数字图像处理系统毕业设计论文

中北大学2013届毕业设计说明书毕业设计说明书基于ARM的嵌入式数字图像处理系统设计学生姓名：张占龙学号：0905034314学院：信息与通信工程学院专业：测控技术与仪器指导教师：张志杰2013年6月摘要简述了数字图像处理的应用以及一些基本原理。使用S3C2440处理器芯片，linux内核来构建一个简易的嵌入式图像处理系统。该系统使用u-boot作为启动引导程序来引导linux内核以及加载跟文件系统，其中linux内核与跟文件系统均采用菜单配置方式来进行相应配置。应用界面使用QT制作，系统主要实现了一些简单的图像处理功能，比如灰度话、增强、边缘检测等。整个程序是基于C++编写的，因此有些图像变换的算法可能并不是最优化的，但基本可以满足要求。在此基础上还会对系统进行不断地完善。关键词：linnux嵌入式图像处理边缘检测AbstractThispaperexpoundstheapplicationofdigitalimageprocessingandsomebasicprinciples.TheuseofS3C2440processorchip,theLinuxkerneltoconstructasimpleembeddedimageprocessingsystem.Thesystemusesu-bootasthebootloadertoboottheLinuxkernelandloadedwithfilesystem,Linuxkernelandfilesystemareusedtomenuconfigurationtomakecorrespondingconfiguration.TheapplicationinterfaceismadeusingQT,systemismainlytoachievesomesimpleimageprocessingfunctions,suchasgray,enhancement,edgedetection.ThewholeprocedureispreparedbasedontheC++,sosomeimagetransformalgorithmmaynotbeoptimal,butitcanmeetthebasicrequirements.Onthisbasis,butalsoonthesystemconstantlyimprove.Keywords:linuxembeddedsystemimageprocessingedgedetection第PAGEII页共SECTIONPAGES\*ROMANII页目录第一章绪论 11.1数字图像处理概述 11.2数字图像处理现状分析 51.3本文章节简介 7第二章图像处理理论 82.1图像信息的基本知识 82.1.1视觉研究与图像处理的关系 82.1.2图像数字化 92.1.3图像的噪声分析 102.1.4图像质量评价 102.1.5彩色图像基本知识 112.2图像变换 122.2.1离散傅里叶变换 122.2.2离散沃尔什-哈达玛变换（DWT-DHT） 192.2.3离散余弦变换（DCT） 202.2.4离散图像变换的一般表达式 212.3图像压缩编码 232.3.1图像编码的基本概念 232.4图像增强和复原 232.4.1灰度变换 232.4.2图像的同态增晰 242.4.3图像的锐化 252.5图像分割 252.5.1简单边缘检测算子 262.6图像描述和图像识别 26第三章需求分析 263.1系统需求分析 273.2可行性分析 273.3系统功能分析 27第四章概要设计 274.1图像采集 284.2图像存储 294.3图像处理（imageprocessing） 294.4图像显示 304.5网络通讯 30第五章详细设计 305.1Linux嵌入式系统的构建 305.1.1启动引导程序的移植 315.1.2Linux内核移植 315.1.3根文件系统的移植 315.2图像处理功能的实现 325.2.1彩色图像的灰度化 325.2.2灰度图的直方图均衡化增强 325.2.3图像二值化 335.2.4边缘检测 34第六章调试与维护 34附录A 34参考文献 41致谢 41第44页共SECTIONPAGES44页绪论数字图像处理概述数字图像处理(DigitalImageProcessing)又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理的主要研究内容包括以下几个方面：图像变换、图像编码压缩、图像增强和复原、图像分割、图像描述、图像分类（识别）。图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大，图像处理的应用领域也随之不断扩大，在航天和航空技术、生物医学工程、通信工程、工业和工程、军事与安全、文化艺术等方面获得越来越广泛的应用。数字图像处理的发展始于20世纪60年代初期，首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功绘制出月球表面地图，获得了巨大成功。这位人类登月创举奠定了坚实的基础，在以后的航空技术中，如对火星、土星等星球的探测研究中，数字图像处理都发挥了巨大的作用。数字图像处理取得的另一个巨大成就是在医学上的应用。1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，简称CT（ComputerTomograph）。CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，成为图像重建。1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类做出了划时代的贡献。于此同时，图像处理技术在许多其它应用领域受到广发重视并取得了重大的开拓性成就，属于这些领域的有工业检测、机器视觉、公安司法、军事制导、文化艺术等，是图像处理成为一门引人注目、前景远大的新型学科。从20世纪70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。很多国家，特别是发达国家投入更多地人力、物力研究计算机视觉（图像理解）领域，取得了不少重要的研究成果。其中代表性的成果是20世纪70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想[1]。图STYLEREF1\s一SEQ图\*ARABIC\s11基于Marr视觉计算理论的方框图Marr视觉计算理论主要涉及描述三维物体的几何表示问题。Marr理论认为描述三维物体有三个层次（图STYLEREF1\s一SEQ图\*ARABIC\s12）:（1）图像特征（基元图）。它反映了二维图像的重要特征。是以原始图像中抽取如边缘、角点、纹理、线条、不连续点等基本特征，这些特征的集合称为基元图。（2）2.5维图，又称为intrinsic图像。它在以观察点为中心的坐标系统中，由输入图像和基元图恢复场景可见部分的深度、法线方向、轮廓等，这些信息包含了深度信息，但不是真正的物体三维表示，因此称为二维半图。从图像特征恢复得到2.5维图，可以有很多方法，如立体图、从图像序列、从阴影至形状从纹理至形状、从x至形状（其中x为新研究的方法）等方法恢复得到2.5维图。（3）三维模型表示。在以物体为中心的坐标系中，描述了三维物体的形状和它们在空间的结构基元是体积的或表面面积的基元。Marr计算视觉理论框架虽然还不十分完善，许多方面还有争议，如该理论建立的视觉处理框架基本上是从上至下，而没有考虑反馈的作用；此外，该理论没有重视知识引导作用。但是，它至今仍然是可接受的基本框架，它不仅推动了计算机视觉这门科学的形成和发展，也为计算机视觉领域提供了许多研究的起点。计算机视觉是模仿人的视觉，由于人们对视觉机理的研究还没有突破性的进展，因此计算机视觉研究是一项艰巨而长远的任务。尽管目前已有了不少图像理解的理论、方法、算法和初级图像理解系统，但真正能在实际应用中可以取代人的视觉功能的还不多见。当前科学技术的发展使得许多领域迫切需要应用图像处理和理解，因此，应当在计算机视觉领域中，加强新理论与方法的探索和研究，使之有可能较大的降低视觉理解的难度，而仍然能解决不少有意义的实际问题。近来兴起的“有目的、定性、主动地视觉”、基于CAD的视觉、距离图像的理解、多传感器融合等都是一些有代表性的研究方向。这里特别要指出，从20世纪90年代，计算智能信息处理技术获得飞速的发展，它在数字图像处理和计算机视觉领域中获得了越来越广泛的应用，取得了许多引人注目的突破性成果。这些成果不仅推动了计算智能信息处理技术的进一步发展，而且给数字图像处理和计算机视觉开辟了不少新的研究领域。在计算机智能信息处理技术中，如模糊集与模糊逻辑、神经网络、小波分析、进化计算（遗传算法）、分形等，在图像编码、增强、分割、特征提取、描述以及识别等方面都有广泛的应用，获得了不少新方法、新算法。另外，一些新的数学方法，如数学形态、粗糙集理论等数学工具在数字图像处理中也有成功的应用，引起了人们极大的关注。可以相信，视觉作为人类最重要的一种感知，是人类智能活动不可缺少的。因而，研究图像处理和理解将永远是一个挑战性的研究课题，无论存在多大的困难，总会取得突破性进展，并给人类社会各个方面的实际应用带来越来越多的效益。下面就数字图像处理主要的几个方面作简要介绍：1）图像变换由于图像阵列很大，直接在空间与中进行处理，设计计算量很大。因此，往往采用各种图像变换的方法，如傅里叶变换、哈尔变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，这不仅可以减少计算量，而且可获得更有效的处理（如傅里叶变换可在频域中进行数字滤波处理）。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效地应用。2）图像编码压缩图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少存储器容量。压缩可以在不失真前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。3）图像增强和复原图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强调低频分量可以减少图像中噪声影响。图像复原要求对图像降质的原因有一定了解，一般讲应根据降质过程建立“降质模型”，在采用某种滤波方法，恢复或重建原来的图像。4）图像分割图像分割时数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来，包括图像中物体的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像处理的有效方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。5）图像描述图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特征。一般图像描述方法采用二维形状描述，有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理描述。在计算机视觉中要进行三维物体描述的研究，为此，提出了体积描述、表面描述、广义圆柱体描述等方法。6）图像分类（识别）图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别、人工神经网络模式分类以及支撑向量机方法在图像识别中也越来越受到重视。此外，图像重建以及图像的只是表示、彩色图像处理等都是目前数字图像处理中新发展的研究领域，在图像处理中获得越来越广法的应用。数字图像处理现状分析数字图像处理技术的应用越来越广，己经渗透到工程、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着越来越大的作用。总之，数字图像处理技术应用还可列出相当多的领域，它在国家安全、经济发展、日常生活中充当越来越重要的角色，对国计民生的作用不可低估。图像处理技术由于本身所具有的特点导致它又很容易受到一些因素的制约。图像处理的特点主要集中在以下几点：（1）图像信息量庞大。在数字图像处理中，一幅图像可看成是由图像矩阵中的像素（pixel）组成的，每个像素的灰度级至少要用6bit（单色图像）来表示，一般采用8bit（彩色图像），高精度可用12bit或16bit甚至更高。X射线照片一般用64KB-256KB的数据量，一幅遥感图像3240x2340x4≈30MB的数据量。（2）图像处理综合性强。在数字图像处理中涉及的基础知识和专业技术相当广泛。一般来说涉及通信技术、计算机技术、电子技术、电视技术，至于涉及到的数学、物理学等方面的基础知识。总之，图像处理科学是一项涉及多学科的综合性科学。（3）图像信息理论与通信理论密切相关。自从1948年，Shannon发表了“AMathematicalTheoryofCommunication”（通信中的数学理论）一文，便奠定了信息论的基础。此后，信息理论便渗透到了各个领域。图像信息论也属于信息论科学中的一个分支。从当今的理论发展看，可以说图像信息论是在通信理论研究的发展起来的。图像理论是把通信中的一维问题推广到二维空间上来研究。总之，通信中的一维问题都可推广到二维，尽管有些理论尚不完全贴切，但对图像自身理论体系的形成有极大的借鉴意义。（4）处理精度高。（5）内容丰富，通过编写不同的软件程序可以实现对图像的不同处理，如增强、滤波、恢复和压缩等，其处理内容十分丰富。（6）灵活性强。数字图像处理不仅能完成线性运算，且能实现非线性处理，即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。（7）再现性好。数字图像处理与模拟图像处理的根本不同在于，它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，则数字图像处理过程始终能保持图像的真实再现。（8）适用面广。图像可以来自多种信息源。从图像反映的客观实体尺度看，可以小到电子显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。只要被变换为数字编码形式后，均可用计算机来处理。（9）占用频带宽，信息压缩的潜力大。数字图像中各个像素是不独立的，其相关性大。就电视画面而言，同一行中相邻两个像素或相邻两行间的像素，其相关系数可达0.9以上，而相邻两帧之间的相关性比帧内相关性一般说还要大些。因此，图像处理中信息压缩的潜力很大。由此造成图像处理会受到一些因素的制约：（1）知识的综合性强，需要掌握多方面的知识。（2）对计算机的计算速度、存储容量要求高。（3）处理宽频带难度大。数字图像处理占用的频带较宽。与音频信息相比，占用的频带要大几个数量级。所以在成像、传输、存储、处理、显示等各个环节的实现上，技术难度较大，成本高。（4）二维到三维的转换难度大。由于图像是三维景物的二维投影，一幅图像本身不具备复现三维景物的全部几何信息的能力，三维景物背后部分信息在二维图像画面上是反映不出来的.因此，要分析和理解三维景物必须作合适的假定或附加新的测量.在理解三维景物时需要知识导引，这也是人工智能中正在致力解决的知识工程问题。（5）人为因素。数字图像处理后的图像一般是给人观察和评价的，因此受人的因素影响较大。鉴于图像处理自身的特点以及影响其的一系列因素，个人认为图像处理未来的发展可能会有以下几个方向：（1）数字图像处理技术的发展将向着高速、高分辨率、立体化、多媒体、智能化和标准化方向发展（2）进一步加强软件研究、开发新的软硬件图像处理方法。（3）加强基础学科、边缘学科的研究工作，促进数字图像处理技术的进一步发展。（4）逐步完善数字图像处理科学自身的理论体系。（5）图像、图形相结合朝着三维成像或多维成像的方向发展（6）新理论与新算法研究.近年来在图像处理领域引入了一些新的理论并提出了一些新的算法，如:Wavelet、Fractal、Morphology、遗传算法、神经网络等。Fractal广泛用于图像处理、图形处理、纹理分析，同时还可以用于数学、物理、生物、神经和音乐等方面，有人认为Fractal把杂乱无章、随意性很强的事物能用数学方法加以规范和描述，它在分析和描绘自然现象上具有独到之处。这些理论在未来图像处理理论与技术上的作用应给予充分的注意，并积极地加以研究（7）图像处理芯片化。目前，结合多媒体技术的研究，硬件芯片越来越多。如Thomson公司ST13220采用SyStO11C结构，作运动预测器。INMOS公司的IMS-A121，采用流水线结构，C-CUbe公司CL-550把JPEG做到一个芯片上，更便于推广应用。总之把图像处理的众多功能固化在芯片上将会有更加广阔的应用领域。（8）虚拟现实。计算机的运算速度发展到今天，已为虚拟现实提供了可能。网上虚拟现实、可视电话及会议系统等方面的发展及应用都为数字图像处理技术的发展提供了新的机遇。（9）机器人视觉.随着各种相关技术和相关学科研究的不断发展，机器人视觉将由2D向3D，由低速响应向高速响应发展。本文章节简介本文共分为六章。第一章绪论，主要介绍数字图像处理的现状，基本概念，以及内容分布。第二章图像处理理论，对图像处理技术中经常用到的一些理论与方法进行比较详细的介绍。第三章需求分析，该数字图像处理系统进行可行性分析，并且就所使用的嵌入式平台进行介绍。第四章概要设计，这一章是整个系统的设计思路以及一些算法的简单分析。第五章进行系统的具体实现，包括硬件电路的设计与软件程序的编写。第六章是系统的最后调试以及功能使用说明部分。图像处理理论图像信息的基本知识视觉研究与图像处理的关系（1）图像质量评价与视觉心里。目前把图像信息看成二维平面上具有亮暗色彩变化的若干单个像素信息的集合是非常初步的认识。应该说，对图像的认识或理解是由感觉和心理状态决定的，也就是说，与图像内容和观察者的心理因素有关。由此启发人们去研究建立包括人的因素在内的信息理论。（2）画面组成和心理视觉。人的视野相当宽广，左右视角约为180°，上下月60°，但如此宽广的视野中视力好的部位仅限于2°~3°。那么，人是如何转动眼球使视线移动，从而适应大的画面和立体景象的呢？人眼中心视力分辨率强，可以进行图像细节的认识，但只能认识图像的一小部分；而周边视力分辨率差，但可以认识图像的全貌，而且可以将所视目标特征部分检出，利用检出的目标图像特征去控制眼球运动，必要时可以再用中心视力来进一步认识这一部分图像。（3）主观亮度感觉。实验表明，人的视觉系统感觉到的景物亮度并不直接由景物本身的亮度所决定。其主观亮度感觉S与光强度B的对数呈线性关系，这一规律称为韦伯-弗赫涅尔（Weber-Fechner）定律，即为下式所示：S=式中k、k0（4）同时对比效应和马赫带效应在某些情况下，人的感觉不是简单的光强度函数，还可以从人的两个视觉特性，即同时对比效应和马赫带效应得到说明。图STYLEREF1\s二SEQ图\*ARABIC\s11同时对比效应同时对比效应（如上图所示）。图中所有的中心方块都有相同的光强度，但在人的视觉感觉就不同，这种与背景光强度有关的视觉主观感觉称为同时对比效应。图STYLEREF1\s二SEQ图\*ARABIC\s12马赫带效应图中各个条带的客观亮度不同，但每个条带本身的客观亮度是相同的。但在人的视觉中，对每个条带感觉都是不均匀分布的，感到所有条带的右边比左边亮些，出现的这些毛边带（特别是靠边界处）称为马赫带效应。图像数字化一幅黑白静止平面图像中各点的灰度值可用其位置坐标x，y的函数fx，采样和量化。图像在空间上的离散化成为采样，其约束条件是：由采样点，通过某种方法可以正确的重建原图像。采样的方法有两类：一类是直接对表示图像的二维函数值进行采样，即读取各离散点上的信号值，所得结果就是一个样点值阵列，所以也称为点阵采样；另一类是先将图像函数进行某种正交变换，用其变换系数作为采样值，故称为正交系数采样。对样点灰度值的离散化过程称为量化。也就是对每个样点值数字化，使其只和有限个可能电平数中的一个对应，即使图像的灰度值离散化[3]。量化也可以分为两种，一种是将样点灰度值等间隔分档取整，称为均匀量化；另一种是不等间隔分档取整，称为分均匀量化。因为都要取整，故量化也常称为整量或整量化过程。图像的噪声分析图像噪声在数字图像处理技术中的重要性已越来越明显，如高放大倍数航片的判读、X射线图像系统中的噪声去除等都已成为不可缺少的技术。图像噪声按其产生的原因可分为：（1）外部噪声：是指系统外部干扰从电磁波或经电源串进系统内部而引起的噪声，如电气设备、天体放电现象等引起的噪声。（2）内部干扰一般可分为四种：由光和电的基本性质所引起的噪声、电器的机械运动产生的噪声、元器件材料本身引起的噪声、系统内部设备电路所引起的噪声。从统计理论观点图像噪声可分为平稳和非平稳噪声两种。不严格的讲，这两种噪声可以理解为:其统计特性不随时间变化的噪声称为平稳噪声；其统计特性随时间变化而变化的称为非平稳噪声。还可以按噪声幅度分布形状来定义，如其幅度分布是按高斯分布的就称其为高斯噪声，而按雷利分布的就称其为雷利噪声。当然也有按噪声频谱形状来命名的，如频谱均匀分布的噪声称其为白噪声，频谱与频率成反比的称为1f噪声，而与频率平方成正比的称其为三角噪声等等[4]图像质量评价图像质量的含义包含两个方面，一个是图像的保真度（fidelity），另一个是图像的可懂度（inteligibility）。所谓图像保真度是描述被评价图像与标准图像的偏离程度；而图像的可懂度则是表示图像能向人或机器提供信息的能力。目前对图像质量在定量评价上一般采用均方误差表示的客观保真度准则，而图像的可懂度定量测量还是很困难。目前对图像质量评价往往还是采用主观保真度准则，它是由一批图像评价专家按主观感觉来定性地评价图像质量[5]。显然这种评价方法容易受到很大认为因素的影响。彩色图像基本知识为了定量的描述颜色对人眼的视觉作用，可以用亮度（brightness）、色调（hue）、色饱和度（saturation）这3个与视觉特征有关的量来计算描述，这3个量称为颜色的3个基本属性。色调是彩色的最重要的属性，是决定颜色本质的基本特性；色饱和度是指一个颜色鲜明程度，饱和度越高，颜色越深；亮度是指光波中作用于感受器所发生的效应，其大小由反射系数决定，反射系数越大，物体的亮度越高。实际应用中，一般将色调和色饱和度称为彩色，颜色便用彩色和亮度表征[6]。人眼大概能识别128种不同的色调和130种不同的色泽（色饱和度）。根据不同的色调，还可以识别若干种明暗。因此，人眼可以识辨出大约128×彩色模型。为了能使用RGB三基色描述各种色彩，根据实际应用和需要提出了一些彩色模型。RGB（红、绿、蓝）模型主要用于彩色监视器和彩色视频摄像机；CMY（青、深红、黄）模型用于彩色打印机；HSI（色调、饱和度、亮度）模型更符合人描述和解释颜色的方式。此外，还有常用的国际照明委员会CIE提出的CIE-XYZ模型和美国国家电视系统委员会（nationaltelevisionsystemCommittee-NTSC）提出的YIQ彩色模型。RGB和CMY的转化。假设RGB在三维坐标系中为R（1，0，0）、G（0，1，0）、B（0，0，1），则二者关系为：CCIE-XYZ模型。使用RGB模型生成颜色时，用于产生颜色的原基色比例系数出现负值，使用起来十分不便。同时，不同研究者所用的三基色和标准白色不同，使得研究结果很难比较。XYZ颜色把彩色光表示为：C=XX+YY+XRGB和NTSC-YIQ彩色模型转化：Y当采用PAL电视制式时公式应为Y=0.222R+0.707G+0.071B图像变换一般数字图像处理的计算方法本质上都可看为线性的，处理后的输出图像阵列可看为输入图像阵列的各个元素经加权线性组合而得到，这种空间线性处理要比非线性处理简单。但对于图像处理的运算来说，由于图像阵列很大，如果没有有效地算法，计算上很麻烦且费时，往往采用各种图像变换方法，如傅里叶变换、沃尔什变换等间接处理技术，可获得更有效地处理。下面对几种常用的图像处理变换一一介绍。离散傅里叶变换离散傅里叶变换（DiscreteFourierTransform——简称DFT）在数字信号处理和数字图像处理中应用十分广泛，它建立了离散时域和离散频域之间的联系。如果直接应用卷积和相关运算在时域中处理，计算量将随着取样点数N的平方而增加，这使计算机的计算量加大，费时，很难达到实时处理的要求。因此，一般可采用DFT方法，将输入的数字信号首先进行DFT变换，在频域中进行各种有效地处理，然后进行DFT反变换，恢复为时域信号。这种用计算机对变换后的信号进行频域处理，比在时域中直接处理更加方便，计算量也大大减少，提高了处理速度。DFT还有一个明显的优点是有快速算法，即FFT（FastFourierTransform）算法，它可大大减少计算次数，使计算量减少到只是直接用DFT所需计算量的一小部分[7]。一维离散傅里叶变换：如果去N个间隔为∆x取样增量的方法将一维连续函数fx进行离散化。fx变为离散函数，可用下图所示序列fx0图STYLEREF1\s二SEQ图\*ARABIC\s13一维连续函数fx的采样经取样后的一维离散函数fxFf式中x=0，1，二维离散傅里叶变换：只要考虑两个变量就很容易将一维离散傅里叶变换推广到二维。二维离散傅里叶变换对由下式给出F式中：u=0，1，f式中：x=0，1，二维连续函数的取样是在二维的取样间隔上进行的，对空域的取样间隔为∆x和∆y，对频域的取样间隔为∆u和∆v。它们的相互关系为：在数字图像处理中，图像一般取样为方形阵列，则M=N，那么二维DFT可表示为F式中：u=0，1，F式中：x=0，1，需要指出的是上述变换对并不是通用的表示式，常用的是正、反变换式中常数项均去1/N，这不影响问题的本质。接下来介绍二维离散傅里叶变换的几种常用的性质。（1）线性傅里叶变换是一种线性算子。设F1u，v和F2F式中a，b是常数。（2）可分离性显然傅里叶变换公式中指数项可分成只含x、u和y、v的二项乘积，其相应的二维离散傅里叶变换对可分离成两部分之积：Ff式中，u、v、x、y均取0，可分离性的重要意义在于：一个二维傅里叶变换或反变换都可以分解为两步进行，其中每一步都是一个一维傅里叶变换或反变换。为说明问题，以二维傅里叶正变换为例，设其后面的求和项为FxF此式表示对每一个x值，fx，y先沿每一行进行一次一维傅里叶变换。再将FxF这说明二维傅里叶变换可以先沿行后沿列分离为两个一维变换的过程，显然改为先沿列后沿行分离为两个一维变换，其结果是一样的，公式略。二维离散傅里叶反变换的分离过程完全与上述相似，所不同的只是指数项为正，这里就不再重复了。（3）平移性傅里叶变换对的平移性由下式给出：ff上式表明，在空域中图像原点平移到x0，y0时，其对应的频谱Fu，v要乘上一个负责的指数项exp平移性告诉我们一个感兴趣的事实：当空域中fx，F反之，当频域中Fu，v在数字图像处理中，常常需要将Fu，v的原点移到则expj2πu0x+v0y/N=ejπx+y（4）周期性和共轭对称性离散傅里叶变换和反变换具有周期性和共轭对称性。傅里叶变换对的周期性可表示为：Ff式中：a共轭对称性可表示为FF离散傅里叶变换的周期性说明正变换后得到的Fu，v或反变换后得到的fx，y都是具有周期为N的周期性重复离散函数。因此，若要完全确定Fu，（5）旋转不变性若引入极坐标x=rcosθ则fx，y和Fu，f此式表明，如果fx，y在空域旋转θ0角度后，相应的傅里叶变换（6）分配性和比例性傅里叶变换的分配性表明傅里叶变换和反变换对于加法可以分配，对乘法则不行。即FF傅里叶变换的比例性表明对于两个标量a，b，有aff这说明在空间比例尺度的展宽，相应于频域比例尺度的压缩，其幅值也减少为原来的1ab（7）平均值二维离散函数的平均值定义如下：f将u=v=0代入二维离散傅里叶定义式，可得F比较上面两个式子可以看出：f因此，若要求离散信号fx，y的平均值，只需算出相应的傅里叶变换F（8）微分性质二维变量函数fx∇按二维傅里叶变换的定义，可得：F拉普拉斯算子通常用于检测图像的边缘。（9）卷积定理卷积定理和相关定理都是研究两个函数的傅里叶变换之间的关系，这也构成了空间域和频域之间的基本关系。设fx，y和gx，y是大小分别为A×fｇ式中：ｘ＝０，１，２，⋯，Ｍ-１二维离散卷积定理可用下式表示：ff应用卷积定理的明显好处是避免了直接计算卷积的麻烦，它只需先算出各自的频谱，然后相乘，再求其反变换，即可得卷积。（10）相关定理在离散情况下，与离散卷积一样，须用增补零的方法扩充fx，y和gx，yff傅里叶变换虽然有很多有用的性质，也获得了很广泛的应用，但它有两个明显的缺点。首先，需计算复数而不是实数，进行复数运算比较费时。其次，傅里叶变换收敛慢，这在图像编码应用中尤为突出。离散沃尔什-哈达玛变换（DWT-DHT）沃尔什（Walsh）变换是由两个数值，即+1或-1的基本函数的级数展开而成的，它和傅里叶变换一样具备完备正交特性。由于沃尔什函数时二值正交函数，与数字逻辑中的两个状态相对应，因此更适用于计算机技术、数字信号处理。设N=2W式中u、x均取0，沃尔什变换核（后面提到）是一个对称阵列，其行和列是正交的。同时正反变换的任何算法都可直接用来求反变换，这时只需将算法结果乘以N即可[8]。而且沃尔什变换核不是+1就是-1，因此，沃尔什变换本质上是将离散序列fx二维沃尔什正变换核和反变换核为gh此处，为使正、反变换核有相同形式，取相同的常数项1NWf二维沃尔什变换也可以分成两步一维沃尔什变换来进行。离散余弦变换（DCT）离散余弦变换（DiscreteCosineTransform）的变换核为实数的余弦函数，因而DCT的计算速度要比核为复数的DFT要快得多，而且对于具有一阶马尔柯夫的随机信号，DCT是K-L变换的最好近似，已被广泛应用到图像压缩编码、语音信号处理等众多领域。一维离散余弦变换的正向变换核为gg式中：x=0，1，由此得一维DCT：CC式中，x=0，同样，一维DCT反向变换核取与其正向变换核相同的形式，则有：f式中，x=0，1二维DCT正变换核定义为：gg式中：x、y均取0，1，同样，当反变换核与正变换核有相同的形式时，二维DCT变换对为：CC式中：u=1，2，f式中：x=0，1，从以上式中可以看出，二维DCT变换核是可分离的，因此二维DCT可逐次应用一维DCT算法进行计算。而且，傅里叶变换中指数项通过欧拉公式ejx=cosx+j离散图像变换的一般表达式从各种不同的离散变换表达式可以看出，它们其实有着很多相同的地方。以二维离散傅里叶变换为例，可以用通用的关系式来表示：Tf式中：x、y、u、v均取0，1，2，gh则称正反变换核是可分离的。如果g1和g2，h1gh显然二维离散傅里叶变换对只是通用关系式的一个特殊情况，它们的核为gh它们都是可分离和对称的，因为g=h=exp如上所述，二维傅里叶变换可以利用变换核的可分离性，用两次一维变换来实现，同理，不论何种变换，只要其变换核是可分离的，就可以将一个二维变换用两次一维变换来实现。数字图像变换还可以用矩阵来表示，以便应用矩阵运算的很多性质，这里就不再详述[10]。关于数字图像的变换还有很多，由于篇幅关系，这里不再一一例举。图像压缩编码图像编码的基本概念图像编码可以分为两类：信息保持编码（无失真编码、无损编码）、保真度编码（失真编码、有损编码）。还有一种是对图像某些有用的特征信息进行所谓特征抽取编码。图像增强和复原本文只针对涉及到的几种图像增强和复原方法进行介绍。灰度变换灰度变换是一种长用的灰度修正方法。灰度修正就是对图像在空间域进行增强的简单而效果明显的方法。灰度变换主要用于图像某一部分或整幅图像曝光不足的情况，目的是增加图像灰度对比度。在某些情况下，为了将图像灰度级整个范围A，B或其中某一段扩展或压缩到记录器件输入灰度级动态范围Z1，Zk之内，以便充分利用记录器件灰度级动态范围，记录显示出图像中所需的图像细节，往往采用灰度变换方法。假定原来图像灰度级范围为A，B，其中某一灰度级为Z，经过变换后为Z'（1）图像曝光不充分，使A，B为Z1，ZZ这样实际上是使图像中黑的更黑，白的更白，提高了图像对比度。（2）若图像大部分灰度级集中在A，B之间，则选用Z这种变换时灰度级在A、B之外的分别用一个灰度级代替，所以会丢失一部分信息，但只要合理选择A，（3）若要突出图像中具有某些灰度级的物体细节，而又不牺牲其他灰度细节，可以分段压扩变换，是需要的细节灰度级拉伸，增强对比度，而不需要的细节灰度级压缩。（4）有些情况下，实际应用需要将图像的灰度级几个子区域都扩展到显示器件的整个动态范围，人为地构成轮廓，从而得到满意的视觉效果：Z（5）有时图像的动态范围太大，在显示或观察时，高的亮度值将暗区的信号都掩盖了。为增强低灰度级像素，压制高灰度级像素，通常用对数变换方法进行调整灰度级的动态。即：Z（6）幂次变换：Z'=cZr。与对数变换一样，在图像的同态增晰在实际应用中，我们常常会遇到这样一类图像，它们的灰度级动态范围很大，即黑的那部分很黑，白的那部分很白，而我们感性趣的图中某一部分的物体灰度级范围又很小，分不清物体的灰度层次和细节。采用一般的灰度线性变换是不行的，因为扩展灰度级虽可以提高物体图像的反差，但会使动态范围更大。而压缩灰度级，虽可以减少动态范围，但物体灰度层次和细节就会更看不清。对于这种矛盾状态的处理办法，就可以采用图像同态滤波方法，只要使用合适的滤波特性函数，可以既使图像灰度动态范围压缩又能让感兴趣的物体图像灰度级扩展，从而使图像清晰，这就是所谓的图像同态增晰（Homomorphic）。一般情况下，图像是物体对照明光的反射（除本身能发光的物体外）。自然景物的图像是由两个分量乘积所组成，即照明度图型和反射度图型，或称照明函数和反射函数。照明函数描述景物的照明，可以认为与景物无关；反射函数包含景物细节，也可以认为与照明无关。若照明函数用fix，y，反射函数用f由此看来，图像的结构理论适用于乘法同态系统。下面对同态处理过程作简要概述：（1）对上式图像构成取对数；（2）进行傅里叶变换；（3）在频域分别对两个分量进行修正；（4）对修正后结果进行傅里叶反变换；（5）与第一步相对应，求指数。图像的锐化图像锐化（Sharpening）处理的目的是使边缘和轮廓线模糊的图像变得清晰，并使其细节清晰。图像模糊的实质是因为图像受到平均或积分运算，为此对其进行逆运算（微分运算）就可以使图像清晰。从频谱角度来分析，图像模糊的实质是因为其高频分量被衰减，因而可以用加重高频滤波来使图像清晰。但锐化会使噪声比信号得到更大的增强，因此要求图像由较高的信噪比，一般先进行滤波处理。锐化大致有两种方法：微分法和高通滤波法。这两种运算都可以增强图像的细节。图像分割所谓图像分割是按照一定的规则将一幅图像或景物分成若干个部分或子集的过程。这种分割的目的是将一幅图像中的各种成分分离成若干与景物中的实际物体相对应的子集。本文只对几种常见的边缘检测进行介绍。简单边缘检测算子由于边缘是图像上灰度变化比较剧烈的地方，在灰度变化突变处进行微分，将产生高值，因此在数学上可用灰度的导数来表示变化。（1）梯度算子梯度是图像处理中最为常用的一次微分方法。我么没知道图像函数fx，y在x，y（2）拉普拉斯算子[11]拉普拉斯（Laplacian）算子是不依赖边缘方向的二阶微分算子，它是一个标量而不是向量，具有旋转不变即各向同性的性质，在图像处理中经常被用来提取图像的边缘。表达式为∇2fx图像描述和图像识别所谓图像描述就是用一数组数量或符号（描述子）来表征图像中被描述物体的某些特征[12]，可以是对图像中各组成部分的性质描述[13]，也可以是各部分彼此之间的关系的描述。需求分析系统需求分析在嵌入式设备日益发展的今天，图像处理这个看似神秘的话题也逐渐出现在了人们日常的嵌入式设备上[14]。该系统期望运行于一些移动设备终端，就当前移动终端的发展来看，这将会有不错的市场需求。而且，人们越来越追求智能终端的情况下，如果将这样一个具有不错的图像处理功能的应用无疑会受到大多数消费者的青睐。可行性分析要想在一个移动的嵌入式终端运行一个图像处理的程序，听起来好像很难实现，因为要对图像进行处理，那么必然要面对大量的二维数据，那么这就需要处理器的运算能力可以胜任。就现在的ARM芯片发展而言，完全可以将这样的功能移植到嵌入式设备上，我们无需担心其处理能力。而且设计这样一个小型的图像处理系统，所需成本也完全可以接受，因为图像处理系统其实只是一个嵌入式终端的一部分，可以说成本就只有你的算法程序和你付出的劳动。而它可以带来的效益那当然是很客观了，因为智能设备正在泛滥吗！系统功能分析该系统主要实现一些简单的图像处理功能。主要有彩色图像的灰度化处理、灰度图像的增强、灰度图像的锐化、简单的边缘提取[15]，还有一些有意思的特效处理。概要设计根据功能的不同，图像处理系统大多可分为四个模块：图像采集模块、图像存储模块、图像处理模块以及图像显示模块，有时根据需要可能还会有网络通讯模块。下面对各个模块分别加以详述。整体的系统框图如下：图STYLEREF1\s四SEQ图\*ARABIC\s11系统整体结构图图像采集首先需要明确一个概念，图像不同于图形，图形的获取一般通过绘图工具进行绘制，而图像的获取则大多要用扫描仪、相机、摄像头等设备进行采集，也可以对视频进行捕捉。扫描仪是利用光电技术和数字技术以扫描的方式将图形或图像转换为数字信息的装置[16]。扫描仪扫描图像的方式大致有三种：以光电耦合器（CCD）为光电元件的扫描、以接触式图像传感器CIS（或LIDE）为光电转换元件的扫描、以光电倍增管（PMT）为光电转换元件的扫描。其中CCD扫描仪需要一整套光学系统，组成它的部件相对复杂，体积相对较大，成本相对较高。CIS感光元件本身足以完成成像任务，具有模块化设计，原理和光路都极为简单，组装容易，产品体积可以更小。PMT扫描仪成本极高，一般只有最专业的领域才会使用，属于可望而不可及的贵族产品。扫描仪应用在当今社会的各个领域，而且技术也比较成熟，如今的图像处理系统很多都采用的扫描仪进行图像采集。摄像头又称为电脑相机、电子眼等，是一种视频输入设备，现在被广泛的应用在视频会议、实时监控等方面。摄像头通常有CCD和CMOS两种，接口在并口、串口以及现在应用较多的USB接口。CCD和CMOS摄像头的主要区别是CCD是集成在半导体单晶材料上，而CMOS是集成在被称做金属氧化物的半导体材料上，工作原理没有本质的区别。一开始CCD的性能要好于CMOS，但现在随着技术的改进，两者的差距也在逐渐缩小。由于二者各具优势，所以在不同的领域都得到了广泛的应用。摄像头可以对动态的视频信号进行采集，因此在图像采集领域也使用得越来越多。相机以及数码相机做为一种便携式设备，虽然也具有图像采集功能，但它很少被应用在专门的图像采集系统中，而是主要用于日常生活。它本身就已经可以称为系统的设备了，内部集成了一些图像处理功能。图像存储现代化生产和科学研究对图像采集系统要求日益提高。传统图像采集系统大都是基于PC机的，而在一些特殊场合，尤其是在实时性要求较高时，普通PC机显然无法满足应用要求。因此大多数的嵌入式图像采集处理系统都是采用Flash芯片来进行图像的存储。由于图像信息的数据量往往远大于普通数据，因此图像的存储基本上都会涉及到压缩算法的问题。正如目前我们所见到的各种不同格式的图片与视频也正是基于不同压缩算法的处理结果，它也直接影响着图像的处理效果。在嵌入式图像处理系统中可以采用多块SD卡构成图像存储模块[17]，这也是现今大多数图像处理系统所采用的方法。SD卡体积小，而且具有不错的容量，使用多块完全可以满足一般图像处理系统的要求。图像处理（imageprocessing）作为一个图像处理系统最核心的部分，图像处理是指利用处理器芯片对图像数据进行分析，以达到所需结果的技术。所谓的图像增强、复原、描述、识别、分割等都是在该模块来实现。在处理器上，传统图像处理多采用PC进行图像数据的分析，嵌入式系统则大多采用ARM芯片，有时会与DSP结合形成高性能易用的系统。采用ARM的嵌入式图像处理系统通常是基于Linux内核的，利用Linux的开源以及可移植性，可以很方便的形成一个专用的嵌入式系统。当硬件系统构建完成以后，剩下的便是图像处理的一些具体算法了。首先要对采集到的图像进行数字化处理，当然现在好多图像采集卡或其它图像采集设备已经集成了该功能。当数字化之后，需要对图像信息进行编码，以满足传输和存储的要求，编码可以压缩图像的信息量，但图像的质量几乎不变。由于图像信息量巨大，因此压缩对图像的传输与存储也是十分必要，总的分为有损压缩和无损压缩两大类。图像的增强和复原往往是图像处理涉及最多的，图像增强的目标是改进图片的质量，包括对比度、去掉模糊和噪声等，图像复原是在假定已知模糊或噪声模型时，试图估计原图像的一种算法。二者开始都是采用频率域的方法，现在很多开始采用空间域方法和代数方程的方法来实现。图像显示现在我们常常可以看到的图像显示基本上都是采用LCD，也逐渐有越来越多LED背光的显示屏开始出现。不同的显示屏幕可能会有不一样的显示效果，但是对于一个图像处理系统来说，显示只能对最后的效果有一些更好的表达，并不能本质上决定一个图像处理系统的优劣。所以这里对显示不做过多深述，采用普通显示屏幕即可。网络通讯针对网络越来越普及的状况，现今大多的嵌入式图像处理系统都集成了网络通讯功能，可以更加方便的与远程服务器进行数据交换，比如说现在应用在交通上的监控系统都采用了这种模式。因此针对这种趋势，系统设计时，在完成基础功能的实现后，应尽可能加入与主机通讯的功能。详细设计本系统采用三星公司的S3C2440芯片来进行系统的实现。进行基于linux的应用移植，系统实现的源代码可于附录中找到。Linux嵌入式系统的构建Linux的移植大多可分为三步，分别是bootloader、kernel、rootfilesystem。启动引导程序的移植与PC机不同，嵌入式设备的BIOS大多与bootloader集成在一起。因此，这里与普通的电脑系统不同，它会额外涉及到一些与芯片有关的修改。本系统移植的现在很流行的u-boot，版本是1.1.6。一、交叉编译器安装，uboot源代码解压；二、修改配置文件，主要是修改MAKEFILE和config文件；三、修改源文件，配置内存，时钟，串口波特率；四、增加nandflash初始化代码；五、增加DM9000网卡支持；六、增加从nandflash启动功能；七、让uboot支持加载根文件系统；Linux内核移植本系统使用的是linux内核，版本是。kernel移植时，对于其配置，提供了几种不同的配置方法，我在这里使用的是菜单配置。解压源代码linux-2.6.32，配置缺省文件；二、增加rtc设备，修改晶振，修改nandflash分区；三、内核裁剪：配置DM9000网卡，配置触摸屏，配置显示器；四、进行菜单配置：makemenuconfig；五、编译：make；六、使用u-boot提供的工具生成u-boot可以支持的linux内核镜像文件。根文件系统的移植本系统的根文件系统使用经典工具busybox制作。这里也是采用的菜单配置。一、解压busybox；二、进行默认配置makedefconfig，然后进入菜单配置界面makemenuconfig；三、在生成_install文件夹中创建linux需要的一些基本目录四、制作jffs2根文件系统五、制作yaffs2根文件系统最终移植时我使用的是jffs2根文件系统。图像处理功能的实现由于系统需要对原始的图像数据进行相应的处理，因此系统所使用的原图均为bmp非压缩格式的图片。彩色图像的灰度化彩色图像由R、G、B三个分量组成，而灰度图像显然只有亮度值一个属性。因此，想要是彩色图像灰度化，我们需要使用某种变换将其联系起来。这里采用的是比较常用的，并且效果还不错的一种转换关系：f这是根据人眼对绿色的敏感度最高，而对蓝色的敏感度最低的出来的，下面是转换的效果图。图STYLEREF1\s五SEQ图\*ARABIC\s11转换前的彩色car图STYLEREF1\s五SEQ图\*ARABIC\s12转换后的灰度car其实这个功能的实现很简单，只需要将一幅彩色图片的每一个像素都读出来，然后按上式进行运算，即可得到一幅灰度图。灰度图的直方图均衡化增强灰度图像的增强其实是比较简单的，而其中的直方图均衡化应该算是一种比较复杂的灰度变换了。直方图均衡化是灰度变换的一个重要应用，广泛应用在图像增强处理中，它是以累计分布函数变换为基础的直方图修正法，可以产生一幅灰度级分布具有均匀概率密度的图像，扩展了像素的取值动态范围。若像素点的原灰度为R，变换后的灰度为S，需要注意的是R、S是归一化后的灰度值，其灰度变换函数T()为：S=T式中0≤Rj式中PrRj是第j级灰度值的概率，nj是图像中第j级灰度的像素总数，l是图像中灰度级的总数目，n是图像中的像素总数[18]图STYLEREF1\s五SEQ图\*ARABIC\s13previous图STYLEREF1\s五SEQ图\*ARABIC\s14enhanced图像二值化与图像灰度化的道理一样，只不过这种处理只保留两种灰度级[19]：图STYLEREF1\s五SEQ图\*ARABIC\s15原图图STYLEREF1\s五SEQ图\*ARABIC\s16二值化后边缘检测图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。有许多方法用于边缘检测，它们的绝大部分可以划分为两类：基于查找一类和基于零穿越的一类[20]。基于查找的方法通过寻找图像一阶导数中的最大和最小值来检测边界，通常是将边界定位在梯度最大的方向。基于零穿越的方法通过寻找图像二阶导数零穿越来寻找边界，下图为拉普拉斯算子[21]的效果图。图STYLEREF1\s五SEQ图\*ARABIC\s17原图像图STYLEREF1\s五SEQ图\*ARABIC\s18检测结果调试与维护由于该系统的设计是在PC机上实现，而最终运行环境是嵌入式开发板的的linux环境，因此，应用程序的移植与在目标机上的调试是最后也是非常重要的一步。在应用程序的移植过程中，因为界面使用QT设计，因此所使用交叉编译其与在电脑上的QT编译器的不同，也造成移植过程中一些麻烦。应用程序的移植主要是一些库文件的移植，但过多的库文件有会导致程序的臃肿，因此，在实际移植过程，经过考虑，对一些不必要的功能进行了必要的裁剪，尽量使得程序精炼，又可以实现所需的基本功能。内核移植修改的部分代码与配置一、解压源代码linux-2.6.32，配置缺省文件 vimMakefile ARCH=arm(不要有空格) CROSS_COMPILE=arm-linux- makemenuconfig 倒数第二项： 加载arch/arm/configs/s3c2410_defconfig 倒数第一项： 保存在当前目录：.config二、修改 cparch/arm/mach-s3c2440/mach-smdk2440.carch/arm/mach-s3c2440/mach-mini2440.cvimarch/arm/mach-s3c2440/mach-mini2440.c1)增加rtc设备 158&s3c_device_rtc,2)修改晶振：vimarch/arm/mach-s3c2440/mach-mini2440.c164s3c24xx_init_clocks(12000000);3)修改arch/arm/mach-s3c2440/Kconfig99configMACH_MINI2440100bool"FriendlyARMMini2440developmentboard"101selectMACH_SMDK(添加此行)102selectCPU_S3C2440103selectS3C2440_XTAL_12000000104selectS3C_DEV_USB_HOST105selectS3C_DEV_NAND106help107SayYhereifyouareusingtheFriendlyARMMini2440/QQ2440developmentboard.2）修改nandflash分区 vimarch/arm/plat-s3c24xx/common-smdk.c109staticstructmtd_partitionsmdk_default_nand_part[]={110[0]={111.name="bootloader",112.offset=0,113.size=0x40000,114},115[1]={116.name="bootparameters",117.offset=0x40000,118.size=0x20000,119},120[2]={121.name="kernel",122.offset=0x60000,123.size=0x500000,124}, [3] = { .name = "filesystem", .offset = 0x560000, .size = MTDPART_SIZ_FULL, },125};三、内核裁剪：1配置DM9000网卡1) cpdrivers/mydm9000.cdrivers/net/2)vimdrivers/net/Kconfig在942行增加：942configMYDM9000943tristate"myDM9000support"944dependsonARM||BLACKFIN||MIPS945selectCRC32946selectMII947help948SupportformyDM9000chipset.949950Tocompilethisdriverasamodule,chooseMhere.Themodule951willbecalleddm9000.修改954行：954dependsonDM9000||MYDM90003）vimdrivers/net/Makefile在198行添加：198obj-$(CONFIG_MYDM9000)+=mydm9000.o2配置触摸屏1）cpdrivers/mys3c2440ts.cdrivers/input/touchscreen/2)vimdrivers/input/touchscreen/Makefile46obj-$(CONFIG_TOUCHSCREEN_MYS3C2440)+=mys3c2440ts.o3)vimdrivers/input/touchscreen/Kconfig添加：25configTOUCHSCREEN_MYS3C244026tristate"MYS3C2440touchscreeninputdriver"27dependsonMACH_MINI2440&&INPUT&&INPUT_TOUCHSCREEN&&MINI2440_ADC28help29SayYhereifyouhavethes3c2410touchscreen.3031Ifunsure,sayN.3233Tocompilethisdriverasamodule,chooseMhere:the34modulewillbecalleds3c2410_ts.353配置显示器1)cpdrivers/mys3c2410fb*drivers/video/ cpsysbuild/regs_lcd.hdrivers/video/2)vimdrivers/video/Makefile117obj-$(CONFIG_FB_MYS3C2410)+=mys3c2410fb.o3)vimdrivers/video/Kconfig添加：1923configFB_MYS3C24101924tristate"myS3C2410LCDframebuffersupport"1925dependsonFB&&ARCH_S3C24101926selectFB_CFB_FILLRECT1927selectFB_CFB_COPYAREA1928selectFB_CFB_IMAGEBLIT1929help1930Framebufferdriverforthebuilt-inLCDcontrollerintheSamsung1931S3C2410processor.19321933Thisdriverisalsoavailableasamodule(=codewhichcanbe1934insertedandremovedfromtherunningkernelwheneveryouwant).The1935modulewillbecalleds3c2410fb.Ifyouwanttocompileitasamodule,1936sayMhereandread<file:Documentation/kbuild/modules.txt>.19371938Ifunsure,sayN.修改2004行：2004dependsonMACH_MINI2440&&(FB_S3C2410||FB_MYS3C2410)四makemenuconfig1)systemtype->││S3C2400Machines>││││S3C2410Machines>││││S3C2412Machines>││││S3C2440Machines>││││S3C2442Machines>