dsp实验报告3-数字图像增强.doc

Harbin Institute of Technology 实验报告课程名称： DSP原理与应用 院 系： 电子与信息工程学院 姓 名： 学 号： 授课教师： 任广辉 哈尔滨工业大学不要删除行尾的分节符，此行不会被打印- I -数字图像处理课程报告千万不要删除行尾的分节符，此行不会被打印。在目录上点右键“更新域”，然后“更新整个目录”。打印前，不要忘记把上面“Abstract”这一行后加一空行32- -1 本次实验的背景与意义人对世界的感知有75%左右的信息都是通过视觉获得的，随着时代的发展，人们获取图像的方式越来越多样化。从模拟图像到数字图像的变革引发了一系列对数字图像处理技术的出现。数字图像与模拟图像最大的不同是数字图像以栅格（像素）为单位记录数据，这种量化的思想使图像处理的硬件实现更加方便可行。数字图像处理技术包含了图像预处理，图像增强，图像边缘检测，图像分割、图像融合，特征提取，图像分类等方面。数字图像处理可以使人对图像的感观更好，使图像能大量的存储，快速的传输，能够提取图像中的有用信息。因此数字图像处理技术在很多领域都发挥重要作用。1.1 数字图像处理技术的发展背景视觉是人类最重要的感知手段，图像又是视觉的基础。早期图像处理的目的是改善图像质量，它以人为对象，以改善人的视觉效果为目的。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。有些处理的目的是为了图像的快速传输和解决存储数据量大的问题。基于不同目的，发展了很多处理技术。以下列举了一些基本的图像技术： 1几何处理主要包括坐标变换，图像的放大、缩小、旋转、移动，多个图像配准，全景畸变校正，扭曲校正，周长、面积、体积计算等。2算术处理主要对图像施以+、一、等运算，即针对像素点进行处理。3图像增强即突出图像中感兴趣的信息，减弱或去除不需要的信息，从而使有用信息得到加强。包括增强反差即对比度，平滑或消除“噪声”，对图像中的目标加以锐化，用“伪彩色”增强图像，对图像进行几何校正，等等。4图像复原是改善由于种种原因而“退化”图像的质量。主要目的是去除干扰和模糊，恢复图像的本来面目。典型的例子如去除噪声。5图像重建处理是从数据到图像的处理，即输入的是数据，而处理结果得到的是图像，它的典型应用就是CT成像技术。图像重建的主要算法有代数法、迭代法、傅里叶反投影法、卷积反投影法等。值得注意的是三维重建算法发展得很快，由于与计算机图形学相结合，把多个二维图像合成三维图像，并加以光照模型和各种渲染技术，能生成各种具有强烈真实感及纯净的高质量图像。6图像编码：图像编码研究属于信息论中信源编码范畴，其主要宗旨是利用图像信号的统计特性及人类视觉的生理学及心理学特性对图像信号进行高效编码，即研究数据压缩技术，以解决数据量大的矛盾。一般来说，图像编码的目的有三个：减少数据存储量；降低数据率以减少传输带宽；压缩信息量、便于特征抽取，为识别作准备。现代编码法的特点是：充分据遥感图像所含信息的抽象程度以及融合应用层次的不同，遥感信息融合可划分为像素级(Pixel-Level Fusion)、特征级(Feature-Level Fusion)、决策级(Decision-Level Fusion)三个层次。近20年来，针对像素级融合方法的研究一直是国际性的热点问题，已经取得了一些重要的研究成果，形成了一些成熟的融合方法。像素级图像融合主要针对初始图像数据进行，其目的是图像增强、图像分割和图像分类，从而为人工判读图像或进一步的特征级融合提供更加丰富的输入信息。像素级图像融合属于图像融合的较低层次，目前国内外研究大部分都集中在该层次上。考虑人的视觉特性；恰当考虑对图像信号的分解与表述；采用图像的合成与识别方案压缩数据率。7模式识别方法大致有三种：统计识另法：句法结构模式识别法：模糊识别法。统计识别法侧重于特征，句法结构识别侧重于结构和基元，模糊识别法是把模糊数学的一些概念和理论用于识别处理。在模糊识别处理中充分考虑人的主观概率，同时也考虑了人的非逻辑思维方法及人的生理、心理反映，这一独特性的识别方法目前正处于研究阶段，方法尚未成熟。随着人们需求的不断增加，对图像处理的要求也不断提高，从简单的图像增强、复原等处理，提升到了图像理解层面。数字图像处理技术也在不断的更新。图 1 图像工程的三个层次图 1所示的是图像工程的三个层次，第一层也是底层的图像处理是基于像素的处理，对图像的描述直接而且形象；第二个层次是图像分析，不在基于像素处理，而是着眼于图像中的目标进行处理；第三个层次是图像理解，这种图像处理结果可以直接被人所理解和利用，属于高层次的图像处理技术。可见，数字图像处理技术越来越复杂和抽象，越来越接近人对图像的理解。1.2 图像处理技术的应用领域在实际中，图像的处理都是靠硬件来实现，DSP作为数字信号处理器，在数字图像处理领域发挥了重要的作用，通常将DSP与FPGA结合，实现图像的高性能处理。图 2是整个数字图像处理的流程，通过传感器获得数据，对数据进行模数转换，然后利用数字图像处理技术相应的处理，在进行数模转换，最后输出结果。图 2 数字图像处理流程由图 2也可以看出数字图像处理和计算机、多媒体等技术紧密相关。近年来，随着计算机识别、理解图像技术的快速发展，数字图像处理的应用越来越广，已经渗透到工程、工业、医疗保健、航空航天、军事、科研、安全保卫等各个方面，在国计民生及国民经济中发挥越来越大的作用。下面列举了一些典型应用：1在生物医学中的应用主要包括显微图像处理；DNA显示分析；红、白血球分析计数：虫卵及组织切片的分析；癌细胞识别；染色体分析；内脏大小形状及异常检测：微循环的分析判断；心脏活动的动态分析；热像、红外像分析；X光照片增强、冻结及伪彩色增强；超声图像成像、冻结、增强及伪彩色处理；CT、MRI、y射线照相机、正电子和质子CT的应用；生物进化的图像分析等。2遥感航天中的应用军事侦察、定位、导航、指挥等应用；多光谱卫星图像分析；地形、地图、国土普查；地质、矿藏侦探；森林资源探查、分类、防火；水利资源探查，洪水泛滥j|釜测；海洋、渔业方面如温度、鱼群的监测、预报；农业方面如谷物估产、病虫害调查；自然灾害、环境污染的监测；气象、天气预报图的合成分析预报；天文、太空星体的探测及分析；交通、空中管理、铁路选线等。3工业应用CAD和CAM技术应用于模具、零件制造、服装、印染业；零件、产品无损检测，焊缝及内部缺陷检查；流水线零件自动监测识别；邮件自动分检、包裹分检识别；印刷板质量、缺陷的检出；生产过程的监控：交通管制、机场监控；纺织物花型、图案设计；光弹性场分析；标识、符号识别如超级市场算账、火车车皮识别：支票、签名、文件识别及辨伪；运动车、船的视觉反馈控制；密封元器件内部质量检查等。4军事公安领域中的应用巡航导弹地形识别：指纹自动识别；罪犯脸型的合成；测试雷达的地形侦查；遥控飞行器RPV的引导；目标的识别与制导；警戒系统及自动火炮控制；反伪装侦察；手迹、人像、印章的鉴定识别：过期档案文字的复原：集装箱的不开箱检查等。5其他应用图像的远距离通信；多媒体计算机系统及应用；电视电话；服装试穿显示；理发发型预测显示；电视会议；办公自动化、现场视频管理等。1.3 本次实验的目的及内容安排本次实验利用DSP对多种数字图像处理技术硬件实现，具体技术包括图像边缘提取，图像取反，直方图均衡化等处理。体会硬件实现与软件仿真的不同，提升对整个图像处理系统的宏观认识。第二部分主要介绍本次实验用到的数字图像处理技术的原理；第三部分介绍利用DSP实现各种技术的流程，包括硬件的连接与程序的流程。第四部分包括了实验结果及对实验结果的分析。最后是对实验的总结以及实验的心得体会。2 数字图像处理技术实验原理2.1 数字图像的表示方法图像并不能直接用计算机来处理，处理前必须先转化成数字图像。早期英文里一般用picture代表图像，随着数字技术的发展，现在都用image代表离散化了的数字图像。 由于从外界得到的图像多是二维(2-D)的，一幅图像可以用一个2-D数组f(x,y)表示。这里z和y表示二维空间XY中一个坐标点的位置，而f则代表图像在点(x，y)的某种性质的数值。为了能够用计算机对图像进行处理，需要坐标空间和性质空间都离散化。 这种离散化了的图像是数字图像，即f，x，y都在整数集合中取值。图像中的每个基本单元称为图像元素，简称像素。用中心点坐标(z，y)代表像素的位置，在每个像素位置，被采样和量化。在所有的像素都完成转化后，形成的数字矩阵就作为计算机处理的对象了。如图2.1所示给出一幅MN(像素像素)的数字图像，所用的坐标系统常在图像计算中采用，它的原点0在图像的左下角，横轴为X轴，纵轴为Y轴。图 2.1 数字图像2.1.1 图像的灰度常用的图像一般是灰度图，这时f表示灰度值，反映了图像上对应点的亮度。亮度是观察者对所看到的物体表面反射光强的量度，作为图像灰度的亮度函数f(x,y)应当大于零。人们日常看到的图像一般是从目标上反射出来的光组成的，所以，f(x,y)可看成由两部分构成：入射到可见场景上光的量；场景中目标对入射光反射的比率。确切地说它们分别称为照度成分i(x,y)和反射成分r(x,y)。f(x,y)与i(x,y)和r(x,y)都成正比，可表示成： 2-1将二维坐标位置函数f(x,y)称为灰度。入射光照射到物体表面的能量是有限的，并且它永远为正，即0i(x,y)；反射系数为0时，表示光全部被物体吸收，反射系数为1时，表示光全都被物体反射，反射系数在全吸收和全反射之间，即0r(x,y)l。因此图像的灰度值也是非负有界的。如果用字母，表示图像的灰度，式中： 2-2 2-3Lmax和Lmin分别表示图像灰度值的下限、上限，理论上对Lmin的唯一限制是它应为正，对Lmax的唯一限制是它应有限。实际中，间隔Lmin，Lmax称为灰度值范围。为便于表示，通常把灰度图像进行规格化，用0表示黑色的灰度，三表示白色的灰度(三为正整数)，中间值代表从黑到白之间的灰度值，即0lL。或者进一步规一化为0l1，0表示最黑，1表示最白。因此一幅亮度分布的平面图像，最终可表示为一个平面坐标系中的坐标点(x，y)的二维灰度变化函数。2.1.2 灰度直方图灰度直方图是数字图像处理中一个最简单、最有用的工具，反映了数字图像中每一灰度级与其出现频率之间的统计关系。可以有针对性地通过改变直方图的灰度分布状况，使灰度均匀地或按预期目标分布于整个灰度范围空间，从而达到图像增强的效果。灰度直方图是灰度值的函数，描述的是图像中具有该灰度值的像素的个数，其横坐标表示像素的灰度级别，纵坐标表示该灰度出现的频率(像素的个数)。有一幅灰度图像如图2.2所示。图像大小为100100(单位为像素X像素)。左上角图像大小4050，灰度级0；右上角图像大小小6050，灰度级206；左下角图像大小7050，灰度级99;右下角图像大小3050，灰度级156。则对应的直方图如图2.3所示。图2.2 灰度图像 图2.3 灰度直方图2.2 数字图像处理技术原理2.2.1 图像边缘检测边缘是图像的重要特征。一般情况下，将一幅数字图像视为输入信号，图像的边缘是指图像灰度值的不连续点或变化剧烈的点的集合，这些点在数学上定义为信号的奇异点或突变点。著名的“马赫带效应”指出：人的视觉对物体光度变化的部分有特殊的增强效应，即在不同光强度区的边缘周围引起“过量调整”。物体边缘特征是与图像中灰度发生跳变的部分相对应的。如果一个像素落在图像中某一个物体的边界上，那么它的邻域将成为一个灰度级的变化带。对这种变化最有用的两个特征是：灰度的变化率和方向，它们分别以梯度向量的幅度和方向来表示。即图像的边缘有方向和幅度两个特性。图像的边缘是图像的最基本特征。所谓边缘(或边沿)是指其周围象素灰度有阶跃变化或屋顶 变化的那些象素的集合。边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间。因此，它是图像分割所依赖的重要特征。物体的边缘是由灰度不连续性所反映的。经典的边缘提取方法是考察图像的每个象素在某个 邻域内灰度的变化，利用边缘临近一阶或二阶方向导数变化规律，用简单的方法检测边缘。这种方法称为边缘检测局部算子法。 边缘的种类可以分为两种：一种称为阶跃性边缘，它两边的象素的灰度值有着显著的不同； 另一种称为屋顶状边缘，它位于灰度值从增加到减少的变化转折点。下图分别给出了这两种边缘的示意图及相应的一阶方向导数、二阶方向导数的变化规律。对于阶跃性边缘，二阶方向导数在边缘处呈零交叉；而对于屋顶状边缘，二阶方向导数在边缘处取极值。如果一个象素落在图像中某一个物体的边界上，那么它的邻域将成为一个灰度级的变化带。对于这种变化最有用的两个特征是灰度的变化率和方向，它们分别以梯度向量的幅度和方向来表示。图 3边缘检测示意图边缘检测算子检查每个象素的邻域并对灰度变化率进行量化，也包括方向的确定。大多数使用基于方向导数掩模求卷积的方法。基于一阶导数的边缘检测算子包括Roberts算子、Sobel算子、Prewitt算子等，在算法实现过程中，通过（Roberts算子）或者模板作为核与图像中的每个像素点做卷积和运算，然后选取合适的阈值以提取边缘。拉普拉斯边缘检测算子是基于二阶导数的边缘检测算子，该算子对噪声敏感。1) Sobel边缘检测算子Sobel算子是一阶导数的边缘检测算子，在算法实现过程中，通过3*3模板作为核与图像中的每个像素点做卷积和运算，然后选取合适的阀值以提取边缘。采用3*3邻域可以采用3*3邻域可以以避免在像素之间内插点上计算梯度，Sobel算子也是一种梯度幅值： 2-4即：其中偏导数sx和sy可用卷积模板来实现。该算子是由两个卷积核与对原图像进行卷积运算而得到的。其数学表达式为： 2-5Sobel算子垂直方向和水平方向的模板如图2.5所示，前者可以检测出图像中的水平方向的边缘，后者则可以检测图像中垂直方向的边缘。实际应用中，图像中的每一个像素点都用这两个卷积核进行卷积运算，取其最大值作为输出。运算结果是一幅体现边缘幅度的图像。下面为Sobel算子模版。-1-2-1000121-101-202-101Sobel算子算法的优点是计算简单，速度快，但是由于只采用了2个方向的模板，只能检测水平和垂直方向的边缘，因此这种算法对于文里较为复杂的图像，其边缘检测效果就不是很理想。该算法认为：凡灰度新值大于或等于阀值的像素点时都是边缘点，这种判断欠合理，会造成边缘点的误判，因此许多噪声点的灰度值也很大。2) Prewitt 算子原理Prewitt边缘检测算子就是一种利用局部差分平均方法寻找边缘的算子，它体现了三对像素点像素值之差的平均概念，因为平均能减少或消除噪声，为此我们可以先求平均，再求差分，即利用所谓的平均差分来求梯度。用差分代替一阶偏导可得算子形式如下：2-6Prewitt边缘检测算子的两个模板如图2.6所示，它的使用方法同Sobel算子一样，图像中的每个点都用这两个核进行卷积，取得最大值作为输出。Prewitt算子也产生一幅边缘图像。Prewitt算子模版如下。-1-1-100011110-110-110-13) 图像LAPLACE锐化算子图像锐化处理的目的是使模糊的图像变得更加清晰起来。图像的模糊实质就是图像受到平均或积分运算造成的，因此可以对图像进行逆运算如微分运 算来使图像清晰化。从频谱角度来分析，图像模糊的实质是其高频分量被衰减，因而可以通过高通滤波操作来清晰图像。但要注意，能够进行锐化处理的图像必须有较高的信噪比，否则锐化后图像信噪比反而更低，从而使噪声的增加得比信号还要多，因此一般是先去除或减轻噪声后再进行锐化处理。图像锐化一般有两种方法：一种是微分法，另外一种是高通滤波法。拉普拉斯锐化法是属于 常用的一种微分锐化方法。 拉普拉斯运算是偏导数运算的线性组合，而且是一种各向同性(旋转不变)的线性运算。 拉普拉斯算子： 2-7则其二阶偏导数为： 2-8所以拉普拉斯算子为： 2-9对于扩散现象引起的图像模糊，可以用下式来进行锐化： 2-10这里k是与扩散效应有关的系数。该系数取值要合理，如果k过大，图像轮廓边缘会产生过冲；反之如果k过小，锐化效果就不明显。如果令k1,则变换公式为： 2-11用模板表示如下:0-10-15-10-10这样拉普拉斯锐化运算完全可以转换成模板运算。2.2.2 图像取反算法将图像各象素按位进行求反，取得类似照相底片效果。 求反处理的图像与原始图“黑白颠倒”，可以看清原始图中灰黑区域的情况。求反的图像一般用于数字图像的初步处理。2.2.3 图像增强图像增强是指按特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要信息的处理方法，其目的是使得处理后的图像对某种特定的应用，比原始图像更合适。处理的结果使图像更适应于人的视觉特性或机器的识别系统。图像增强主要可分为三类:频域图像增强方法、小波域图像增强方法、空域图像增强方法。目前，已有很多技术用于图像增强，但从传统的图像增强技术分类来看，总体上可以分为两个大类:空域增强方法和频域增强方法两大类。空域增强方法是直接对图像中的像素进行处理，从根本上说是以图像的灰度映射变换为基础的，所用的映射变换类型取决于增强的目的。频域增强方法首先将图像空间中的图像以某种形式转换到其他空间中，然后利用该空间的特有性质进行图像处理，最后再转换到原来的图像空间中，从而得到处理后的图像。空间域增强方法因其处理的直接性，相对于频域增强复杂的空间变化，运算量相对要少一些，因此更广泛的应用于实际中。1) 基本灰度变换灰度变换可使图像动态范围增大，对比度得到扩展，使图像清晰、特征明显，是图像增强的重要手段之一。它主要利用点运算来修正像素灰度，由输入像素点的灰度值确定相应输出点的灰度值，是一种基于图像变换的操作。灰度变换不改变图像内的空间关系，除了灰度级的改变是根据某种特定的灰度变换函数进行之外，可以看作是“从像素到像素”的复制操作。2) 图像的空间域平滑(去噪声)任何一幅原始图像，在其获取和传输等过程中，会受到各种噪声的干扰，使图像恶化，质量下降，图像模糊，特征淹没，对图像分析不利。为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。它可以在空间域和频率域中进行。主要有局部平滑法，中值滤波，选择式掩模算法。3) 直方图均衡图像增强灰度直方图描述了图像中各种灰度(对于象素深度为 8 位的图像，共为 0-255 共 256 种取值) 在整个图像中占有的比例。 利用直方图统计的结果，通过使图像的直方图均衡的方法称为直方图均衡化，可以达到增强图像的显示效果的作用。由于通过直方图统计，可以观察出，图像中各种亮度所占的比例大都分布不均匀，设法增加在直方图统计中所占比例高的象素和其他占的比例少的象素之间的亮度差的方法，可以提高图像的显示效果。简单来说，直方图增强的方法就是压缩直方图中比例少的象素所占用的灰度范围，多出来的灰度空间按照统计比例分配给直方图中比例高的象素使用。这种方法主要是针对人眼对灰度差别越大的图像更容易分辨的特点而做的增强。考虑连续函数并且让变量代表待增强图像的灰度级。在上文中，假设被归一化到区间0,1，且=0表示黑色及=1表示白色。而且，考虑一个离散公式并允许像素值在区间内。对于任一个满足上述条件的，我们做如下变换: 2-12在原始图像中，对于每一个像素值产生一个灰度值。显然，可以假设变换函数满足以下条件:(a) )在区间中为单值且单调递减(b) 当是，条件(a)中要求为单值是为保证反变换存在，单调条件保持输出图像从黑到白顺序增加。变换函数不单调增加将导致至少有一部分亮度范围被颠倒，从而在输出图像中产生一些反转灰度级。条件(b)保证输出灰度级与输人有同样的范围。图2.7给出了满足这两个条件的一个变换函数的例子。由到的反变换可以表示为: 01 2-13一幅图像的灰度级可被视为区间的随机变量。随机变量的一个最重要的基本描述是其概率密度函数(PDF)。令和分别代表随机变量和的概率密度函数。此处带有下标的和用于表示不同的函数。由基本概率理论得到一个基本结果:如果和已知，且满足条件(a)，那么变换变量的概率密度函数Ps(s)可由以下简单公式得到: 2-14因此，变换变量s的概率密度函数由输入图像的灰度级PDF和所选择的变换函数决定。在图像处理中尤为重要的变换函数如下所示:（2-10） 2-15其中是积分变量。式(2-15)的右部为随机变量r的累积分布函数(CDF) 。因为概率密度函数水远为正，并且函数积分是一个函数曲线下的面积，所以它遵循该变换函数是一单值单调增加的条件，因此，满足条件(a)。类似地，区间0,1上变量的概率密度函数的积分也在区间0,1上，因此，也满足条件(b)。给定变换函数T(r)，通过式(2-17)得到Ps(s)。根据基本微积分学(莱布尼茨准则)，我们知道关于上限的定积分的导数就是该上限的积分值。也就是说: 2-16用这个结果代替，代入式(2-17)，取概率值为正，得到:= 2-17因为Ps(s)是概率密度函数，在这里可以得出，区间0,1以外它的值为0,这是因为它在所有s值上的积分等于1。我们看到式2-17中给出的PS(s)形式为均匀概率密度函数。简而言之，己证明执行式2-18给出的变换函数会得到一随机变量s，其特征为一均匀概率密度函数。特别要注意从式2-13得到T(r)取决于Pr(r)，但是，如式2-15指出的那样，Ps(s)的结果始终是均匀的，与Pr(r)的形式无关。对于离散值，我们处理其概率与和，而不是概率密度函数与积分。一幅图像中灰度级rk出现的概率近似为: 2-18其中，如此节开始指出的，n是图像中像素的总和，是灰度级为的像个数，L为图像中可能的灰度级总数。式2-18中变换函数的离散形式为: 2-19因此，已处理的图像(即输出图像)由通过式2-19，将输人图像中灰度级为的各像素映射到输出图像中灰度级为的对应像素得到。如前所述，作为的函数的曲线称做直方图。式2-19给出的变换映射)称做直方图均衡化或直方图线性化。不难得出式2-19变换函数满足本节前边所述的条件(a)和(b)。3 数字图像实验实现过程3.1 ICETEK-VC5416Ae-S61实验箱简介ICETEK DSP教学实验箱是由北京瑞泰创新技术有限责任公司于2003年推出的新一代DSP教学产品。它面向广大DSP初学者，提供DSP教学的一体化设备，为DSP教学提供整体解决方案，它还为DSP设备的研制者提供了一个较为完备的测试平台。尤其适用于开设DSP教学课程的学校和各类初学者。ICETEK DSP教学实验箱的功能如下：1、两个独立的信号发生器，可同时提供两种波形、四路输出；信号的波形、频率、幅度可调； 2、多种直流电源输出。支持对仿真器和评估板的直流电源连接插座； 3、显示输出：液晶图象显示器（LCD），可显示从DSP发送来的数据；发光二级管阵列(LEDArray)；发光二级管；马达指针0-360度指示； 4、音频输出：可由DSP I/O脚控制的蜂鸣器；D/A输出提供音频插座，可直接接插耳机； 5、键盘输入：可由DSP回读扫描码； 6、步进电机：四相步进电机，可由DSP I/O端口控制旋转和方向、速度； 7、底板提供插座，可使用插座完成DSP评估板上的A/D信号输入和D/A输出；8、软件资料：相关DSP设计编程使用教材、实验教程、使用说明、实验程序。图4 教学实验箱的组成图5 ICETEK-VC5416-A 接口说明实物图 3.2 图像边缘检测Sobel算子Sobel 边缘算子：下面所示的两个卷积核形成了Sobel 算子，图像中的每个点都用这两个核做卷积，一个核对通常的垂直边缘相应最大，而另一个对水平边缘相应最大。两个卷积的最大值作为该点的输出位。运算结果是一幅边缘幅度图像。本文中的Sobel水平方向和垂直方向的模板如下：121000-1-2-110-120-210-1 图 6 Sobel算子边缘检测根据图 流程图完成Sobel算子边缘检测程序设计，获得图像的边缘信息。程序设计完成后，通过以下步骤完成在DSP试验箱上硬件实现：（） 设置软件仿真模式，启动 CCS（） 打开Sobel算子边缘检测程序所在路径（） 编译并下载程序（） 在程序中一些位置设置断点（） 设置观察窗口，按“F5”键运行到各个断点，观察图像和边缘检测结果。3.3 图像锐化LAPLACE 算子图 7图像锐化根据图 流程图完成Sobel算子边缘检测程序设计，获得图像的边缘信息。程序设计完成后，通过以下步骤完成在DSP试验箱上硬件实现：（1） 设置软件仿真模式，启动 CCS（2） 打开拉普拉斯算子图像锐化程序所在路径（3） 编译并下载程序（4） 在程序中一些位置设置断点（5） 设置观察窗口，按“F5”键运行到各个断点，观察图像和图像锐化结果。3.4 图像取反算法将图像各象素按位进行求反，取得类似照相底片效果。下图为图像取反的流程框图，根据此流程图设计编写图像取法的DSP程序。图 8 图像取反根据图 流程图完成图像取反程序设计。程序设计完成后，通过以下步骤完成在DSP试验箱上硬件实现：（1） 设置软件仿真模式，启动 CCS（2） 打开图像取反程序所在路径（3） 编译并下载程序（4） 在程序中一些位置设置断点设置观察窗口，按“F5”键运行各个断点，观察图像和图像黑白颠倒的现象。3.5 直方图统计算法灰度直方图是灰度值的函数，描述的是图像中具有该灰度值的像素的个数，其横坐标表示像素的灰度级别，纵坐标表示该灰度出现的频率(像素的个数)。统计数字图像直方图的流程框图如下：图 9 直方图统计根据图 直方图统计完成直方图统计算法，获得图像的灰度统计信息。程序设计完成后，通过以下步骤完成在DSP试验箱上硬件实现：（） 设置软件仿真模式，启动 CCS（） 打开直方图统计程序所在路径（） 编译并下载程序。（） 打开工程“Histotram.pjt”中的 C 语言源程序“Histo.c”，在程序有“BreakPoint”注释的语句上加软件断点。（） 设置观察窗口，运行程序，按“F5”键运行到各个断点，观察图像和直方图统计结果。3.6 直方图均衡化增强算法图 4 图像直方图均衡根据图 4流程图完成图像直方图均衡化程序设计。程序设计完成后，通过以下步骤完成在DSP试验箱上硬件实现：（1） 设置软件仿真模式，启动 CCS（2） 打开图像直方图均衡化程序所在路径（3） 编译并下载程序（4） 在程序中一些位置设置断点设置观察窗口，按“F5”键运行各个断点，观察图像和图像增强的结果。4 实验结果与分析总结4.1 边缘检测利用SOBEL算子得到边缘幅度图像如下：（1）分析：由于图像由16 级灰度条组成，在灰条的交接处存在不太明显的边缘，所以检测图中表示亮度的象素取值不大(取值越大，相应象素越亮)。但是结果图还是很好地将边缘描述出来了。（2）分析：图像由连续灰度组成，结果图中没有边缘信息。用Sobel算子无法检测到模糊的边界，它只能检测亮度变换剧烈的边界。（3）分析：图像由连续灰度组成，经过 Sobel算子的检测，突出了亮度变换的边缘，变化得越剧烈，检测值越大。（4）分析：如果仔细观察 Sobel的两个算子，可以发现：算子对由暗到亮的边缘敏感，对由亮变暗的边缘不敏感。这就是结果图中对马路右侧边缘突出得不够的原因。如果需要增加由亮变暗的敏感度，需要再构造另外两个算子参与计算：121000-1-2-110-120-210-1 接下来，根据Prewitt 算子的定义设计实现了用Prewitt 算子进行图像的边缘检测。用下图所示的两个卷积核形成了Prewitt 算子。和使用Sobel算子的方法一样，图像中的每个点都用这两个核进行卷积，取最大值作为输出。Prewitt 算子也可产生如下所示的边缘幅度图像。-1-1-1000111-101-101-101（1）（2）（3）（4）对比Sobel算子和Prewitt 算子形成的边缘幅度图像，可得：Sobel算子主要用于边缘检测，在技术上它是以离散型的差分算子，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。而Prewitt算子与Sobel算子类似，只是权值有所变化，但两者实现起来功能还是有差距的，据经验得知Sobel要比Prewitt更能准确检测图像边缘。二者的区别：Prewitt算子：对噪声有抑制作用，抑制噪声的原理是通过像素平均，但是像素平均相当于对图像的低通滤波，所以Prewitt算子对边缘的定位不如Roberts算子。Sobel算子：Sobel算子和Prewitt算子都是加权平均，但是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。4.2 LAPLACE 算子锐化图像锐化处理的目的是使模糊的图像变得更加清晰起来，这里采用LAPLACE 算子对图像进行锐化处理，如下图所示。（1）分析：由于图像由16 级灰度条组成，在灰条的交接处存在不太明显的边缘，拉普拉斯锐化算子突出了这些灰度条连接的地方，使得在原先暗区和亮区的不太明显的分界变得明显了。（2）分析：图像由连续灰度组成，结果图中没有突变信息。用拉普拉斯算子得到的结果不太明显，但如果细心地观察图像会发现，其对比度有所改善。（3）分析：锐化操作使原先不明显的路面和树叶的细节显露出来。（4）分析：请注意手的纹路被突出显示出来了。通常用的拉普拉斯锐化模板还有另一种形式：-1-1-1-19-1-1-1-1修改实验程序完成以上算子的锐化运算，得到观测结果如下图： （1） （2） （3） （4）与之前所得锐化图像对比，可知：中间的因子越大，表现出的细节信息越多，并增强了图像对比度。4.3 图像取反将图像各象素按位进行求反，可取得类似照相底片效果。求反处理的图像与原始图“黑白颠倒”，可以看清原始图中灰黑区域的情况，如下图：（1）（2）（3）（4）（5）从以上五幅对比图均可看出“黑白颠倒”的效果。4.4 直方图统计根据直方图统计的原理进行程序设计，得到以下图像和直方图统计结果，并据此分析直方图的特征，表现了图像的特点，从而了解各种图像的直方图统计的意义及其在实际中的运用。（1）分析：由于图像由16级灰度条组成所以直方图统计的结果各灰度的值是离散的，而且各灰度所占百分比大致相同。（2）分析：图像由连续灰度组成，但较暗的像素所占比例较小，图像大部分是亮的，从直方图中可以观