【文章內(nèi)容簡介】 需循環(huán)的程序塊的結(jié)束地址。 7)中斷寄存器 (IMR,IFR) 中斷屏蔽寄存器 (IMR)在需要的時(shí) 候能獨(dú)立地屏蔽特定的中斷。中斷標(biāo)志寄存器 (IFR)用來指明各個(gè)中斷的當(dāng)前狀態(tài)。 片內(nèi)外圍設(shè)備 所有 的 TMS320C54x 芯片的 CPU 結(jié)構(gòu)和功能完全相同，但它們的 CPU 對應(yīng)不同的片內(nèi)外圍設(shè)備。 TMS320C54x 芯片有以下片內(nèi)外圍設(shè)備：通用 I/O 引腳 、軟件可編程等待狀態(tài)發(fā)生器、可編程的快切換邏輯、主機(jī)接口（ HPI）、硬件定時(shí)器、時(shí)鐘發(fā)生器和串行接口等。 復(fù)位電路 TMS320C54x 復(fù)位有三種方式，即上電復(fù)位、手動(dòng)復(fù)位、軟件復(fù)位。前兩種 …………………… 畢業(yè)設(shè)計(jì)（論文）說明書 共 59 頁 第 9 頁 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 是通過電路實(shí)現(xiàn)的復(fù)位，后一種是通過指令方式實(shí) 現(xiàn)的復(fù)位。 3 數(shù)字圖像分割 圖像分割就是把圖像中具有特殊涵義的不同區(qū)域區(qū)分開來，這些區(qū)域是互不相交的，每一個(gè)區(qū)域都滿足特定區(qū)域的一致性。圖像分割是圖像處理中的重要問題，也是計(jì)算機(jī)視覺研究中的一個(gè)經(jīng)典難題。計(jì)算機(jī)視覺中的圖像理解包括目標(biāo)檢測、特征提取和目標(biāo)識別等，都依賴于圖像分割的質(zhì)量。從 20 世紀(jì)的 50 年代起，人們就開始了對圖像分割方法的研究，提出了一系列圖像分割方法。特別是到了八十年代，隨著數(shù)字技術(shù)在各個(gè)領(lǐng)域的廣泛應(yīng)用，對數(shù)字圖像分割的研究得到了前所未有的發(fā)展，大量的新方法被提出和應(yīng)用，一些行之有效 的系統(tǒng)也被研制出并應(yīng)用到實(shí)際中去。盡管研究人員提出了許多分割方法，但是到目前為止還不存在一種通用的方法，也不存在一個(gè)判斷分割是否成功的客觀標(biāo)準(zhǔn)，因此被認(rèn)為是計(jì)算機(jī)視覺中的一個(gè)瓶頸，也仍舊是目前圖像處理領(lǐng)域的一個(gè)研究熱點(diǎn)。本章主要回顧了圖像分割方法的研究過 程和現(xiàn)狀，重點(diǎn)對于閾值化分割方法給予了詳細(xì)的介紹 ， 從而 引出了本文的研究重點(diǎn) —— 經(jīng)典閾值化圖像分割方法比較 。 圖像分割的規(guī)范化定義 多年來人們對圖像分割提出了不同的解釋和表述，借助集合概念對圖像分割可給出如下的定義： 令集合 R 代表整個(gè)圖像區(qū)域，對 R的 分割可看作將 R分成 N個(gè)滿足以下五個(gè)條件的非空子集 (子區(qū)域 ) 1R ， 2R ， ?? ， NR ： (1) ? RRi? 。 (2) 對所有的 i和 j, i≠ j，有 ijRR?? ； (3) 對 i=1, 2,? ,N，有 ()ip R TRUE? ； (4) 對 i≠ j，有 ()ijp R R FAL SE? ； (5) 對 i=1, 2， ? ， N, iR 是連通的區(qū)域。 其中 P( iR )是對所有在集合 iR 中元素的邏輯謂詞， Φ 代表空集。 下面先對以上各個(gè)條件分別給予簡略解釋。條件 1指出在對一副圖像的分割結(jié)果中，全部子區(qū)域的總和 (并集 )應(yīng)能包括圖像中所有 像 素 (就是原圖像 )，或者說分割應(yīng)將圖像中的每 個(gè) 像 素 都分進(jìn)某個(gè)子區(qū)域中。條件 2指出在分割的結(jié)果中各個(gè)子區(qū)域是互不重疊的，或者說在分割結(jié)果中一個(gè) 像 素 不能同時(shí)屬于兩個(gè)區(qū)域。條件 3指出在分割結(jié)果中每個(gè)子區(qū)域都有獨(dú)特的特性，或者說屬于同一個(gè)區(qū)域的 像 素 應(yīng)該具有某些相同的性質(zhì)。條件 4指出在分割結(jié)果中，不同的子區(qū)域應(yīng) …………………… 畢業(yè)設(shè)計(jì)（論文）說明書 共 59 頁 第 10 頁 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 該具有不同的特性，沒有公共元素，或者說屬于不同區(qū)域的 像 素 應(yīng)該具有一些不同的特性。條件 5 要求分割結(jié)果中同一個(gè)子區(qū)域內(nèi)的 像 素 應(yīng)該是連通的，即同一個(gè)子區(qū)域的任兩個(gè) 像 素 在該子區(qū)域內(nèi)互相連通，或者說分割得到的區(qū)域是一個(gè)連通組元。 圖像分割方法綜述 傳統(tǒng)上， 圖像分割方法可分為三類：邊緣檢測，閾值分割，區(qū)域的生長和分裂合并。 邊緣檢測 圖像的邊緣是圖像的最基本的特征之一，基于邊緣的分割方法可以說是人們最早研究的方法。所謂邊緣是指其周圍 像 素 灰度有階躍變化的 像 素 的集合。邊緣廣泛的存在于物體與背景之間、物體與物體之間。它是圖像分割所依賴的重要特征。邊緣檢測方法試圖通過檢測不同區(qū)域間的邊緣來解決圖像分割問題。邊緣檢測技術(shù)可以按照處理的順序分為串行邊緣檢測以及并行邊緣檢測。在串行邊緣檢測技術(shù)中，當(dāng)前 像 素 點(diǎn)是否屬于檢測的邊緣，取決于先前 像 素 的驗(yàn)證結(jié)果 。而在并行邊 緣檢測技術(shù)中，一個(gè) 像 素 點(diǎn)是否屬于檢測的邊緣，取決于當(dāng)前正在檢測的像 素 點(diǎn)以及該 像 素 點(diǎn)的一些相鄰 像 素 點(diǎn)，這樣該模型可以同時(shí)用于檢測圖像中的所有 像 素 點(diǎn)，因而稱之為并行邊緣檢測技術(shù)。邊緣檢測常借助于微分算子進(jìn)行，通過將其模板與圖像卷積，檢測到灰度不連續(xù) (或突變 )的邊緣。常用的微分算子有梯度算子 (例如 Roberts 算子、 Prewitt 算子、 Sobel 算子 )、方向算子 (例如Kirsch 算子、 Nevitia 算子 )、拉普拉斯算子、馬爾算子、綜合正交算子、坎尼算子等。對于實(shí)際有噪聲點(diǎn)的圖像，僅用微分算子檢測出的邊緣點(diǎn)并不能 組成封閉的邊界而將目標(biāo)從背景中分離出來。所以還需要利用檢測到的邊緣點(diǎn)組成目標(biāo)的邊界，例如，利用哈夫〔 Hough〕變換，通過在參數(shù)空間的累加運(yùn)算完成從圖像空間 (不連續(xù) )邊緣點(diǎn)獲取區(qū)域封閉邊界的工作。近年來，邊緣 檢測技術(shù)領(lǐng)域出現(xiàn)一些新的方法，例如邊緣擬合、曲線擬合、基于反應(yīng) 擴(kuò)散方程、形變模型的方法等等。 閾值分割 閾值分割就是簡單地用一個(gè)或幾個(gè)閾值將圖像的灰度直方圖分成幾類，認(rèn)為圖像中灰度值在同一個(gè)灰度類內(nèi)的 像素 屬于同一個(gè)物體。過去，人們?yōu)閳D像灰度閾值的自動(dòng)選擇付出了巨大的努力，提出了很多方法。 閾值方法的缺陷在于它僅僅考慮了圖像的灰度信息，而忽略了圖像中的空間信息，對于圖像中不存在明顯的灰度差異或各物體的灰度值范圍有較大重疊的圖像分割問題難以得到準(zhǔn)確的結(jié)果。 區(qū)域的生長和分裂合并 …………………… 畢業(yè)設(shè)計(jì)（論文）說明書 共 59 頁 第 11 頁 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 區(qū)域生長和分裂合并是兩種典型的串行區(qū)域分割方法。其特點(diǎn)是將分割過程分解為順序的多個(gè)步驟，其中后續(xù)步驟要根據(jù)前面步驟的結(jié)果進(jìn)行判斷而確定。區(qū)域生長的基本思想是將具有相似性質(zhì)的 像 素 集合起來構(gòu)成區(qū)域。先對每個(gè)要分割的區(qū)域找一個(gè)種子 像 素 作為生長的起點(diǎn)，然后將種子 像 素 周圍鄰域中與種子 像素 有相同或相似性質(zhì)的 像 素 合并到種子 像 素 所在的區(qū)域中來。將這些新 像 素 當(dāng)作新的種子 像 素 繼續(xù)上面的過程，直到再?zèng)]有滿足條件的 像 素 可以包括進(jìn)來。這樣一個(gè)區(qū)域就生成了。所以區(qū)域生長是從單個(gè)種子 像 素 開始，通過不斷接納新 像 素得到整個(gè)區(qū)域。區(qū)域的分裂合并則是首先把圖像分成任意大小互不重疊的區(qū)域，然后再合并或者分裂這些區(qū)域，最后得到分割結(jié) 果。與閾 值分割類似，區(qū)域生長往往是與其它分割方法一起使用，特別適用于分割小的結(jié)構(gòu)，如醫(yī)學(xué)中的腫瘤和傷疤。區(qū)域生長的缺點(diǎn)是它需要人工交互以獲得種子點(diǎn)，這樣使用者必須在每個(gè)需要抽取出的區(qū)域中植入一個(gè)種子點(diǎn)。同時(shí)，區(qū)域生長方式也對噪 聲敏感，導(dǎo)致抽取出的區(qū)域有空洞，而且往往會(huì)造成過度分割，即將圖像分割成過多的區(qū)域。區(qū)域生長算法的研究重點(diǎn)一是特征度量和區(qū)域增長規(guī)則的設(shè)計(jì)，二是算法的高效性和準(zhǔn)確性。區(qū)域生長方式的優(yōu)點(diǎn)是計(jì)算簡單。區(qū)域生長和分裂合并的關(guān)鍵都是選擇一個(gè)合適的準(zhǔn)則，其中最常用的是基于灰度統(tǒng)計(jì)特征的準(zhǔn)則，例如同質(zhì)區(qū)域中的灰度方差。人們往往將基于區(qū)域信息的方法與別的方法，主要是邊緣檢測的方法結(jié)合起來，研究結(jié)合區(qū)域與邊界信息的方法。例如松弛迭代法，利用兩種算法的優(yōu)點(diǎn)，使分割既能在每個(gè)局部并行進(jìn)行，又能借助迭代，利用運(yùn)算中獲取的信息不斷調(diào) 整，以自適應(yīng)地取得好的分割效果。 閾值化圖像分割方法 閾值化算法是圖像分割中算法數(shù)量最多的一種，尤其是近二十年來，由于其他數(shù)學(xué)方法及理論的引入，閾值化算法得到了很大的發(fā)展。從算法的內(nèi)在理論特點(diǎn)出發(fā)，閾值化算法可分為十類 :(1)直方圖法與直方圖變換法（峰谷法） 。(2)最大類間方差法 :(3)最小誤差法與均勻化誤差法 。(4)共生矩陣法 。(5)矩量保持法 。 (6)最大熵法 。(7)簡單統(tǒng)計(jì)與局部統(tǒng)計(jì)法 。(8)概率松弛法 。(9)模糊集方法 。 (10)其他方法。按閾值的作用范圍分成全局閾值化和局部閾值化兩種，全局 閾值化采用同一組閾值系列作用于整幅圖像，即各像素的閾值相同，因而算法簡單快速，但抗噪能力差，對目標(biāo)和背景內(nèi)灰度變化大的圖像分割效果差，對灰度交迭圖像則完全失效。局部灰度閾值化算法的時(shí)間復(fù)雜度和空間復(fù)雜度都比較大，但抗噪能力強(qiáng)，能處理背景灰度可變或灰度有交疊的圖像，對光照不均勻、對比度低和有隨機(jī)擾動(dòng)、突發(fā)噪聲的劣質(zhì)圖像亦有較好的效果。但是，另一方面，局部閾值化可以可作是全局閾值化技術(shù)的局部化，全局閾值化技術(shù)是實(shí)現(xiàn)局部閾值化分割的基礎(chǔ)。 …………………… 畢業(yè)設(shè)計(jì)（論文）說明書 共 59 頁 第 12 頁 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 閾值分割的概念、定義 閾值 化技術(shù)是圖像分割中最基本、最重要也是最 常用的方法。因?yàn)?閾值 分割一般基于圖像的灰度特征，所以也稱為灰度 閾值 化分割，其定義如下 : 閾值 化分割包括全局 閾值 化分割和局部 閾值 化分割，是指這樣一種從灰度圖像 F 到多值圖像 G 的過程 : g(x,y) = ??????????????? 1),(,),(,),(0,121211LyxftbtyxftbtyxfbNN? （ 31） 式中 1t , 2t , ....， 1?Nt 為系列分割 閾值 ， L為圖像的灰度級別， f(x,y)和g(x,y) 分別是圖像 F, G 中坐標(biāo) (x,y)處 像 素的灰度。如果各坐標(biāo)點(diǎn)的分割 閾值相同 ,則稱全局 閾值 化 。如果各坐標(biāo)點(diǎn)的分割 閾值 相異，則稱局部 閾值 化，又稱動(dòng)態(tài) 閾值 化。 N=2 時(shí)稱為灰度單 閾值 分割，又稱為目標(biāo)背景分離技術(shù) 。N2 時(shí)則稱為灰度多 閾值 化分割。多 閾值 分割是單 閾值 分割的擴(kuò)充，可轉(zhuǎn)化為一系列單 閾值 分割問題來解決。 簡單的說，圖像單 閾值 分割就是指確定一個(gè)處于圖像灰度取值范圍之內(nèi)的灰度 閾值 ，然后將圖像中各 像 素的灰度值都與這個(gè) 閾值 相比較 ,并根據(jù)比較結(jié)果將對應(yīng)的 像 素分為兩類 : 像 素灰度值大于 閾值 的為一類， 像 素灰度值小于 閾值 的為一類 (灰度值等于 閾值 的 像 素可歸入這兩類之一 )。 也即我們常說的圖像的二值化處理 ,本文所采用的處理方法即此種方法。 此種 圖像單 閾值處理的變換函數(shù)表達(dá)式為： ?),( yxg ??? ?? Tyxf Tyxf ),(,255 ),(,0 （ 32） 其變換函數(shù)曲線如圖 31 所示： 圖 31 單閾值處