本科毕业设计--基于DSP的苹果识别系统的设计

吉 林 农 业 大 学 学 士 学 位 论 文 题目 名称 ： 基于 DSP 的苹果识别系统的设计 学生姓名： 院 系： 信息技术学院 专业 年级 ： 电子 信息 2006 级 指 导教师 ： 职 称 ： 讲师 2010 年 5 月 25 日 目 录 题目 . I 摘要及关键词 . I 1 前言 . 1 1.1 引言 . 1 1.2 数字图像处理的背景 . 1 1.3 图像识别和分类理论 . 2 1.4 DSP 芯片的发展 . 3 1.5 本课题研究的内容 . 4 2 图像处理系统总体方案 . 4 3 成像单元 . 5 3.1 CCD 摄像机与镜头的选取 . 5 3.2 光源与照明方式的设计 . 5 4 苹果图像采集与处理单元 . 6 4.1 苹果 的图像采集 . 6 4.2 苹果图像的预处理 . 7 4.2.1 图像滤波 . 7 4.2.1.1 邻域平均法 . 8 4.2.1.2 中值滤波 . 8 4.2.2 图像增强 . 9 4.2.2.1 线性灰度变换 . 10 4.2.2.2 直方图修正法 . 10 4.3 图像分割 .11 4.3.1 阈值分割 .11 4.3.1.1 图像二值化 .11 4.3.1.2 改进的灰度直方图法 . 12 4.3.2 边缘检测 . 13 4.3.2.1 Sobel 边缘检测算子 . 14 4.3.2.2 梯度算子 . 15 4.3.2.3 Roberts 边缘检测算子 . 15 4.3.2.4 Prewitt 算子 . 16 4.3.2.5 Laplacian 算子 . 16 4.3.2.6 几种算子的比较 . 17 4.3.3 图像细化 及结果 . 18 4.4 苹果的特征提取及识别 . 20 4.4.1 苹果大小特征提取 . 20 4.4.2 苹果形状特征提取 . 21 5 苹果识别系统在 DSP 中实现 . 22 5.1 硬件介绍 . 23 5.1.1 DSP 芯片的选择 . 23 5.1.2 TMS320C6713 硬件结构 . 23 5.2 CCS 软件设计 . 24 5.2.1 CCS 开发环境的介绍 . 24 5.2.2 程序总体构架 . 25 5.2.3 与中断相关的初始化 . 26 5.2.4 编写 BOOT 程序 . 26 6 结论与展望 . 29 6.1 主要研究结论 . 29 6.2 展望 . 30 参考文献 . 30 致 谢 . 32 附录 1 . 33 附录 2 . 38 I 基于 DSP 的苹果识别系统的设计 姓 名：徐微微 专 业：电子信息科学与技术 指导教师：宫 鹤 摘 要 ： 数字信号处理器为数字图像处理提供了良好的实现平台。本文讲述其自动检测中的应用 基于图像识别的苹果分级，设计出苹果图像识别系统 (按大小、形状 )。 为了根据苹果图像进 行苹果分级，文中介绍了对苹果图像进行低层信息处理的所采用的方法 ，如 图像增强、边缘检测、图像二值化、图像细化等 。 算法如中值滤波、边缘检测算子，改进的灰度直方图法做了重要探讨，并应用或改进应用于本人的设计中 。 其中改进的灰度直方图法就是在传统的灰度直方图法基础上改进的算法，效果较好。 文中讲述了苹果图像识别系统设计的方法和步骤 ,建立苹果按大小、形状分等级的特征函数。 最后，将上述各算法移植到 TI 的 TMS320C6713 DSP 平台，以满足实时性要求。最终获得较好的识别效果。 关键词 ： 苹果识别；图像处理；边缘检测； DSP The Design of Apple Identification System Based on DSP Name： Xu Weiwei Major： Electronic Information Science and Technology Tutor： Gong He Abstract: Image processing algorithms can run very well on DSP platform. This paper demonstrates of the appliance of Image recognition in auto-detection, especially in apple image (designed the system of apple image recognition in size and shape). This paper narrates the lower layer image processing of the apple image to classify the apple based on the image such as image enhancement, edge detection, threshold, thinning, etc. Much arithmetic is used such as median filter, Sobel arithmetic operator, betterment gray scale histogram, etc. Applied or betterment applied it to the graduating project. The threshold of gray scale histogram arithmetic is better than conventional one which is result very well. It is also detailed explained the method or step in image recognition during the image recognition system design founding the feature functions that classify the apple according to size and shape. At last, these algorithms mentioned above are transplanted to TI TMS320C6713 DSP to meet real-time requirements. An acceptable result is obtained. Keywords： Apple recognition； Image processing； Edge detecting； DSP 1 1 前言 1.1 引言 人们利用眼睛获取各种各样的图像信息，并传入大脑，由大脑根据经验或知识对图像信息进行加工处理，最后识别，理解周围环境。图像识别就是对人类视觉的一种模拟，它包括对图像信息的获取，传输，处理，存储与识别等过程 1。图像识别在应用中很大程度依赖现代图像处理与模式识别技术，其广泛应用在工业检测和医学检测等方面。图像识别的应用极大地解放了人类劳动力，提高了生产自动化水平，改善了人类生 活状况，有着极其广阔的应用前景。本文正是基于这一理论对苹果进行识别。 苹果 的品质有外部品质和内部品质两类 。 外部 品质主要是考虑大小、形状、颜色和表面缺陷等 ， 内部品质主要考虑糖含量、酸度、口味、硬度及内部缺陷等。内部品质的检测技术现在已发展相当成熟，例如，近红外线法和磁共振法测糖含量、酸度 ； 提炼可挥发性芳香化合物法测口味 ； 用声波脉冲响应法和超声波法测硬度 ； 超声波检测水果内部缺陷等等。而目前我国水果外部品质分级主要由机械配合人工的方式完成完成。显然这种方式是一种有损分级，苹果下落的相互碰撞，对容器的碰撞都会使苹果 表皮破损，也不能精细分级。 与人工分选相比，基于图像识别的水果分级更精细，更准确，无疲劳效应，无损害，节省人力资源。而这种分级技术在国外已经具有相当成熟的水平，尤其是日本、美国，其对很多水果都进行了图像识别的研究，并已产生成熟的产品。比如黄瓜分级、樱桃分级、草萄分级等等。作为水果生产大国，及时研制开发并采用符合我国实际情况的苹果识别系统，提高苹果产品的市场竞争力具有实际意义 25。 1.2 数字图像处理 的背景 一幅图像可定义为一个二维函数 ,f x y ，其中 ,xy 是空间坐标，而任何一对空间坐标 ,xy 上 的幅值 f 称为该点图像的灰度。当 ,xy 和 f 幅值为有限，离散的数值时，称该图像为数字图像 6。数字图像处理是指利用计算机或者其他设备通过各种算法对数字图像进行处理。 数字图像处理是现代图像处理的主要方法，具有再现性好、精度高、适用面 广和灵活性大等优点。 数字图像处理最早应用之一是在报纸业，当时，图像第一次通过海底电缆从伦敦传往纽约。早在 20 世纪 20 代年为了横跨大西洋使用电缆传输一幅图片，首先要进行编码，然后在接收端用特殊的打印设备重构该图片。从 20 世纪 60 年代至今，图像处理领域己得到了生机勃勃的发展。 图像处理中，输入的是质量低的图像，输出的是改善质量后的图像， 使得 图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就 。 图像复原和增强过程用于处理不可修复物体的己损图像或者造价昂贵不可复制的实验结果。在考古学领域，使用图像处理方法 己成功地复原了模糊的图片。在物理学和相关领域，计算机技术通常增强如高能等离子和电子显微镜方法等领域的实验图像。图像处理技术也广泛应用于生物学，工业制造及自动化，遥感， 航空航天、生物医学工程、工业检测、公安司法、军事制导、文化艺术 等领域。 (1)宇宙探测。由于太空技术的发展，需 2 要用数字图像处理技术处理大量的星体照片。 (2)通信中的应用。图像信息的传输，电视电话等，包括静态图像和动态的图像序列的传送，主要是对图像数据进行压缩，以及对序列图像的处理。 (3)遥感方面的应用。遥感有航空遥感和卫星遥感之分，它们都是用不同 光源和技术获得大量的遥感图像。这些图像需要用数字图像处理技术加工处理并提取有用信息。它可用于地形地质，矿藏探查，森林、水利、海洋、农业等资源调查，自然灾害的预测和预报，环境污染的监测，气象卫星云图的处理，以及用于军事目的的地面目标的识别等等。现在，许多国家发射了各种不同用途的卫星，遥感图像资源的大量增加，对图像处理技术提出了更高的要求。 (4)生物医学领域的应用。数字图像处理技术从一开始就引起了生物医学界的浓厚兴趣，首先应用于细胞分类，染色体分类和放射图像的处理。七十年代，数字图像处理在医学上的应用有了重大的 突破。另外，数字图像处理技术正逐步运用到生物学领域，为生物进化、分类和其他研究提供了有力的工具。 不同的图像处理的方法不同，基本的处理方法包括图像的获取，图像的增强，图像复原，彩色处理，小波分析，图像压缩，图像分割，表示和描述等。针对具体的图像处理，并不一定完全需要每一种上述列出的处理方法，只能根据具体的情况来选择具体的处理方法。 1.3 图像识别和分类理论 图像识别的目的是研制能够自动处理某些信息的机器视觉系统，代替传统的人工完成分类和辨识的任务。已广泛应用于各个领域。例如 ： 利用气象卫星的云图图像预测天气， 智能交通系统中的车牌识别，手写体识别，医疗病变图像的计算机诊断，生产中实时带钢缺陷检测，纺织布匹缺陷检测等这些都属于图像识别系统的应用范畴。 各领域所研究的图像是千差万别的，它们都含有本身特性的特征，因此，将它们区别或分类的可能性是存在的。所以除了对图像进行数字化处理外，还需要通过一些手段，将各类图像的重要性用数值表示出来，即特征提取。通常，反映某一类图像特性的特征较多，给计算带来繁重的工作量，同时由于特征的反映不精确，往往会带来一些误差，所以进一步的工作需要对特征进行选择与处理，减小特征值的误差而保留图像 特征信息，这种找出比原来特征数目少而精的综合指标的方法称之为特征选择。因此，图像的三维或二维信息可用一组一维数值代替以供识别分类。 图像识别方法主要有统计模式识别，结构模式识别，模糊模式识别和神经网络模式识别等 4。这些识别方法有各自的优点，同时也存在不足的地方，近年来，许多学者提出多种新的识别方法，如 ： 基于模板匹配的图像识别方法，基于支持向量机的判别方法等，在实际的应用中取得了很好的效果。 图像识别系统通常涉及以下几个步骤 ： (1)图像获取，二维图像获取包括红外遥感成像，测距成像， CCD 成像等各种途径。 (2)图像预处理， 进行预处理 可以 使图像更清晰，或从图像中提取某些特定的信息等。对含有噪声的图像，要除去噪声、滤去干扰、提高信噪比 ； 对信息微弱的图像要进行灰度变换等增强处理 ； 对己经退化的模糊图像要进行各种复原的处理 ； 对失真的图像要进 3 行几何校正等变换 ，以突出目标。 (3)图像分割和目标提取，主要目的是从图像中获得感兴趣的区域。特征提取，是要获得对目标的有效特征表达和描述。 (4)目标分类，是在提取特征的基础上实现判别和分类。 1.4 DSP 芯片 的发展 自 1980 年以来， DSP 芯片得到了突飞猛进的发展， DSP 芯 片的应用越来越广泛。从运算速度来看， MAC(一次乘法和一次加法 )时间已经从 80 年代初的 400ns (如TMS32010)降低到 40ns(如 TMS32C40)，处理能力提高了 10 多倍。 DSP 芯片内部关键的乘法器部件从 1980 年的占模区的 40 左右下降到 5 以下，片内 RAM 增加一个数量级以上。从制造工艺来看， 1980 年采用 4 11 的 N 沟道 MOs 工艺，而现在则普遍采用亚微米CMOS 工艺。 DSP 芯片的引脚数量从 1980 年的最多 64 个增加到现在的 200 个以上，引脚数量的增加，意味着结构灵活性的增加。此外， DSP 芯片的发 展， 使 DSP 系统的成本，体积，重量和功耗都有很大程度的下降。近二十年来，随着集成电路技术的发展，导致了 DSP 技术和器件的迅速发展，使实时数字信号处理系统成为可能并蓬勃发展。近几年来， DSP 的性价比越来越高，同时 DSP 的开发环境不断改善，开发难度越来越低，己经能被普通的应用开发工程师所接受。在通信、计算机、消费电子、自动控制、军事、航空、仪器仪表和办公自动化等领域的得到了广泛的应用。对 DSP 开发应用己经成为一个热门的研究课题。 DSP 芯片按照所支持的数据类型不同分为定点和浮点两大类。定点 DSP 在硬件结构上比浮 点器件简单，具有价格低，速度快的特点，因而用的最多。浮点 DSP 的优点是精度高，不需要进行定标和考虑有限字长效应，但其成本和功耗相对较高，速度较慢，适合于数据动态范围和精度要求高的特殊应用 7。 DSP 的主要结构特点有以下几点 ： (1).采用哈佛结构 哈佛结构的特点是程序存储器和数据存储器各自具有独立的存储空间，独立的程序总线和数据总线，允许取指令和执行指令重叠执行，允许对数据和程序同时寻址，允许直接在程序和数据之间有两套或两套以上的内部数据总线。因此哈佛结构与冯 .诺依曼结构相比，更适合处理具有高度实时性要 求的数字信号。 (2).特殊的指令系统 DSP 芯片通常都有一套自己的特殊指令，这些指令都是专门为数字信号处理而设计的，这对提高 DSP 的运算效率非常有效。 (3).流水线技术 流水线技术是提高 DSP 程序执行效率的重要手段，取指令和执行指令可以同时执行，从而减少指令执行时间，进一步增强处理器的数据处理能力。 (4).高速的时钟周期和强大的处理能力 DSP 芯片的主频和处理能力不断提高， TMS320C5000, 6000 系列 DSP 的主频已经达 4 到 200MHZ。 TMS320C6713 的主频达到 225MHZ，处理能力达到 1800MIPS。 (5).采用硬件乘法器 在信号处理中，用到大量的乘法运算，乘法运算很费时间，为此，在 DSP 中都有专门的硬件乘法器，现代高性能的 DSP 芯片甚至具有两个以上的硬件乘法器用以提高运算速度。 (6).设有片内存储器 外部存储器一般不能适应高性能 DSP 核的处理速度，因此在片上设置较大的程序 /数据存储器以减少对外部存储器中程序，数据的访问次数，充分发挥 DSP 核的高性能。目前高性能 DSP 芯片上的可配置程序，数据 RAM 高达 7MB。采用大的片上存储器可以减少外部存储器接口的引脚，甚至省略外部存储器接口，而 且也减小了芯片的封装体积。 1.5 本课题研究的内容 本课题将结合图像识别技术，选用苹果图像作为研究对象，对苹果按大小、形状分级进行实用性主要研究。主要内容有 ： (1)对 苹果 图像 的低层信息处理及算法研究 ： 根据已有的图像处理的经典算法进行改进，提出图像处理算法， 包括 图像滤波、 图像增强，图像二值化、边缘检测、图像细化等方面 。 运用于苹果图像处理，分析、研究、比较 后 选择出对苹果图像进行处理的实用性算法 。 (2)苹果 识别 研究 ： 提取图像中的苹果大小、形状等特征参数 ， 实现正确的识别。 (3)编程。 熟悉 TMS320C6713DSP 芯片及相关硬件，建立基于 TechV-C6713DSK 平台的苹果识别系统，利用 CCS 开发环境进行编程以实现图像处理算法在 DSP 中运行 ， 完成了本课题的软件设计与实现 。 (4)实验结果分析 及 进一步研究的设想和展望。 2 图像处理 系统总体方案 系统的总体结构如图 2.1 所示，按功能可分为 3 个部分 ： 成像单元、图像采集与处理单元、 识别分类 单元 。 图 2.1 系统总体框图 Figure 2.1 Overall system block diagram 图像处理单元 成像 单元 图像采集单元 识别分类单元 5 成像 单元由 CCD 摄像机、 LED 光源构成，负责原始图像数据的 捕获， 图像采集与处理单元 是对捕获来的图像进行图像预处理、图像分割、特征提取等，最后进行分类识别。 3 成像单元 成像单元负责原始图像数据的采集， CCD 摄像机向图像处理子系统输出模拟视频信号。对于不同 苹果 的检测项目，需要设置不的 CCD 摄像机与 LED 光源进行检测。 3.1 CCD 摄像机与镜头的选取 目前的图像传感器主要有 CMOS 面阵传感器， CCD(电荷藕合器件 )面阵传感器和CCD 线阵传感器等， CCD 摄像机将光信号转换成电信号（标准视频信号），以便于进一步的处 理或显示。 CCD 传感器具有灵敏度高、抗强光、畸变小、体积小、寿命长、抗震动等优点。 CCD 摄像头的选择主要考虑以下几点 ： (1)分辨率的选择 它决定了显示图像的清晰程度，分辨率越高，图像细节的表现越好。 (2)快门速度 快门速度是指摄像机获取一幅图像的曝光时间，曝光时间过长会造成严重的图像拖尾现象。但是快门速度越高对光源照明强度的要求成几何级数上升，因此综合考虑，选择的快门速度为 1/2000s 以上。 (3)扫描方式的选择 一般扫描方式有两种 ： 隔行扫描方式和逐行扫描方式。隔行扫描是指一帧图像的显示由偶场和奇场 组成。 (4)异步重置外触发功能 为了精确控制拍照时间，需要具有异步重置功能，在系统控制器发出拍照信号时，摄像机能够立即启动曝光。 本文根据以上几点，结合现场要求， 选用 UP-610 系列的数字黑白摄像头。 UP-610是一款分辨率为 659 494 的数字式摄像头，它使用了逐行扫描隔行传输的技术，具有外部异步采集功能，能够很容易的抓拍高速运动物体的图像。其 CCD 的方形像素更适合用于处理，测量和分析方面的应用。本产品体积小，重量轻，其数字和模拟输出，快门选择其后面板上的许多其它 功能使用起来都十分简便。主要参数如下 ： 有效像素 ( HV ) 659 494 ，传感器芯片尺寸 5 .8 4 4 .9 4m m m m ，帧速 110 FPS，电子快门 1/110-1/62,000秒， 16 档可选，整帧快门状态下异步复位。扫描速度为 110 帧 /秒。 3.2 光源与照明方式的设计 光源照明的主要目标是以合适的方式将光线投射到被测物体上，突出被测特征部分的对比度。不合适的照明，会引起许多问题，如花点和过度曝光会 隐藏许多重要信息，阴影会引起边缘的误检，信噪比的降低以及不均匀会导致图像阀值选择的困难。 (1).光源种类的选择 6 对于 苹果 在线检测系统来说，因为光源以常亮照明方式连续工作，它必须具有很长的寿命，且发光稳定，功耗较低，因此需要选择 LED 光源。由于检测系统使用黑白摄像机，对被测物体的颜色选择没有特殊要求，而红色 LED 的发光波长最为接近 CCD 的灵敏度峰值，所以选用红色 LED 光源。 (2).照明方式的选择 CCD 图像传感器从不同角度摄取现场反射或透射的图像信息，需要多路 CCD 摄像机来共同完成图像的采集 8。 光电 感应开关，会在 苹果 位于最佳摄像位置时发送信号给控制单元和图像采集与处理单元，作为采样触发信号，以实现空瓶的精确定位。采集到的图像的清晰度在很大程度上取决于光源的好坏，为保证对各种不同透明或半透明的空瓶都能产生同一亮度和稳定的图像质量， LED 光源照明方式的设计不可忽视。应选择较好的光源，并且尽量使整个照明系统免受自然光或现场其他照明灯光的影响，保证采集的图像质量稳定。 4 苹果图像采集与处理单元 系统用 CCD 摄像机将苹果的图像摄入并经图像采集卡进行了 D 转换、暂存后 通过DSP 芯片 进行处理，得出苹果个体的分类结果 。本系统启动 CCD 摄像机将 苹果 目标灰度值图像摄入，并依据相应图像处理原理在 DSP 芯片 内进行图像的显示、滤波、平滑、直方图二值化、边缘轮廓检测与分析等处理过程，提取其形状特征参数，如平均直径 (粗度 )、长度、面积大小等 。 4.1 苹果的图像采集 图像采集就是将图像通过数字化后输入到计算机的过程。被摄物体的图像经过镜头聚焦到 CCD 芯片上， CCD 根据 光的强弱积累相应 比例的电荷，各个像素积累的电荷在视频时序的控制下，逐点外移，经滤波、放大处理后，形成视频信号输出。视频信号连接到监视器或电视机的视频输入端便可以看到与 原始图像相同的视频图像 8,9。如图 4-1。 图 4-1 采集到的苹果图像 Figure 4-1 Apple images collected 7 4.2 苹果图像的预处理 由于图像在成像过程中会受各种条件的限制和许多随机因素的影响，获得的数字图像必须经过预处理。 图像处理就是对图像中的像素点进行运算，因此需要很多的运算方法，而且根据不同的需要有不同的算法。而图像处理功能的实现也在于算法的提出和实现。到目前为止，还是有很多图像对于某些算法不适用，需要进一步研究探索出新的成果。本节结合本课题对苹果图像处理的应用 ，在设计过程中对图像按先后顺序进行了 图像滤波 （ 中值滤波 ）、 图像增强 (直方图修正法 )、 阈值分割（ 灰度直方图二值化 ） 、边缘检测 （ Sobel 算子） 、图像细化处理，以及对苹果图像斑点的清除处理。 图 4-2 是苹果图像的处理过程。 图 4-2 苹果图像处理过程 Figure 4-2 Apple image processing 4.2.1 图像滤波 考虑到系统在采集，传输图像和量化图像过程中会产生噪声，影响图像质量。为了能够正确的识别图像，必须对图像进行消噪处理。图 像噪声主要有加性噪声，乘性噪声和量化噪声等 10。 图像中信号主要分布在低频区域，而噪声主要分布在高频区域，但同时图像的细节也分布在高频区域。在传统的基于傅氏变换的信号去噪方法，我们使得信号和噪声的频带重叠部分尽可能较小，这样就可以在频域通过时不改变滤波，就将信号同噪声区分开。但是当它们的频域重叠区域很大时，这种方法就无能为力了。所以图像降噪处理中的一个矛盾的问题是如何在降低图像噪声和保留图像细节保持平衡，传统的低通滤波方法将图像滤波： 中值滤波 边缘检测： Sobel 算子 阈值分割： 灰度直方图二值化 图像细化 图像增强： 直方图修正法 8 图像的高频成分滤除，虽然能够达到降低噪声的效果，但破坏了图像细节。可以利用小波分 析的理论，可以构造一种即能够降低图像噪声，又能够保持图像细节信息的方法 11。但是其速度比较慢。本系统的 实时性要求很高 ，在考虑速度的同时处理后的图像只要满足特征提取得要求即可，因此经过综合考虑，我们选用传统的 低通滤波方法 。 一般常用的滤波方法主要有邻域平均法，中值滤波等方法。 4.2.1.1 邻域平均法 邻域平均法是指图像区域内任意点的灰度值是该点邻域内各点灰度值的平均值。该法是实域内最为简单的方法。 以 33 邻 域为例，以下是两种模板 ： 1111 1119 1111 2 11 24216 1 2 1第二个模板是对第一个模板的修正，叫做加权平均模板，从权值上看，处于中心位置的像素比其他任何像素的权值要大，所以在均值计算中给定的这一像素最为重要。 但 此法的缺点是会造成高频的图像边缘部分出现模糊现象，且模糊程度与邻域半径的大小成正比。 4.2.1.2 中值滤波 本文采用 中值滤波法 对采集来的数字图像进行滤波，得到很好效果，同时中值滤波速度很快，能够满足系统对速度的要求 12。 中值滤波是指把以某点 ( , )xy 为中心的小窗口内的所有象素的灰度值按照从大到小的顺序排列，将中间值作为 ( , )xy 处的灰度值 (若窗口中有偶数个象素，则取两个中间值的平均 )。 中值滤波采用模板增强的方法， 用一个含有奇数点的滑动窗口，将窗口中各点灰度值的中值来替代指定点 (一般是窗口的中心点 )的灰度值。对于奇数元素，中值是指按大小排序后，中间的数值 ； 对于偶数元素，中值是指排序后中间两个元素灰度值的平均值 13。 中值滤波对滤除脉冲干扰信号和图像的扫描噪声效果很 好 ，且 中值滤波在运算过程中无需要图像的统计特性，因此计算很方便。 中值滤波的步骤是 ： (1)将模板在图像上漫游，并将模板中心与图像的某个像素 (也可叫着基点 )重合 ； (2)读取模板下各对应像素的灰度值 ； (3)将这些灰度值从小到大排成一列 ； (4)找出这些值里排在中间的一个值 ； (5)将这个中间值赋给对应模板中心像素。 尽管中值滤波器是一种有效地滤除脉冲干扰如颗粒噪声等、保持图像边缘的滤波器，但随着窗口的增加，虽然滤波能力增强，但有细节损失，而且速度随着窗口的增大而降低。因此我们选择窗口时应该根据图像情况在保 持良好滤波的同时尽可能选择小的窗口。本系统选择 31 的滑动窗口。 9 中值滤波去除噪声的原理如 图 4-3 所示。 (a)原图 (b)处理后的图 图 4-3 中值滤波处理原理 Figure 4-3 The value of the filtering principle 图中数字代表该处的灰度。可以看出，在 (a)图中中间的 6 和周围的灰度相差很大，是一个噪声点。 经过 31 窗口 (即水平 3 个象素取中间值 )的中值滤波，得到右图 (b)，可以看出，噪声点被去除。 经过 仿真试验， 如图 4-4 是本课题在苹果图像采用中值滤波后 的图像 ， 与图 2-2 相对照 可以看出，中值滤波的效果明显，消除了原图中的大量噪声 (扫描线和孤立点 )， 因此 对于水果 来说 采用中值滤波是合理的，满足研究要求。 图 4-4 苹果图像的中值滤波 Figure 4-4 Median filtering of Apple image 4.2.2 图像增强 图像增强主要是为了突出目标 图像，增加对比度，使目标从背景中分离出来，为特征提取做准备。 根据处理所进行的空间的不同图像增强可以分为基于图像域的方法和基于频域的方法，即空间域法和频率域法。空间域法主要是在空间域上对图像的像素直接进行运算处理，即可直接得到增强后的图像 ； 而频率域法是将图像变换到某个空间 (例如频率域 )中进行运算处理，最后将运算处理后的结果再进行对应变换的反变换得到增 10 强后的图像。 考虑到系统实时性要求，本文主要对空域法分析。 空域图像增强的常用方法是灰度变换法和直方图修正法。两种方法都是通过一定的变换来实现对比度的增强，因为只有 当黑白象素的灰度差异超过一定限度时，人的眼睛才能容易识别。 4.2.2.1 线性灰度变换 从 CCD 摄像头得到的图象，常表现出对比度较差，为此需对图象中的每一象素的灰度级进行标度变换，扩大图象灰度范围，以达到增强图象的目的。标度输入图象的象素点 ,xy 的灰度级为 ,f x y ，通过映射函数 T 映射成输出图象的灰度级 ,g x y ，即 ,g x y T f x y (4.1) 当图象在成像时曝光量不适当或设备的非线性动态范围太窄时，都会产生对比度不足的情况，使图象中的细部不够清晰而影响后续的识别处理。这时如将图象灰度线性扩展，可以显著改善图象的观察质量。 设原图象 ,f x y 的灰度范围为 ,ab ，希望变换后的图象 ,g x y 动态范围为 ,cd ，则可用下式变换实现 ： , d c f x y ag x y cba (4.2) 对于处理中的水果图象，由于目标物体占图象的大部分面积，因此大部分图象灰度级为目标物体灰度，而小部分为背景灰度，为增强处