本科畢業(yè)設(shè)計--基于DSP的蘋果識別系統(tǒng)的設(shè)計

吉 林 農(nóng) 業(yè) 大 學(xué) 學(xué) 士 學(xué) 位 論 文 題目 名稱 ： 基于 DSP 的蘋果識別系統(tǒng)的設(shè)計 學(xué)生姓名： 院 系： 信息技術(shù)學(xué)院 專業(yè) 年級 ： 電子 信息 2006 級 指 導(dǎo)教師 ： 職 稱 ： 講師 2010 年 5 月 25 日 目 錄 題目 . I 摘要及關(guān)鍵詞 . I 1 前言 . 1 1.1 引言 . 1 1.2 數(shù)字圖像處理的背景 . 1 1.3 圖像識別和分類理論 . 2 1.4 DSP 芯片的發(fā)展 . 3 1.5 本課題研究的內(nèi)容 . 4 2 圖像處理系統(tǒng)總體方案 . 4 3 成像單元 . 5 3.1 CCD 攝像機與鏡頭的選取 . 5 3.2 光源與照明方式的設(shè)計 . 5 4 蘋果圖像采集與處理單元 . 6 4.1 蘋果 的圖像采集 . 6 4.2 蘋果圖像的預(yù)處理 . 7 4.2.1 圖像濾波 . 7 4.2.1.1 鄰域平均法 . 8 4.2.1.2 中值濾波 . 8 4.2.2 圖像增強 . 9 4.2.2.1 線性灰度變換 . 10 4.2.2.2 直方圖修正法 . 10 4.3 圖像分割 .11 4.3.1 閾值分割 .11 4.3.1.1 圖像二值化 .11 4.3.1.2 改進的灰度直方圖法 . 12 4.3.2 邊緣檢測 . 13 4.3.2.1 Sobel 邊緣檢測算子 . 14 4.3.2.2 梯度算子 . 15 4.3.2.3 Roberts 邊緣檢測算子 . 15 4.3.2.4 Prewitt 算子 . 16 4.3.2.5 Laplacian 算子 . 16 4.3.2.6 幾種算子的比較 . 17 4.3.3 圖像細化 及結(jié)果 . 18 4.4 蘋果的特征提取及識別 . 20 4.4.1 蘋果大小特征提取 . 20 4.4.2 蘋果形狀特征提取 . 21 5 蘋果識別系統(tǒng)在 DSP 中實現(xiàn) . 22 5.1 硬件介紹 . 23 5.1.1 DSP 芯片的選擇 . 23 5.1.2 TMS320C6713 硬件結(jié)構(gòu) . 23 5.2 CCS 軟件設(shè)計 . 24 5.2.1 CCS 開發(fā)環(huán)境的介紹 . 24 5.2.2 程序總體構(gòu)架 . 25 5.2.3 與中斷相關(guān)的初始化 . 26 5.2.4 編寫 BOOT 程序 . 26 6 結(jié)論與展望 . 29 6.1 主要研究結(jié)論 . 29 6.2 展望 . 30 參考文獻 . 30 致 謝 . 32 附錄 1 . 33 附錄 2 . 38 I 基于 DSP 的蘋果識別系統(tǒng)的設(shè)計 姓 名：徐微微 專 業(yè)：電子信息科學(xué)與技術(shù) 指導(dǎo)教師：宮 鶴 摘 要 ： 數(shù)字信號處理器為數(shù)字圖像處理提供了良好的實現(xiàn)平臺。本文講述其自動檢測中的應(yīng)用 基于圖像識別的蘋果分級，設(shè)計出蘋果圖像識別系統(tǒng) (按大小、形狀 )。 為了根據(jù)蘋果圖像進 行蘋果分級，文中介紹了對蘋果圖像進行低層信息處理的所采用的方法 ，如 圖像增強、邊緣檢測、圖像二值化、圖像細化等 。 算法如中值濾波、邊緣檢測算子，改進的灰度直方圖法做了重要探討，并應(yīng)用或改進應(yīng)用于本人的設(shè)計中 。 其中改進的灰度直方圖法就是在傳統(tǒng)的灰度直方圖法基礎(chǔ)上改進的算法，效果較好。 文中講述了蘋果圖像識別系統(tǒng)設(shè)計的方法和步驟 ,建立蘋果按大小、形狀分等級的特征函數(shù)。 最后，將上述各算法移植到 TI 的 TMS320C6713 DSP 平臺，以滿足實時性要求。最終獲得較好的識別效果。 關(guān)鍵詞 ： 蘋果識別；圖像處理；邊緣檢測； DSP The Design of Apple Identification System Based on DSP Name： Xu Weiwei Major： Electronic Information Science and Technology Tutor： Gong He Abstract: Image processing algorithms can run very well on DSP platform. This paper demonstrates of the appliance of Image recognition in auto-detection, especially in apple image (designed the system of apple image recognition in size and shape). This paper narrates the lower layer image processing of the apple image to classify the apple based on the image such as image enhancement, edge detection, threshold, thinning, etc. Much arithmetic is used such as median filter, Sobel arithmetic operator, betterment gray scale histogram, etc. Applied or betterment applied it to the graduating project. The threshold of gray scale histogram arithmetic is better than conventional one which is result very well. It is also detailed explained the method or step in image recognition during the image recognition system design founding the feature functions that classify the apple according to size and shape. At last, these algorithms mentioned above are transplanted to TI TMS320C6713 DSP to meet real-time requirements. An acceptable result is obtained. Keywords： Apple recognition； Image processing； Edge detecting； DSP 1 1 前言 1.1 引言 人們利用眼睛獲取各種各樣的圖像信息，并傳入大腦，由大腦根據(jù)經(jīng)驗或知識對圖像信息進行加工處理，最后識別，理解周圍環(huán)境。圖像識別就是對人類視覺的一種模擬，它包括對圖像信息的獲取，傳輸，處理，存儲與識別等過程 1。圖像識別在應(yīng)用中很大程度依賴現(xiàn)代圖像處理與模式識別技術(shù)，其廣泛應(yīng)用在工業(yè)檢測和醫(yī)學(xué)檢測等方面。圖像識別的應(yīng)用極大地解放了人類勞動力，提高了生產(chǎn)自動化水平，改善了人類生 活狀況，有著極其廣闊的應(yīng)用前景。本文正是基于這一理論對蘋果進行識別。 蘋果 的品質(zhì)有外部品質(zhì)和內(nèi)部品質(zhì)兩類 。 外部 品質(zhì)主要是考慮大小、形狀、顏色和表面缺陷等 ， 內(nèi)部品質(zhì)主要考慮糖含量、酸度、口味、硬度及內(nèi)部缺陷等。內(nèi)部品質(zhì)的檢測技術(shù)現(xiàn)在已發(fā)展相當(dāng)成熟，例如，近紅外線法和磁共振法測糖含量、酸度 ； 提煉可揮發(fā)性芳香化合物法測口味 ； 用聲波脈沖響應(yīng)法和超聲波法測硬度 ； 超聲波檢測水果內(nèi)部缺陷等等。而目前我國水果外部品質(zhì)分級主要由機械配合人工的方式完成完成。顯然這種方式是一種有損分級，蘋果下落的相互碰撞，對容器的碰撞都會使蘋果 表皮破損，也不能精細分級。 與人工分選相比，基于圖像識別的水果分級更精細，更準(zhǔn)確，無疲勞效應(yīng)，無損害，節(jié)省人力資源。而這種分級技術(shù)在國外已經(jīng)具有相當(dāng)成熟的水平，尤其是日本、美國，其對很多水果都進行了圖像識別的研究，并已產(chǎn)生成熟的產(chǎn)品。比如黃瓜分級、櫻桃分級、草萄分級等等。作為水果生產(chǎn)大國，及時研制開發(fā)并采用符合我國實際情況的蘋果識別系統(tǒng)，提高蘋果產(chǎn)品的市場競爭力具有實際意義 25。 1.2 數(shù)字圖像處理 的背景 一幅圖像可定義為一個二維函數(shù) ,f x y ，其中 ,xy 是空間坐標(biāo)，而任何一對空間坐標(biāo) ,xy 上 的幅值 f 稱為該點圖像的灰度。當(dāng) ,xy 和 f 幅值為有限，離散的數(shù)值時，稱該圖像為數(shù)字圖像 6。數(shù)字圖像處理是指利用計算機或者其他設(shè)備通過各種算法對數(shù)字圖像進行處理。 數(shù)字圖像處理是現(xiàn)代圖像處理的主要方法，具有再現(xiàn)性好、精度高、適用面 廣和靈活性大等優(yōu)點。 數(shù)字圖像處理最早應(yīng)用之一是在報紙業(yè)，當(dāng)時，圖像第一次通過海底電纜從倫敦傳往紐約。早在 20 世紀(jì) 20 代年為了橫跨大西洋使用電纜傳輸一幅圖片，首先要進行編碼，然后在接收端用特殊的打印設(shè)備重構(gòu)該圖片。從 20 世紀(jì) 60 年代至今，圖像處理領(lǐng)域己得到了生機勃勃的發(fā)展。 圖像處理中，輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像， 使得 圖像處理技術(shù)在許多應(yīng)用領(lǐng)域受到廣泛重視并取得了重大的開拓性成就 。 圖像復(fù)原和增強過程用于處理不可修復(fù)物體的己損圖像或者造價昂貴不可復(fù)制的實驗結(jié)果。在考古學(xué)領(lǐng)域，使用圖像處理方法 己成功地復(fù)原了模糊的圖片。在物理學(xué)和相關(guān)領(lǐng)域，計算機技術(shù)通常增強如高能等離子和電子顯微鏡方法等領(lǐng)域的實驗圖像。圖像處理技術(shù)也廣泛應(yīng)用于生物學(xué)，工業(yè)制造及自動化，遙感， 航空航天、生物醫(yī)學(xué)工程、工業(yè)檢測、公安司法、軍事制導(dǎo)、文化藝術(shù) 等領(lǐng)域。 (1)宇宙探測。由于太空技術(shù)的發(fā)展，需 2 要用數(shù)字圖像處理技術(shù)處理大量的星體照片。 (2)通信中的應(yīng)用。圖像信息的傳輸，電視電話等，包括靜態(tài)圖像和動態(tài)的圖像序列的傳送，主要是對圖像數(shù)據(jù)進行壓縮，以及對序列圖像的處理。 (3)遙感方面的應(yīng)用。遙感有航空遙感和衛(wèi)星遙感之分，它們都是用不同 光源和技術(shù)獲得大量的遙感圖像。這些圖像需要用數(shù)字圖像處理技術(shù)加工處理并提取有用信息。它可用于地形地質(zhì)，礦藏探查，森林、水利、海洋、農(nóng)業(yè)等資源調(diào)查，自然災(zāi)害的預(yù)測和預(yù)報，環(huán)境污染的監(jiān)測，氣象衛(wèi)星云圖的處理，以及用于軍事目的的地面目標(biāo)的識別等等?，F(xiàn)在，許多國家發(fā)射了各種不同用途的衛(wèi)星，遙感圖像資源的大量增加，對圖像處理技術(shù)提出了更高的要求。 (4)生物醫(yī)學(xué)領(lǐng)域的應(yīng)用。數(shù)字圖像處理技術(shù)從一開始就引起了生物醫(yī)學(xué)界的濃厚興趣，首先應(yīng)用于細胞分類，染色體分類和放射圖像的處理。七十年代，數(shù)字圖像處理在醫(yī)學(xué)上的應(yīng)用有了重大的 突破。另外，數(shù)字圖像處理技術(shù)正逐步運用到生物學(xué)領(lǐng)域，為生物進化、分類和其他研究提供了有力的工具。 不同的圖像處理的方法不同，基本的處理方法包括圖像的獲取，圖像的增強，圖像復(fù)原，彩色處理，小波分析，圖像壓縮，圖像分割，表示和描述等。針對具體的圖像處理，并不一定完全需要每一種上述列出的處理方法，只能根據(jù)具體的情況來選擇具體的處理方法。 1.3 圖像識別和分類理論 圖像識別的目的是研制能夠自動處理某些信息的機器視覺系統(tǒng)，代替?zhèn)鹘y(tǒng)的人工完成分類和辨識的任務(wù)。已廣泛應(yīng)用于各個領(lǐng)域。例如 ： 利用氣象衛(wèi)星的云圖圖像預(yù)測天氣， 智能交通系統(tǒng)中的車牌識別，手寫體識別，醫(yī)療病變圖像的計算機診斷，生產(chǎn)中實時帶鋼缺陷檢測，紡織布匹缺陷檢測等這些都屬于圖像識別系統(tǒng)的應(yīng)用范疇。 各領(lǐng)域所研究的圖像是千差萬別的，它們都含有本身特性的特征，因此，將它們區(qū)別或分類的可能性是存在的。所以除了對圖像進行數(shù)字化處理外，還需要通過一些手段，將各類圖像的重要性用數(shù)值表示出來，即特征提取。通常，反映某一類圖像特性的特征較多，給計算帶來繁重的工作量，同時由于特征的反映不精確，往往會帶來一些誤差，所以進一步的工作需要對特征進行選擇與處理，減小特征值的誤差而保留圖像 特征信息，這種找出比原來特征數(shù)目少而精的綜合指標(biāo)的方法稱之為特征選擇。因此，圖像的三維或二維信息可用一組一維數(shù)值代替以供識別分類。 圖像識別方法主要有統(tǒng)計模式識別，結(jié)構(gòu)模式識別，模糊模式識別和神經(jīng)網(wǎng)絡(luò)模式識別等 4。這些識別方法有各自的優(yōu)點，同時也存在不足的地方，近年來，許多學(xué)者提出多種新的識別方法，如 ： 基于模板匹配的圖像識別方法，基于支持向量機的判別方法等，在實際的應(yīng)用中取得了很好的效果。 圖像識別系統(tǒng)通常涉及以下幾個步驟 ： (1)圖像獲取，二維圖像獲取包括紅外遙感成像，測距成像， CCD 成像等各種途徑。 (2)圖像預(yù)處理， 進行預(yù)處理 可以 使圖像更清晰，或從圖像中提取某些特定的信息等。對含有噪聲的圖像，要除去噪聲、濾去干擾、提高信噪比 ； 對信息微弱的圖像要進行灰度變換等增強處理 ； 對己經(jīng)退化的模糊圖像要進行各種復(fù)原的處理 ； 對失真的圖像要進 3 行幾何校正等變換 ，以突出目標(biāo)。 (3)圖像分割和目標(biāo)提取，主要目的是從圖像中獲得感興趣的區(qū)域。特征提取，是要獲得對目標(biāo)的有效特征表達和描述。 (4)目標(biāo)分類，是在提取特征的基礎(chǔ)上實現(xiàn)判別和分類。 1.4 DSP 芯片 的發(fā)展 自 1980 年以來， DSP 芯片得到了突飛猛進的發(fā)展， DSP 芯 片的應(yīng)用越來越廣泛。從運算速度來看， MAC(一次乘法和一次加法 )時間已經(jīng)從 80 年代初的 400ns (如TMS32010)降低到 40ns(如 TMS32C40)，處理能力提高了 10 多倍。 DSP 芯片內(nèi)部關(guān)鍵的乘法器部件從 1980 年的占模區(qū)的 40 左右下降到 5 以下，片內(nèi) RAM 增加一個數(shù)量級以上。從制造工藝來看， 1980 年采用 4 11 的 N 溝道 MOs 工藝，而現(xiàn)在則普遍采用亞微米CMOS 工藝。 DSP 芯片的引腳數(shù)量從 1980 年的最多 64 個增加到現(xiàn)在的 200 個以上，引腳數(shù)量的增加，意味著結(jié)構(gòu)靈活性的增加。此外， DSP 芯片的發(fā) 展， 使 DSP 系統(tǒng)的成本，體積，重量和功耗都有很大程度的下降。近二十年來，隨著集成電路技術(shù)的發(fā)展，導(dǎo)致了 DSP 技術(shù)和器件的迅速發(fā)展，使實時數(shù)字信號處理系統(tǒng)成為可能并蓬勃發(fā)展。近幾年來， DSP 的性價比越來越高，同時 DSP 的開發(fā)環(huán)境不斷改善，開發(fā)難度越來越低，己經(jīng)能被普通的應(yīng)用開發(fā)工程師所接受。在通信、計算機、消費電子、自動控制、軍事、航空、儀器儀表和辦公自動化等領(lǐng)域的得到了廣泛的應(yīng)用。對 DSP 開發(fā)應(yīng)用己經(jīng)成為一個熱門的研究課題。 DSP 芯片按照所支持的數(shù)據(jù)類型不同分為定點和浮點兩大類。定點 DSP 在硬件結(jié)構(gòu)上比浮 點器件簡單，具有價格低，速度快的特點，因而用的最多。浮點 DSP 的優(yōu)點是精度高，不需要進行定標(biāo)和考慮有限字長效應(yīng)，但其成本和功耗相對較高，速度較慢，適合于數(shù)據(jù)動態(tài)范圍和精度要求高的特殊應(yīng)用 7。 DSP 的主要結(jié)構(gòu)特點有以下幾點 ： (1).采用哈佛結(jié)構(gòu) 哈佛結(jié)構(gòu)的特點是程序存儲器和數(shù)據(jù)存儲器各自具有獨立的存儲空間，獨立的程序總線和數(shù)據(jù)總線，允許取指令和執(zhí)行指令重疊執(zhí)行，允許對數(shù)據(jù)和程序同時尋址，允許直接在程序和數(shù)據(jù)之間有兩套或兩套以上的內(nèi)部數(shù)據(jù)總線。因此哈佛結(jié)構(gòu)與馮 .諾依曼結(jié)構(gòu)相比，更適合處理具有高度實時性要 求的數(shù)字信號。 (2).特殊的指令系統(tǒng) DSP 芯片通常都有一套自己的特殊指令，這些指令都是專門為數(shù)字信號處理而設(shè)計的，這對提高 DSP 的運算效率非常有效。 (3).流水線技術(shù) 流水線技術(shù)是提高 DSP 程序執(zhí)行效率的重要手段，取指令和執(zhí)行指令可以同時執(zhí)行，從而減少指令執(zhí)行時間，進一步增強處理器的數(shù)據(jù)處理能力。 (4).高速的時鐘周期和強大的處理能力 DSP 芯片的主頻和處理能力不斷提高， TMS320C5000, 6000 系列 DSP 的主頻已經(jīng)達 4 到 200MHZ。 TMS320C6713 的主頻達到 225MHZ，處理能力達到 1800MIPS。 (5).采用硬件乘法器 在信號處理中，用到大量的乘法運算，乘法運算很費時間，為此，在 DSP 中都有專門的硬件乘法器，現(xiàn)代高性能的 DSP 芯片甚至具有兩個以上的硬件乘法器用以提高運算速度。 (6).設(shè)有片內(nèi)存儲器 外部存儲器一般不能適應(yīng)高性能 DSP 核的處理速度，因此在片上設(shè)置較大的程序 /數(shù)據(jù)存儲器以減少對外部存儲器中程序，數(shù)據(jù)的訪問次數(shù)，充分發(fā)揮 DSP 核的高性能。目前高性能 DSP 芯片上的可配置程序，數(shù)據(jù) RAM 高達 7MB。采用大的片上存儲器可以減少外部存儲器接口的引腳，甚至省略外部存儲器接口，而 且也減小了芯片的封裝體積。 1.5 本課題研究的內(nèi)容 本課題將結(jié)合圖像識別技術(shù)，選用蘋果圖像作為研究對象，對蘋果按大小、形狀分級進行實用性主要研究。主要內(nèi)容有 ： (1)對 蘋果 圖像 的低層信息處理及算法研究 ： 根據(jù)已有的圖像處理的經(jīng)典算法進行改進，提出圖像處理算法， 包括 圖像濾波、 圖像增強，圖像二值化、邊緣檢測、圖像細化等方面 。 運用于蘋果圖像處理，分析、研究、比較 后 選擇出對蘋果圖像進行處理的實用性算法 。 (2)蘋果 識別 研究 ： 提取圖像中的蘋果大小、形狀等特征參數(shù) ， 實現(xiàn)正確的識別。 (3)編程。 熟悉 TMS320C6713DSP 芯片及相關(guān)硬件，建立基于 TechV-C6713DSK 平臺的蘋果識別系統(tǒng)，利用 CCS 開發(fā)環(huán)境進行編程以實現(xiàn)圖像處理算法在 DSP 中運行 ， 完成了本課題的軟件設(shè)計與實現(xiàn) 。 (4)實驗結(jié)果分析 及 進一步研究的設(shè)想和展望。 2 圖像處理 系統(tǒng)總體方案 系統(tǒng)的總體結(jié)構(gòu)如圖 2.1 所示，按功能可分為 3 個部分 ： 成像單元、圖像采集與處理單元、 識別分類 單元 。 圖 2.1 系統(tǒng)總體框圖 Figure 2.1 Overall system block diagram 圖像處理單元 成像 單元 圖像采集單元 識別分類單元 5 成像 單元由 CCD 攝像機、 LED 光源構(gòu)成，負責(zé)原始圖像數(shù)據(jù)的 捕獲， 圖像采集與處理單元 是對捕獲來的圖像進行圖像預(yù)處理、圖像分割、特征提取等，最后進行分類識別。 3 成像單元 成像單元負責(zé)原始圖像數(shù)據(jù)的采集， CCD 攝像機向圖像處理子系統(tǒng)輸出模擬視頻信號。對于不同 蘋果 的檢測項目，需要設(shè)置不的 CCD 攝像機與 LED 光源進行檢測。 3.1 CCD 攝像機與鏡頭的選取 目前的圖像傳感器主要有 CMOS 面陣傳感器， CCD(電荷藕合器件 )面陣傳感器和CCD 線陣傳感器等， CCD 攝像機將光信號轉(zhuǎn)換成電信號（標(biāo)準(zhǔn)視頻信號），以便于進一步的處 理或顯示。 CCD 傳感器具有靈敏度高、抗強光、畸變小、體積小、壽命長、抗震動等優(yōu)點。 CCD 攝像頭的選擇主要考慮以下幾點 ： (1)分辨率的選擇 它決定了顯示圖像的清晰程度，分辨率越高，圖像細節(jié)的表現(xiàn)越好。 (2)快門速度 快門速度是指攝像機獲取一幅圖像的曝光時間，曝光時間過長會造成嚴(yán)重的圖像拖尾現(xiàn)象。但是快門速度越高對光源照明強度的要求成幾何級數(shù)上升，因此綜合考慮，選擇的快門速度為 1/2000s 以上。 (3)掃描方式的選擇 一般掃描方式有兩種 ： 隔行掃描方式和逐行掃描方式。隔行掃描是指一幀圖像的顯示由偶場和奇場 組成。 (4)異步重置外觸發(fā)功能 為了精確控制拍照時間，需要具有異步重置功能，在系統(tǒng)控制器發(fā)出拍照信號時，攝像機能夠立即啟動曝光。 本文根據(jù)以上幾點，結(jié)合現(xiàn)場要求， 選用 UP-610 系列的數(shù)字黑白攝像頭。 UP-610是一款分辨率為 659 494 的數(shù)字式攝像頭，它使用了逐行掃描隔行傳輸?shù)募夹g(shù)，具有外部異步采集功能，能夠很容易的抓拍高速運動物體的圖像。其 CCD 的方形像素更適合用于處理，測量和分析方面的應(yīng)用。本產(chǎn)品體積小，重量輕，其數(shù)字和模擬輸出，快門選擇其后面板上的許多其它 功能使用起來都十分簡便。主要參數(shù)如下 ： 有效像素 ( HV ) 659 494 ，傳感器芯片尺寸 5 .8 4 4 .9 4m m m m ，幀速 110 FPS，電子快門 1/110-1/62,000秒， 16 檔可選，整幀快門狀態(tài)下異步復(fù)位。掃描速度為 110 幀 /秒。 3.2 光源與照明方式的設(shè)計 光源照明的主要目標(biāo)是以合適的方式將光線投射到被測物體上，突出被測特征部分的對比度。不合適的照明，會引起許多問題，如花點和過度曝光會 隱藏許多重要信息，陰影會引起邊緣的誤檢，信噪比的降低以及不均勻會導(dǎo)致圖像閥值選擇的困難。 (1).光源種類的選擇 6 對于 蘋果 在線檢測系統(tǒng)來說，因為光源以常亮照明方式連續(xù)工作，它必須具有很長的壽命，且發(fā)光穩(wěn)定，功耗較低，因此需要選擇 LED 光源。由于檢測系統(tǒng)使用黑白攝像機，對被測物體的顏色選擇沒有特殊要求，而紅色 LED 的發(fā)光波長最為接近 CCD 的靈敏度峰值，所以選用紅色 LED 光源。 (2).照明方式的選擇 CCD 圖像傳感器從不同角度攝取現(xiàn)場反射或透射的圖像信息，需要多路 CCD 攝像機來共同完成圖像的采集 8。 光電 感應(yīng)開關(guān)，會在 蘋果 位于最佳攝像位置時發(fā)送信號給控制單元和圖像采集與處理單元，作為采樣觸發(fā)信號，以實現(xiàn)空瓶的精確定位。采集到的圖像的清晰度在很大程度上取決于光源的好壞，為保證對各種不同透明或半透明的空瓶都能產(chǎn)生同一亮度和穩(wěn)定的圖像質(zhì)量， LED 光源照明方式的設(shè)計不可忽視。應(yīng)選擇較好的光源，并且盡量使整個照明系統(tǒng)免受自然光或現(xiàn)場其他照明燈光的影響，保證采集的圖像質(zhì)量穩(wěn)定。 4 蘋果圖像采集與處理單元 系統(tǒng)用 CCD 攝像機將蘋果的圖像攝入并經(jīng)圖像采集卡進行了 D 轉(zhuǎn)換、暫存后 通過DSP 芯片 進行處理，得出蘋果個體的分類結(jié)果 。本系統(tǒng)啟動 CCD 攝像機將 蘋果 目標(biāo)灰度值圖像攝入，并依據(jù)相應(yīng)圖像處理原理在 DSP 芯片 內(nèi)進行圖像的顯示、濾波、平滑、直方圖二值化、邊緣輪廓檢測與分析等處理過程，提取其形狀特征參數(shù)，如平均直徑 (粗度 )、長度、面積大小等 。 4.1 蘋果的圖像采集 圖像采集就是將圖像通過數(shù)字化后輸入到計算機的過程。被攝物體的圖像經(jīng)過鏡頭聚焦到 CCD 芯片上， CCD 根據(jù) 光的強弱積累相應(yīng) 比例的電荷，各個像素積累的電荷在視頻時序的控制下，逐點外移，經(jīng)濾波、放大處理后，形成視頻信號輸出。視頻信號連接到監(jiān)視器或電視機的視頻輸入端便可以看到與 原始圖像相同的視頻圖像 8,9。如圖 4-1。 圖 4-1 采集到的蘋果圖像 Figure 4-1 Apple images collected 7 4.2 蘋果圖像的預(yù)處理 由于圖像在成像過程中會受各種條件的限制和許多隨機因素的影響，獲得的數(shù)字圖像必須經(jīng)過預(yù)處理。 圖像處理就是對圖像中的像素點進行運算，因此需要很多的運算方法，而且根據(jù)不同的需要有不同的算法。而圖像處理功能的實現(xiàn)也在于算法的提出和實現(xiàn)。到目前為止，還是有很多圖像對于某些算法不適用，需要進一步研究探索出新的成果。本節(jié)結(jié)合本課題對蘋果圖像處理的應(yīng)用 ，在設(shè)計過程中對圖像按先后順序進行了 圖像濾波 （ 中值濾波 ）、 圖像增強 (直方圖修正法 )、 閾值分割（ 灰度直方圖二值化 ） 、邊緣檢測 （ Sobel 算子） 、圖像細化處理，以及對蘋果圖像斑點的清除處理。 圖 4-2 是蘋果圖像的處理過程。 圖 4-2 蘋果圖像處理過程 Figure 4-2 Apple image processing 4.2.1 圖像濾波 考慮到系統(tǒng)在采集，傳輸圖像和量化圖像過程中會產(chǎn)生噪聲，影響圖像質(zhì)量。為了能夠正確的識別圖像，必須對圖像進行消噪處理。圖 像噪聲主要有加性噪聲，乘性噪聲和量化噪聲等 10。 圖像中信號主要分布在低頻區(qū)域，而噪聲主要分布在高頻區(qū)域，但同時圖像的細節(jié)也分布在高頻區(qū)域。在傳統(tǒng)的基于傅氏變換的信號去噪方法，我們使得信號和噪聲的頻帶重疊部分盡可能較小，這樣就可以在頻域通過時不改變?yōu)V波，就將信號同噪聲區(qū)分開。但是當(dāng)它們的頻域重疊區(qū)域很大時，這種方法就無能為力了。所以圖像降噪處理中的一個矛盾的問題是如何在降低圖像噪聲和保留圖像細節(jié)保持平衡，傳統(tǒng)的低通濾波方法將圖像濾波： 中值濾波 邊緣檢測： Sobel 算子 閾值分割： 灰度直方圖二值化 圖像細化 圖像增強： 直方圖修正法 8 圖像的高頻成分濾除，雖然能夠達到降低噪聲的效果，但破壞了圖像細節(jié)?？梢岳眯〔ǚ?析的理論，可以構(gòu)造一種即能夠降低圖像噪聲，又能夠保持圖像細節(jié)信息的方法 11。但是其速度比較慢。本系統(tǒng)的 實時性要求很高 ，在考慮速度的同時處理后的圖像只要滿足特征提取得要求即可，因此經(jīng)過綜合考慮，我們選用傳統(tǒng)的 低通濾波方法 。 一般常用的濾波方法主要有鄰域平均法，中值濾波等方法。 4.2.1.1 鄰域平均法 鄰域平均法是指圖像區(qū)域內(nèi)任意點的灰度值是該點鄰域內(nèi)各點灰度值的平均值。該法是實域內(nèi)最為簡單的方法。 以 33 鄰 域為例，以下是兩種模板 ： 1111 1119 1111 2 11 24216 1 2 1第二個模板是對第一個模板的修正，叫做加權(quán)平均模板，從權(quán)值上看，處于中心位置的像素比其他任何像素的權(quán)值要大，所以在均值計算中給定的這一像素最為重要。 但 此法的缺點是會造成高頻的圖像邊緣部分出現(xiàn)模糊現(xiàn)象，且模糊程度與鄰域半徑的大小成正比。 4.2.1.2 中值濾波 本文采用 中值濾波法 對采集來的數(shù)字圖像進行濾波，得到很好效果，同時中值濾波速度很快，能夠滿足系統(tǒng)對速度的要求 12。 中值濾波是指把以某點 ( , )xy 為中心的小窗口內(nèi)的所有象素的灰度值按照從大到小的順序排列，將中間值作為 ( , )xy 處的灰度值 (若窗口中有偶數(shù)個象素，則取兩個中間值的平均 )。 中值濾波采用模板增強的方法， 用一個含有奇數(shù)點的滑動窗口，將窗口中各點灰度值的中值來替代指定點 (一般是窗口的中心點 )的灰度值。對于奇數(shù)元素，中值是指按大小排序后，中間的數(shù)值 ； 對于偶數(shù)元素，中值是指排序后中間兩個元素灰度值的平均值 13。 中值濾波對濾除脈沖干擾信號和圖像的掃描噪聲效果很 好 ，且 中值濾波在運算過程中無需要圖像的統(tǒng)計特性，因此計算很方便。 中值濾波的步驟是 ： (1)將模板在圖像上漫游，并將模板中心與圖像的某個像素 (也可叫著基點 )重合 ； (2)讀取模板下各對應(yīng)像素的灰度值 ； (3)將這些灰度值從小到大排成一列 ； (4)找出這些值里排在中間的一個值 ； (5)將這個中間值賦給對應(yīng)模板中心像素。 盡管中值濾波器是一種有效地濾除脈沖干擾如顆粒噪聲等、保持圖像邊緣的濾波器，但隨著窗口的增加，雖然濾波能力增強，但有細節(jié)損失，而且速度隨著窗口的增大而降低。因此我們選擇窗口時應(yīng)該根據(jù)圖像情況在保 持良好濾波的同時盡可能選擇小的窗口。本系統(tǒng)選擇 31 的滑動窗口。 9 中值濾波去除噪聲的原理如 圖 4-3 所示。 (a)原圖 (b)處理后的圖 圖 4-3 中值濾波處理原理 Figure 4-3 The value of the filtering principle 圖中數(shù)字代表該處的灰度?？梢钥闯?，在 (a)圖中中間的 6 和周圍的灰度相差很大，是一個噪聲點。 經(jīng)過 31 窗口 (即水平 3 個象素取中間值 )的中值濾波，得到右圖 (b)，可以看出，噪聲點被去除。 經(jīng)過 仿真試驗， 如圖 4-4 是本課題在蘋果圖像采用中值濾波后 的圖像 ， 與圖 2-2 相對照 可以看出，中值濾波的效果明顯，消除了原圖中的大量噪聲 (掃描線和孤立點 )， 因此 對于水果 來說 采用中值濾波是合理的，滿足研究要求。 圖 4-4 蘋果圖像的中值濾波 Figure 4-4 Median filtering of Apple image 4.2.2 圖像增強 圖像增強主要是為了突出目標(biāo) 圖像，增加對比度，使目標(biāo)從背景中分離出來，為特征提取做準(zhǔn)備。 根據(jù)處理所進行的空間的不同圖像增強可以分為基于圖像域的方法和基于頻域的方法，即空間域法和頻率域法?？臻g域法主要是在空間域上對圖像的像素直接進行運算處理，即可直接得到增強后的圖像 ； 而頻率域法是將圖像變換到某個空間 (例如頻率域 )中進行運算處理，最后將運算處理后的結(jié)果再進行對應(yīng)變換的反變換得到增 10 強后的圖像。 考慮到系統(tǒng)實時性要求，本文主要對空域法分析。 空域圖像增強的常用方法是灰度變換法和直方圖修正法。兩種方法都是通過一定的變換來實現(xiàn)對比度的增強，因為只有 當(dāng)黑白象素的灰度差異超過一定限度時，人的眼睛才能容易識別。 4.2.2.1 線性灰度變換 從 CCD 攝像頭得到的圖象，常表現(xiàn)出對比度較差，為此需對圖象中的每一象素的灰度級進行標(biāo)度變換，擴大圖象灰度范圍，以達到增強圖象的目的。標(biāo)度輸入圖象的象素點 ,xy 的灰度級為 ,f x y ，通過映射函數(shù) T 映射成輸出圖象的灰度級 ,g x y ，即 ,g x y T f x y (4.1) 當(dāng)圖象在成像時曝光量不適當(dāng)或設(shè)備的非線性動態(tài)范圍太窄時，都會產(chǎn)生對比度不足的情況，使圖象中的細部不夠清晰而影響后續(xù)的識別處理。這時如將圖象灰度線性擴展，可以顯著改善圖象的觀察質(zhì)量。 設(shè)原圖象 ,f x y 的灰度范圍為 ,ab ，希望變換后的圖象 ,g x y 動態(tài)范圍為 ,cd ，則可用下式變換實現(xiàn) ： , d c f x y ag x y cba (4.2) 對于處理中的水果圖象，由于目標(biāo)物體占圖象的大部分面積，因此大部分圖象灰度級為目標(biāo)物體灰度，而小部分為背景灰度，為增強處