基于DM642的图像边缘检测算法的研究

1、基于DM642的图像边缘检测算法的研究摘要针对基于P实现的图像边缘检测普遍存在的执行速度慢、不能满足实时应用需求等缺点，本文借助于TI公司的TS320D642图像处理芯片作为数字图像处理硬件平台，DSP/BIS为实时操作系统，利用S开发环境来构建应用程序；并通过摄像头提取视频序列，实现对边缘检测Sbel算子改良1。关键词D642；Sbel算子；程序优化；图像边缘检测边缘是图像中重要的特征之一，是计算机视觉、形式识别等研究领域的重要基矗图像的大部分主要信息都存在于图像的边缘中，主要表现为图像部分特征的不连续性，是图像中灰度变化比拟强烈的地方，也即通常所说的信号发生奇异变化的地方。经典的边缘检测算

2、法是利用边缘处的一阶导数取极值、二阶导数在阶梯状边缘处呈零穿插或在屋顶状边缘处取极值的微分算法。图像边缘检测一直是图像处理中的热点和难点。近年来，随着数学和人工智能技术的开展，各种类型的边缘检测算法不断涌现，如神经网络、遗传算法、数学形态学等理论运用到图像的边缘检测中。但由于边缘检测存在着检测精度、边缘定位精度和抗噪声等方面的矛盾及对于不同的算法边缘检测结果的精度却没有统一的衡量标准，所以致今都还不能获得令人满意的效果。另外随着网络和多媒体技术的开展，图像库逐渐变得非常庞大；而又由于实时图像的目的和背景间的变化都不尽一样，如何实现实时图像边缘的准确定位和提取成为人们必须面对的问题。随着DSP芯

3、片处理技术的开展，尤其是在图像处理方面的进步如TS3206000系列，为实现高效的、实时的边缘检测提供了可能性5。在经典的边缘检测算法中，Sbel边缘检测算法因其计算量孝实现简单、处理速度快，并且所得的边缘光滑、连续等优点而得到广泛的应用。本文针对Sbel算法的性能，并借助于TS320D642处理芯片3，对该边缘检测算法进展了改良和对程序的优化，满足实时性需求。经典的Sbel图像边缘检测算法，是在图像空间利用两个方向模板与图像进展邻域卷积来完成的，这两个方向模板一个是检测垂直边缘，一个是检测程度边缘。算法的根本原理：由于图像边缘附近的亮度变化较大，所以可以把那些在邻域内，灰度变化超过某个适当阈

4、值TH的像素点当作边缘点。Sbel算法的优点是计算简单，速度快。但由于只采用了两个方向模板，只能检测程度方向和垂直方向的边缘，因此，这种算法对于纹理较复杂的图像，其边缘检测效果欠佳；同时，经典Sbel算法认为，凡灰度新值大于或等于阈值的像素点都是边缘点。这种断定根据是欠合理的，会造成边缘点的误判，因为多噪声点的灰度新值也很大。2.1图像加权中值滤波由于图像中的边缘和噪声在频域中均表现为高频成分，所以在边缘检测之前有必要先对图像进展一次滤波处理，减少噪声对边缘检测的影响。中值滤波是一种非线性信号的处理方法2，在图像处理中，常用来保护边缘信息；保证滤波的效果。加权中值滤波，首先对每个窗口进展排序，

5、取适当的比例，进展曲线拟合，拟合后的曲线斜率表征了此窗口的图像特征，再根据图像各部分特性适当的选择权重进展加权。2.2增加方向模板除了程度和垂直两方向外，图像的边缘还有其它的方向，如135和45等，为了增加算子在某一像素点检测边缘的精度，可将方向模板由2个增加为8个即再在经典的方向模板的根底上增加6个方向模板，如图1所示。2.3边缘的定位及噪声的去除通常物体的边缘是连续而光滑的，且边缘具有方向和幅度两个特征，而噪声是随机的。沿任一边缘点走向总能找到另一个边缘点，且这两个边缘点之间的灰度差和方向差相近。而噪声却不同，在一般情况下，沿任一噪声点很难找到与其灰度值和方差相似的噪声点4。基于这一思想，

6、可以将噪声点和边缘点区分开来。对于一幅数字图像f(x，y)，利用上述的8个方向模板Sbel算子对图像中的每个像素计算，获得其中的最大值作为该点的新值，而该最大值对应的模板所表示的方向为该像素点的方向。假设f(x，y)f(x+i，y+j)TH2，对于任意i=0，1，-1；j=0，1，-1均成立，那么可判断点(x，y)为噪声点。图2给出了图像边缘检测系统改良算法的软件流程图。图1边缘检测8个方向模板图2系统构造图3.1TS320D642功能模块及图像处理系统的硬件构造DSP以高速数字信号处理为目的进展芯片设计，采用改良的哈佛构造(程序总线和数据总线分开)、内部具有硬件乘法器、应用流水线技术、具有良

7、好的并行性和专门用于数字信号处理的指令及超长指令字构造(VLI)等特点；能完成运算量大的实时数字图像处理工作。TS320D642是TI公式最近推出的功能比拟强大的TS3206x系列之一，是目前定点DSP领域里性能较高的一款6。其主频是600Hz，8个并行运算单元、专用硬件逻辑、片内存储器和片内外设电路等硬件，处理才能可达4800IPS。D642基于64x内核，并在其根底上增加了很多外围设备和接口，因此在实际工程中的应用更为广泛和简便。本系统使用50Hz晶体震荡器作为DSP的外部时钟输入，经过内部锁相环12倍频后产生600Hz的工作频率。D642采用了2级缓存构造(L1和L2)，大幅度进步了程序

8、的运行性能。片内64位的EIF(ExternaleryInterfae)接口可以与SDRA、Flash等存储器件无缝连接，极大地方便了大量数据的搬移。更重要的是，作为一款专用视频处理芯片，D642包括了3个专用的视频端口(VP0VP2)，用于接收和处理视频，进步了整个系统的性能。此外，D642自带的EA口以及从EIF口扩展出来的ATA口，还为处理完成后产生的海量数据提供了存储通道。图3软件流程图本系统是采用瑞泰公司开发的基于TITS320D642DSP芯片的评估开发板IETEKD642PI。在IETEKD642PI评估板中将硬件平台分为五个部分，分别是视频采集、数据存储、图像处理、结果显示和电

9、源管理。视频采集部分采用模拟PAL制摄像头，配合高精度视频A/D转换器得到数字图像。基于DSP的视频采集要求对视频信号具备采集，实时显示、对图像的处理和分析才能。视频A/D采样电路SAA7115与视频端口0或1相连，实现视频的实时采集功能。视频D/A电路SAA7105与视频口2相连，视频输出信号支持RGB、HD合成视频、PAL/NTS复合视频和S端子视频信号。通过I2总线对SAA7105的内部存放器编程实现不同输出。整个系统过程由三个部分组成：图像采集边缘处理输出显示，如图2所示。摄像头采集的视频信号经视频编码器SAA7115数字化，D642通过I2总线对SAA7115进展参数配置。在SAA7

10、115内部进展一系列的处理和变换后形成的数字视频数据流，输入到核心处理单元D642。经过DSP处理后的数字视频再经过SAA7105视频编码器进展D/A转换后在显示器上显示最终处理结果。3.2图像处理的软件设计和算法优化的实现由于在改良Sbel边缘检测算子性能的同时，也相对增加了计算量，尤其是方向模板的增加，每个像素点均由原来的2次卷积运算增加为8次卷积运算，其实时性大大减弱。为了改良上述的缺乏，在深化研究处理系统和算法后，针对TS320D642的硬件构造特点，研究合适在TS320D642中高效运行的Sbel改良算法，满足实时处理的要求。整个程序的编写和调试按照6000软件开发流程进展，流程分为

11、：产生代码、优化代码和编写线性汇编程序3个阶段。使用的工具是TI的集成开发环境S。在S下，可对软件进展编辑、编译、调试、代码性能测试等工作。在使用6000编译器开发和优化代码时7-8，对代码中低效率和需要反复调用的函数需用线性汇编重新编写，再用汇编优化器优化。整个系统的控制以及数字图像处理是用程序实现，大部分软件设计采用程序实现，这无疑进步了程序的可读性和可移植性，而汇编程序主要是实现D642的各部分初始化。其边缘检测优化算法在D642中的实现步骤详细如下：S1：根据D642的硬件构造要求和控制存放器设置，初始化系统并编写实现边缘检测算法的程序。S2：借助S开发环境的优化工具如Prfiler等

12、产生.UT文件。S3：根据产生的附件文件如.AP文件，分析优化结果及源程序构造，进一步改良源程序和优化方法。S4：使用S中调试、链接、运行等工具，再生成.UT可执行文件。S5：运行程序，假如满足要求那么停顿；否那么重复步骤S2S4直至满足使用要求。本文以Lena图像为例根据上述的硬件环境和算法实现的原理和方法，图4图6分别给出了在该系统下采集的视频Lena图像及使用边缘检测算子和改良后处理的结果。由实验结果可以看出，在该系统下能实时完成视频图像的处理，并且给出的边缘检测算子能较好的消除噪声的影响，边缘轮廓明晰。该算法不仅能抑制图像中大部分噪声和虚假边缘，还保证了较高的边缘点位精度。图4Lena

13、原始图像图5传统Sbel算子图6改良Sbel算子本文实现了在TS320D642评估板上用改良的Sbel算子对实时图像进展边缘检测，无延迟地得到边缘图像。边缘检测效果较好，既进步了图像检测的精度又满足了实时性的要求。从检测结果看，利用该改良后的算子在边缘准确定位、边缘提取都到达了很好的效果，且抗噪声才能强，并为目的跟踪、无接触式检测、自动驾驶、视频监控等领域的应用提供了坚实的基矗1王磊等.基于Sbel理论的边缘提取改善方法J中国图像图形学报，2022.102陈宏席.基于保持平滑滤波的Sbel算子边缘检测.兰州交通大学学报，2022，25(1)：86903熊伟.基于TS320D642的多路视频采集处理板卡硬件设计与实现.国外电子元器件，20224朱立.一种具有抗噪声干扰的图像边缘提取算法的研究J电子技术应用.2022，25(1)5刘松涛，周晓东.基于TS3206201的