基于DSP的圖像處理dsp課程設計

《基于DSP的圖像處理dsp課程設計》由會員分享，可在線閱讀，更多相關《基于DSP的圖像處理dsp課程設計（14頁珍藏版）》請在裝配圖網上搜索。

1、河海大學計算機與信息學院——DSP課程設計報告 《基于DSP的圖像處理》 DSP課程設計報告 學 號： 班 級： 姓 名： 同組姓名： 指導教師： 2012年9月13日 目 錄 1課程設計目的………………………………………………1 2課程設計題目背景描述和要求……………………………1 3課程設計報告內容…

2、………………………………………1 4總結…………………………………………………………4 5參考文獻……………………………………………………4 6附錄…………………………………………………………5 1.課程設計目的 利用TMS320C54X實驗板實現以下功能：1、求圖像的平均灰度值；2、利用四個LED小燈進行指示四個等級的灰度值；3、根據圖像灰度等級對圖像進行不同的變換（水平翻轉、豎直翻轉等）；4、對圖像進行二值化處理，包括全局二值化和局部二值化兩種處理方式；5、對圖像進行反色處理。 2.課程設計題目背景描述和要求 圖像處理主要是指對原始圖像進行加工，使其具有更好的

3、視覺效果或滿足某些特定場合的應用要求。由于圖像具有信息量大、某些場合下對實時性要求較高的特點，所以對處理芯片的運算速度有較高要求。DSP芯片具有運算速度快，數據吞吐率高等優(yōu)點，故在圖像處理中得到廣泛應用。 本課題利用TMS320C54X系列的DSP芯片進行圖像處理，實現對圖像的讀入、分析、翻轉、二值化及反色等處理。 3.課程設計報告內容 3.1 圖像的讀入及分析 數字圖像處理（Digital Image Processing）又稱為計算機圖像處理，它是指利用計算機和其它高速、大規(guī)模集成數字硬件，對從圖像信息轉換來的數字電信號進行某些數字運算或處理，以期提高圖像的質量或達到人們所預想的結

4、果。 輸出用戶所需圖像 DSP硬件平臺 原始圖像 圖像處理算法 數字圖像處理中常將圖像像素點的灰度分為256個等級，其中0為黑色，255為白色，0到255之間的等級灰度逐漸減小。 圖像是由若干像素組成，每個像素都有確定的灰度值。所以一幅圖像，可以用每一個像素點的位置及其灰度值來描述。以此為依據，對于二維圖像，我們采用了一個二維數組，每個數組元素存儲一個像素點的信息，數組元素標號可以表示像素點的橫縱坐標，數組元素的值就為像素點的灰度值。通過這種方法，我們就可以將整張圖像的信息讀入DSP存儲空間中。 圖像讀入后，根據每一個像素點的灰度值可以計算出整張圖像的

5、平均灰度值。根據這一平均值我們將圖像分為四個等級：0～63為0級，64～127為1級，128～191為2級，192～255為3級。 圖像分級完成后，結果通過實驗板上LP0～LP4四個LED小燈進行指示，每個等級對應一個小燈，某一個燈亮即表示圖像平均灰度處于該級。 3.2 圖像的二值化處理 3.2.1二值化處理 一幅圖像包括目標物體、背景和噪聲。目標物體和背景等在灰度值上有明顯差異。因此，為了從多值的數字圖像中直接提取目標物體，常設定一灰度閾值T，將圖像分為兩個部分，灰度大于T的像素群及灰度小于T的像素群。上述就是二值化處理的方法。 本課設中設計了兩種二值化方式：全局二值化，局部二

6、值化。 3.2.2全局二值化 根據確定的二值化閾值T，我們對以讀入的圖像進行處理，對于圖像中所有像素點，灰度值大于T的，將其灰度設為255,；灰度值小于T的，將其灰度值設為0。這樣實現了圖像的全局二值化。 全局二值化為這張圖像設定了統(tǒng)一的二值化閾值，但實際圖像的各個部分平均灰度狀況并不統(tǒng)一。因此全局二值化在表現圖像細節(jié)方面存在缺陷。 3.2.3局部二值化 利用3.1中介紹的灰度分級，利用已經得到的圖像整體的灰度等級，為每級的圖像設定一個二值化閾值T。0級的灰度在0～63之間，閾值T設為32；1級的灰度在64～127之間，閾值T設為96；2級的灰度在128～191之間，閾T設為16

7、0；3級灰度在192～255之間，閾值T設為224。 該方法首先將圖像劃分為若干子集，在根據各子集的灰度狀況各自設定二值化閾值。 為簡化處理過程，本課設中實際將圖像劃分為四個大小相等部分。再后逐一計算每個部分的平均灰度值，以此作為二值化閾值。隨后根據各部分自身閾值，分別進行二值化處理。最后再將處理后的各部分進行整合，得到處理后的圖像。 以上方法相對于全局二值化有一定改善，但仍有缺陷。它將圖像劃分為若干小部分，各個部分閾值選取為自身的灰度平均值，因此，對各個部分而言，實質上還是選取了一個統(tǒng)一閾值。對此，可通過優(yōu)化各部分閾值計算方法來進一步改善效果。 優(yōu)化的閾值計算方式應當更多地依賴于各部

8、分圖像自身的特征，以求所得的閾值能更好地反映該部分的情況。一種具體優(yōu)化方法是：根據各部分像素灰度值的平均值E，像素之間的差平方P，像素之間的均方根值Q等各種局部特征，設定一個參數方程進行閾值的計算。例如：T=a*E+b*P+c*Q，其中a,b,c是自由參數。這樣得出來的二值化圖像就更能表現出二值化圖像中的細節(jié)。 3.3 翻轉和反色處理 翻轉也是圖像處理中常用的處理方式。如3.1中所說，本課設中將圖像讀入后是用一個二維數組進行存儲的，因此數字圖像實質上可以看作是一個矩陣，圖像的翻轉也就可以當做是矩陣的翻轉進行處理。 根據3.1中已得的圖像分級情況，我們對圖像進行了不同的翻轉處理。0級和

9、1級進行水平翻轉，通過對二維數組同行元素進行左右調換實現；2計和3級進行豎直翻轉，通過對二維數組同列元素進行上下調換實現。 通過對二維數組元素的各種位置變換，均可以得到多種圖像的翻轉變換或局部翻轉變換。 反色處理則是對3.2中已得二值化處理后的圖像進行的一種處理。二值化處理后的圖像將目標對象和背景等進行了明確的區(qū)分，其中之一為白色，則另一個必為黑色。而其中具體是目標對象為白，背景為黑，還是這好相反，則是由圖像本身特性決定的。假如我們期望以白色標記目標對象，而二值化結果卻正好相反時，就可以采用反色處理。 二值化處理后圖像所有像素點均只有黑白兩種顏色。將其中黑色的變?yōu)榘咨?，也即灰度值?變?yōu)?/p>

10、255；同時白色變?yōu)楹谏?，也即灰度值?55變?yōu)?，便實現了圖像的反色處理。 4.總結 通過本次課程設計，將課堂教學的知識應用于實踐。在這個過程中，我們先對圖像的知識進行基本的了解，并且將圖像轉化為數組進行存儲，處理。我們還學習了ccs軟件的基本應用，這對于我們以后的工作也是非常重要的。同時通過這次實踐進一步提高了我們的c語言水平。最重要的是對我們思維的開拓，從開始的數組化圖像到后來局部二值化的想法，通過向老師提問，網上查找資料等方式我們一步一步完善我們的課程設計，最終完成了我們的課設目的。 另外，通過本次實踐，我們也感受到了dsp技術的穩(wěn)定性好，可重復性好，抗干擾能力強，數據壓縮等

11、特點。相信這項技術在以后有更大的發(fā)展空間。 參考文獻 ［1］ 戴明楨，周建江. TMS320C54x DSP[M]. 北京：北京航空航天大學出版社，2007. ［2］ 郎崇林 DSP及其在圖像處理中的應用[J]. 科技情報開發(fā)與經濟, 2011，第26期 ［3］ 百度百科 二值化 附錄 1、 源程序1： #include "math.h" #include "stdio.h" extern void leda(); extern void ledb(); extern void ledc(); extern void ledd(); #define

12、 IMAGE_WIDTH 64 #define IMAGE_HEIGTH 64 int level; void average(int (*y)[64]) { unsigned int ai,aj; unsigned long temp=0; float aver; for(ai=0;ai<=63;ai++) for(aj=0;aj<=63;aj++) { temp+=*(*(y+ai)+aj); } //level=(int)(temp/(64l*64l*64l)); aver=temp/(6

13、4u*64u); level=(int)(aver/64); } void leddis() { switch(level) { case 0:leda();break; case 1:ledb();break; case 2:ledc();break; case 3:ledd();break; default:break; } } void convert(int (*y)[64]) { int ci,cj,tempc,c=64/2

14、; switch(level) { case 0:{} case 1: //水平翻轉 for (ci=0; ci<64; ci++) { for (cj=0; cj

15、; ci++) { for (cj=0; cj<64; cj++) { tempc=y[ci][cj]; y[ci][cj]=y[63-ci][cj]; y[63-ci][cj]=tempc; } } break; default:break; } } main() { FILE *fi; int i,j; int y[IMAGE_HEIGTH][IMAGE_WIDTH]; unsigned char id[64]; int k[4]={32,96,160,224

16、}; /*k is Threshold Value,以各段均值為閾值*/ fi=fopen("D:\\set41.bmp","rb"); for (i=0; i<=16; i++) { fread((char *)id,sizeof(char),IMAGE_WIDTH,fi); } // fread((char *)id,sizeof(char),54,fi); for (i=0; i

17、 for (j=0; j

18、=0; j

19、 ret _ledb: stm #02h,ar1 ;define the address portw *ar1,01h nop nop ret _ledc: stm #04h,ar1 ;define the address portw *ar1,01h nop nop ret _ledd: stm #08h,ar1 ;define the address portw *ar1,01h nop nop ret 3、 局部二值

20、化處理原程序： #include "math.h" #include "stdio.h" int y[64][64]; int ave(int (*t)[32]) { unsigned int ai,aj; unsigned long temp=0; float aver; for(ai=0;ai<=31;ai++) for(aj=0;aj<=31;aj++) { temp+=*(*(t+ai)+aj); } aver=temp/(32u*32u); return aver;

21、 //以各區(qū)域平均值為二值化閾值 } void locate() { int lex[4],i,j; int x1[32][32],x2[32][32],x3[32][32],x4[32][32]; for(i=0;i<32;i++) for(j=0;j<32;j++) { x1[i][j]=y[i][j]; x2[i][j]=y[i][j+32]; x3[i][j]=y[i+32][j]; x

22、4[i][j]=y[i+32][j+32]; } lex[0]=ave(x1); lex[1]=ave(x2); lex[2]=ave(x3); lex[3]=ave(x4); i=0; for (i=0; i<32; i++) { for (j=0; j<32; j++) { x1[i][j] = 255*((255-x1[i][j])/lex[0]); x2[i][j] = 255*((255-x2[i][j])/lex[1]); x3[i]

23、[j] = 255*((255-x3[i][j])/lex[2]); x4[i][j] = 255*((255-x4[i][j])/lex[3]); } } for(i=0;i<32;i++) for(j=0;j<32;j++) { y[i][j]=x1[i][j]; y[i][j+32]=x2[i][j]; y[i+32][j]=x3[i][j]; y[i+32][j+32]=x4[i][j]; } } main(

24、) { FILE *fi; int i,j; unsigned char id[64]; fi=fopen("D:\\set64.bmp","rb"); for (i=0; i<=16; i++) { fread((char *)id,sizeof(char),64,fi); } // fread((char *)id,sizeof(char),54,fi); for (i=0; i<64; i++) { fread((char *)id,sizeof(char),64,fi); for (j=0; j<64; j++) { y[i][j]=id[j]; } } fclose(fi); i=0; locate(); i=0; } 12