數(shù)字圖像處理畢業(yè)論文

1、<p><b>　　目 錄</b></p><p><b>　　第1章 緒論1</b></p><p>　　1.1 數(shù)字圖像處理的研究背景1</p><p>　　1.2 數(shù)字圖像處理的研究內(nèi)容1</p><p>　　1.3 DSP系統(tǒng)簡介2</p><p>

2、　　1.4 圖像增強(qiáng)簡介4</p><p>　　第2章 DSP系統(tǒng)5</p><p>　　2.1 DSP芯片5</p><p>　　2.1.1 DSP芯片的特點(diǎn)6</p><p>　　2.1.2 圖像處理系統(tǒng)中DSP芯片的選擇7</p><p>　　2.2 基于DSP的圖像處理系統(tǒng)8</p>

3、<p>　　第3章 圖像增強(qiáng)9</p><p>　　3.1 圖像增強(qiáng)的基本概念9</p><p>　　3.2 圖像增強(qiáng)的方法9</p><p>　　3.2.1 圖像銳化10</p><p>　　3.2.1.1 圖像銳化原理10</p><p>　　3.2.1.2 拉普拉斯算子11</p>

4、;<p>　　3.2.1.3 基于DSP的算法實(shí)現(xiàn)12</p><p>　　3.2.1.4 圖片銳化效果比較14</p><p>　　3.2.2 Sobel邊緣檢測算法16</p><p>　　3.2.2.1 Sobel邊緣檢測算法原理16</p><p>　　3.2.2.2 Sobel邊緣檢測算法的變異及實(shí)現(xiàn)16&l

5、t;/p><p>　　3.2.3 直方圖均衡化算法20</p><p>　　3.2.3.1 直方圖均衡化20</p><p>　　3.2.3.2 直方圖規(guī)定化21</p><p>　　3.2.3.3實(shí)驗(yàn)結(jié)果及分析23</p><p>　　第4章 直方圖均衡化和規(guī)定化算法的DSP實(shí)現(xiàn)25</p>&l

6、t;p>　　4.1 算法的DSP實(shí)現(xiàn)與優(yōu)化25</p><p>　　4.1.1 算法開發(fā)硬件平臺(tái)選擇25</p><p>　　4.1.2 算法的實(shí)現(xiàn)與優(yōu)化26</p><p>　　4.2 實(shí)驗(yàn)及結(jié)果分析27</p><p><b>　　結(jié) 論31</b></p><p><b

7、>　　致 謝32</b></p><p><b>　　參考文獻(xiàn)33</b></p><p><b>　　第1章 緒論</b></p><p>　　1.1 數(shù)字圖像處理的研究背景</p><p>　　數(shù)字圖像處理又稱為計(jì)算機(jī)圖像處理，它最早出現(xiàn)于20世紀(jì)50年代，當(dāng)時(shí)的電子計(jì)算機(jī)

8、已經(jīng)發(fā)展到一定水平，人們開始利用計(jì)算機(jī)來處理圖形和圖像信息。數(shù)字圖像處理作為一門學(xué)科大約形成于20世紀(jì)60年代初期。圖像處理的基本目的是改善圖像的質(zhì)量，它以人為對象，以改善人的視覺效果為目的。圖像處理中，輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像，常用的圖像處理方法有圖像增強(qiáng)、復(fù)原、編碼、壓縮等。圖像處理技術(shù)在許多應(yīng)用領(lǐng)域受到廣泛重視并取得了重大的開拓性成就，屬于這些領(lǐng)域的有航空航天、生物醫(yī)學(xué)工程、工業(yè)檢測、機(jī)器人視覺、公安司法、軍

9、事制導(dǎo)、文化藝術(shù)等，使圖像處理成為一門引人注目、前景遠(yuǎn)大的新型學(xué)科。隨著圖像處理技術(shù)的深入發(fā)展，隨著計(jì)算機(jī)技術(shù)和人工智能、思維科學(xué)研究的迅速發(fā)展，數(shù)字圖像處理向更高、更深層次發(fā)展。</p><p>　　隨著數(shù)字多媒體技術(shù)的不斷發(fā)展，數(shù)字圖像處理技術(shù)被廣泛應(yīng)用于可視電話、電視會(huì)議、監(jiān)控系統(tǒng)、智能交通監(jiān)控、目標(biāo)跟蹤、機(jī)器人導(dǎo)航等各種民用、商用及工業(yè)生產(chǎn)領(lǐng)域中。但在這些數(shù)字圖像處理系統(tǒng)中，一個(gè)突出的問題就是數(shù)據(jù)量龐大，

10、數(shù)據(jù)處理相關(guān)性高，實(shí)現(xiàn)實(shí)時(shí)比較困難。因此圖像處理速度成為實(shí)時(shí)性的主要因素，這就要求實(shí)時(shí)圖像處理系統(tǒng)必須具有強(qiáng)大的運(yùn)算能力。高性能 DSP 的發(fā)展為實(shí)時(shí)的圖像處理提供了一個(gè)解決途徑。高速DSP不僅可以滿足在運(yùn)算性能方面的需要，而且由于DSP的可編程性，還可以在硬件一級獲得系統(tǒng)設(shè)計(jì)的極大靈活性。</p><p>　　1.2 數(shù)字圖像處理的研究內(nèi)容</p><p>　　數(shù)字圖像處理技術(shù)，主要研究

11、的內(nèi)容:圖像變換、圖像編碼壓縮、圖像增強(qiáng)和復(fù)原、圖像分割、圖像分類(識(shí)別)等。</p><p>　　(1) 圖像變換。由于圖像陣列很大，直接在空間域中進(jìn)行處理，涉及計(jì)算量很大。因此，往往采用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散余弦變換等間接處理技術(shù)，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可減少計(jì)算量，而且可獲得更有效地處理 (如傅立葉變換可在頻域中進(jìn)行數(shù)字濾波處理)。目前新興研究的小波變換在時(shí)域和頻域

12、中都具有良好的局部化特性，它在圖像處理中也有著廣泛而有效的應(yīng)用。</p><p>　　(2)圖像編碼壓縮。圖像編碼壓縮技術(shù)可減少描述圖像的數(shù)據(jù)量(即比特?cái)?shù))，以便節(jié)省圖像傳輸、處理時(shí)間和減少所占用的存儲(chǔ)器容量。壓縮可以在不失真的前提下獲得，也可以在允許的失真條件下進(jìn)行。編碼是壓縮技術(shù)中最重要的方法，它在圖像處理技術(shù)中是發(fā)展最早且比較成熟的技術(shù)。</p><p>　　(3)圖像增強(qiáng)和復(fù)原。圖

13、像增強(qiáng)和復(fù)原的目的是為了提高圖像的質(zhì)量，如去除噪聲，提高圖像的清晰度等。圖像增強(qiáng)不考慮圖像降質(zhì)的原因，突出圖像中所感興趣的部分。如強(qiáng)化圖像高頻分量，可使圖像中物體輪廓清晰，細(xì)節(jié)明顯：如強(qiáng)化低頻分量可減少圖像中噪聲影響。圖像復(fù)原要求對圖像降質(zhì)的原因有一定的了解，一般講應(yīng)根據(jù)降質(zhì)過程建立“降質(zhì)模型”，再采用某種濾波方法，恢復(fù)或重建原來的圖像。</p><p>　　(4)圖像分割。圖像分割是數(shù)字圖像處理中的關(guān)鍵技術(shù)之一

14、。圖像分割是將圖像中有意義的特征部分提取出來 ，其有意義的特征有圖像中的邊緣、區(qū)域等，這是進(jìn)一步進(jìn)行圖像識(shí)別、分析和理解的基礎(chǔ)。雖然目前已研究出不少邊緣提取、區(qū)域分割的方法，但還沒有一種普遍適用于各種圖像的有效方法。因此，對圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點(diǎn)之一。</p><p>　　(5)圖像描述。圖像描述是圖像識(shí)別和理解的必要前提。作為最簡單的二值圖像可采用其幾何特性描述物體的特性，一

15、般圖像的描述方法采用二維形狀描述，它有邊界描述和區(qū)域描述兩類方法。對于特殊的紋理圖像可采用二維紋理特征描述。隨著圖像處理研究的深入發(fā)展，已經(jīng)開始進(jìn)行三維物體描述的研究，提出了體積描述、表面描述、廣義圓柱體描述等方法。</p><p>　　(6) 圖像分類(識(shí)別)。圖像分類(識(shí)別)屬于模式識(shí)別的范疇，其主要內(nèi)容是圖像經(jīng)過某些預(yù)處理(增強(qiáng)、復(fù)原、壓縮)后，進(jìn)行圖像分割和特征提取，從而進(jìn)行判決分類。</p>

16、<p>　　1.3 DSP系統(tǒng)簡介</p><p>　　隨著計(jì)算機(jī)及通信技術(shù)的發(fā)展，圖像和視頻的應(yīng)用愈加廣泛。大部分圖像數(shù)據(jù)在實(shí)際應(yīng)用前皆需進(jìn)行有針對性的處理，如根據(jù)圖像數(shù)據(jù)特點(diǎn)和應(yīng)用領(lǐng)域?qū)D像進(jìn)行增強(qiáng)、除噪、銳化和識(shí)別等。此外，為了有效實(shí)時(shí)地傳輸信息，還必須對圖像進(jìn)行壓縮。圖像處理技術(shù)尤其是實(shí)時(shí)處理，現(xiàn)已成為一熱門的研究課題。    </p><p

17、>　　實(shí)現(xiàn)圖像處理的主要方式有：</p><p>　　(1)在通用計(jì)算機(jī)上用軟件實(shí)現(xiàn)圖像處理；</p><p>　　(2)在通用計(jì)算機(jī)系統(tǒng)中加入專用的加速處理模塊；</p><p>　　(3)利用通用單片機(jī)；</p><p>　　(4)利用專用DSP芯片；</p><p>　　(5)利用通用可編程DSP芯片。&l

18、t;/p><p>　　在眾多圖像處理方式中，最常用的是第1種，但此種方式要占用CPU幾乎全部的處理能力，速度相對較慢，不適于實(shí)時(shí)處理，需要對其加以改進(jìn)；而其他幾種方式各有不足，如第2種方式不適于嵌入式應(yīng)用，專業(yè)性較強(qiáng)，應(yīng)用受到限制；第3種方式適于數(shù)字控制等不太復(fù)雜的數(shù)字信號(hào)處理，不適合計(jì)算較大的圖像數(shù)據(jù)處理；第4種方式因?yàn)椴捎玫氖菍Ｓ肈SP芯片，故其應(yīng)用范圍受限，系統(tǒng)不夠靈活，無法進(jìn)行算法的升級與更新；第5種方式必須

19、要用能充分考慮DSP內(nèi)部并行性的匯編語言進(jìn)行編制DSP程序，具有一定困難。但是，TI公司為了解決這個(gè)問題，推出了一個(gè)開放、具有強(qiáng)大集成能力的開發(fā)環(huán)境（CCS）。它采用了由先進(jìn)的開發(fā)工具組成的直觀系統(tǒng)，使用CCS提供的工具，開發(fā)者可以非常方便地對DSP軟件進(jìn)行設(shè)計(jì)、編碼、編譯、調(diào)試、跟蹤和實(shí)時(shí)性分析，可有效減少DSP編程時(shí)間。</p><p>　　綜上所述，利用通用可編程DSP芯片實(shí)現(xiàn)圖像處理較之其他方式具有一定的

20、優(yōu)越性，而且DSP芯片的可編程性和強(qiáng)大的處理能力，使其可用于快速地實(shí)現(xiàn)各種數(shù)字信號(hào)處理算法，成為目前圖像處理系統(tǒng)的最佳選擇。</p><p>　　1.4 圖像增強(qiáng)簡介</p><p>　　圖像處理最基本的目的就是改善圖像。圖像改善技術(shù)中最常用的方法是圖像增強(qiáng)，以改善圖像的視覺效果，并把圖像處理成為適于計(jì)算機(jī)分析或控制的形式，典型應(yīng)用以監(jiān)視跟蹤航天飛行器軌跡為代表。為滿足圖像增強(qiáng)目的，圖像往

21、往要發(fā)生變化，或稱畸變。在空間飛行器跟蹤中，增強(qiáng)技術(shù)是突出圖像的某些明顯特征以利于計(jì)算機(jī)快速處理，達(dá)到實(shí)時(shí)的控制，這些畸變可改善跟蹤速度。</p><p>　　在圖像形成、傳輸或變換的過程中，由于受到其他客觀因素諸如系統(tǒng)噪聲、曝光不足或過量、相對運(yùn)動(dòng)等影響，獲取圖像往往會(huì)與原始圖像之間產(chǎn)生某種差異。變化后的圖像通常模糊不清或者經(jīng)過機(jī)器提取的信息量減少，甚至提供錯(cuò)誤信息，因此必須對其采取一些手段進(jìn)行改善，獲取圖像真

22、正的信息。在獲取正確信息之前，要對圖像進(jìn)行處理，一般處理方法有兩種，一是圖像增強(qiáng)；二是圖像復(fù)原。圖像復(fù)原技術(shù)需要了解圖像質(zhì)量下降的原因，首先要建立“降質(zhì)模型”，再利用該模型恢復(fù)原始圖像，因此分析起來比較麻煩。而圖像增強(qiáng)與此不同，圖像增強(qiáng)不考慮圖像質(zhì)量下降的原因，只將圖像中感興趣的特征有選擇地突出，而衰減不需要的特征，它的目的主要是提高圖像的可懂度。圖像增強(qiáng)包括內(nèi)容廣泛，如圖像去噪、抽取圖像中一些目標(biāo)的輪廓、圖像的勾邊處理、提取圖像中的特

23、征以及把黑白圖像映射為彩色圖像等技術(shù)。圖像增強(qiáng)可分為空域處理和頻域處理兩大類。具體而言有空域變換增強(qiáng)、空域?yàn)V波增強(qiáng)以及頻域增強(qiáng)?？沼蚍ㄖ饕菍D像中的各個(gè)像素點(diǎn)進(jìn)行操作；而頻域法是在圖像的某個(gè)變換域內(nèi)，修改變換后的系數(shù)，對圖像進(jìn)行操作，然后再進(jìn)行反變換得到處理后的圖像。本文將對各種方法進(jìn)行介紹。</p><p><b>　　第2章 DSP系統(tǒng)</b></p><p>

24、<b>　　2.1 DSP芯片</b></p><p>　　數(shù)字信號(hào)處理器(DSP)是一類具有專門為數(shù)字信號(hào)處理任務(wù)而優(yōu)化設(shè)計(jì)的體系結(jié)構(gòu)和指令系統(tǒng)的通用處理器件，具有處理速度快和有復(fù)合功能的單周期指令等特點(diǎn)，在高速圖像處理中得到了越來越多的應(yīng)用。DSP芯片內(nèi)部采用程序和數(shù)據(jù)分開存儲(chǔ)和傳輸?shù)墓鸾Y(jié)構(gòu)，具有專門硬件乘法器，廣泛采用流水線操作，提供特殊的DSP指令，可用來快速地實(shí)現(xiàn)各種數(shù)字信號(hào)處理

25、算法，加之集成電路的優(yōu)化設(shè)計(jì)，使其處理速度比最快的CPU還10～50倍。</p><p>　　2.1.1 DSP芯片的特點(diǎn)</p><p>　　DSP芯片采用不同于普通單片機(jī)的體系結(jié)構(gòu)，具有一些顯著特點(diǎn)。</p><p><b>　　1、哈佛結(jié)構(gòu) </b></p><p>　　傳統(tǒng)計(jì)算機(jī)采用傳統(tǒng)的馮·諾伊曼(V

26、on Neumann)結(jié)構(gòu)，其程序和數(shù)據(jù)共用一個(gè)存儲(chǔ)空間和單一的地址及數(shù)據(jù)總線，處理器要執(zhí)行任何指令時(shí)，都要先從儲(chǔ)存器中取出指令解碼，再取操作數(shù)執(zhí)行運(yùn)算，即使單條指令也要耗費(fèi)幾個(gè)甚至幾十個(gè)周期，在高速運(yùn)算時(shí)，在傳輸通道上會(huì)出現(xiàn)瓶頸效應(yīng)。</p><p>　　所有的DSP芯片均采用哈佛（Harvard）結(jié)構(gòu)。哈佛結(jié)構(gòu)是一種并行體系結(jié)構(gòu)，它的主要特點(diǎn)是將程序和數(shù)據(jù)存儲(chǔ)在不同的存儲(chǔ)空間中，即程序存儲(chǔ)器和數(shù)據(jù)存儲(chǔ)器是兩個(gè)

27、相互獨(dú)立的存儲(chǔ)器，每個(gè)存儲(chǔ)器獨(dú)立編址、獨(dú)立訪問。與兩個(gè)存儲(chǔ)器相對應(yīng)的是系統(tǒng)中的4套總線：程序的數(shù)據(jù)總線與地址總線，數(shù)據(jù)的數(shù)據(jù)總線與地址總線。這種分離的程序總線和數(shù)據(jù)總線可允許在一個(gè)機(jī)器周期內(nèi)同時(shí)獲取指令字(來自程序存儲(chǔ)器)和操作數(shù)(來自數(shù)據(jù)存儲(chǔ)器)，從而提高了執(zhí)行速度，使數(shù)據(jù)的吞吐率提高了1倍。又由于程序和數(shù)據(jù)存儲(chǔ)器在兩個(gè)分開的空間中，因此取指和執(zhí)行能完全重疊。</p><p><b>　　2、流水線結(jié)

28、構(gòu)</b></p><p>　　流水線技術(shù)與哈佛結(jié)構(gòu)相似，DSP芯片廣泛采用流水線以減少指令執(zhí)行時(shí)間，從而增強(qiáng)了處理器的處理能力。</p><p>　　流水線處理器是由一系列處理電路組成，這些處理電路稱為片斷或部分。操作數(shù)流經(jīng)每個(gè)片斷，即每個(gè)片斷對操作數(shù)進(jìn)行部分處理，操作數(shù)經(jīng)過所有片斷后才能得到最后結(jié)果。流水線操作即把一條指令分成一系列步驟來完成，不同步驟完成不同的任務(wù)，一條指

29、令只有經(jīng)過所有步驟才能得到結(jié)果。這些步驟可以獨(dú)立進(jìn)行，這樣就可以實(shí)現(xiàn)多條指令在不同步驟上的重復(fù)運(yùn)行，從而加快運(yùn)行速度。</p><p>　　流水線分為指令流水線和算術(shù)流水線。指令流水線是指取指令和執(zhí)行指令的不同階段在流水線上進(jìn)行；算術(shù)流水線是指算術(shù)操作的不同階段在流水線上進(jìn)行。DSP芯片一般采用指令流水線方法。</p><p>　　由于采用了流水線技術(shù)，DSP芯片可以單周期完成乘法累加運(yùn)算

30、，大幅提高了運(yùn)算速度，減少了指令執(zhí)行的時(shí)間，從而增強(qiáng)了處理器的處理能力。處理器可以并行處理2～4條指令，每條指令處于流水線的不同階段。</p><p><b>　　3、特殊的硬件結(jié)構(gòu)</b></p><p>　　數(shù)字信號(hào)處理中最重要的基本運(yùn)算是乘法和累加運(yùn)算，它們占用了大量運(yùn)算時(shí)間，是最主要和最耗時(shí)的運(yùn)算。DSP中設(shè)置了硬件乘法器和乘法并累加（MAC），這些操作往往可

31、以在單周期內(nèi)完成，大幅提高了DSP作乘法和累加的速度。因此，單周期的硬件乘法器和MAC是DSP芯片實(shí)現(xiàn)快速運(yùn)算的保證?，F(xiàn)代高性能的DSP芯片甚至具有兩個(gè)以上的硬件乘法器以提高運(yùn)算速度。數(shù)據(jù)寬度也從16位增加到32位。數(shù)學(xué)運(yùn)算消耗的時(shí)間往往少于存儲(chǔ)器的操作。DSP芯片在片內(nèi)集成了大容量的ROM和RAM來分別存放程序和數(shù)據(jù)，程序在片內(nèi)執(zhí)行的效率遠(yuǎn)遠(yuǎn)高于相同規(guī)格的通用微處理器，這樣既降低了產(chǎn)品的體積和成本，又加快了處理速度。</p>

32、;<p><b>　　4、特殊的尋址方式</b></p><p>　　在數(shù)字信號(hào)處理中要遇到大量的地址運(yùn)算，在某些情況下，地址運(yùn)算量甚至超過了數(shù)據(jù)的運(yùn)算量。DSP中設(shè)計(jì)有一個(gè)特殊的硬件算術(shù)單元——地址產(chǎn)生器。地址計(jì)算由這個(gè)專門的硬件來負(fù)責(zé)，不需要耗費(fèi)額外的時(shí)間?，F(xiàn)在的某些微處理器中也有獨(dú)立的地址產(chǎn)生單元，對于一些特殊的地址運(yùn)算不需要耗費(fèi)額外的CPU時(shí)間，但是DSP的地址運(yùn)算單元

33、更強(qiáng)大，支持如比特翻轉(zhuǎn)尋址和循環(huán)尋址，可極大加快運(yùn)算速度，而對于非哈佛結(jié)構(gòu)的處理器可能需要更多的處理周期。</p><p><b>　　5、 并行處理結(jié)構(gòu)</b></p><p>　　圖像處理中的運(yùn)算量巨大，單個(gè)處理器無法滿足實(shí)時(shí)處理的需求，需要多處理器并行處理。DSP內(nèi)部一般都集成多個(gè)處理單元，如硬件乘法器（MUL)、累加器（ACC)、算術(shù)邏輯單元（ALU

34、)、輔助算術(shù)單元（ARAU）以及DMA控制器等。它們都可以并行地在同一個(gè)周期內(nèi)執(zhí)行不同的任務(wù)，例如輔助算術(shù)單元能為下一次的運(yùn)算做好準(zhǔn)備，適于完成連續(xù)的乘加運(yùn)算。芯片內(nèi)部還包括其他總線，如DMA總線等，可實(shí)現(xiàn)數(shù)據(jù)的后臺(tái)傳輸而幾乎不影響主CPU的性能。為了提高并行處理能力，現(xiàn)代DSP芯片通常采用單指令多數(shù)據(jù)流結(jié)構(gòu)(SIMD)、超長指令字結(jié)構(gòu)(VLIW)、超標(biāo)星體系結(jié)構(gòu)、多DSP核體系結(jié)構(gòu)和DSP／MCU混合結(jié)構(gòu)，這些并行處理機(jī)制顯著提高了D

35、SP芯片的性能。</p><p>　　2.1.2 圖像處理系統(tǒng)中DSP芯片的選擇</p><p>　　對圖像處理技術(shù)而言，由于要處理的數(shù)據(jù)量大，計(jì)算復(fù)雜，計(jì)算中間結(jié)果精度要求高，因此需要選擇合適的DSP芯片。DSP芯片的選擇應(yīng)根據(jù)實(shí)際的應(yīng)用系統(tǒng)需要而確定。一般來說，選擇DSP芯片時(shí)應(yīng)考慮如下諸多因素：</p><p>　　(1)確定選擇定點(diǎn)或浮點(diǎn)DSP。數(shù)字信號(hào)處理

36、算法的數(shù)據(jù)格式有定點(diǎn)和浮點(diǎn)之分，而數(shù)字信號(hào)處理系統(tǒng)采用的數(shù)據(jù)格式?jīng)Q定了它所處理信號(hào)的處理精度、動(dòng)態(tài)范圍和信噪比，且不同數(shù)據(jù)格式的易用性和開發(fā)難度也不一樣。選擇定點(diǎn)或浮點(diǎn)DSP，首先要看模數(shù)轉(zhuǎn)換時(shí)需要的比特?cái)?shù)，如果圖像的每個(gè)像素小于16bit，則用16bit定點(diǎn)DSP即可；如果大于16bit，則需要用浮點(diǎn)DSP來捕捉更大的動(dòng)態(tài)范圍。其次考慮算法的復(fù)雜度和經(jīng)濟(jì)問題。一般說來，浮點(diǎn)DSP芯片的運(yùn)算精度高，動(dòng)態(tài)范圍大，尋址空間大，指令運(yùn)算能力較

37、強(qiáng)，但功耗大、成本高、體積較大。定點(diǎn)DSP芯片的運(yùn)算精度與浮點(diǎn)DSP芯片相同(數(shù)據(jù)位數(shù)和浮點(diǎn)芯片相同的情況下)，而功耗、成本、體積與浮點(diǎn)DSP芯片相比較小，且易于實(shí)現(xiàn)，穩(wěn)定性好。</p><p>　　(2)根據(jù)DSP芯片運(yùn)算速度選擇具體芯片。運(yùn)算速度是DSP芯片的一個(gè)最重要的性能指標(biāo)，也是選擇DSP芯片時(shí)所需考慮的一個(gè)主要因素。DSP芯片的運(yùn)算速度一般采用DSP的指令周期、單周期的乘加次數(shù)或采用數(shù)字信號(hào)處理中的基

38、準(zhǔn)程序，如用FFT和數(shù)字濾波等的執(zhí)行時(shí)間來測評DSP芯片的速度性能。</p><p>　　(3)其他考慮因素。在硬件方面還應(yīng)考慮芯片的外部總線結(jié)構(gòu)、片上存儲(chǔ)器結(jié)構(gòu)、DMA功能、串行通信口和芯片間通信能力等因素，在軟件方面主要是開發(fā)軟件的功能性和時(shí)間要求等因素。</p><p>　　目前，應(yīng)用最為廣泛的是TI(Texas Instruments)公司TMS320C6000系列的數(shù)字信號(hào)處理器

39、。美國德州TI公司自1982年推出第1代數(shù)字信號(hào)處理器以來，現(xiàn)已相繼推出了多代數(shù)字信號(hào)處理器，成為世界上最大的DSP芯片供應(yīng)商。TMS320C6000系列是TI公司于1997年推出的高端系列的DSP。該系列的DSP在芯片設(shè)計(jì)上，最初主要是針對多通道無線通信和有線通信的應(yīng)用領(lǐng)域，但由于其優(yōu)異的高速處理性能和出色的對外接口能力，使它也很適用于圖像處理領(lǐng)域。</p><p>　　TMS320C6000是基于超長指令字（

40、VLIW）結(jié)構(gòu)的通用DSP系列，具有超長指令字處理能力。其內(nèi)部有8個(gè)并行處理單元，8條指令組成一個(gè)指令包，一個(gè)指令包的總字長為256位。它可在一個(gè)時(shí)鐘周期內(nèi)并行執(zhí)行8條指令。這種高速高性能數(shù)字信號(hào)處理器的工作頻率可達(dá)200MHz，每秒可完成1.6G次操作。該結(jié)構(gòu)包括定點(diǎn)的C62x、浮點(diǎn)的C67x和新的C64x。C64x和C62x代碼兼容，但結(jié)構(gòu)有顯著的加強(qiáng)，其初期的工作頻率可達(dá)750MHz。C67x在C62x 8個(gè)功能塊中的6個(gè)上增加了

41、浮點(diǎn)功能，因此其指令集是不同的。</p><p>　　將TMS320C6000系列的數(shù)字信號(hào)處理器用于圖像處理系統(tǒng)開發(fā)中，勢必使技術(shù)水平得到進(jìn)一步的提高。</p><p>　　2.2 基于DSP的圖像處理系統(tǒng)</p><p>　　基于DSP的圖像處理系統(tǒng)的主要思想是利用C6000這樣具有強(qiáng)大運(yùn)算能力的DSP來滿足圖像處理技術(shù)中運(yùn)算速度和處理的實(shí)時(shí)性要求。以DSP為核

42、心部件的圖像處理系統(tǒng)具有以下特點(diǎn)：（1）接口方便。DSP系統(tǒng)與其他以現(xiàn)代數(shù)字技術(shù)為基礎(chǔ)的系統(tǒng)或設(shè)備均相互兼容，同這樣的系統(tǒng)接口來實(shí)現(xiàn)某種功能要比模擬系統(tǒng)與這樣的系統(tǒng)接口要容易的多；（2）編程方便。DSP系統(tǒng)中的可編程DSP芯片可使設(shè)計(jì)人員在開發(fā)過程中靈活方便地對軟件進(jìn)行修改和升級；（3）穩(wěn)定性好。DSP系統(tǒng)以數(shù)字處理為基礎(chǔ)，受環(huán)境溫度及噪聲的影響較小，可靠性高；（4）精度高。16位數(shù)字系統(tǒng)的精度可達(dá)10-5；（5）可重復(fù)性好。模擬系統(tǒng)的

43、性能受元器件參數(shù)性能變化的影響較大，而數(shù)字系統(tǒng)基本上不受影響，因此數(shù)字系統(tǒng)便于測試、調(diào)試和大規(guī)模生產(chǎn)；（6）集成方便。DSP系統(tǒng)中的數(shù)字部件有高度的規(guī)范性，便于大規(guī)模集成。</p><p>　　圖像處理計(jì)算量大且實(shí)時(shí)性要求高，雖然DSP芯片對提高處理速度有一定的優(yōu)越性，但對如遙感圖像等大型且重要的圖像數(shù)據(jù)卻常常不能達(dá)到實(shí)時(shí)處理，因此需要采用多個(gè)DSP并行處理方式，進(jìn)一步提高算法的運(yùn)行速度，達(dá)到真正的實(shí)時(shí)處理。目前

44、比較常用的是雙DSP結(jié)構(gòu)。兩片DSP芯片交替進(jìn)行采集和處理工作，可以實(shí)現(xiàn)數(shù)據(jù)采集和圖像壓縮的并行操作，降低處理時(shí)間；而在一片DSP內(nèi)，也可將數(shù)據(jù)緩沖區(qū)分為兩部分，同時(shí)進(jìn)行數(shù)據(jù)讀取和編碼，實(shí)現(xiàn)片內(nèi)并行操作，進(jìn)一步節(jié)省時(shí)間。</p><p><b>　　第3章 圖像增強(qiáng)</b></p><p>　　3.1 圖像增強(qiáng)的基本概念</p><p>　　圖

45、像增強(qiáng)是指按特定的需要突出一幅圖像中的某些信息，同時(shí)削弱或去除某些不需要的信息，它是一種將原來不清晰的圖像變得清晰或強(qiáng)調(diào)某些感興趣的特征，抑制不感興趣的特征，使之改善圖像質(zhì)量豐富信息量，加強(qiáng)圖像判讀和識(shí)別效果的圖像處理方法。</p><p>　　圖像增強(qiáng)就是增強(qiáng)圖像中用戶感興趣的信息，其主要目的有兩個(gè)：一是改善圖像的視覺效果，提高圖像成分的清晰度；二是使圖像變得更有利于計(jì)算機(jī)處理。</p><

46、p>　　3.2 圖像增強(qiáng)的方法</p><p>　　圖像增強(qiáng)技術(shù)基本上可分成兩大類：頻域處理法和空域處理法。頻域處理法的基礎(chǔ)是卷積定理，它是將圖像看作波，然后利用信號(hào)處理中的手段對圖像波進(jìn)行處理。空域處理法的基礎(chǔ)是灰度映射變換，它是直接針對圖像中的像素進(jìn)行處理，所用到的映射變換取決于增強(qiáng)的目的，例如增加圖像的對比度，改善圖像的灰度層次等處理均屬于空域處理法的范疇。線性空域銳濾波法是一種經(jīng)典且有效的圖像增強(qiáng)技

47、術(shù)。最常用的線性空域銳化濾波器是一種線性高通濾波器，其工作原理在于讓圖像的低頻分量受到抑制而不影響高頻分量，由于低頻分量對應(yīng)于圖像中灰度值緩慢變化的區(qū)域，和圖像的整體特性無關(guān)，僅與圖像整體對比度以及平均灰度值等有關(guān)系，所以該濾波器把這些分量濾去后，使得圖像進(jìn)一步銳化，然后通過增強(qiáng)圖像中被模糊的細(xì)節(jié)以達(dá)到目標(biāo)和背景易于分離的目的。在空域內(nèi)進(jìn)行濾波是利用模板和圖像進(jìn)行卷積來實(shí)現(xiàn)的，其主要步驟如下：</p><p>　

48、?。?） 將模板在圖像中漫游，實(shí)現(xiàn)模板的中心與圖像中某個(gè)像素位置重合； </p><p>　?。?）將模板上系數(shù)與模板下的圖像的對應(yīng)像素相乘；</p><p>　?。?） 將所有乘積的結(jié)果相加；</p><p>　?。?） 將相加之和（模板的輸出響應(yīng)）賦給圖像中對應(yīng)模板中心位置的像素。例如圖3-1（a）給出一幅原始圖像的一部分，其中 表示像素的灰度值，圖3-1（b）

49、是一個(gè)3×3 的模板，模板內(nèi)的表示為模板系數(shù)。如將所在位置與圖像中灰度值為 的像素重合（即把模板中心放在圖中的(x，y) 位置），則模板的輸出響應(yīng)表示為：，并且把值賦給增強(qiáng)圖像，作為(x，y) 位置處的灰度值，如圖3-1（c）所示如果對原圖像的每個(gè)像素都這樣進(jìn)行處理就可以得到所有位置增強(qiáng)后的新灰度值如果我們在設(shè)計(jì)濾波器時(shí)給每個(gè)賦予不同的值，就可得到不同的高通或低通效果，如圖3-2 所示。</p><p>

50、;　　（a） (b) (c)</p><p>　　圖3-1 模板的輸出響應(yīng) 圖3-2 模板的輸出效果</p><p>　　3.2.1 圖像銳化</p><p>　　3.2.1.1 圖像銳化原理</p><p>　　在圖像增強(qiáng)過程中， 通常利用各

51、類圖像平滑算法消除噪聲， 圖像的常見噪聲主要有加性噪聲、乘性噪聲和量化噪聲等。一般來說， 圖像的能量主要集中在其低頻部分， 噪聲所在的頻段主要在高頻段， 同時(shí)圖像邊緣信息也主要集中在其高頻部分。這將導(dǎo)致原始圖像在平滑處理之后，圖像邊緣和圖像輪廓模糊的情況出現(xiàn)。為了減少這類不利效果的影響，就需要利用圖像銳化技術(shù)，使圖像的邊緣變得清晰。圖像銳化處理的目的是為了使圖像的邊緣、輪廓線以及圖像的細(xì)節(jié)變得清晰，經(jīng)過平滑的圖像變得模糊的根本原因是因?yàn)?/p>

52、圖像受到了平均或積分運(yùn)算，因此可以對其進(jìn)行逆運(yùn)算(如微分運(yùn)算) 就可以使圖像變得清晰。從頻率域來考慮，圖像模糊的實(shí)質(zhì)是因?yàn)槠涓哳l分量被衰減，因此可以用高通濾波器來使圖像清晰。</p><p>　　圖像的模糊實(shí)質(zhì)就是圖像受到平均或積分運(yùn)算造成的，因此可以對圖像進(jìn)行逆運(yùn)算如微分運(yùn)算來使圖像清晰化。從頻譜角度來分析，圖像模糊的實(shí)質(zhì)是其高頻分量被衰減，因而可以通過高通濾波操作來清晰圖像。但要注意，能夠進(jìn)行銳化處理的圖像必

53、須有較高的性噪比，否則銳化后圖像性噪比反而更低，從而使得噪聲增加的比信號(hào)還要多，因此一般是先去除或減輕噪聲后再進(jìn)行銳化處理。</p><p>　　圖像的銳化一般有兩種方法：一種是微分法，另外一種是高通濾波法。拉普拉斯銳化法是屬于常用的微分銳化法</p><p>　　3.2.1.2 拉普拉斯算子</p><p>　　拉普拉斯算子是一種在圖像銳化處理中很重要的算法。拉普

54、拉斯算子是與一個(gè)邊緣方向無關(guān)的邊緣點(diǎn)檢測算子。它對孤立像素的響應(yīng)要比對邊緣或線的響應(yīng)強(qiáng)烈，因此使用該算子進(jìn)行圖像銳化之前需要對圖像作平滑處理。拉普拉斯運(yùn)算是偏導(dǎo)數(shù)運(yùn)算的線性組合，而且是一種各向同性（旋轉(zhuǎn)不變）的線性運(yùn)算。</p><p>　　設(shè)▽²f 為拉普拉斯算子，則：</p><p><b>　?。?-1）</b></p><p>

55、;　　對于離散數(shù)字圖像f(i，j)， 其一階偏導(dǎo)數(shù)為：</p><p><b>　?。?-2）</b></p><p><b>　　則其二階偏導(dǎo)數(shù)為：</b></p><p><b>　?。?-3）</b></p><p>　　所以，拉普拉斯算子▽²f為：</p

56、><p><b>　　（3-4）</b></p><p>　　對于擴(kuò)散現(xiàn)象引起的圖像模糊，可以用下式來進(jìn)行銳化</p><p><b>　?。?-5）</b></p><p>　　這里kτ是與擴(kuò)散效應(yīng)有關(guān)的系數(shù)。該系數(shù)取值要合理，如果kτ 過大，圖像輪廓邊緣會(huì)產(chǎn)生過沖；反之如果kτ過小，銳化效果就不明顯

57、。采用拉普拉斯銳化算法來實(shí)現(xiàn)數(shù)字圖像的銳化，其基本的公式如公式（3-5）所示?？紤]到kτ是與擴(kuò)散效應(yīng)有關(guān)的系數(shù)，在本實(shí)現(xiàn)算法中我令，令kτ＝1，則變換公式為：</p><p><b>　　(3-6)</b></p><p>　　用模板表示如下：拉普拉斯算子可以表示成模板的形式，如圖3-3 所示。同梯度算子進(jìn)行銳化一樣，拉普拉斯算子也增強(qiáng)了圖像的噪聲， 但與梯度法相比，

58、拉普拉斯算子對噪聲的作用較梯度減弱。</p><p>　　圖3-3 拉普拉斯算子</p><p>　　這樣拉普拉斯銳化運(yùn)算完全可以轉(zhuǎn)換成模板運(yùn)算。模板取樣將直接影響銳化的效果。常用的模板還有：</p><p>　　圖3-4 常用拉普拉斯算子1 圖3-5 常用拉普拉斯算子2</p><p>　　3.2.1.3

59、基于DSP的算法實(shí)現(xiàn)</p><p><b>　　1、銳化的總流程圖</b></p><p>　　根據(jù)這個(gè)矩陣，我們在CCS2 軟件用C語言來實(shí)現(xiàn)這個(gè)算法。</p><p>　　圖3-6 主程序流程 圖3-7 子程序流程</p><p>　　利用不同參數(shù)調(diào)用構(gòu)造圖像的函數(shù)產(chǎn)生圖像，

60、對產(chǎn)生的圖像調(diào)用銳化子程序完成銳化，完成圖像的銳化。其中銳化子程序主要是對產(chǎn)生的圖像數(shù)據(jù)中每一個(gè)象素用拉普拉斯算子進(jìn)行運(yùn)算，得出一組新的圖像數(shù)據(jù)。這樣循環(huán)構(gòu)造圖像和調(diào)用圖像銳化3次，對不同的圖像數(shù)據(jù)進(jìn)行銳化，比較不同圖像銳化后的效果。</p><p><b>　　2、銳化程序的實(shí)現(xiàn)</b></p><p>　　在這里設(shè)計(jì)了一個(gè)主函數(shù)和3個(gè)子函數(shù)，子函數(shù)分別問為Read

61、image、InitImage和Laplace，InitImage.c用于初始化圖像，Laplace.c用于對圖像銳化的計(jì)算。Readimage用于讀取圖像。其具體實(shí)現(xiàn)方法如下。</p><p><b>　?。?）程序主函數(shù)</b></p><p>　　如圖3-6主程序流程圖，主程序中運(yùn)用了InitImage和Laplace子函數(shù)完成了圖像的讀取和銳化過程。首先用不同

62、參數(shù)調(diào)用圖像函數(shù)產(chǎn)生圖像。然后調(diào)用銳化子程序來對圖像中每個(gè)像素進(jìn)行拉普拉斯運(yùn)算生成檢測圖。</p><p>　?。?）圖像讀取的程序?qū)崿F(xiàn)</p><p>　　在初始化圖像子函數(shù)中，先進(jìn)行初始化變量，然后使用多分支選擇語句，接著構(gòu)建一個(gè)16級灰度欄信息，16個(gè)灰度不同的圓重疊在一起的圖像圖像，以及初始化2個(gè)實(shí)物圖。其中運(yùn)用了函數(shù)ReadImage對文檔中已有的圖像進(jìn)行載入，實(shí)行檢測。在讀取圖

63、像子函數(shù)中，先進(jìn)行初始化變量，然后打開文件，將圖像的指針變量定位在1078L處，對1078L指針值以下的數(shù)據(jù)進(jìn)行讀取，讀取圖像后，將文件關(guān)閉。該程序先進(jìn)行變量初始化，定義指針變量，使用判斷語句打開文件。打開文件后，先對圖像的存儲(chǔ)地址進(jìn)行定位，然后對指針變量進(jìn)行賦值，使用循環(huán)語句讀取圖像信息，讀取完畢后關(guān)閉文件。</p><p>　?。?）對像素進(jìn)行拉普拉斯算法運(yùn)算的流程圖及程序</p><p&

64、gt;　　初始化工作變量，然后定位像素。對像素進(jìn)行拉普拉斯運(yùn)算。然后移位針對其他像素進(jìn)行拉普拉斯運(yùn)算。該程序初始化工作變量，然后定位相似并且賦予初值。并且對像素進(jìn)行拉普拉斯運(yùn)算。語句中用來兩個(gè)for語句和一個(gè)移位來實(shí)現(xiàn)像素運(yùn)算初值轉(zhuǎn)換。從而實(shí)現(xiàn)針對圖像中每個(gè)像素進(jìn)行拉普拉斯運(yùn)算。</p><p>　　圖3-8 InitIimage子函數(shù)流程</p><p>　　圖3-9 ReadImage

65、 子函數(shù)設(shè)計(jì)流程 圖3-10 拉普拉斯算法實(shí)現(xiàn)流程</p><p>　　3.2.1.4 圖片銳化效果比較</p><p>　　本程序通過三副圖像來驗(yàn)證圖像的銳化效果。通過InitImage子函數(shù)生成調(diào)用圖像。再經(jīng)過Laplace函數(shù)針對圖像中每個(gè)像素進(jìn)行拉普拉斯運(yùn)算。下面對銳化前后圖像進(jìn)行對比。</p><p>　　圖3-11 銳化前灰度

66、條 圖3-12 銳化后灰度條</p><p>　　比較灰度條圖3-11和圖3-12，可知由于圖像由16級灰度條組成，在灰度的交接處存在不太明顯的邊緣，拉普拉斯銳化突出了這些灰度條連接的地方，使得在原先暗影區(qū)和亮區(qū)的不太明顯的分界變得明顯了。</p><p>　　圖3-13 銳化前人物輪廓 圖3

67、-14 銳化后人物輪廓</p><p>　　比較人物輪廓圖3-13 和圖3-14，可得銳化后人物輪廓變得更為明顯。</p><p>　　圖3-15 銳化前手機(jī)圖 圖3-16 銳化后手機(jī)圖</p><p>　　比較手機(jī)圖3-15和圖3-16，銳化手的紋路被顯示出來了。</p><p>　　在實(shí)際應(yīng)用過程中，

68、圖像銳化效果不理想是因?yàn)閳D像信噪比小，要用較高的kτ 才能得到清晰的圖像。kτ（與擴(kuò)散效應(yīng)有關(guān)的系數(shù)）該系數(shù)取值要合理kτ過小，銳化效果就不明顯。</p><p>　　3.2.2 Sobel邊緣檢測算法</p><p>　　3.2.2.1 Sobel邊緣檢測算法原理</p><p>　　Sobel邊緣檢測是一種非線性的邊緣檢測算法，效率很高，用途廣泛。Sobel

69、邊緣檢測的基本方法是在x，y方向上分別使用不同的兩個(gè)卷積核，例如：</p><p>　　x方向　　　　　　 y方向</p><p>　　圖3-17 Sobel邊緣檢測的基本方法</p><p>　　如果使用x，y方向卷積核得出的某一像素的卷積像素值分別為x，y，則該像素的邊界強(qiáng)度q和方向η可用如下的公式計(jì)算：</p><p><

70、;b>　?。?-7）</b></p><p>　　利用式(3-7)對紅外圖像中每一像素處理后，再進(jìn)行閾值化處理，就可完成對目標(biāo)的邊緣提取。但這種做法同時(shí)也把高頻部分的噪聲作為目標(biāo)的邊緣進(jìn)行了提取和增強(qiáng)。</p><p>　　3.2.2.2 Sobel邊緣檢測算法的變異及實(shí)現(xiàn)</p><p><b>　　1、變異的過程</b>

71、</p><p>　　傳統(tǒng)目標(biāo)增強(qiáng)算法只考慮在點(diǎn)運(yùn)算的基礎(chǔ)上添加對空間高頻上的提取和增強(qiáng)。本文所討論的Sobel邊緣檢測算法的變異是在原有算法原理上加以擴(kuò)展和引伸，主要表現(xiàn)為在圖像處理時(shí)增加對處理的結(jié)果空域上的相關(guān)性運(yùn)算。這種做法能夠在增強(qiáng)目標(biāo)邊緣細(xì)節(jié)的同時(shí)可以削弱部分高頻成分的噪聲?？沼蛏系南嚓P(guān)性運(yùn)算重點(diǎn)是考慮紅外目標(biāo)邊緣特征分析。增加空域相關(guān)性運(yùn)算后，式(3-7)就可以寫成式(3-8)和式(3-9)的形式:&

72、lt;/p><p><b>　?。?-8）</b></p><p><b>　?。?-9）</b></p><p>　　式中，qx和qy分別是x方向y方向進(jìn)行卷積運(yùn)算后的邊界強(qiáng)度；ηx +和ηx - 為x方向運(yùn)算后得出的圖像像素在x方向左右兩邊的梯度值。同理，ηy +和ηy -為y方向運(yùn)算后得出的圖像像素在y方向上下兩邊的梯度

73、值；u為像素在x或y方向卷積運(yùn)算后的像素間距數(shù)值。例如，在進(jìn)行x和y方向卷積運(yùn)算后所得到的兩幅紅外圖像分布圖中像素在間距為1個(gè)、2個(gè)或多個(gè)像素時(shí)的灰度變化斜率。在完成式(3-8)和式(3-9)之后，我們就需要進(jìn)一步進(jìn)行區(qū)域運(yùn)算。在區(qū)域運(yùn)算的時(shí)候運(yùn)算的對象不再僅限于x和y方向的卷積運(yùn)算結(jié)果了，它需要引入式(3-8)和式(3-9)的運(yùn)算結(jié)果。區(qū)域運(yùn)算的公式如式(3-10) 、式(3-11)和式(3-12)所示:</p><

74、;p><b>　　(3-10)</b></p><p><b>　　(3-11)</b></p><p><b>　　(3-12)</b></p><p>　　式中，a為水平相鄰兩個(gè)像素在x方向卷積運(yùn)算后邊界強(qiáng)度的差值；同理，b為垂直相鄰兩個(gè)像素在y方向卷積運(yùn)算后邊界強(qiáng)度的差值；s、t、m 和n

75、分別是卷積運(yùn)算后在像素點(diǎn)水平和垂直兩個(gè)方向的兩邊斜率變化的差值。在此，我們通常在運(yùn)算結(jié)束后需要進(jìn)行閾值化處理，就可以完成對紅外目標(biāo)特征的提取工作了。在利用閾值對圖像灰度梯度進(jìn)行二值化處理的時(shí)候需要結(jié)合目標(biāo)的特性進(jìn)行。與傳統(tǒng)的二值化運(yùn)算不同的是，在這里的二值化運(yùn)算采用了多級級聯(lián)的方式。這樣做的目的是可以提高在排除噪聲的同時(shí)盡量減少誤碼率。級聯(lián)的方式如圖3-17所示。</p><p>　　圖3-17　梯度反運(yùn)算三級級

76、聯(lián)示意圖</p><p>　　在圖3-17中只畫出了三級級聯(lián)的示意圖。在傳統(tǒng)的目標(biāo)邊緣特征識(shí)別中都是針對單點(diǎn)操作進(jìn)行。在圖1中采用了面陣操作方式完成目標(biāo)邊緣特征識(shí)別的工作。在第一級的識(shí)別與傳統(tǒng)的單點(diǎn)操作方式相同。第二級運(yùn)算是在第一級運(yùn)算的基礎(chǔ)上進(jìn)一步剔出第一級運(yùn)算結(jié)果中由于噪聲所引起的目標(biāo)邊緣特征。同理，第三級運(yùn)算再一次剔出第二級運(yùn)算結(jié)果中由于噪聲所引起的目標(biāo)邊緣特征。在實(shí)際運(yùn)算時(shí)還可以采用同樣的原理擴(kuò)展到更多級

77、。但是，在級數(shù)超過三級后對提高有效剔出率沒有太大的幫助，在某些環(huán)境下反而會(huì)產(chǎn)生負(fù)面影響。所以，如果沒有特殊的要求，采用三級級聯(lián)就可以很有效地完成對圖像目標(biāo)特征提取的工作。在完成式(3-10)、式(3-11)、式(3-12)運(yùn)算和三級梯度判別運(yùn)算后可以獲得原始圖像中目標(biāo)的邊緣信息，同時(shí)剔出了大量的噪聲信息。利用這些信息我們可以進(jìn)行梯度運(yùn)算的反運(yùn)算得到只增強(qiáng)目標(biāo)的紅外圖像。運(yùn)算公式如式(3-13)所示:</p><p&g

78、t;<b>　　(3-13)</b></p><p>　　其中，ζ( x，y)為紅外圖像中坐標(biāo)為( x，y)的原始灰度值；( x，y)為增強(qiáng)后的灰度值；ηi 為坐標(biāo)( x，y)在式(3-11)、式(3-12)運(yùn)算和三級級聯(lián)運(yùn)算后所產(chǎn)生的灰度梯度；i代表方向。</p><p>　　2、Sobel邊緣檢測算法變異的具體實(shí)現(xiàn)</p><p>　?。?

79、）利用傳統(tǒng)的Sobel邊緣檢測算法提取空間頻率中高頻成分</p><p>　　在這一部分中主要利用傳統(tǒng)的Sobel邊緣檢測算法對原始的圖像進(jìn)行高頻信號(hào)提取工作。原始圖像如圖3-18所示。采用的卷積核如式(3-14)所示:</p><p><b>　?。?-14）</b></p><p>　　在進(jìn)行二直化處理時(shí)采用的閾值為25。利用上述卷積核運(yùn)算

80、后就得到如圖3-19所示的高頻圖像分布圖。</p><p>　　圖3-18 原始紅外圖像 圖3-19 圖像中的高頻成分(包含白噪聲)</p><p>　　在圖3-19中我們可以看出，高頻成分既包含了目標(biāo)的邊緣信息，也包含了大量的白噪聲。</p><p>　?。?）區(qū)域級聯(lián)梯度運(yùn)算</p><p>　　利用式(

81、3-8) ～式(3-12)對圖3-19的高頻成分進(jìn)行三級梯度級聯(lián)運(yùn)算。運(yùn)算后的結(jié)果如圖3-20所示</p><p>　　圖3-20 級聯(lián)梯度運(yùn)算后的高頻信號(hào)</p><p>　　在圖3-20中我們可以看出大部分目標(biāo)的邊緣信息都得到了很好的保留，但大部分的噪聲卻得到了很好的抑制。</p><p><b>　　（3）梯度反運(yùn)算</b></p&

82、gt;<p>　　利用式(3-13)就可以完成對原始紅外圖像目標(biāo)邊緣增強(qiáng)的目的。最終的效果如圖3-21所示。</p><p>　　圖3-21 目標(biāo)邊緣增強(qiáng)后的效果</p><p>　　從整個(gè)計(jì)算過程和變異原理上來說，本Sobe邊緣檢測增強(qiáng)算法的變異是從抑制噪聲并增強(qiáng)目標(biāo)的方向入手。從理論上來說 ,本方法可以大大提高對紅外目標(biāo)的探測和識(shí)別能力。另外，從最終增強(qiáng)的結(jié)果與原始圖像相

83、比的情況來說，整幅紅外圖像的每個(gè)區(qū)域的細(xì)節(jié)都得到了很好的提升。所以說，本方法的確能夠很好的實(shí)現(xiàn)增強(qiáng)紅外目標(biāo)并抑制噪聲的目的。</p><p>　　3.2.3 直方圖均衡化算法</p><p>　　圖像預(yù)處理中，通常采用直方圖均衡化和直方圖規(guī)定化、線性和非線性灰度變換法提高圖像的對比度，該算法首先對直方圖進(jìn)行平滑處理以消除直方圖中因噪聲而引入的隨機(jī)干擾點(diǎn)，然后進(jìn)行直方圖均衡化，增大圖像的對比

84、度，接著在整個(gè)顯示范圍內(nèi)對圖像灰度級進(jìn)行等間距排列，使輸出圖像的灰度動(dòng)態(tài)范圍達(dá)到最大灰度變化范圍，最后對整幅圖像中值濾波，濾除圖像中被增強(qiáng)的噪聲</p><p>　　3.2.3.1 直方圖均衡化</p><p>　　繪制直方圖，橫軸代表灰度級， 縱軸代表每一灰度級所占像素個(gè)數(shù)如圖3-22。用以下公式可表示直方圖：</p><p><b>　　(3-15)&

85、lt;/b></p><p>　　其中表示圖像第k級灰度值,對應(yīng)K值灰度級的像素?cái)?shù),是圖像的像素總數(shù)，表示圖像的灰度級總數(shù)如等，通過直方圖3-22可看出圖象具有各灰度級的像素分布以及動(dòng)態(tài)范圍。</p><p><b>　　圖3-22 直方圖</b></p><p>　　直方圖均衡化的算法，這里以256級灰度圖像為例，說明如下： </

86、p><p>　　(1) 統(tǒng)計(jì)原始灰度圖的直方圖的各灰度級的像素(= 0，1，2，… 255) ； </p><p>　　(2) 用計(jì)算原始直方圖，計(jì)算量大；</p><p>　　(3) 用(2)中的結(jié)果來計(jì)算累計(jì)直方圖，計(jì)算量大；</p><p>　　(4) 取整擴(kuò)展=int [ (N - 1) 0.5] k = t +；</p>

87、<p>　　(5) 由(4)計(jì)算結(jié)果，建立映射對應(yīng)關(guān)系(sk →tk) 即將原始灰度圖中灰度為sk 的替換成新直方圖中灰度為tk ( k = 0，1，2，…255 )，如t0= 1，則s0 => t1 = 1或0灰度級=>1灰度級；</p><p>　　(6) 統(tǒng)計(jì)新直方圖各灰度級象素nk，注意幾個(gè)原始灰度級映射到同一個(gè)新直方圖灰度級時(shí)，此新直方圖灰度級像素是幾個(gè)原始灰度級象素的和。如: 3

88、 => 6，4=> 6，則n6 =n3+n4；</p><p>　　(7) 用p s ( s ) = n k / n s 計(jì)算新直方圖或均衡化后的直方圖，可知新直方圖灰度級減少，各灰度級概率突出和增大拉寬，結(jié)果是增強(qiáng)了圖像的對比度以及增加了原灰度值的動(dòng)態(tài)范圍，把原始圖像的直方圖變成均勻分布的形式。</p><p>　　3.2.3.2 直方圖規(guī)定化</p><

89、p>　　直方圖均衡化處理方法的效果還是很不錯(cuò)的，從實(shí)現(xiàn)算法上也可以看出其優(yōu)點(diǎn)主要在于能自動(dòng)增強(qiáng)整幅圖像的對比度，但具體的增強(qiáng)效果也因此不易控制，只能得到全局均衡化處理的直方圖。在實(shí)際應(yīng)用中，往往要根據(jù)不同的要求得到特定形狀的直方圖分布，以有選擇的對某灰度范圍進(jìn)行局部范圍內(nèi)的對比度增強(qiáng)，此時(shí)可以采用對直方圖的規(guī)定化處理。直方圖的規(guī)定化處理主要有三個(gè)步驟:</p><p>　　(1)用公式 對原始直方圖進(jìn)行累積

90、灰度均衡化計(jì)算。</p><p>　　(2)規(guī)定需要的直方圖如圖3-23。</p><p>　　圖3-23 需要規(guī)定的直方圖</p><p>　　用公式按第1 步的方法計(jì)算規(guī)定的直方圖進(jìn)行累積灰度均衡化的變換，規(guī)定直方圖灰度級少計(jì)算少。一般只考慮規(guī)定直方圖灰度級小于或等于原始直方圖灰度級的情況。</p><p>　　(3)將所有原始直方圖都對

91、應(yīng)映射到規(guī)定的直方圖上，即將所有第1 步的</p><p>　　ps (si) 有8個(gè)灰度級都對應(yīng)到第2步的3個(gè)灰度級pu (uj) 上，有兩種對應(yīng)計(jì)算方法: (SML)單映射規(guī)則和(GML)組映射規(guī)則，由規(guī)則計(jì)算結(jié)果確定原始每級映射對應(yīng)關(guān)系，再歸化合成計(jì)算對應(yīng)到規(guī)定直方圖的新概率后就形成新的變換增強(qiáng)直方圖。兩種對應(yīng)方法比較復(fù)雜，也是直方圖規(guī)定化處理的難點(diǎn)，計(jì)算量也大。</p><p>　

92、　下面重點(diǎn)說明(SML)單映射規(guī)則和(GML)組映射規(guī)則兩種對應(yīng)方法的簡便理解算法:其實(shí)兩種對應(yīng)方法都是將原始直方圖的M個(gè)灰度級都對應(yīng)歸化到規(guī)定直方圖的N個(gè)灰度級上，對應(yīng)規(guī)則都可使用下列公式依此找到使原始累積直方圖和規(guī)定累積直方圖之差絕對值最小的k或L，只是兩種映射規(guī)則計(jì)算方向不同，效果也不同。對于(SML) 單映射規(guī)則:先從小到大依次找到能使下式最小的k 和ls：</p><p>　　， (3-16)&

93、lt;/p><p>　　然后將 ps(si)對應(yīng)到pu(u i)中去.對于(GML) 組映射規(guī)則: 設(shè)有一個(gè)整數(shù)函數(shù)I(l)，l=0，1，……，N-1 ，滿足0 ≤ I (0) ≤……≤ I (N ?1) ≤ M ?1?，F(xiàn)在要確定能使下式達(dá)到最小的I(l) ：</p><p><b>　　(3-17)</b></p><p>　　在要確如果 l=0

94、，則將其i從0 到I(0)的ps(si)對應(yīng)到pu(uj)去；如果l≥1,則將其i從I(l-1)+1到I(l)的ps(si)都對應(yīng)到pu(uj)去。</p><p>　　3.2.3.3實(shí)驗(yàn)結(jié)果及分析</p><p>　　(a) 原圖 (b) 直方圖均衡算法 (c) 改進(jìn)增強(qiáng)算法</p><p>　　圖3-24 飛機(jī)圖像處理結(jié)果<

95、/p><p>　　(a) 原圖 (b) 直方圖均衡算法 (c) 改進(jìn)增強(qiáng)算法</p><p>　　圖3-25 貓圖像處理結(jié)果</p><p>　　處理的圖片如圖3-24和圖3-25,其中平滑系數(shù)α＝0.4。結(jié)果在目標(biāo)對比度和細(xì)節(jié)方面好于直方圖均衡法。其中:(a)為原圖及其直方圖,(b)是采用直方圖均衡化法的處理結(jié)果，(c)是文中方法的結(jié)果。圖

96、3-24中可看到(b)的右側(cè)天空被過增強(qiáng)，且噪聲很大，(c)在增強(qiáng)目標(biāo)的同時(shí)較好的抑制了噪聲，觀察(c)的直方圖可看到灰度級在0～255，即在圖像的最大動(dòng)態(tài)范圍內(nèi)均勻等間隔分布。圖3-25中的(c)圖，貓的右眼以及圖像的整體效果均好于(b)，可見算法在增強(qiáng)整幅圖像的同時(shí)也增強(qiáng)細(xì)節(jié)，并且有效地抑制了噪聲。</p><p>　　圖3-26為驗(yàn)證算法對低對比度圖像的增強(qiáng)效果而專門制作。原圖中背景色的灰度值為186，4個(gè)

97、灰度層次從左到右的灰度值分別為174，180，200，210。因此，4個(gè)灰度層次的灰度值與背景非常接近。比較圖(b)（直方圖均衡化處理的圖像）和圖(c)（文中方法增強(qiáng)）可知，用此方法進(jìn)行增強(qiáng)圖像層次感明顯好于(b)的處理結(jié)果，取得令人滿意的效果，說明此算法對于低對比度圖像處理效果好，算法具有較強(qiáng)的適應(yīng)性。</p><p>　　(a) 原圖 (b) 直方圖均衡 (c) 文中方

98、法增強(qiáng)</p><p>　　圖3-26 低對比度圖像處理結(jié)果</p><p>　　新的對比度增強(qiáng)算法，在對圖像進(jìn)行均衡化之前，先對直方圖進(jìn)行平滑處理，消除直方圖上的噪聲干擾點(diǎn)。通過對均衡化后的圖像灰度級在圖像的整個(gè)動(dòng)態(tài)范圍內(nèi)等間隔排列，克服直方圖均衡化法輸出圖像動(dòng)態(tài)范圍小和過增強(qiáng)的缺點(diǎn)。實(shí)驗(yàn)證明增強(qiáng)結(jié)果不但提高目標(biāo)對比度，同時(shí)使目標(biāo)的細(xì)節(jié)更加明顯，而且對低對比度圖像增強(qiáng)效果好。</p

99、><p>　　第4章 直方圖均衡化和規(guī)定化算法的DSP實(shí)現(xiàn)</p><p>　　4.1 算法的DSP實(shí)現(xiàn)與優(yōu)化</p><p>　　利用基于TMS320C6713B芯片的TDS6713EVMDSP開發(fā)板，本文實(shí)現(xiàn)了直方圖均衡化和規(guī)定化算法，并針對處理器結(jié)構(gòu)進(jìn)行了程序優(yōu)化。</p><p>　　4.1.1 算法開發(fā)硬件平臺(tái)選擇</p>

100、<p>　　本文選擇TI公司的TMS320C6000系列的TMS320C6713B(以下簡稱C6713B)芯片作為算法實(shí)現(xiàn)的嵌入式硬件平臺(tái)。</p><p>　　TMS320C6000系列DSP是美國TI公司于1997年推出的新一代高性能的數(shù)字信號(hào)處理芯片，具有很高的工作頻率和極強(qiáng)的并行處理能力。片內(nèi)有A、B兩組共8個(gè)并行處理單元，每組內(nèi)分為L、M、D、S四個(gè)單元，每組處理單元結(jié)合同側(cè)的寄存器組和數(shù)據(jù)

101、通道，構(gòu)成了一個(gè)完整的數(shù)據(jù)處理單元。C6000處理器的A、B兩個(gè)完整的數(shù)據(jù)處理單元之間可以通過兩條數(shù)據(jù)交叉通路進(jìn)行數(shù)據(jù)交叉訪問，所以這樣的硬件結(jié)構(gòu)非常適合實(shí)現(xiàn)數(shù)據(jù)的并行處理，利于實(shí)現(xiàn)數(shù)據(jù)實(shí)時(shí)處理。</p><p>　　本文采用以C6000系列的6713B芯片為中心的TDS6713EVM開發(fā)板，此開發(fā)板可用于各種對數(shù)據(jù)精度有特殊要求的浮點(diǎn)數(shù)字信號(hào)處理場合。TDS6713EVM系統(tǒng)結(jié)構(gòu)圖如圖4-1所示。</p&

102、gt;<p>　　圖4-1 TDS6713EVM 系統(tǒng)結(jié)構(gòu)圖</p><p>　　4.1.2 算法的實(shí)現(xiàn)與優(yōu)化</p><p>　　由于 C++語言具有編譯效率高等特點(diǎn)，且CCS具有C++編譯的功能，本文采用C++語言進(jìn)行算法程序的編寫了直方圖統(tǒng)計(jì)、均衡化、規(guī)定化程序，其程序接口如下：</p><p>　　//繪出原圖像直方圖</p>&

103、lt;p>　　void drawScrImageHistogram(unsigned char * Imagedata，int *H，int intcount);</p><p>　　//繪出直方圖H的均衡直方圖S及均衡圖象</p><p>　　void drawBanlanceImage(unsigned char * Imagedata，int *H，int intcount，f

104、loat *JHP，int*JH，int *YS);</p><p>　　//繪出目標(biāo)直方圖G的均衡直方圖</p><p>　　void drawObjImageHistogram(float *Ob);</p><p>　　//直方圖規(guī)定化映射</p><p>　　void drawObjImage(unsigned char * Imag

105、edata，float *JHP，float *Ob，int *YS);</p><p>　　由于圖像處理的數(shù)據(jù)量大，數(shù)據(jù)處理相關(guān)性高，因此如何針對圖像處理的特點(diǎn)對DSP進(jìn)行優(yōu)化編程，充分發(fā)揮其性能就成為提高整個(gè)系統(tǒng)性能的關(guān)鍵。我們針對圖像處理進(jìn)行了基于C6x的優(yōu)化編程方面的嘗試，并獲得了一些有益的結(jié)論。</p><p>　　針對不同的應(yīng)用程序，其優(yōu)化步驟和手段是不同的，而在算法層次上主要

106、的是分析算法本身的并行性，或用并行算法替代一般線性算法等。這是在算法確定前的一些工作，而在算法確定以后，優(yōu)化工作主要的原則有:(1)去除相關(guān)性。相關(guān)性包括數(shù)據(jù)相關(guān)、變量相關(guān)等。不同功能程序段避免利用同一個(gè)變量，即可以以空間換取并行程度。數(shù)據(jù)相關(guān)主要內(nèi)存空間的安排，減少數(shù)據(jù)讀寫沖突。(2)亂序和功能單元配對。可以人為將芯片的功能單元與將要執(zhí)行的操作進(jìn)行類似的配對，提高編譯程序并行效率。(3)展開循環(huán)。展開不必要的循環(huán)程序片段，尤其是一些嵌

107、套循環(huán)程序片段。</p><p>　　接著是在匯編語言上進(jìn)行的優(yōu)化，這一步工作與C6x的具體結(jié)構(gòu)有很大的關(guān)系，利用編譯結(jié)果進(jìn)一步優(yōu)化。</p><p>　　基于以上思想，以直方圖統(tǒng)計(jì)的程序?yàn)槔?，本文在C++層次上對代碼進(jìn)行了優(yōu)化，以提高其并行性。未經(jīng)過優(yōu)化的程序代碼如下：</p><p>　　for(cx;cx< intcount;cx++)</p>

108、;<p><b>　　{</b></p><p>　　(*(H+Imagedata[cx]))++;</p><p><b>　　}</b></p><p>　　匯編后的指令并行性不高，每個(gè)時(shí)鐘單元只有一條指令在執(zhí)行，也就是說八個(gè)運(yùn)算單元只用了一個(gè)。以上代碼執(zhí)行完畢共需要658081個(gè)時(shí)鐘周期。優(yōu)化后的代碼為

109、了提高并行性，將所有數(shù)據(jù)分為四小組，一個(gè)循環(huán)體中同時(shí)計(jì)算四組中的一個(gè)，代碼如下：</p><p>　　int intcount_4=intcount/4;</p><p>　　int intcount_4_2=intcount/2;</p><p>　　int intcount_4_3=(intcount/2)*3;</p><p>　　fo