【《基于人工智能的图像识别系统设计》10000字(论文)】_第1页
【《基于人工智能的图像识别系统设计》10000字(论文)】_第2页
【《基于人工智能的图像识别系统设计》10000字(论文)】_第3页
【《基于人工智能的图像识别系统设计》10000字(论文)】_第4页
【《基于人工智能的图像识别系统设计》10000字(论文)】_第5页
已阅读5页,还剩26页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于人工智能的图像识别系统设计摘要随着时代的发展和社会的进步,基于图像采集和处理的相关技术在各行各业中正发挥着举足轻重的作用。例如监控安防、人脸识别、交通车牌检测等。目前图像采集与处理系统有常用的三种方式:基于DSP的图像采集与处理、基于FPGA的图像采集与处理和基于ARM的图像采集与处理。鉴于系统的实时性是衡量系统好坏的重要标准,因而本论文以现有的图像处理技术的应用特点和发展的需求为着眼点,设计并实践了一种图像采集与处理分离的系统模型,这从而将大大提高了图像采集和处理的速度。其中图像采集系统已ARM架构STM32F103ZET6为核心,图像处理系统已MATLAB为平台。该系统具有图像采集与处理速度快、实时性高的特点。关键词:STM32;MATLAB;中值滤波;canny算子;目录1.绪论 11.1.图像采集与处理技术的发展概况及应用 11.2.课题研究的提出 11.3.课题研究的内容与研究意义 22.数字图像的处理方法 32.1.图像处理的分类及特点 32.2.数字图像处理的内容 32.3.数字图像处理的基本算法 42.3.1数字图像的表示 42.3.2.直方图均衡化 5.直方图均衡化 5.直方图均衡化 62.3.3.数字图波的滤波 7.均值滤波 8中值滤波 8.均值滤波与中值滤波比较 102.3.4.边缘检测 11.Sobel算子 12.Ganny算子 123.图像采集系统设计 143.1.方案设计与论证 143.1.1.系统主控芯片 143.1.2.图像采集传感器 143.1.3.图像显示模块 153.1.4.无线通信模块 153.2硬件电路设计 153.3.图像采集部分程序流程设计 194.图像处理平台设计 204.1平台系统软件设计流程图 204.2.串口数据通信部分 214.3.图像处理和采集控制部分 214.4.图像显示部分 224.5.图像滤波分析部分 244.6图像提取分析部分 254.7.图像结果保存部分 265.实验例证 275.1.图像采集 275.2.图像处理 28总结 29参考文献 30PAGE11.绪论1.1.图像采集与处理技术的发展概况及应用图像作为人类认识世界、感知世界的重要载体,我们在自然界获取的信息过程中,图像信息大约占75%~85%,因而可以说我们感知绝大部分信息都来自于图像。客观世界中的存在的图像大多数是模拟的图像,这种图像的优点是自然,但在传输和保存的过程中容容易受到干扰和破坏,以此使得使图像质量下降。为了达到提高图像质量,必须对绝大部分手段所采集到的图像进行预处理。所谓图像采集和处理,指首先人们通过仪器设备来采集外界事物的图像信息,接着通过特定的技术手段对图像信息进行识别、处理等。图像处理在当今的各个领域中都有着极其广泛的应用,例如远程监控、模式识别、空间探测和遥感技术等领域等。图像采集技术是以传感器、测试、电子和计算机技术等为基础的一门综合应用技术。图像采集系统任务就是对物体的图像进行识别并转化为计算机或数字处理器所能识别的数字信号。数字图像处理技术是利用各种数字处理器对所采集到的图像信息进行去噪、增强、复原、分割等操作。1.2.课题研究的提出随着社会的进步和科技的发展、图像的采集和处理则渐渐渗透到了社会的各行各业中。图像凭借着对信息表达的准确性、特殊性和直观性,在人们的日常生活以及工业、医学、航天等领域发挥者越来越明显的作用。当今世界步入数字信息化的时代,越来越多的信息从而将会以数字化方式存储于各种媒介中,且越来越多的信息开始由传统的模拟存储以及处理的方式向数字化存储和处理的方式转变。由于传统的图像采集与处理系统,结构庞大、复杂,且图像信号需要进过多路传输,在此过程中容易受到外界的干扰,会给图像引入一系列不可预知的噪点。系统的集成度低,保密性差、稳定性差和实时性不高也是有待解决的问题。因而,设计实时性好、采集速度快、处理效率高、功耗低且成本低的图像采集与处理系统从而将会有很大的市场前景。鉴于此点本文提出了一种基于STM32F103ZET6和MATLAB的图像采集与处理系统,对其可行性、实现方法以及相应的理论算法进行了深入的讨论。1.3.课题研究的内容与研究意义本文设计了一种基于STM32F103ZET6和MATLAB的图像采集和处理系统,充分利用其采集速度快、处理能力强、以及实时性高的特性,实现了图像信号的采集、显示、传输及处理的一系列操作过程。一个完善的图像处理和采集系统不仅要拥有实时的物体图像的采集功能,更要求能对所采集到的图像进行准确的分析及处理,这些算法的运算量大,同时又要满足实时性要求,本系统利用以STM32F103ZET6处理器为控制核心的图像采集控制单元,且以MATLAB为平台的图像处理单元。其中OV7670摄像头作为本系统的图像输入设备,可以从而将采集到图像数据通过蓝牙无线的方式实时的发送给MATLAB平台进行图像处理。本系统从而将对所识别到的图像进行灰度图二值图转换、去噪滤波、等进行识别提取、滤波、提取分析、图像存储等,同时,本系统同时还可从而将采集到的实时图像在TFT彩屏上显示出来。基于MATLAB的图像处理平台还可直接对图像采集系统件发送相应的采集控制指令。其大致框图如下图1.1所示图1.1系统框图因而,本课题的研究的关键在于以下几个方面:一、对一些常见的图像处理算法进行研究;二、设计图像采集系统的硬件和软件;三、对所用的图像处理算法和图像处理平台进行MATLAB编程。四、对整个系统进行联合的调试。

2.数字图像的处理方法2.1.图像处理的分类及特点图像处理技术指的是利用计算机或其它数字处理器,对图像进行加工处理的技术。其中可从而将图像总体分为数字和模拟两大类。模拟图像由于在明暗程度和空间坐标上都是连续的,不能直接为各种数字信号处理器所进行加工,是通过模拟电子器件和光学器件来实现。模拟图像则是系统吞吐量大,处理速率快,其缺点是灵活性差且图像精度不高。数字图像在明暗程和度空间坐标上都是不连续的,可以使用一系列的离散的数字对图像进行描述,数字图像的加工处理过程是首先从而将数字图像转化变成一个能够存储在存储器中的矩阵数据,使用计算机或数字处理器以此对其进行加工和处理,以提高图像质量,以到人们所期望的效果。2.2.数字图像处理的内容数字图像处理的内容可以大体概括为以下几个方面:(1)图像转变(Imagetransformation)鉴于图像矩阵数据会占用大量存储空间,直接对空间域中图像进行处理所产生的计算量会非常大,且效率非常低。因而需要对原图像所作可逆二维线性变换。从而将原始图像称为空间域图像,通过可逆二维线性变换后的图像称为转换域图像,转换域图像可以通过二维线性逆变换从转换域变换到空间域中。通过变换后的图像往往更有利于图像的特征抽取、增强、压缩和图像编码等操作。(2)图像编码(ImageEncoding)图像编码是属于信息论中信源编码的范畴,在数字图像处理技术中是发展的最早且比较完善和成熟的一项技术,其首要目的是对图像信号进行高效编码和数据压缩,以解决图像数据量过大的矛盾。通常来说,图像编码目的有三个:降低图像数据的存贮量以此减少传输带宽;对图像信号进行有效的压缩以便有利于图像的特征抽取。(3)图像增强(ImageEnhancement)为了达到放大图像中感兴趣的部分,减弱甚至消除图像中所不需要的部分(列如噪声、畸变等等),以此使有用信息得到增强,便于图像的区分和加工。因而需要对图像进行增强操作。(4)图像复原(ImageRestoration)图像复原技术是在已知模糊图像的模型时,依据模糊图像来还原原图像的一种技术。去除图像中的模糊和噪声干扰是图像复原的最根本的任务。例如去除噪声干扰就属于图像复原中的一种。图像噪声包含相干噪声和随机噪声,其中相干噪声表现为网纹干扰,随机噪声表现为麻点干扰。去模糊干扰也是图像复原处理中的一种。其来源于相对运动,透镜散焦,云层遮挡和大气湍流等因素。(5)图像重建(ImageReconstruction)图像复原、图像增强和图像变换都是属于从图像到图像的范畴,而图像重建处理则属于数据到图像的过程。该处理的典型应用就是CT技术等。(6)图像分割(Image

segmentation)图像分割指的是为了达到提取图像中所包含的指定部分以此依据一定的准则从而将图像分割成为若干个特定的具有独特性质的区域。常用的图像分割方法有阈值的分割法、区域的分割法、边缘的分割法以及基于特定理论的分割法等等。(7)图像描述(Image

description)将图像分割为一个一个区域后,要对图像所被分割的部分加以描述和表示,可以利用图像的几何特性来描述简单二值图像,而一般图像的描述则可以利用二维图像。随着图像处理技术进一步发展,对复杂的三维物体描述有表面描述、广义圆柱体描述、体积描述等方法。(8)图像识别(ImageRecognition)图像识别技术属于模式识别技术的范畴,指的是通过数字信号处理器或者计算机来对所识别的图像进行预处理、分割以及特征提取等操作,识别多种不同模式下的对象和目标的一种技术。2.3.数字图像处理的基本算法数字图像中的每个图像像素都是一个通过采样和量化后且与位置坐标x和y相关的二维函数f(x,y),其中f(x,y)代表(x,y)位置上图像像素点所对应的灰度值大小。对于模拟图像来说,f(x,y)是一个连续函数,为了达到能被计算机和其他数字信号处理器所识别加工处理,就必须对模拟图像进行数字化操作。2.3.1数字图像的表示(1)RGB彩色图像表示RGB图像的每一个像素点的颜色由对应的3个通道中的红、绿、蓝三种颜色分量比例来共同决定。RGB图像可分为RGB565、RGB555和RGB24等格式。其中RGB24位图像是指占24位存储位置的彩色图像,红、绿、蓝三个颜色分量分别占用8位的存储空间,因而最多可以组成16M种不同的色彩。其红、绿、蓝三个颜色分量所对应的颜色强度值的范围为0~255。例如,MATLAB中的一幅M*N大小的的RGB24彩色图像通常由一个M*N*3大小的三维矩阵存放,其中坐标为(x,y)位置的图像像素点中的R分量的值为image(x,y,1),(x,y)位置的图像像素点中的G分量值就为image(x,y,2),坐标为(x,y)位置的图像像素点中的B分量的值为image(x,y,3)。(2)灰度图像的表示灰度图是指图像每个图像像素点都只有一个采样的颜色。为此经常表现为从最暗的黑色到最亮的白色,其中用于显示的灰度图常用8bits广度的存储空间来存放,这样共计有有256种灰度,灰度值为0时代表纯黑色,灰度值为255时代表纯白色。在MATLAB中灰度图像如下图2.所示其中0≤f(x,y)≤K-1,图像阵列中的每一个元素都称为一个图像像素点,K的范围为0-256。(3)二值图像的表示在数字图像处理的过程中,为了降低数据的运算量以此提高图像运算速度与效率,所采取的办法是从而将所占存储空间大的真彩色图转变成所占存储空间小的灰度图,再从而将灰度图转变为所占存储空间更小的二值图。其中二值图像上的每一个图像像素点只有两种可能的取值或灰度等级,即图像像素灰度值只有0和1,只有黑和白两个灰度级,因而二值图像又称黑白图。如图所示2.1所示图2.1真彩图、灰度图、二值图2.3.2.直方图均衡化.直方图均衡化数字图像直方图是数字图像处理中一种非常重要且有效的分析手段,每一幅图像的直方图都包含着与本图像相关的丰富信息,由于其有效反映了图像灰度等级上的有关内容,因而在图像增强、分割和边缘检测等过处理过程中扮演着至关重要的角色。实际上,灰度图像的直方图就是一个离散的函数,从而将图像中的所有像素点,按照灰度值的大小顺序,统计其出现的频率,进行直方图的表示,表达式如公式2-1所示P(fk其中,fk为图像像素点f(x,y)的第k级灰度,n(k)为图像像素点中灰度值为fk的像的总数,n为图像中所含图像像素点的总数。图像直方图统计图图2.2图像直方图统计图.直方图均衡化直方图均衡化指的是对原始图像中的图像像素点个数较多的灰度级来进行适当的扩展和以及个数少的灰度级进行一定程度的压缩来实现的,其目的是为了达到扩展原图像中灰度值的动态范围,以提高图像的灰度色调的变化和对比度。直方图均衡化就是对原始图像的灰度等级进行映射,假设该映射函数为T,则直方图均衡化的离散表达式可用公式2-2所描述:Sk=T(fk)=L-1nj=0kn,0≤k其中,Sk为fk均衡化变换后所生成的新灰度级;fk代表带增强图像的灰度级;n是原图像的总图像像素点的个数;L代表图像的灰度级的图2.3直方图均衡化统计图通过均衡化后的,图像灰度级跨度更大,使得图像的对比度得以增强,更有利于图像的特征提取。图像的两种的直方统计图的对比图如2.4所示:图2.4图像未均衡化均衡化2.3.3.数字图波的滤波由于受到获取图像方法和外部干扰等因素的影响,因而在图像采集、传输和处理的过程中,会不可避免的引入各种类型的内部和外部噪声干扰,以此使所采集到的图像发生畸变,进而对图像的品质和后续图像的处理造成一定的影响。常见的噪声干扰来自于外部的电磁波干扰以及模拟信号转变为数字信号的过程中所产生的噪声干扰;由图像传感器以及传输过程中所引入的脉冲噪声干扰等。为了达到改善图像的品质和达到预期图像的处理效果,就必然要对所采集到的图像进行相应的滤波去噪处理,其中对图像滤波的基本要求是:在尽可能滤除图像噪声的同时又要最大程度的保护图像中的细节。图像滤波可归纳为两类:空间域方法和频率域方法。空间域方法指的是利用计算机或各种数字处理器对所含像素点直接进行处理,该方法这是以转换灰度映射为前提的,其中映射变换的目的是使图像得以增强。其中空间域处理方法如下图2.5所示图2.5空间域图像处理频率域方法是首先对输入图像数据实行域转换操作,接着对通过转换后所得的数据进行相应的运算,最后再利用逆转换从而将图像从频率变换到空间域。其中频率域处理方法如下图2.6所示图2.6频率域图像处理.均值滤波均值滤波是目前最常用的线性滤波,它是一种直接在空间域进行滤波处理的技术。其思想就是利用图像像素领域中各图像像素点的平均值来代替该中心图像像素点原来的灰度值,而完成图像的滤波操作。假设图像像素域中的图像像素点的灰度值为f(x,y),通过均值滤波处理后的所对应的图像像素点的新灰度值用g(x,y)表示,则有如下公式2-3:g(x,y)=1Mi,j∈Sf(i,j)其中,S为所选取的图像像素域范围,M为整个图像像素域中的图像像素点总数。中值滤波中值滤波是一种非线性的滤波方式,在去除椒盐噪声、脉冲噪声的和孤立点噪声的同时能最大程度的保留图像的细节信息,能够可以有效避免均值滤波所带来的图像细节模糊的问题。图像的中值滤波是一种基于排序理论的非线性滤波技术。其基本思想以图像像素点P为中心,从而将所选取的图像像素领域内的所有图像像素点按照灰度值的由大到小(或从小到大)的原则进行排序,从而将排序所得的中间值作为中心图像像素点P的新灰度值(若所选取图像像素域包含有偶数个图像像素点,则取两个中间值的平均值),如公式2-4所示g(x,y)=Medium{f(s,t),s,t∈W}(2-4)其中,g(x,y)和f(s,t)分别表示输出和输入图像像素的灰度值,W为所选取图像像素域的滑动窗口,其中滑动窗口W常见的形状有线形、十字形、方形等,如图所示2.72.82.9所示待处理待处理的中心点中心点邻域图像像素中心点邻域图像像素图2.7线性窗口待处理待处理中心点中心点邻域图像像素处理中心点邻域图像像素处理的中心点图2.8十字形窗口待处理待处理的中心点中心点邻域图像像素中心点邻域图像像素图2.93*3方形窗口.均值滤波与中值滤波比较均值滤波虽然考虑了领域图像像素点的作用,但没有考虑个别位置图像像素点的影响,容易产生图像边缘锐度不足等问题,因而导致滤波效果不理想。与此相反中值滤波能在有效抑制噪声的情况下又能够最大程度的保留了原来图像边界细节,表2.1对两种滤波进行了比较。表2.1两种滤波的比较均值滤波中值滤波滤波效果对所有的噪声均可以降噪,单平滑效果不理想能很好的去除孤立点,及脉冲噪声,但对高斯噪声效果不明显边缘不能保护边界降低噪声的同时能保护界面本文利用3*3滑动窗口模板数字图像进行处理,如图所示2.10和2.11所示分别为均值波和中值滤波的效果图。图2.10椒盐噪声下的两种滤波效果图图2.11高斯噪声下的两种滤波效果图2.3.4.边缘检测图像边缘指的是局部强度变化最显著的部分,其领域图像像素点灰度值会有阶跃变化。其中边缘是图像的重要特征之一。在图像的处理过程中扮演着重要的角色。为了达到保证边缘检测的精确性,检测方法必须即能反映出图像边缘锐度的非连续性情况,又要能准确的确定边缘的位置。常用的经典边缘检测算子有canny算子,sobel算子,robert梯度算子、prewitt算子等等。决定边缘检测效果好坏的两个因素是图像的灰度的变化率和方向,可分别用梯度向量G(x,y)的幅度|G(x,y)|和方向θ(x,y)G(x,y)=GxGy=∂f∂x∂f∂y向量的方向角和幅度值分别满足公式2-6和公式2-7θ(x,y)=arctan(GyG|G(x,y)|=Gx.Sobel算子Sobel算子是一个离散的一阶差分算子,其形式2-8如下所示S=(Gx2+Gy其中在数字图像中Gx=[f(i-1,j-1)+2f(i,j-1)+f(i+1,j-1)]–Gy=[f(i+1,j-1)+2f(i+1,j)+f(i+1,j+1)]Sobel算子有常用于检测水平边沿和竖直边沿的两个模板,如下图2.12所示H1=10-120-210-1H2图.2.Ganny算子Canny算子是基于高斯函数的一阶导数算子,是对点位之乘积与信噪比的最优化逼近算子。已知二维高斯函数:G(x,y)=12πσ2exp-x2+y则在某一方向n上的一阶导数为:Gn=∂G∂n=nn=cosθsinθ∇G=∂G其中,n为方向矢量,∇G为梯度矢量。用图像f(x,y)与Gn做卷积,可以不断对变矢量n的方向进行改变,当Gn*f(x,y)取值最大时,矢量n的方向就是.Sobel算子与Ganny算子比较图2.13所示,为分别运用Sobel算子和Canny算子对测试图像进行提取所得到的不同效果图。图2.13sobel算子和canny算子的提取通过运用canny算子和sobel算子分别对一幅测试图像进行检测,可以看出由于不同算子对不同边缘类型的敏感程度差异,以此得到的检测结果也是大不相同的。对比Sobel算子和Canny算子的效果能够发现,尽管Sobel算子可以检测出图像的边缘锐度,但是所检测到的边缘却是不连续的,且检测到的边缘细节也是比较的模糊;相反,运用Canny算子对图像的边缘进行检测时,不仅能够有效的抑制图像的噪声干扰,而且可以很好的保留更多的边缘图像细节信息,且边缘的定位也比较的精确,达到了预期的效果表2.2canny算子与Sobel算子对比Canny算子Sobel算子类型是基于高斯函数的一阶导数算子离散的一阶差分算子对噪声抑制效果可以对噪声有很好的抑制作用无法对噪声起到抑制边缘细节可以很好的保护边缘细节信息,且边缘定位也较精确所检测到的边缘是不连续的,且边缘细节比较模糊3.图像采集系统设计本系统的图像的采集包含了主控芯片STM32F103ZET6、摄像头OV7670和显示模块TFT彩屏和蓝牙无线发送模块,矩阵键盘控制模块以及一些必要的外围电路等。该采集系统具有实时性好、采集速度快、处理效率高、功耗低且成本低等特点。3.1.方案设计与论证3.1.1.系统主控芯片方案一:为对图像采集系统中的摄像头、显示模块、无线通信模块的控制,图像采集系统选用TI公司生产的MSP430F169作为主控芯片。方案二:选用ST意法半导体公司生产的基于ARMCortex-M3架构的32位处理器STM32F103ZET6作为系统的主控芯片。由于要对图像采集摄像头,图像显示模块、无线通信模块进行实时、高速控制,这对处理器的处理速度提出了很高的要求,鉴于MSP430F169是一个16位的单片机,其最高运行频率为8MHZ,很难满足系统要求,故不选用方案一。而ST公司生产的STM32F103ZET6是一个基于ARMCortex-M3架构的32位处理器,最高运行频率可达72MHZ,且处理速度快,实时性强,完全能够胜任本系统的高速处理的任务,因而选用方案二。3.1.2.图像采集传感器方案一:利用模拟图像传感器对物体图像进行采集。方案二:利用OV公司生产的低成本CMOS数字摄像头OV7670对物体图像进行采集。由于模拟摄像头所采集到的信号为模拟信号,无法直接被计算机或数字信号处理器所使用,所以还需外部高速AD对摄像头输出的模拟信号转化为数字信号,这无疑增加了系统的成本,且影响了系统图像采集的实时性,故不选用方案一。OV7670是一个CMOS的数字摄像头,其内部自带DSP,因而其输出信号为数字信号,可直接被计算机或数字信号处理器所加工处理。此外,OV7670支持整帧输出,自采样,取窗口等模式,同样,其支持的数据格式有很多,包含RAWRGB、RGB565/555/444等,它体积小,工作电压低,功耗低,因而选用方案二。3.1.3.图像显示模块方案一:为对采集到的图片进行显示,可以选用12864模块对图像进行显示方案二:可以选用320*240的TFT彩屏对采集到的图像进行显示。由于图像采集摄像头采集到的图像为RGB565格式的彩色图像,而12864显示屏无法对彩色图像进行显示,无法满足系统的要求,故不选用方案一。而TFT彩屏可对RGB565彩色图片进行显示,且支持多种图像的扫描模式,图像显示窗口大小可以自定义,且性价比高,因而选用方案二。3.1.4.无线通信模块方案一:选用NRFL240l作为无线通讯模块对图像数据进行传输。方案二:选用一体且可以设置的蓝牙模块HC-05,以此作为无线通讯模块,对其所采集到的图像数据进行传输。NRFLL240l模块是一块单片的无线收发芯片。鉴于其通讯速度较低,无法满足一幅图像的大数据的传输,并且这个芯片的编程难度较大,故不选用方案一。HC-05蓝牙模块是一款基于蓝牙2.0标准的从蓝牙模块,通讯速度可达1Mb/s,完全可以满足本系统的图像数据传输的要求,且蓝牙模块可以与PC机、智能手机等设备直接相连,故选用方案二。3.2硬件电路设计(1)OV7670摄像头是一个CMOS的数字摄像头,图像像素为30W,其输出信号为数字信号,可被处理器直接处理。此外,OV7670还支持整帧输出,自采样,取窗口等不同模式,同样的,其支持的数据格式也有很多,包含RAWRGB、RGB565/555/444等格式。其电路图如图所示3.2所示图3.1OV7670原理图可以利用SCCB总线对OV7670进行来控制,其控制帧时序图如下图3.2所示图3.2帧时序控制图(2)TFT-lCD又名薄膜晶体管显示器(真彩色液晶显示器)。此TFT彩屏模块为320*240的分辨率,支持65K真彩色显示,其接口为16位的80口。TFT彩屏外围电路图如图所示3.3图3.3TFT彩屏原理图(3)HC-05模块是一款基于蓝牙2.0标准的主从蓝牙模块,其最大通讯速度可高达1Mb/s,且可以与PC机、智能手机等设备的蓝牙直接通信,HC-05模块外围电路图如图所示3.4所示图3.4HC-05蓝牙模块原理图(4)3*3矩阵键盘外围电路图如图所示3.5所示图3.5矩阵键盘原理图

3.3.图像采集部分程序流程设计本系统利用友好的人机界面,即可以通过键盘对图像的采集过程进行实时控制,也可以通过基于MATLAB的图像处理平台对采集过程进行实时控制,从而将所采集到的图像在TFT彩屏模块上面实时的显示出来。其软件流程图如图所示3.7所示图3.7图像采集程序流程图

4.图像处理平台设计本系统的图像处理平台利用由TheMathWorks公司推出的商业数学软件MATLAB编写。MATLAB软件中含有大量的工具箱,包含仿真工具Simulink、信号处理、图像处理、GUI编程、模式识别等30多个工具箱。在MATLAB中,图形对象还包含众多的GUI对象,利用这些对象,进行周密的组织,设计,就可以设计出一个界面良好、操作方便、功能强大的图形用户界面。本图像处理平台利用MATLAB的GUI编程,是集图像的处理、数据通信,图像采集系统控制为一体的一个综合性平台。对于其本身,可以把平台分为串口数据通信、图像采集处理控制、图像显示、滤波分析、提取分析以及结果保存部分。图4.1图像处理框图4.1平台系统软件设计流程图平台系统软件系统设计流程图如图所示4.2所示图4.2平台软件流程图4.2.串口数据通信部分Matlab支持面向对象技术,且支持串口通信。因而在本平台上,用户能够根据自己特定的需求对串口对象的串口号、波特率、数据位、停止位和校验位等选项进行自由配置。如图所示4.3和图4.4所示:图4.3串口关闭图4.4串口打开 Matlab创建串口代码:delete(instrfindall);%设置串口的串口号,波特率,数据位,停止位,校验位等handles.serial=serial('com1');set(handles.serial,'BaudRate',9600,'DataBits',8,'StopBits',1,'Parity','none','FlowControl','no');handles.serial.InputBufferSize=320*80*2;handles.serial.BytesAvailableFcnMode='byte';handles.serial.BytesAvailableFcnCount=320*80*2;handles.serial.Timeout=100;set(handles.serial,'BytesAvailableFcn',{@Read,handles});set(handles.pushbutton11,'CData',handles.Indicate_Gray);4.3.图像处理和采集控制部分本平台除了可以对图像处理的相关过程进行控制,还可以蓝牙无线的方式对图像处理系统进行控制,且实时性较好。如图所示4.5、4.6、4.7所示:图4.5图像处理控制图4.6图像采集系统控制界面图4.7图像采集系统控制界面4.4.图像显示部分本平台可以分别对所采集图像的原图像、二值图、灰度图、提取图进行分别显示。如图所示4.8所示:图4.8图像的显示Matlab代码:functionpushbutton9_Callback(hObject,eventdata,handles)globalimage;axes(handles.axes9);%打开所采集的图像文件[a1b1c1]=uigetfile('','open','*.jpg');ifc1==1image=imread([b1a1]);imshow(image);guidata(hObject,handles);endfunctionpushbutton7_Callback(hObject,eventdata,handles)globalimage;axes(handles.axes17);%进行图像的灰度转化进行中值滤波handles.gray=rgb2gray(image);handles.gray=medfilt2((handles.gray),[33]);imshow(handles.gray);guidata(hObject,handles);functionpushbutton6_Callback(hObject,eventdata,handles)axes(handles.axes18);handles.gray=histeq(handles.gray);level=graythresh(handles.gray);%对图像进行二值转换handles.bw=im2bw(handles.gray,level);imshow(handles.bw);guidata(hObject,handles);functionpushbutton5_Callback(hObject,eventdata,handles)axes(handles.axes19);%运用canny算子对图像的边缘进行提取handles.BW=edge(handles.gray,'canny');imshow(handles.BW);guidata(hObject,handles);4.5.图像滤波分析部分本图像处理平台可以对不同噪声背景下利用不同滤波方法所得的结果图像进行分析,如图所示4.9示:图4.9图像的显示Matlab代码:functionpushbutton5_Callback(hObject,eventdata,handles)axes(handles.axes19);handles.BW=edge(handles.gray,'canny');axes(handles.axes27);%加入服从期望值为0,方差为0.01的正太分布的噪声Gray_noise=imnoise(handles.gray,'gaussian',0,0.01);imshow(Gray_noise);axes(handles.axes20);%对噪声图进行中值滤波imshow(medfilt2((Gray_noise),[33]));axes(handles.axes21);%对噪声图进行均值滤波imshow(filter2(fspecial('average',[33]),Gray_noise)/255);axes(handles.axes22);imshow(handles.gray);axes(handles.axes25);imhist(handles.gray);axes(handles.axes23);imshow(histeq(handles.gray));axes(handles.axes24);imhist(histeq(handles.gray));4.6图像提取分析部分本图像处理平台可以对利用不同提取算子下所得的结果图像进行分析,如图所示4.10图4.10图像的滤波分析Matlab代码:functionpushbutton5_Callback(hObject,eventdata,handles)axes(handles.axes28);%运用canny算子进行提取imshow(edge(handles.gray,'canny'));axes(handles.axes29);%运用Sobel算子进行提取imshow(edge(handles.gray,'sobel'));axes(handles.axes30);%运用roberts算子进行提取imshow(edge(handles.gray,'roberts'));axes(handles.axes31);%运用log算子进行提取imshow(edge(handles.gray,'log'));guidata(hObject,handles);4.7.图像结果保存部分本图像处理平台可以处理后所得的图像进行保存。如图所示4.11所示图4.11图像结果的保存Matlab代码:%对处理后的图像进行保存操作functionsave_Callback(hObject,eventdata,handles)globalimage;[abc]=uiputfile('*.jpg','另存为');if1==cifisempty(handles.gray)==1||isempty(handles.bw)==1||isempty(handles.BW)==1||isempty(image)==1errordlg('图像不存在,请重试','error');elseimwrite(image,[b,a]);imwrite(handles.gray,[b['A_',a]]);imwrite(handles.bw,[b['B_',a]]);imwrite(handles.BW,[b['C_',a]]);endend

总结本文的研究工作是设计一套基于STM32F103ZET6和MATLAB的图像采集与处理系统,本系统应具备实时性高、性能稳定、成本低廉、功耗低等特点。人工智能视觉识别模块以摄像机和加速度计为核心,进行特定场景图像的再成像和加速测量,将其中的非特定物体删除,构建特征场景图像。光感模块利用光传感器对特征场景图像中的光照强度进行感应,获取场景的大致定位信息。定位调制模块基于全球定位系统进行位置信息的调制工作,调制工作是根据形态学滤波各项目标函数以及区域分割代码进行,调制后的最终定位信息将直接传送给用户。经实验可知,所设计的系统具有较高的识别效率和识别精度。FORMTEXT本文通过对数字图像处理技术特点和相关图像处理算法的分析,根

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论