c55x图像处理微分、信息

1、课程实习报告课程实习报告DSP技术及应用图像处理实习报告设计题目:C55X图像处理微分运算班 级:xxxxxx 设计小组： xx组 长：xxx 学 号: xx 组 员: xx 学 号: xx 指导教师：xxx 日 期： 12.7.5Xxxxxxxx学校目 录一、实习题目2。二、实习目的2。三、实习要求2。四、系统原理描述2。五、方案论证及系统设计6。六、系统程序的设计7。七、调试方法及性能分析与实验12。八、实习总结18。九、实习体会18。十、参考文献19。一、 实习题目：C55X图像处理微分运算 Sobel、Roberts微分运算二、 实习目的：1、 了解边缘检测的算法和用途。巩固和深化数字

2、图像处理技术所涉及的数理基础、基本算法和各种图像处理技术方法，学习和掌握图像变换、图像增强、图像复原、图像分析。2、 学习利用sobel算子进行边缘检测的程序设计方法。对学习图像处理的基础知识对其应用工程实践有一定的认识，提高学生对应用软件的使用能力。3、 理解边缘检测在图像分割中的应用。通过理论联系实际，综合运用所学知识，提高学生独立分析和解决实际问题的能力，三、实习要求:1、能够根据设计题目要求查阅检索有关的文献资料，结合题目选学有关参考书；2、熟悉计算机图像处理的设计方法；3、熟悉图像膨胀与收缩程序的设计方法；4、掌握图像膨胀与收缩的仿真方法；5、完成图像的膨胀与收缩。四、系统原理描述:

3、 微分运算是图像处理的基本技术之一，最常见的用途是用来进行边缘检测和边缘的增强。图像中灰度发生突变或不连续的地方称为边缘，这些地方的微分值往往比较大。 边缘检测在图像处理与计算机视觉中占有的特殊的位置，它是低层视觉处理中最重要的环节之一。边缘能勾划出目0标物体，使观察着一目了然，边缘蕴含丰富的内在信息（方向、阶跃性质和形状等）。从本质上说，图像边缘时图像局部特征下不连续性（灰度突变、颜色突变和纹理结构突变等）的反应，它标志着一个区域的终结和另一个区域的开始。 边缘提取首先检测出图像局部特征的不连续性，然后再将这些不连续的边缘像素连成完备的边界。边缘的特征是沿边0沿走向的像素变化平缓，而垂直于边

4、缘方向的像素变化剧烈，所以，从这个意义上说，提取边缘的算法就是检测出符合边缘特性的边缘像素的算子。目前提取边缘常采用变压算子法、曲面拟合法和模板匹配法的方法。两个具有不同灰度值的相邻区域之间总存在边缘，边缘时灰度值不连续的结果，这种不连续性通常可以利用求导数的方法方便地检测到，一般常用一阶导数和二阶导数来检测边缘。边缘检测的基础思想是首先利用边缘增强算子，突出图像中的局部边缘，然后定义像素的“边缘强度”，通过 门限的方法提取边缘点集。Roberts算子：边缘定位准，但是对噪声敏感。适用于边缘明显且噪声较少的图像分割。Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子,Robert算

5、子图像处理后结果边缘不是很平滑。经分析，由于Robert算子通常会在图像边缘附近的区域内产生较宽的响应，故采用上述算子检测的边缘图像常需做细化处理，边缘定位的精度不是很高。 Robert边缘检测算子模板是指：对角线方向像素做差。根据任意一对互相垂直方向上的差分可用来计算梯度的原理，采用对角线方向相邻两像素之差，即：卷积算子为： 图像边缘点计算准确图像中的噪声对该算子的边缘十扰大Robert边缘检测算子通过局部差分算子计算边缘点其计算公式如下： CJi,jl=lfi,jl-fi+l,j+lll+lfi+l,jl-fi,j+lll (1) Gi,jl= (fi,jl-fi+l,j+ll)+(fi+

6、1,j一fi,j+1) (2) 其中CJi，j表示边缘检测后坐标为(i，j)点的像素值，fi，j表示边缘检测前坐标为(i，j)点的像素值Robert算子模板如下： 1 0 0 10 -1 -1 0 Robert算子是一种利用局部差分算子寻找边缘的算子，其模板如图一，Robert算子对具有陡峭的低噪声的图像效果较好。 对于灰度图像，计算以像素f(i,j)为中心的3*3区域同Roberts算子的加权和，生成 微分图像g和方向图像b1,2，4，25。微分幅值的计算可由用户选择。100-1 01-10Robert算子的表达式为：Sobel算子认为，邻域的像素对当前像素产生的影响不是等价的，所以距离不同

7、的像素具有不同的权值，对算子结果产生的影响也不同。一般来说，距离越远，产生的影响越小。 在边沿检测中，常用的一种模板是Sobel 算子。Sobel 算子有两个，一个是检测水平边沿的；另一个是检测垂直平边沿的 。Sobel算子另一种形式是各向同性Sobel(Isotropic Sobel)算子，也有两个，一个是检测水平边沿的，另一个是检测垂直平边沿的 。 各向同性Sobel算子和普通Sobel算子相比，它的位置加权系数更为准确，在检测不同方向的边沿时梯度的幅度一致。由于建筑物图像的特殊性，我们可以发现，处理该类型图像轮廓时，并不需要对梯度方向进行运算，所以程序并没有给出各向同性Sobel算子的处

8、理方法。    由于Sobel算子是滤波算子的形式，用于提取边缘，可以利用快速卷积函数，简单有效，因此应用广泛。美中不足的是，Sobel算子并没有将图像的主体与背景严格地区分开来，换言之就是Sobel算子没有基于图像灰度进行处理，由于Sobel算子没有严格地模拟人的视觉生理特征，所以提取的图像轮廓有时并不能令人满意。  在观测一幅图像的时候，我们往往首先注意的是图像与背景不同的部分，正是这个部分将主体突出显示，基于该理论，我们可以给出阈值化轮廓提取算法，该算法已在数学上证明当像素点满足正态分布时所求解是最优的。其主要用于边缘检测，在技术上它是以离散型的差

9、分算子，用来运算图像亮度函数的梯度的近似值，缺点是Sobel算子并没有将图像的主题与背景严格地区分开来，换言之就是Sobel算子并没有基于图像灰度进行处理，由于Sobel算子并没有严格地模拟人的视觉生理特征，所以提取的图像轮廓有时并不能令人满意，算法具体实现很简单，就是3*3的两个不同方向上的模板运算，这里不再写出。Sobel算子的两个卷积计算核如下图121000-1-2-110-120-210-1 图像的每个点都用这两个核做卷积，第一个核对垂直边缘响应最大，第二个核对水平边缘响应最大。两个卷积的最大值作为该点输出值，运算结果是一幅边缘幅度图像。Sobel算子对灰度渐变和噪声较多的图像处理得较

10、好。 对于灰度图像f，计算以像素f(i,j)为中心的3*3区域同Sobel算子的加权和，生成微分图像g与方向图像h。离散信号与对应权系数求和过程称为卷积权系数矩阵一般为奇数大小与使用区域相同此矩阵也称为卷积核使用区域中每一个像素与卷积核中对应系数相乘乘积相加得出中心像素的新像素值。Sobel边缘检测算子如下： AG=f(i-I,j+l)+2f(i,j+1)+f(i+1,j+l)-f(i-l,j-l)-2f(i,j一 1)-f(i+l，j-l) AC.=f(i-l,j-l)+2f(i-l,j)+f(i-l,j+l)一f(i+l,j-l)-2f(i斗1，j)-f(i+l，j+l) Sobel算子的

11、表达式为： 五、方案论证及系统设计读取位图梯度图像图像预处理边缘的二值图像阈值分割六、系统程序的设计 Image部分#define IMAGEWIDTH 80#define IMAGEHEIGHT 80#define MODEPHOTO1 1#define MODEPHOTO2 2void InitImage(unsigned int nMode,unsigned char *pImage,int nWidth,int nHeight);unsigned char dbImageIMAGEWIDTH*IMAGEHEIGHT;unsigned char dbTargetImageIMAGEWID

12、TH*IMAGEHEIGHT;int main() InitImage(MODEPHOTO1,dbImage,IMAGEWIDTH,IMAGEHEIGHT); Sobel(IMAGEWIDTH,IMAGEHEIGHT); InitImage(MODEPHOTO2,dbImage,IMAGEWIDTH,IMAGEHEIGHT); Sobel (IMAGEWIDTH,IMAGEHEIGHT); while(1); sobel部分 #define IMAGEWIDTH 80#define IMAGEHEIGHT 80extern unsigned char dbImageIMAGEWIDTH*IMA

13、GEHEIGHT;extern unsigned char dbTargetImageIMAGEWIDTH*IMAGEHEIGHT;int mi,mj,m_nWork1,m_nWork2;unsigned int m_nWork,*pWork;unsigned char *pImg1,*pImg2,*pImg3,*pImg;unsigned int x1,x2,x3,x4,x5,x6,x7,x8,x9;void Sobel(int nWidth,int nHeight)int i; pImg=dbTargetImage;for(i=0;i<IMAGEWIDTH;i+,pImg+)(*pI

14、mg)=0;(*pImg)=0;pImg1=dbImage;pImg2=pImg1+IMAGEWIDTH;pImg3=pImg2+IMAGEWIDTH;for(i=2;i<nHeight;i+)pImg+;x1=(*pImg1);pImg1+;x2=(*pImg1);pImg1+;x4=(*pImg2);pImg2+;x5=(*pImg2);pImg2+;x7=(*pImg3);pImg3+;x8=(*pImg3);pImg3+;for(mi=2;mi<nWidth;mi+,pImg1+,pImg2+,pImg3+)x3=(*pImg1);x6=(*pImg2);x9=(*pImg

15、3);m_nWork1=x7+x8+x8-x2-x2-x3;m_nWork2=x3+x6+x6-x4-x4-x7;if(m_nWork1<m_nWork2) m_nWork1=m_nWork2;m_nWork2=m_nWork1+x9-x1;if(m_nWork2>255) m_nWork2=255;else if(m_nWork2<0) m_nWork2=0;(*pImg)=m_nWork2;x1=x2;x2=x3;x4=x5;x5=x6;x7=x8;x8=x9;(*pImg)=0;pImg+; nitamage部分#include<stdio.h>#defin

16、e MODEPHOTO1 1 #define MODEPHOTO2 2 #define GRAYBARLEVEL 16 void ReadImage(unsigned char *pImage,char *cFileName,int nWidth,int nHeight); void InitImage(unsigned int nMode,unsigned char*pImage,int nWidth,int nHeight) switch(nMode) case MODEPHOTO1: ReadImage(pImage,".lina.bmp",nWidth,nHeigh

17、t); break; case MODEPHOTO2: ReadImage(pImage,".forest.bmp",nWidth,nHeight); break; default: break; void ReadImage(unsigned char*pImage,char*cFileName,int nWidth,int nHeight) int j; unsigned char *pWork; FILE *fp; if(fp=fopen(cFileName,"rb") fseek(fp,1078L,SEEK_SET); pWork=pImage+

18、(nHeight-1)*nWidth; for(j=0;j<nHeight;j+,pWork-=nWidth) fread(pWork,nWidth,1,fp); fclose(fp); Vc5509.cmd部分-heap 0x1000-stack 0x1000-c-lrts55.libMEMORYIRAM O=000000c0h l=00040000hSECTIONS.text >IRAM fill=0.stack >IRAM fill=0.bss >IRAM fill=0.cinit >IRAM fill=0.const >IRAM fill=0.dat

19、a >IRAM fill=0.far >IRAM fill=0.switch >IRAM fill=0.sysmem >IRAM fill=0.tables >IRAM fill=0.cio >IRAM fill=07、 调试方法及性能分析与实验 图1打开ccs环境界面图2新建工程 图3 添加out文件（1）图4添加OUT 文件（2）图5.生成的文件图6 设置图像（1）图7图像设置（2）图8 运行文件 图9 运行程序错误 图10 运行程序成功 图11运行结果（1）图12运行结果（2）八、实习总结：基于C图像处理程序调试与设计主要是在C语言的环境下与图象处理的基本算法相结合。从调出图象到编写C程序的图象处理算法，最后到输出处理后的图象，形成一个一体化的模式，从而达到图象处理的应用效果。总之，无论是在C还是在MATLAB的环境下都必须达到算法和具体程序的结合，从而达到我们所要的结果。九、实习体会：为期两周的实习过的很快