image Display节点上单击鼠标右健勾选

“Snapshot”，以使被显示的图像保留在前面板中

（5） 运行Open Display & Save. VI，观察结果

2. 打开一幅颜色偏暗、对比度偏小的图像，对其进行图像增强，并结果保存在到指定文件中

（1） 将Open Display & Save. VI另存为Processing. VI

（2） 如 图14 所示，在框图程序中有选择地插入Processing子模板中的具有灰度变换作用的节点用

以调整图像的亮度和对比度

→在前面板中添加一个Image Display节点用于显示被增强后的图像

12

基于LabVIEW的图像工程实验

图14 Processing. VI

（3） 从新调整前面板和框图程序中各节点的大小和位置使其整洁美观

（4） 在前面板中分别填入要打开和保存图像文件的路径。在Image Display节点上单击鼠标右健勾选

“Snapshot”，以使被显示的图像保留在前面板中

（5） 运行Processing. VI，比较图像增强前后的结果

（6） 改变所选用的具有灰度变换作用的节点的参数，或更换、添加Processing子模板中其它具有灰

度变换作用的节点，反复比较直到取得满意的图像增强效果

3. 打开一幅颜色偏暗、对比度偏小并且含有1％随机噪声的图像，对其进行图像增强，并结果保存在到指定文件中

（1） 将Processing. VI另存为Processing & Filters. VI

（2） 如 图15 所示，在框图程序中有选择地插入Filters子模板中有低通滤波作用的节点，以减弱图

像中的噪声

→在前面板中再添加一个Image Display节点用于显示被增强后的图像

13

基于LabVIEW的图像工程实验

图15 Processing & Filters. VI

（3） 从新调整前面板和框图程序中各节点的大小和位置使其整洁美观

（4） 在前面板中分别填入要打开和保存图像文件的路径。在Image Display节点上单击鼠标右健勾选

“Snapshot”，以使被显示的图像保留在前面板中

（5） 运行Processing. VI，比较图像增强前后的结果

（6） 改变所选用的低通滤波器的滤波模板，或更换、添加Filters子模板中其它具有减弱噪声功能的 中

（1） 检查图像采集系统的连接情况：工业用摄像头←→图像采集卡（IMAQ1407/1409）←→计算机

PCI总线

（2） 运行Measurement & Automation Explorer程序，配置图像采集卡（IMAQ1407/1409）的图像采

集通道

（3） 将Open Display & Save. VI另存为Get Display & Save. VI

（4） 如 图16 所示，在框图程序中利用IMAQ Init、IMAQ Snap和IMAQ Close节点组成“图像采

集模块”

14

低通滤波节点，反复比较直到取得满意的图像增强效果

4. 利用图像采集系统即时采集一幅图像，显示在LabVIEW的前面板中，并存入到另一指定文件

基于LabVIEW的图像工程实验

→用“图像采集模块”替换原框图程序中的IMAQ ReadFile节点

图16 Get Display & Save. VI

（5） 从新调整前面板和框图程序中各节点的大小和位置使其整洁美观

（6） 在前面板中分别填入要保存图像文件的路径。在Image Display节点上单击鼠标右健勾选

“Snapshot”，以使被显示的图像保留在前面板中

（7） 运行Get Display & Save. VI，观察结果

5. 测量一幅颜色偏暗、对比度偏小的工件图中工件的实际尺寸

（1） 新建一个名为Clamp的空白VI

（2） 利用“图像采集模块”采集摄像头视场内的工件图并显示在前面板中 （3） 对采集到的图像进行图像增强以改善图像质量

（4） 如 图17 所示，在框图程序中利用IMAQ Clamp Horizontal Max和IMAQ Clamp Vertical Max节

点测量图像中工件的尺寸

15

基于LabVIEW的图像工程实验

图17 Clamp. VI

（5） 从新调整前面板和框图程序中各节点的大小和位置使其整洁美观

（6） 在前面板中分别填入要保存图像文件的路径。在Image Display节点上单击鼠标右健勾选“Snapshot”，以使被显示的图像保留在前面板中

（7） 将工件图水平放置在摄像头的视场内

（8） 运行Clamp. VI

→测量工件图中标尺的大小以获得图像的校正系数

→停止Clamp. VI的运行

→修改原程序中的图像校正系数

（9） 再次运行Clamp. VI，测量工件图中的工件尺寸，并将测量结果记录下来

6. 追踪激光光斑在摄像头视场中的位置

（1） 新建一个名为Particle Analysis的空白VI

（2） 如 图18 所示，在框图程序中利用IMAQ Init、IMAQ Grab Setup、IMAQ Grab Acquire和IMAQ Close

节点组成“高速图像采集模块”

16

基于LabVIEW的图像工程实验

图18 Particle Analysis. VI中的“高速图像采集模块”

（3） 如 图19 所示，将通过“高速图像采集模块”采集到的图像进行图像增强，并转换为二值图像

（线画稿）

图18 Particle Analysis. VI

17

基于LabVIEW的图像工程实验

（4） 利用IMAQ Particle Analysis节点获得二值图像中微粒的数目和位值信息 （5） 从新调整前面板和框图程序中各节点的大小和位置使其整洁美观

（6） 在前面板中分别填入要保存图像文件的路径。在Image Display节点上单击鼠标右健勾选

“Snapshot”，以使被显示的图像保留在前面板中 （7） 运行Particle Analysis. VI

（8） 将一个或多个激光光斑投射到摄像头的视场内，并移动光斑 （9） 观察前面板中捕捉到的激光光斑位置随光斑移动的变化情况

【思考题】

1. 图像处理、图像分析和图像理解之间的层次关系？

2. 直方图规定化处理照比直方图均衡化处理的优势？

3. 分别列举3种平滑滤波器和锐化滤波器的滤波模板。

4. 边缘检测方法中，确定边缘的条件是什么？

5. 确定图像中物体位置的方法是什么？

6. Processing子模板中的具有灰度变换作用的节点包括那些？

7. Filters子模板中有低通滤波作用的节点包括那些？

8. 组成“高速图像采集模块”的节点包括那些？

9. 请画出实验内容5、6的LabVIEW程序的流程图。

18

本文来源：https://www.bwwdw.com/article/fvaa.html