参考《基于dsp（数字信号处理器）的图像处理》dsp（数字信号处理器）课程设计.doc

《基于DSP的图像处理》
DSP课程设计报告
学号:
班级:
姓名:
同组姓名:
指导教师:
2012年9月13日
目录
1课程设计目的………………………………………………1
2课程设计题目背景描述和要求……………………………1
3课程设计报告内容…………………………………………1
4总结…………………………………………………………4
5参考文献……………………………………………………4
6附录…………………………………………………………5

S实现以下功能:1、根据图像灰度等级对图像进行不同的旋转;2、对图像进行二值化处理

图像处理主要是指对原始图像进行加工,使其具有更好的视觉效果或满足某些特定场合的应用要求。由于图像具有信息量大、某些场合下对实时性要求较高的特点,所以对处理芯片的运算速度有较高要求。DSP芯片具有运算速度快,数据吞吐率高等优点,故在图像处理中得到广泛应用。
S进行图像处理,实现对图像的读入、分析、翻转、二值化处理。

图像的读入及分析
数字图像处理(Digital Image Processing)又称为计算机图像处理,它是指利用计算机和其它高速、大规模集成数字硬件,对从图像信息转换来的数字电信号进行某些数字运算或处理,以期提高图像的质量或达到人们所预想的结果。
输出用户所需图像
DSP硬件平台
原始图像
图像处理算法
数字图像处理中常将图像像素点的灰度分为256个等级,其中0为黑色,255为白色,0到255之间的等级灰度逐渐减小。
图像是由若干像素组成,每个像素都有确定的灰度值。所以一幅图像,可以用每一个像素点的位置及其灰度值来描述。以此为依据,对于二维图像,我们采用了一个二维数组,每个数组元素存储一个像素点的信息,数组元素标号可以表示像素点的横纵坐标,数组元素的值就为像素点的灰度值。通过这种方法,我们就可以将整张图像的信息读入DSP存储空间中。
图像读入后,根据每一个像素点的灰度值可以计算出整张图像的平均灰度值。根据这一平均值我们将图像分为四个等级:0~63为0级,64~127为1级,128~191为2级,192~255为3级。
图像的二值化处理

一幅图像包括目标物体、背景和噪声。目标物体和背景等在灰度值上有明显差异。因此,为了从多值的数字图像中直接提取目标物体,常设定一灰度阈值T,将图像分为两个部分,灰度大于T的像素群及灰度小于T的像素群。上述就是二值化处理的方法。
本课设中设计了两种二值化方式:全局二值化,局部二值化。

根据确定的二值化阈值T,我们对以读入的图像进行处理,对于图像中所有像素点,灰度值大于T的,将其灰度设为255,;灰度值小于T的,将其灰度值设为0。这样实现了图像的全局二值化。
全局二值化为这张图像设定了统一的二值化阈值,但实际图像的各个部分平均灰度状况并不统一。因此全局二值化在表现图像细节方面存在缺陷。

,利用已经得到的图像整体的灰度等级,为每级的图像设定一个二值化阈值T。0级的灰度在0~63之间,阈值T设为32;1级的灰度在64~127之间,阈值T设为96;2级的灰度在128~191之间,阈T设为160;3级灰度在192~255之间,阈值T设为224。
该方法首先将图像划分为若干子集,在根据各子集的灰度状况各自设定二值化阈值。
为简化处理过程,本课设中实际将图像划分为四个大小相等部分。再后逐一计算每个部分的平均灰度值,以此作为二值化阈值。随后根据各部分自身阈值,分别进行二值化处理。最后再将处理后的各部分进行整合,得到处理后的图像。
以上方法相对于全局二值化有一定改善,但仍有缺陷。它将图像划分为若干小部分,各个部分阈值选取为自身的灰度平均值,因此,对各个部分而言,实质上还是选取了一个统一阈值。对此,可通过优化各部分阈值计算方法来进一步改善效果。
优化的阈值计算方式应当更多地依赖于各部分图像自身的特征,以求所得的阈值能更好地反映该部分的情况。一种具体优化方法是:根据各部分像素灰度值的平均值E,像素之间的差平方P,像素之间的均方根值Q等各种局部特征,设定一个参数方程进行阈值的计算。例如:T=a*E+b*P+c*Q,其中a,b,c是自由参数。这样得出来的二值化图像就更能表现出二值化图像中的细节。
图像翻转
目前,已经有很多有效降低计算量的图像旋转算法,基于图像线性存储结构的旋转方法就是其中之一。然而,在DSP平台上,有限的高速存储资源限制了这些算法效率的直接发挥,需要针对算法及DSP平台的性能结构特点进行高效的数据调度