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9</p><p>　　3.1 圖像增強的基本概念9</p><p>　　3.2 圖像增強的方法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實驗結果及分析23</p><p>　　第4章 直方圖均衡化和規(guī)定化算法的DSP實現(xiàn)25</p>&l

6、t;p>　　4.1 算法的DSP實現(xiàn)與優(yōu)化25</p><p>　　4.1.1 算法開發(fā)硬件平臺選擇25</p><p>　　4.1.2 算法的實現(xiàn)與優(yōu)化26</p><p>　　4.2 實驗及結果分析27</p><p><b>　　結 論31</b></p><p><b

7、>　　致 謝32</b></p><p><b>　　參考文獻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算機圖像處理，它最早出現(xiàn)于20世紀50年代，當時的電子計算機

8、已經(jīng)發(fā)展到一定水平，人們開始利用計算機來處理圖形和圖像信息。數(shù)字圖像處理作為一門學科大約形成于20世紀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、復原、編碼、壓縮等。圖像處理技術在許多應用領域受到廣泛重視并取得了重大的開拓性成就，屬于這些領域的有航空航天、生物醫(yī)學工程、工業(yè)檢測、機器人視覺、公安司法、軍

9、事制導、文化藝術等，使圖像處理成為一門引人注目、前景遠大的新型學科。隨著圖像處理技術的深入發(fā)展，隨著計算機技術和人工智能、思維科學研究的迅速發(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)字多媒體技術的不斷發(fā)展，數(shù)字圖像處理技術被廣泛應用于可視電話、電視會議、監(jiān)控系統(tǒng)、智能交通監(jiān)控、目標跟蹤、機器人導航等各種民用、商用及工業(yè)生產(chǎn)領域中。但在這些數(shù)字圖像處理系統(tǒng)中，一個突出的問題就是數(shù)據(jù)量龐大，

10、數(shù)據(jù)處理相關性高，實現(xiàn)實時比較困難。因此圖像處理速度成為實時性的主要因素，這就要求實時圖像處理系統(tǒng)必須具有強大的運算能力。高性能 DSP 的發(fā)展為實時的圖像處理提供了一個解決途徑。高速DSP不僅可以滿足在運算性能方面的需要，而且由于DSP的可編程性，還可以在硬件一級獲得系統(tǒng)設計的極大靈活性。</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，主要研究

11、的內(nèi)容:圖像變換、圖像編碼壓縮、圖像增強和復原、圖像分割、圖像分類(識別)等。</p><p>　　(1) 圖像變換。由于圖像陣列很大，直接在空間域中進行處理，涉及計算量很大。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，將空間域的處理轉換為變換域處理，不僅可減少計算量，而且可獲得更有效地處理 (如傅立葉變換可在頻域中進行數(shù)字濾波處理)。目前新興研究的小波變換在時域和頻域

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用。</p><p>　　(2)圖像編碼壓縮。圖像編碼壓縮技術可減少描述圖像的數(shù)據(jù)量(即比特數(shù))，以便節(jié)省圖像傳輸、處理時間和減少所占用的存儲器容量。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行。編碼是壓縮技術中最重要的方法，它在圖像處理技術中是發(fā)展最早且比較成熟的技術。</p><p>　　(3)圖像增強和復原。圖

13、像增強和復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。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節(jié)明顯：如強化低頻分量可減少圖像中噪聲影響。圖像復原要求對圖像降質(zhì)的原因有一定的了解，一般講應根據(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)字圖像處理中的關鍵技術之一

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，這是進一步進行圖像識別、分析和理解的基礎。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之一。</p><p>　　(5)圖像描述。圖像描述是圖像識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(識別)。圖像分類(識別)屬于模式識別的范疇，其主要內(nèi)容是圖像經(jīng)過某些預處理(增強、復原、壓縮)后，進行圖像分割和特征提取，從而進行判決分類。</p>

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

17、>　　實現(xiàn)圖像處理的主要方式有：</p><p>　　(1)在通用計算機上用軟件實現(xiàn)圖像處理；</p><p>　　(2)在通用計算機系統(tǒng)中加入專用的加速處理模塊；</p><p>　　(3)利用通用單片機；</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，不適于實時處理，需要對其加以改進；而其他幾種方式各有不足，如第2種方式不適于嵌入式應用，專業(yè)性較強，應用受到限制；第3種方式適于數(shù)字控制等不太復雜的數(shù)字信號處理，不適合計算較大的圖像數(shù)據(jù)處理；第4種方式因為采用的是專用DSP芯片，故其應用范圍受限，系統(tǒng)不夠靈活，無法進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行編制DSP程序，具有一定困難。但是，TI公司為了解決這個問題，推出了一個開放、具有強大集成能力的開發(fā)環(huán)境（CCS）。它采用了由先進的開發(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軟件進行設計、編碼、編譯、調(diào)試、跟蹤和實時性分析，可有效減少DSP編程時間。</p><p>　　綜上所述，利用通用可編程DSP芯片實現(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大的處理能力，使其可用于快速地實現(xiàn)各種數(shù)字信號處理算法，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。圖像改善技術中最常用的方法是圖像增強，以改善圖像的視覺效果，并把圖像處理成為適于計算機分析或控制的形式，典型應用以監(jiān)視跟蹤航天飛行器軌跡為代表。為滿足圖像增強目的，圖像往

21、往要發(fā)生變化，或稱畸變。在空間飛行器跟蹤中，增強技術是突出圖像的某些明顯特征以利于計算機快速處理，達到實時的控制，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、相對運動等影響，獲取圖像往往會與原始圖像之間產(chǎn)生某種差異。變化后的圖像通常模糊不清或者經(jīng)過機器提取的信息量減少，甚至提供錯誤信息，因此必須對其采取一些手段進行改善，獲取圖像真

22、正的信息。在獲取正確信息之前，要對圖像進行處理，一般處理方法有兩種，一是圖像增強；二是圖像復原。圖像復原技術需要了解圖像質(zhì)量下降的原因，首先要建立“降質(zhì)模型”，再利用該模型恢復原始圖像，因此分析起來比較麻煩。而圖像增強與此不同，圖像增強不考慮圖像質(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。圖像增強包括內(nèi)容廣泛，如圖像去噪、抽取圖像中一些目標的輪廓、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。圖像增強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、空域濾波增強以及頻域增強?？沼蚍ㄖ饕菍D像中的各個像素點進行操作；而頻域法是在圖像的某個變換域內(nèi)，修改變換后的系數(shù)，對圖像進行操作，然后再進行反變換得到處理后的圖像。本文將對各種方法進行介紹。</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)字信號處理器(DSP)是一類具有專門為數(shù)字信號處理任務而優(yōu)化設計的體系結構和指令系統(tǒng)的通用處理器件，具有處理速度快和有復合功能的單周期指令等特點，在高速圖像處理中得到了越來越多的應用。DSP芯片內(nèi)部采用程序和數(shù)據(jù)分開存儲和傳輸?shù)墓鸾Y構，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，可用來快速地實現(xiàn)各種數(shù)字信號處理

25、算法，加之集成電路的優(yōu)化設計，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</p><p>　　DSP芯片采用不同于普通單片機的體系結構，具有一些顯著特點。</p><p><b>　　1、哈佛結構 </b></p><p>　　傳統(tǒng)計算機采用傳統(tǒng)的馮·諾伊曼(V

26、on Neumann)結構，其程序和數(shù)據(jù)共用一個存儲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，都要先從儲存器中取出指令解碼，再取操作數(shù)執(zhí)行運算，即使單條指令也要耗費幾個甚至幾十個周期，在高速運算時，在傳輸通道上會出現(xiàn)瓶頸效應。</p><p>　　所有的DSP芯片均采用哈佛（Harvard）結構。哈佛結構是一種并行體系結構，它的主要特點是將程序和數(shù)據(jù)存儲在不同的存儲空間中，即程序存儲器和數(shù)據(jù)存儲器是兩個

27、相互獨立的存儲器，每個存儲器獨立編址、獨立訪問。與兩個存儲器相對應的是系統(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)總線可允許在一個機器周期內(nèi)同時獲取指令字(來自程序存儲器)和操作數(shù)(來自數(shù)據(jù)存儲器)，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)存儲器在兩個分開的空間中，因此取指和執(zhí)行能完全重疊。</p><p><b>　　2、流水線結

28、構</b></p><p>　　流水線技術與哈佛結構相似，DSP芯片廣泛采用流水線以減少指令執(zhí)行時間，從而增強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)每個片斷，即每個片斷對操作數(shù)進行部分處理，操作數(shù)經(jīng)過所有片斷后才能得到最后結果。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，一條指

29、令只有經(jīng)過所有步驟才能得到結果。這些步驟可以獨立進行，這樣就可以實現(xiàn)多條指令在不同步驟上的重復運行，從而加快運行速度。</p><p>　　流水線分為指令流水線和算術流水線。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行；算術流水線是指算術操作的不同階段在流水線上進行。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，DSP芯片可以單周期完成乘法累加運算

30、，大幅提高了運算速度，減少了指令執(zhí)行的時間，從而增強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、特殊的硬件結構</b></p><p>　　數(shù)字信號處理中最重要的基本運算是乘法和累加運算，它們占用了大量運算時間，是最主要和最耗時的運算。DSP中設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芯片實現(xiàn)快速運算的保證?，F(xiàn)代高性能的DSP芯片甚至具有兩個以上的硬件乘法器以提高運算速度。數(shù)據(jù)寬度也從16位增加到32位。數(shù)學運算消耗的時間往往少于存儲器的操作。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)行的效率遠遠高于相同規(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)字信號處理中要遇到大量的地址運算，在某些情況下，地址運算量甚至超過了數(shù)據(jù)的運算量。DSP中設計有一個特殊的硬件算術單元——地址產(chǎn)生器。地址計算由這個專門的硬件來負責，不需要耗費額外的時間?，F(xiàn)在的某些微處理器中也有獨立的地址產(chǎn)生單元，對于一些特殊的地址運算不需要耗費額外的CPU時間，但是DSP的地址運算單元

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

34、)、輔助算術單元（ARAU）以及DMA控制器等。它們都可以并行地在同一個周期內(nèi)執(zhí)行不同的任務，例如輔助算術單元能為下一次的運算做好準備，適于完成連續(xù)的乘加運算。芯片內(nèi)部還包括其他總線，如DMA總線等，可實現(xiàn)數(shù)據(jù)的后臺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)流結構(SIMD)、超長指令字結構(VLIW)、超標星體系結構、多DSP核體系結構和DSP／MCU混合結構，這些并行處理機制顯著提高了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>　　對圖像處理技術而言，由于要處理的數(shù)據(jù)量大，計算復雜，計算中間結果精度要求高，因此需要選擇合適的DSP芯片。DSP芯片的選擇應根據(jù)實際的應用系統(tǒng)需要而確定。一般來說，選擇DSP芯片時應考慮如下諸多因素：</p><p>　　(1)確定選擇定點或浮點DSP。數(shù)字信號處理

36、算法的數(shù)據(jù)格式有定點和浮點之分，而數(shù)字信號處理系統(tǒng)采用的數(shù)據(jù)格式?jīng)Q定了它所處理信號的處理精度、動態(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。選擇定點或浮點DSP，首先要看模數(shù)轉換時需要的比特數(shù)，如果圖像的每個像素小于16bit，則用16bit定點DSP即可；如果大于16bit，則需要用浮點DSP來捕捉更大的動態(tài)范圍。其次考慮算法的復雜度和經(jīng)濟問題。一般說來，浮點DSP芯片的運算精度高，動態(tài)范圍大，尋址空間大，指令運算能力較

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

38、準程序，如用FFT和數(shù)字濾波等的執(zhí)行時間來測評DSP芯片的速度性能。</p><p>　　(3)其他考慮因素。在硬件方面還應考慮芯片的外部總線結構、片上存儲器結構、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)軟件的功能性和時間要求等因素。</p><p>　　目前，應用最為廣泛的是TI(Texas Instruments)公司TMS320C6000系列的數(shù)字信號處理器

39、。美國德州TI公司自1982年推出第1代數(shù)字信號處理器以來，現(xiàn)已相繼推出了多代數(shù)字信號處理器，成為世界上最大的DSP芯片供應商。TMS320C6000系列是TI公司于1997年推出的高端系列的DSP。該系列的DSP在芯片設計上，最初主要是針對多通道無線通信和有線通信的應用領域，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域。</p><p>　　TMS320C6000是基于超長指令字（

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

41、浮點功能，因此其指令集是不同的。</p><p>　　將TMS320C6000系列的數(shù)字信號處理器用于圖像處理系統(tǒng)開發(fā)中，勢必使技術水平得到進一步的提高。</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這樣具有強大運算能力的DSP來滿足圖像處理技術中運算速度和處理的實時性要求。以DSP為核

42、心部件的圖像處理系統(tǒng)具有以下特點：（1）接口方便。DSP系統(tǒng)與其他以現(xiàn)代數(shù)字技術為基礎的系統(tǒng)或設備均相互兼容，同這樣的系統(tǒng)接口來實現(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芯片可使設計人員在開發(fā)過程中靈活方便地對軟件進行修改和升級；（3）穩(wěn)定性好。DSP系統(tǒng)以數(shù)字處理為基礎，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10-5；（5）可重復性好。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>　　圖像處理計算量大且實時性要求高，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)卻常常不能達到實時處理，因此需要采用多個DSP并行處理方式，進一步提高算法的運行速度，達到真正的實時處理。目前

44、比較常用的是雙DSP結構。兩片DSP芯片交替進行采集和處理工作，可以實現(xiàn)數(shù)據(jù)采集和圖像壓縮的并行操作，降低處理時間；而在一片DSP內(nèi)，也可將數(shù)據(jù)緩沖區(qū)分為兩部分，同時進行數(shù)據(jù)讀取和編碼，實現(xiàn)片內(nèi)并行操作，進一步節(jié)省時間。</p><p><b>　　第3章 圖像增強</b></p><p>　　3.1 圖像增強的基本概念</p><p>　　圖

45、像增強是指按特定的需要突出一幅圖像中的某些信息，同時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，加強圖像判讀和識別效果的圖像處理方法。</p><p>　　圖像增強就是增強圖像中用戶感興趣的信息，其主要目的有兩個：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算機處理。</p><

46、p>　　3.2 圖像增強的方法</p><p>　　圖像增強技術基本上可分成兩大類：頻域處理法和空域處理法。頻域處理法的基礎是卷積定理，它是將圖像看作波，然后利用信號處理中的手段對圖像波進行處理?？沼蛱幚矸ǖ幕A是灰度映射變換，它是直接針對圖像中的像素進行處理，所用到的映射變換取決于增強的目的，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技

47、術。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，僅與圖像整體對比度以及平均灰度值等有關系，所以該濾波器把這些分量濾去后，使得圖像進一步銳化，然后通過增強圖像中被模糊的細節(jié)以達到目標和背景易于分離的目的。在空域內(nèi)進行濾波是利用模板和圖像進行卷積來實現(xiàn)的，其主要步驟如下：</p><p>　

48、?。?） 將模板在圖像中漫游，實現(xiàn)模板的中心與圖像中某個像素位置重合； </p><p>　　（2）將模板上系數(shù)與模板下的圖像的對應像素相乘；</p><p>　?。?） 將所有乘積的結果相加；</p><p>　　（4） 將相加之和（模板的輸出響應）賦給圖像中對應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），則模板的輸出響應表示為：，并且把值賦給增強圖像，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像素都這樣進行處理就可以得到所有位置增強后的新灰度值如果我們在設計濾波器時給每個賦予不同的值，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 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， 同時圖像邊緣信息也主要集中在其高頻部分。這將導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，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為

52、圖像受到了平均或積分運算，因此可以對其進行逆運算(如微分運算) 就可以使圖像變得清晰。從頻率域來考慮，圖像模糊的實質(zhì)是因為其高頻分量被衰減，因此可以用高通濾波器來使圖像清晰。</p><p>　　圖像的模糊實質(zhì)就是圖像受到平均或積分運算造成的，因此可以對圖像進行逆運算如微分運算來使圖像清晰化。從頻譜角度來分析，圖像模糊的實質(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還要多，因此一般是先去除或減輕噪聲后再進行銳化處理。</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、拉斯算子是與一個邊緣方向無關的邊緣點檢測算子。它對孤立像素的響應要比對邊緣或線的響應強烈，因此使用該算子進行圖像銳化之前需要對圖像作平滑處理。拉普拉斯運算是偏導數(shù)運算的線性組合，而且是一種各向同性（旋轉不變）的線性運算。</p><p>　　設▽²f 為拉普拉斯算子，則：</p><p><b>　　（3-1）</b></p><p>

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

56、><p><b>　?。?-4）</b></p><p>　　對于擴散現(xiàn)象引起的圖像模糊，可以用下式來進行銳化</p><p><b>　?。?-5）</b></p><p>　　這里kτ是與擴散效應有關的系數(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現(xiàn)數(shù)字圖像的銳化，其基本的公式如公式（3-5）所示。考慮到kτ是與擴散效應有關的系數(shù)，在本實現(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。同梯度算子進行銳化一樣，拉普拉斯算子也增強了圖像的噪聲， 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算完全可以轉換成模板運算。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的算法實現(xiàn)</p><p><b>　　1、銳化的總流程圖</b></p><p>　　根據(jù)這個矩陣，我們在CCS2 軟件用C語言來實現(xiàn)這個算法。</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)中每一個象素用拉普拉斯算子進行運算，得出一組新的圖像數(shù)據(jù)。這樣循環(huán)構造圖像和調(diào)用圖像銳化3次，對不同的圖像數(shù)據(jù)進行銳化，比較不同圖像銳化后的效果。</p><p><b>　　2、銳化程序的實現(xiàn)</b></p><p>　　在這里設計了一個主函數(shù)和3個子函數(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算。Readimage用于讀取圖像。其具體實現(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像素進行拉普拉斯運算生成檢測圖。</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，先進行初始化變量，然后使用多分支選擇語句，接著構建一個16級灰度欄信息，16個灰度不同的圓重疊在一起的圖像圖像，以及初始化2個實物圖。其中運用了函數(shù)ReadImage對文檔中已有的圖像進行載入，實行檢測。在讀取圖

63、像子函數(shù)中，先進行初始化變量，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)進行讀取，讀取圖像后，將文件關閉。該程序先進行變量初始化，定義指針變量，使用判斷語句打開文件。打開文件后，先對圖像的存儲地址進行定位，然后對指針變量進行賦值，使用循環(huán)語句讀取圖像信息，讀取完畢后關閉文件。</p><p>　?。?）對像素進行拉普拉斯算法運算的流程圖及程序</p><p&

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

65、 子函數(shù)設計流程 圖3-10 拉普拉斯算法實現(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)針對圖像中每個像素進行拉普拉斯運算。下面對銳化前后圖像進行對比。</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 銳化前手機圖 圖3-16 銳化后手機圖</p><p>　　比較手機圖3-15和圖3-16，銳化手的紋路被顯示出來了。</p><p>　　在實際應用過程中，

68、圖像銳化效果不理想是因為圖像信噪比小，要用較高的kτ 才能得到清晰的圖像。kτ（與擴散效應有關的系數(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，則該像素的邊界強度q和方向η可用如下的公式計算：</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，再進行閾值化處理，就可完成對目標的邊緣提取。但這種做法同時也把高頻部分的噪聲作為目標的邊緣進行了提取和增強。</p><p>　　3.2.2.2 Sobel邊緣檢測算法的變異及實現(xiàn)</p><p><b>　　1、變異的過程</b>

71、</p><p>　　傳統(tǒng)目標增強算法只考慮在點運算的基礎上添加對空間高頻上的提取和增強。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展和引伸，主要表現(xiàn)為在圖像處理時增加對處理的結果空域上的相關性運算。這種做法能夠在增強目標邊緣細節(jié)的同時可以削弱部分高頻成分的噪聲?？沼蛏系南嚓P性運算重點是考慮紅外目標邊緣特征分析。增加空域相關性運算后，式(3-7)就可以寫成式(3-8)和式(3-9)的形式:&

72、lt;/p><p><b>　　（3-8）</b></p><p><b>　?。?-9）</b></p><p>　　式中，qx和qy分別是x方向y方向進行卷積運算后的邊界強度；ηx +和ηx - 為x方向運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方向卷積運算后的像素間距數(shù)值。例如，在進行x和y方向卷積運算后所得到的兩幅紅外圖像分布圖中像素在間距為1個、2個或多個像素時的灰度變化斜率。在完成式(3-8)和式(3-9)之后，我們就需要進一步進行區(qū)域運算。在區(qū)域運算的時候運算的對象不再僅限于x和y方向的卷積運算結果了，它需要引入式(3-8)和式(3-9)的運算結果。區(qū)域運算的公式如式(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為水平相鄰兩個像素在x方向卷積運算后邊界強度的差值；同理，b為垂直相鄰兩個像素在y方向卷積運算后邊界強度的差值；s、t、m 和n

75、分別是卷積運算后在像素點水平和垂直兩個方向的兩邊斜率變化的差值。在此，我們通常在運算結束后需要進行閾值化處理，就可以完成對紅外目標特征的提取工作了。在利用閾值對圖像灰度梯度進行二值化處理的時候需要結合目標的特性進行。與傳統(tǒng)的二值化運算不同的是，在這里的二值化運算采用了多級級聯(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)的目標邊緣特征識別中都是針對單點操作進行。在圖1中采用了面陣操作方式完成目標邊緣特征識別的工作。在第一級的識別與傳統(tǒng)的單點操作方式相同。第二級運算是在第一級運算的基礎上進一步剔出第一級運算結果中由于噪聲所引起的目標邊緣特征。同理，第三級運算再一次剔出第二級運算結果中由于噪聲所引起的目標邊緣特征。在實際運算時還可以采用同樣的原理擴展到更多級

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)境下反而會產(chǎn)生負面影響。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特征提取的工作。在完成式(3-10)、式(3-11)、式(3-12)運算和三級梯度判別運算后可以獲得原始圖像中目標的邊緣信息，同時剔出了大量的噪聲信息。利用這些信息我們可以進行梯度運算的反運算得到只增強目標的紅外圖像。運算公式如式(3-13)所示:</p><p&g

78、t;<b>　　(3-13)</b></p><p>　　其中，ζ( x，y)為紅外圖像中坐標為( x，y)的原始灰度值；( x，y)為增強后的灰度值；ηi 為坐標( x，y)在式(3-11)、式(3-12)運算和三級級聯(lián)運算后所產(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行高頻信號提取工作。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>　　在進行二直化處理時采用的閾值為25。利用上述卷積核運算

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的邊緣信息，也包含了大量的白噪聲。</p><p>　　（2）區(qū)域級聯(lián)梯度運算</p><p>　　利用式(

81、3-8) ～式(3-12)對圖3-19的高頻成分進行三級梯度級聯(lián)運算。運算后的結果如圖3-20所示</p><p>　　圖3-20 級聯(lián)梯度運算后的高頻信號</p><p>　　在圖3-20中我們可以看出大部分目標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>　?。?）梯度反運算</b></p&

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

83、比的情況來說，整幅紅外圖像的每個區(qū)域的細節(jié)都得到了很好的提升。所以說，本方法的確能夠很好的實現(xiàn)增強紅外目標并抑制噪聲的目的。</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行平滑處理以消除直方圖中因噪聲而引入的隨機干擾點，然后進行直方圖均衡化，增大圖像的對比

84、度，接著在整個顯示范圍內(nèi)對圖像灰度級進行等間距排列，使輸出圖像的灰度動態(tài)范圍達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K值灰度級的像素數(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) 用計算原始直方圖，計算量大；</p><p>　　(3) 用(2)中的結果來計算累計直方圖，計算量大；</p><p>　　(4) 取整擴展=int [ (N - 1) 0.5] k = t +；</p>

87、<p>　　(5) 由(4)計算結果，建立映射對應關系(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)計新直方圖各灰度級象素nk，注意幾個原始灰度級映射到同一個新直方圖灰度級時，此新直方圖灰度級像素是幾個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，結果是增強了圖像的對比度以及增加了原灰度值的動態(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的，從實現(xiàn)算法上也可以看出其優(yōu)點主要在于能自動增強整幅圖像的對比度，但具體的增強效果也因此不易控制，只能得到全局均衡化處理的直方圖。在實際應用中，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行局部范圍內(nèi)的對比度增強，此時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步驟:</p><p>　　(1)用公式 對原始直方圖進行累積

90、灰度均衡化計算。</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 步的方法計算規(guī)定的直方圖進行累積灰度均衡化的變換，規(guī)定直方圖灰度級少計算少。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個灰度級都對應到第2步的3個灰度級pu (uj) 上，有兩種對應計算方法: (SML)單映射規(guī)則和(GML)組映射規(guī)則，由規(guī)則計算結果確定原始每級映射對應關系，再歸化合成計算對應到規(guī)定直方圖的新概率后就形成新的變換增強直方圖。兩種對應方法比較復雜，也是直方圖規(guī)定化處理的難點，計算量也大。</p><p>　

92、　下面重點說明(SML)單映射規(guī)則和(GML)組映射規(guī)則兩種對應方法的簡便理解算法:其實兩種對應方法都是將原始直方圖的M個灰度級都對應歸化到規(guī)定直方圖的N個灰度級上，對應規(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)對應到pu(u i)中去.對于(GML) 組映射規(guī)則: 設有一個整數(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)都對應到pu(uj)去。</p><p>　　3.2.3.3實驗結果及分析</p><p>　　(a) 原圖 (b) 直方圖均衡算法 (c) 改進增強算法</p><p>　　圖3-24 飛機圖像處理結果<

95、/p><p>　　(a) 原圖 (b) 直方圖均衡算法 (c) 改進增強算法</p><p>　　圖3-25 貓圖像處理結果</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。結果在目標對比度和細節(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果，(c)是文中方法的結果。圖

96、3-24中可看到(b)的右側天空被過增強，且噪聲很大，(c)在增強目標的同時較好的抑制了噪聲，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)，可見算法在增強整幅圖像的同時也增強細節(jié)，并且有效地抑制了噪聲。</p><p>　　圖3-26為驗證算法對低對比度圖像的增強效果而專門制作。原圖中背景色的灰度值為186，4個

97、灰度層次從左到右的灰度值分別為174，180，200，210。因此，4個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）可知，用此方法進行增強圖像層次感明顯好于(b)的處理結果，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，算法具有較強的適應性。</p><p>　　(a) 原圖 (b) 直方圖均衡 (c) 文中方

98、法增強</p><p>　　圖3-26 低對比度圖像處理結果</p><p>　　新的對比度增強算法，在對圖像進行均衡化之前，先對直方圖進行平滑處理，消除直方圖上的噪聲干擾點。通過對均衡化后的圖像灰度級在圖像的整個動態(tài)范圍內(nèi)等間隔排列，克服直方圖均衡化法輸出圖像動態(tài)范圍小和過增強的缺點。實驗證明增強結果不但提高目標對比度，同時使目標的細節(jié)更加明顯，而且對低對比度圖像增強效果好。</p

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

100、<p>　　本文選擇TI公司的TMS320C6000系列的TMS320C6713B(以下簡稱C6713B)芯片作為算法實現(xiàn)的嵌入式硬件平臺。</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)字信號處理芯片，具有很高的工作頻率和極強的并行處理能力。片內(nèi)有A、B兩組共8個并行處理單元，每組內(nèi)分為L、M、D、S四個單元，每組處理單元結合同側的寄存器組和數(shù)據(jù)

101、通道，構成了一個完整的數(shù)據(jù)處理單元。C6000處理器的A、B兩個完整的數(shù)據(jù)處理單元之間可以通過兩條數(shù)據(jù)交叉通路進行數(shù)據(jù)交叉訪問，所以這樣的硬件結構非常適合實現(xiàn)數(shù)據(jù)的并行處理，利于實現(xiàn)數(shù)據(jù)實時處理。</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數(shù)字信號處理場合。TDS6713EVM系統(tǒng)結構圖如圖4-1所示。</p&

102、gt;<p>　　圖4-1 TDS6713EVM 系統(tǒng)結構圖</p><p>　　4.1.2 算法的實現(xiàn)與優(yōu)化</p><p>　　由于 C++語言具有編譯效率高等特點，且CCS具有C++編譯的功能，本文采用C++語言進行算法程序的編寫了直方圖統(tǒng)計、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)處理相關性高，因此如何針對圖像處理的特點對DSP進行優(yōu)化編程，充分發(fā)揮其性能就成為提高整個系統(tǒng)性能的關鍵。我們針對圖像處理進行了基于C6x的優(yōu)化編程方面的嘗試，并獲得了一些有益的結論。</p><p>　　針對不同的應用程序，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)去除相關性。相關性包括數(shù)據(jù)相關、變量相關等。不同功能程序段避免利用同一個變量，即可以以空間換取并行程度。數(shù)據(jù)相關主要內(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行的優(yōu)化，這一步工作與C6x的具體結構有很大的關系，利用編譯結果進一步優(yōu)化。</p><p>　　基于以上思想，以直方圖統(tǒng)計的程序為例，本文在C++層次上對代碼進行了優(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，每個時鐘單元只有一條指令在執(zhí)行，也就是說八個運算單元只用了一個。以上代碼執(zhí)行完畢共需要658081個時鐘周期。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，一個循環(huán)體中同時計算四組中的一個，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