【正文】 LSI（超大規(guī)模集成電路）技術(shù)的發(fā)展。目前常用的圖像處理任務(wù)的并行機(jī)制有如下幾種：① 鄰域處理器；② 單指令流多數(shù)據(jù)流（SIMD）結(jié)構(gòu)；③ 多指令流多數(shù)據(jù)流（MIMD）結(jié)構(gòu)；④ 流水線結(jié)構(gòu)。小波變換作為一種新的變換分析方法，它的主要特點(diǎn)是通過變換能夠充分突出問題某些方面的特征，因此，小波變換在許多領(lǐng)域都得到了成功的應(yīng)用，特別是小波變換的離散數(shù)字算法已被廣泛用于圖像處理的研究中。隨著科技的不斷進(jìn)步，圖像處理這一科技界奇葩也一定會(huì)綻放出更多的光芒。從應(yīng)用圖像處理技術(shù)的緊迫性來(lái)看，其應(yīng)用領(lǐng)域主要集中在軍事、工業(yè)自動(dòng)化以及公安的刑事偵察上，在這些領(lǐng)域強(qiáng)有力的推動(dòng)下，實(shí)時(shí)圖像處理技術(shù)得到了迅速的發(fā)展。在這些導(dǎo)彈制導(dǎo)中，實(shí)時(shí)圖像處理技術(shù)是不可缺少的。由于在發(fā)酵的過程中，啤酒往往會(huì)混入一些量的發(fā)酵原料，而形成不合格產(chǎn)品。檢測(cè)工作的流程是分段檢測(cè)，通過圖像采集卡，A/D設(shè)備，將數(shù)字信號(hào)送入DSP芯片完成圖像降噪、小波邊緣檢測(cè)等算法處理，然后將處理結(jié)果送入微機(jī)系統(tǒng)進(jìn)行判別和控制，剔除不合格的啤酒成分。值得指出的是，工業(yè)自動(dòng)化的實(shí)時(shí)檢測(cè)主要是指在線的實(shí)時(shí)檢測(cè)，其速度是指滿足生產(chǎn)流水線任務(wù)的檢測(cè)速度，而不是指視頻實(shí)時(shí)的檢測(cè)速度。通常數(shù)據(jù)庫(kù)的容量都是比較大，應(yīng)此要進(jìn)行大數(shù)據(jù)量的匹配度運(yùn)算和排序。顯然，只有在技術(shù)上成功地解決了實(shí)際問題，通過推廣應(yīng)用，繼而才能更好地解決系統(tǒng)代價(jià)地問題。由于應(yīng)用領(lǐng)域的不同，小波變換的具體應(yīng)用也各有特點(diǎn)。⒉ 對(duì)基于小波邊緣檢測(cè)的DSP圖像處理系統(tǒng)的研究 邊緣檢測(cè)是圖象處理中基礎(chǔ)而又重要的課題。 實(shí)時(shí)圖像處理技術(shù)在目標(biāo)跟蹤、機(jī)器人導(dǎo)航、輔助駕駛、智能交通監(jiān)控中都得到越來(lái)越多的應(yīng)用。 需要做的工作： ① 熟練掌握小波分析和多尺度邊緣檢測(cè)原理； ② 針對(duì)試驗(yàn)環(huán)境設(shè)計(jì)小波檢測(cè)算法并編程實(shí)現(xiàn)； ③ 了解DSP的系統(tǒng)結(jié)構(gòu)和工作原理； ④ 設(shè)計(jì)以TMS320C32為核心的實(shí)時(shí)圖像處理系統(tǒng)； ⑤ 在DSP系統(tǒng)中實(shí)現(xiàn)圖像處理模塊。因此，啤酒成品檢測(cè)系統(tǒng)的研制，對(duì)于優(yōu)化啤酒質(zhì)量、為企業(yè)節(jié)約開支、提高我國(guó)啤酒業(yè)的國(guó)際競(jìng)爭(zhēng)力具有重要意義。 面臨的挑戰(zhàn) 從圖像處理技術(shù)的發(fā)展來(lái)看，在實(shí)時(shí)性上實(shí)現(xiàn)了實(shí)施采集、實(shí)時(shí)傳輸、實(shí)時(shí)顯示，實(shí)時(shí)處理；在硬件處理器結(jié)構(gòu)上實(shí)現(xiàn)了多結(jié)構(gòu)和可重結(jié)構(gòu)；在圖像系統(tǒng)結(jié)構(gòu)上實(shí)現(xiàn)了以計(jì)算機(jī)內(nèi)存為中心和以大規(guī)模集成系統(tǒng)為中心的系統(tǒng)結(jié)構(gòu)；在并行處理上實(shí)現(xiàn)了多DSP、多CPU、多微機(jī)、MMX/SSE的并行處理；在算法上實(shí)現(xiàn)了多領(lǐng)域、多層次、多創(chuàng)新的大發(fā)展……實(shí)時(shí)圖像技術(shù)的成果應(yīng)用也遍布多個(gè)領(lǐng)域：工業(yè)自動(dòng)化、軍事、宇航、偵探等。 本文工作及論文結(jié)構(gòu) 本文工作 針對(duì)實(shí)時(shí)圖像處理的技術(shù)特點(diǎn)和“啤酒成品檢測(cè)”的系統(tǒng)要求，本文先對(duì)小波變換理論和多尺度邊緣檢測(cè)算法進(jìn)行了分析和研究，然后研究了圖像的并行處理技術(shù)和DSP系統(tǒng)中的幾個(gè)關(guān)鍵問題，并且實(shí)現(xiàn)小波算法在TMS320C32中的應(yīng)用，解決了微機(jī)、DSP主從系統(tǒng)的接口問題和數(shù)據(jù)處理流程問題。一方面，小波分析方法和DSP開發(fā)系統(tǒng)具有廣泛的市場(chǎng)應(yīng)用前景，另一方面，目前小波邊緣檢測(cè)的應(yīng)用并不完善，特別是結(jié)合DSP系統(tǒng)或嵌入式系統(tǒng)中的開發(fā)，目前國(guó)際上尚沒有先例，具有很大的開發(fā)空間和應(yīng)用價(jià)值。然后針對(duì)該項(xiàng)目設(shè)計(jì)出信息提取層算法和知識(shí)層算法。DSP提供了適合數(shù)字信號(hào)處理算法的內(nèi)部結(jié)構(gòu)與外部接口電路以及專用高效指令，因此日益成為實(shí)時(shí)圖像處理系統(tǒng)首選核心器件。同時(shí)為了滿足在線檢測(cè)的實(shí)時(shí)性要求，需要對(duì)硬件結(jié)構(gòu)、軟件算法進(jìn)行優(yōu)化。第3章流體圖像的算法研究，介紹了傳統(tǒng)的圖像處理方法和流體圖像檢測(cè)中的對(duì)象識(shí)別算法。包括： ⑴DSP的基本結(jié)構(gòu)和特征；⑵DSP硬件設(shè)計(jì)；⑶DSP芯片C和匯編語(yǔ)言的混合編程；⑷基于DSP的圖像并行處理；⑸快速小波變換在TMS320C32上的實(shí)現(xiàn)。正是傅立葉變換的這種重要的物理意義，決定了傅立葉變換在信號(hào)分析和信號(hào)處理中的獨(dú)特地位，特別是作為平穩(wěn)信號(hào)分析的最重要的工具，例如圖像處理中對(duì)于白噪聲的降噪。函數(shù)空間L2(R)是定義在整個(gè)實(shí)軸上的滿足要求的可測(cè)函數(shù)的全體組成的集合，并帶有相應(yīng)的函數(shù)運(yùn)算和內(nèi)積。對(duì)于任意的實(shí)數(shù)對(duì)，其中必須為非零實(shí)數(shù)，稱如下形式的函數(shù)： 為由小波母函數(shù)生成的依賴于參數(shù)的連續(xù)小波函數(shù)，簡(jiǎn)稱小波。當(dāng)時(shí)間中心參數(shù)固定不變時(shí)，小波變換體現(xiàn)的是原來(lái)的函數(shù)或信號(hào)在點(diǎn)附近隨著分析和觀察的范圍逐漸變化時(shí)表現(xiàn)出來(lái)的變化情況。⒉ 離散小波 在數(shù)字圖像處理中，我們的處理對(duì)象是二維的離散點(diǎn)陣。即對(duì)正交小波和任何函數(shù)信號(hào)，有如下小波級(jí)數(shù)展開： ⒊ Shannon小波和正交多分辨分析 根據(jù)Shannon定理，對(duì)頻率截?cái)嗟男盘?hào)，總有：，其中： 容易驗(yàn)證是空間的線性閉子空間，函數(shù)族是空間的標(biāo)準(zhǔn)正交系，也是子空間的標(biāo)準(zhǔn)正交基。為了構(gòu)造小波，只需對(duì)一個(gè)空間如進(jìn)行構(gòu)造就可以了。關(guān)鍵問題是構(gòu)造函數(shù)，使得函數(shù)族是的標(biāo)準(zhǔn)正交基。 滿足是有限共軛濾波器條件的實(shí)系數(shù)多項(xiàng)式具有一般的形式： 其中多項(xiàng)式滿足條件： 具體構(gòu)造步驟如下： ① 按需要選擇自然數(shù)； ② 任選非負(fù)整數(shù)和，構(gòu)造實(shí)系數(shù)多項(xiàng)式：以及滿足條件： ③ 求出多項(xiàng)式的全部根，根據(jù)Riesz引理，構(gòu)造實(shí)系數(shù)多項(xiàng)式： ④ 構(gòu)造系數(shù)有限的共軛濾波器，最后根據(jù)的定義公式：求出濾波器的全部系數(shù)。作為信號(hào)分析工具，窗口傅立葉變換和Gabor變換發(fā)展了傅立葉變換，能夠滿足信號(hào)處理的某些特殊要求，但是，這兩種變換都沒有離散正交基，從而決定了它們?cè)跀?shù)字計(jì)算時(shí)沒有像FFT那樣有效的快速算法；另一方面，當(dāng)窗口函數(shù)選定之后，它們時(shí)頻窗的窗口形狀時(shí)固定的，不能隨著所欲分析的信號(hào)成分是高頻或低頻信息而相應(yīng)變化。 所以，從信號(hào)到小波變換實(shí)際上是把信號(hào)在時(shí)間域局部化到范圍內(nèi)，而且在頻率域局部化到范圍內(nèi)。利用二進(jìn)小波變換和正交小波變換，它們本質(zhì)上成功地解決了“頻帶”重疊問題。在這里，時(shí)間中心參數(shù)的離散化是與尺度參數(shù)的離散化有聯(lián)系的：對(duì)任意整數(shù)，當(dāng)尺度參數(shù)時(shí)，時(shí)間中心參數(shù)。 小波分析克服了傅立葉分析的缺點(diǎn)，作為處理和分析信號(hào)的工具具有強(qiáng)大的生命力，并且正在信號(hào)處理的各個(gè)領(lǐng)域取得越來(lái)越深入和廣泛的應(yīng)用。 傅立葉變換將平穩(wěn)信號(hào)分解成諧波的線性組合，而小波分析則將非平穩(wěn)信號(hào)分解成各種小波的線性組合：半平穩(wěn)信號(hào)是“時(shí)頻小波”的組合，而瞬時(shí)信號(hào)或具有分形結(jié)構(gòu)的信號(hào)則是“時(shí)間尺度小波”的組合。沿用前述記號(hào)：，和 對(duì)任意信號(hào)，引入記號(hào)：， 。 ⒈ 一維Mallat算法 一、Mallat分解算法 分別用和乘上述分解式兩端之后求積分，并利用尺度方程和小波方程的系數(shù)公式，可以得到Mallat分解算法：， 二、Mallat合成算法 用乘以信號(hào)級(jí)數(shù)分解式兩端之后求積分，并利用系數(shù)公式得Mallat合成公式： 三、小波分解的空間塔式結(jié)構(gòu) 在進(jìn)行信號(hào)的小波分解時(shí)，為了特殊的分析和處理目的，往往需要進(jìn)行多次分解。具體的以來(lái)關(guān)系是： 相應(yīng)的空間重建過程為： 系數(shù)重建過程為： ⒉ 二維小波變換的Mallat算法 Mallat算法在圖像處理研究中有廣泛的應(yīng)用，具體使用是二維形式。子空間的正交直和分解關(guān)系是： 對(duì)任意的，引入記號(hào)：， 其中。 假設(shè)數(shù)字圖像是矩陣，而且無(wú)論是水平方向還是垂直方向都是按周期為2N的方式理解為周期循環(huán)的無(wú)窮無(wú)盡的延拓。在灰度圖像中，這些信息產(chǎn)生了灰度的變化，這些變化包括不連續(xù)性和極大值。然而，對(duì)離散圖像求微分這一過程對(duì)噪聲敏感。邊緣點(diǎn)對(duì)應(yīng)于一階微分幅度大的點(diǎn)，也對(duì)應(yīng)于二階微分的零交叉點(diǎn)。但是這些方法都有一個(gè)較大的弱點(diǎn)，即抗噪聲能力差。小波及其多尺度分析理論能很好地刻畫圖像灰度的變化。1980年Marr提出，當(dāng)對(duì)圖像進(jìn)行邊緣檢測(cè)時(shí)，用高斯函數(shù)對(duì)原始圖像作平滑，再用Laplace微分算子對(duì)平滑的結(jié)果用零交叉的方法作邊緣檢測(cè)，微分算子是一無(wú)界算子，對(duì)噪聲很敏感，用這種方法作邊緣檢測(cè)，噪聲邊緣也夾雜其中，而且計(jì)算量大。我們知道，Canny邊緣檢測(cè)算子實(shí)質(zhì)上等價(jià)于提取圖像的小波變換模極大值點(diǎn)。 小波邊緣檢測(cè)原理[14][15][16]大部分邊緣檢測(cè)器是在不同尺度上用光滑函數(shù)對(duì)信號(hào)進(jìn)行平滑,然后從其的一階或二階導(dǎo)數(shù)中檢測(cè)出突變點(diǎn),其一階導(dǎo)數(shù)的極值點(diǎn)對(duì)應(yīng)于二階導(dǎo)數(shù)的零交叉點(diǎn)和平滑信號(hào)的拐點(diǎn)。當(dāng)很小時(shí)，用對(duì)光滑化的結(jié)果對(duì)的突變部分的位置與形態(tài)影響不大，當(dāng)較大時(shí)則此光滑過程會(huì)將的一些細(xì)小的突變消去而只剩下大尺寸的突變。定義二維小波函數(shù)，：， 可以證明和 滿足二進(jìn)小波的完備性和穩(wěn)定性條件，可以作為二維小波變換的小波基母函數(shù)。這些取極大值點(diǎn)的位置就給出了圖像的一個(gè)多尺度邊緣。從而可以推知小波函數(shù)，尺度函數(shù)的傅立葉變換分別為：， 選擇，得到緊支二次樣條，是（三次中心樣條函數(shù)）的一階導(dǎo)數(shù)，如下圖所示。令，則，也是二維二進(jìn)基本小波組。記為的行或列與或分別卷積。取出，的零交叉位置，就是在相應(yīng)尺度下的圖像邊緣點(diǎn)位置。否則。它包括利用計(jì)算機(jī)和其它電子設(shè)備完成一系列工作，如圖像采集、獲取、編碼、存儲(chǔ)和傳輸，圖像的合成和產(chǎn)生，圖像的顯示、繪制和輸出，圖像變換、增強(qiáng)、恢復(fù)和重建，特征的提取和測(cè)量，目標(biāo)的檢測(cè)、表達(dá)和描述，序列圖像的校正，圖像數(shù)據(jù)庫(kù)的建立、索引、查詢和抽取，圖像的分類、表示和識(shí)別，3D景物的重建復(fù)原，圖像模型的建立，圖像知識(shí)的利用和匹配，圖像和場(chǎng)景的解釋和理解，以及基于它們的推理、判斷、決策和行為規(guī)范，等等。該模塊通過特定的設(shè)備，拍攝系統(tǒng)感興趣的部分的圖像，并把拍攝到的模擬圖像轉(zhuǎn)化為適于計(jì)算機(jī)處理的數(shù)字圖像。這些規(guī)則包括：圖像應(yīng)該如何獲取、圖像信息中哪部分對(duì)我們有用、圖像信息如何表示、如何量化圖像特征、處理后的結(jié)論該以何種形式出現(xiàn)以及這些結(jié)論可能的用途等等。其中預(yù)處理模塊用于把輸入模塊獲得的原始圖像信號(hào)變換成為適合圖像處理系統(tǒng)處理的信號(hào)，邊緣檢測(cè)模塊根據(jù)圖像的突變性質(zhì)檢測(cè)物體的邊緣，物體定位根據(jù)物體形狀特征和檢測(cè)出來(lái)的邊緣圖確定數(shù)字圖像中物體的位置。② 點(diǎn)處理法，包括：灰度處理（grey processing），面積、周長(zhǎng)、體積、重心運(yùn)算等等。目前對(duì)于輸入模塊而言，已經(jīng)有非常成熟的方法；輸出模塊則必須針對(duì)不同的系統(tǒng)獨(dú)立設(shè)計(jì)，論文中均不再詳述。物體識(shí)別和定位模塊根據(jù)物體的形狀和邊緣檢測(cè)的結(jié)果，確定圖像中各個(gè)物體的位置。 圖像預(yù)處理通過圖像輸入設(shè)備獲得的數(shù)字圖像，往往不能滿足圖像檢測(cè)和識(shí)別的需要。因此，不能指望數(shù)字圖像完全真實(shí)的刻畫景物的外觀特征。對(duì)于圖像中摻雜的噪聲，必須首先加以分離和消除；某些信息雖然不是噪聲，但是這些信息對(duì)于圖像檢測(cè)和識(shí)別并沒有任何好處，反而增加了處理的工作量，這種信息往往也需要在處理之前加以分離和消除；由于光照不均勻，在景物本身的外觀基礎(chǔ)上又糅合了光源的因素，這種不均勻性必然會(huì)導(dǎo)致分析上的誤差，也必須采取一定的方法加以消除。我們稱圖像各像素的灰度分布情況為圖像的直方圖。在計(jì)算機(jī)處理中，往往采用256灰度級(jí)圖像系統(tǒng)，用0~255這256個(gè)自然數(shù)表示不同灰度級(jí)。所謂直方圖，就是指圖像在各灰度級(jí)上的統(tǒng)計(jì)百分比。(a)是在光照很弱的情況下拍攝的，(b)是它的灰度直方圖。 (a) 偏暗的圖像 (b) (a)的直方圖⒈ 尺度變換法最直觀、最簡(jiǎn)單的直方圖均衡方法是圖像尺度變換：把在灰度區(qū)間[a…b]中的象素點(diǎn)的灰度值通過尺度變換映射到[x…y]區(qū)間中去，其變換公式為： 其中g(shù)是象素原來(lái)的灰度值，g’是變換后該象素的灰度值。 (a) 偏暗的圖像 (b) (a)的直方圖某些情況下，盡管圖像的灰度在整個(gè)灰度區(qū)間取值，但是圖像的大部分象素點(diǎn)的灰度都集中在灰度區(qū)間的某個(gè)子區(qū)間中。這兩個(gè)集合，Eb反映的是背景的灰度變化情況，而Eo則反映物體的灰度變化情況。為此，取兩集合的下標(biāo)為1和2，其中y1x2。因此直方圖均衡后，就會(huì)導(dǎo)致某些細(xì)節(jié)反而被掩蓋了。利用累加直方圖進(jìn)行的直方圖均衡公式如下： 由于y代表最大灰度值，因此這個(gè)變換的值域?qū)⑹钦麄€(gè)灰度區(qū)間。② 直方圖處理根據(jù)的是圖像的灰度統(tǒng)計(jì)特性，所以其改變的也只能是圖像的灰度統(tǒng)計(jì)特性。在實(shí)際使用中必須根據(jù)需要選擇合適的直方圖處理方法。⒈ 頻域?yàn)V波和空間域?yàn)V波所謂頻域?yàn)V波，就是把信號(hào)首先變換到頻域中去，然后對(duì)信號(hào)的頻譜進(jìn)行處理以達(dá)到濾波目的的方法。這樣的濾波方法不經(jīng)過頻域直接在空間域進(jìn)行，所以被稱為空間域?yàn)V波。如果濾波器允許通過的頻率范圍是由0到某個(gè)截止頻率，我們稱這種濾波為低通濾波；如果濾波器允許通過的頻率是大于某個(gè)導(dǎo)通頻率的頻段，則這種濾波為高通濾波；如果濾波器允許通過的頻率為某兩個(gè)頻率之間的頻段，則這種濾波為帶通濾波。理想的低通濾波器的傳遞函數(shù)應(yīng)該為 其中Ωd為濾波器的截止頻率，理想低通濾波器的目的是抑制截止頻率范圍以外的所有頻率分量，而對(duì)于截止頻率范圍以內(nèi)的信息則完全保留。但是HB(u,v)在|Ω|很大時(shí)仍然不為0，因此必將導(dǎo)致一些高頻信號(hào)不能被完全分離濾除。⒊ 高通濾波器高通濾波器濾除信號(hào)中的低頻信號(hào)，而保留其中的高頻信息。假設(shè)景物真實(shí)的圖像為gd (x,y)，光照模型為gi (x,y)，則拍攝到的數(shù)字圖像為 一般情況下，光源的對(duì)景物的照明程度隨著位置的變化是非常緩慢的，因此其頻譜將遠(yuǎn)遠(yuǎn)小于景物本身造成的圖像的變化程度。由于取了對(duì)數(shù)后，因?yàn)楣庹詹痪鶆驅(qū)е碌男畔⑼耆趃i (x,y)中，可以對(duì)這時(shí)的信號(hào)進(jìn)行低通濾波，這樣就可以得到反映真實(shí)景觀特征的圖像信號(hào)的對(duì)數(shù)了，然后再進(jìn)行指數(shù)運(yùn)算就可以最終得到真實(shí)景觀信息?？紤]空間域?yàn)V波，相當(dāng)于與圖像信號(hào)卷積一個(gè)合適的濾波函數(shù)。有了這個(gè)假設(shè)，卷積就可以表示為： 其中區(qū)域D是指滿足xi≤tx≤xi+1和yi≤sy≤yi+1的點(diǎn)集，M,N是離散以后圖像的縱向和橫向的最大分辨率。鄰域平均法就是一種很好的低通濾波算子，為了平滑濾除數(shù)字圖像中包含的高頻噪聲，我們?nèi)‘?dāng)前點(diǎn)相鄰的8個(gè)點(diǎn)加上本身的均值