【文章內(nèi)容簡(jiǎn)介】 的指令并行性。 （ 6）數(shù)據(jù)計(jì)算功能強(qiáng)大 ,兩個(gè) MAC（ 乘法累加器）、主 ALU（ 40－ bit）、 4 個(gè)40－ bit 的累加寄存器 , 完成對(duì)被處理數(shù)據(jù)的算術(shù)運(yùn)算，其附加的功能部件有桶形移位寄存器、舍入與飽和控制以及有效完成計(jì)算的專(zhuān)用硬件。 CCS 集成編譯環(huán)境開(kāi)發(fā)應(yīng)用程序的步驟 CCS 將多種代碼產(chǎn)生工具和匯編器、鏈接器、 C/C++編譯器、建庫(kù)工具等集成在一個(gè)統(tǒng)一的開(kāi)發(fā)平臺(tái)中。 CCS 所集成的代碼調(diào)試工具具有各種調(diào)試功能 ，能對(duì)TMS320 系列 DSP 進(jìn)行指令級(jí)的仿真和進(jìn)行可視化的實(shí)時(shí)數(shù)據(jù)分析 [6]。 （ 1）書(shū)寫(xiě) 4 種類(lèi)型的文件 開(kāi)發(fā) DSP 的 C 語(yǔ)言應(yīng)用程序，主要需要 4 種類(lèi)型的文件 :C 語(yǔ)言文件、匯編語(yǔ)言文件、頭文件和命令文件。 C 語(yǔ)言文件“ .C”的格式，主控制程序部分以及不涉及復(fù)雜的算法運(yùn)算的部分用 C 語(yǔ)言文件編寫(xiě) 。匯編文件為“ .ASM”的格式，主要是涉及到程序的復(fù)位和中斷向量 。頭文件為“ .H”，的格式，主要定義了 DSP 內(nèi)部湖南人文科技學(xué)院畢業(yè) 設(shè)計(jì) 6 寄存器的地址分配，書(shū)寫(xiě)一次后可被其它程序反復(fù)使用，頭文件可以參考 TI 公司詳細(xì)的頭文件定義 。命令文件為“ .CMD”，的格式，主要定義堆棧、程序空間分配和數(shù)據(jù)空間分配。 （ 2）建立一個(gè)工程 DSP 的 C 語(yǔ)言應(yīng)用程序引入了工程管理的概念。因此需要新建一個(gè)工程，并把 上述的文件除了頭文件外都添加到工程當(dāng)中，頭文件不需要用戶自己添加，只要頭文件和工程在同一個(gè)目錄下，連接時(shí)開(kāi)發(fā)工具可以自己識(shí)別。 （ 3）編譯環(huán)境的簡(jiǎn)單配置 編譯環(huán)境的配置 細(xì)節(jié)不再詳細(xì)敘述，可以參考相關(guān)文獻(xiàn)進(jìn)行設(shè)置。 （ 4）編譯源文件 點(diǎn)擊菜單欄“ Project”中的選項(xiàng)“ Build”，則可以實(shí)現(xiàn)源文件的編譯。如果沒(méi)有語(yǔ)法錯(cuò)誤，則可以直接生成可執(zhí)行代碼并直接下載到 DSP 芯片中 。如果有語(yǔ)法錯(cuò)誤或其它類(lèi)型的錯(cuò)誤，則編譯器會(huì)給出相應(yīng)的提示，可以根據(jù)提示改掉錯(cuò)誤，再進(jìn)行同樣的操作，直到?jīng)]有任何錯(cuò)誤為止。 （ 5） 執(zhí)行程序 待 程序編譯成功下載到芯片后，點(diǎn)擊菜單欄中的“ Debug”選項(xiàng)，選擇 “ Run”，選項(xiàng)就可以運(yùn)行程序。為確定某幾步的問(wèn)題也可以單步調(diào)試，還有可以設(shè)置斷點(diǎn)、并通過(guò)觀察窗口察看變量的值等等。一個(gè)程序的成功調(diào)試可能需要在仿真器上反復(fù)編譯并下載運(yùn)行，以發(fā)現(xiàn)編程時(shí)沒(méi)有注意到的 Debug 問(wèn)題。湖南人文科技學(xué)院畢業(yè) 設(shè)計(jì) 7 3章 邊緣檢測(cè) 設(shè)計(jì) 利用 DSP 處理數(shù)字圖像的基本思想 本 設(shè)計(jì) 是一個(gè) 基于 DSP5509 數(shù)字圖像 邊緣檢測(cè)算法實(shí)現(xiàn) 的 研究 ，它完成的功能包括 讀取圖片，保存圖片，以及圖片的 灰度處理 、二值處理，和圖像的邊緣檢測(cè)。該 程序 通過(guò)調(diào) 用該類(lèi)里的靜態(tài)成員函數(shù)，就可以實(shí)現(xiàn)相應(yīng)的圖像處理功能了。為 了實(shí)現(xiàn)圖像處理， 因?yàn)?圖像是由一個(gè)個(gè)的 像 素點(diǎn)組成的，對(duì)一幅圖像的每個(gè) 像 素進(jìn)行了相應(yīng)的處理，最后整個(gè)圖像也就處理好了。 所以我們 只需對(duì)每個(gè) 像 素點(diǎn)進(jìn)行相應(yīng)的處理，在處理過(guò)程中卻不 用 考慮周?chē)笏攸c(diǎn)對(duì) 它 的影響，所以程序的實(shí)現(xiàn) 相對(duì)來(lái)說(shuō) 就變得簡(jiǎn)單多了。 通過(guò)編寫(xiě) C++程序 ，唯一的辦法就是使用指針來(lái)獲得圖像的內(nèi)部數(shù)據(jù)，指明函數(shù)中訪問(wèn)圖像內(nèi)部數(shù)據(jù)的代碼塊。 系統(tǒng)總體設(shè)計(jì)流程圖 圖 32 系統(tǒng)流程圖 本系統(tǒng)可 以實(shí)現(xiàn)彩色圖片和黑白圖片進(jìn)行邊緣檢測(cè)功能，當(dāng)輸入一個(gè)彩色圖片以后，必須將圖片進(jìn)行灰度處理，然后在選擇算子實(shí)現(xiàn)邊緣檢測(cè)功能。若不能進(jìn)行灰度處理就會(huì)影響效果，如果輸入一個(gè)黑白圖片，就不能進(jìn)行灰度處理。如果能先進(jìn)行圖像的二值處理，這樣邊緣檢測(cè)效果會(huì)好一些。為了讓邊緣檢測(cè)的效果盡可能輸入一個(gè)彩色圖片 進(jìn)行灰度處理成為黑白圖片 進(jìn)行二值化處理 選擇相關(guān)算子進(jìn)行邊緣檢測(cè) 保存并輸出檢測(cè)后的圖片 湖南人文科技學(xué)院畢業(yè) 設(shè)計(jì) 8 的好，我有必要在進(jìn)行邊緣檢測(cè)之前先進(jìn)行二值處理。 數(shù)字圖像圖形預(yù)處理 數(shù)字圖像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域的識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)，圖像理解和分析的第一步往往就是邊緣檢測(cè)，目前它已成為機(jī)器視覺(jué)研究領(lǐng) 域最活躍的課題之一，在工程應(yīng)用中占有十分重要的地位。 在本設(shè)計(jì)中，數(shù)字圖像的預(yù)處理包括數(shù)字圖像的灰度 處理和二值處理 。 數(shù)字圖像的灰度處理 當(dāng)我們輸入一個(gè)彩色圖片時(shí)，如果我們直接進(jìn)行邊緣檢測(cè)會(huì)嚴(yán)重影響檢測(cè)出來(lái)的效果的，所以我們有必要進(jìn)行灰度處理將彩色圖片變成灰度圖片，黑白圖片本身是灰度圖片，不需要進(jìn)行灰度變化?；叶茸兓脑创a如下： private void button1_Click(object sender, EventArgs e) { int r, g, b。 if ( != null) { = true。 int height = 。 int width = 。 Bitmap temp = new Bitmap(width, height)。 Bitmap process = (Bitmap)。 int Result。 Color pixel。 for (int x = 0。 x width。 x++) for (int y = 0。 y height。 y++) { 湖南人文科技學(xué)院畢業(yè) 設(shè)計(jì) 9 pixel = (x, y)。 r = 。 g = 。 b = 。 //以加權(quán)平均值法產(chǎn)生黑白圖像 int iType = 0。 switch (iType) { case 0://平均值法 Result = ((r + g + b) / 3)。 (x, y, (Result, Result, Result))。 break。 case 1://最大值法 Result = r g ? r : g。 Result = Result b ? Result : b。 (x, y, (Result, Result, Result))。 break。 case 2://加權(quán)平均值法 Result = ((int)( * r) + (int)( * g) + (int)( * b))。 (x, y, (Result, Result, Result))。 break。 } } = temp。 湖南人文科技學(xué)院畢業(yè) 設(shè)計(jì) 10 } } 一般地，我們用 RGB 來(lái)描述圖像 像素點(diǎn)的顏色 ，即認(rèn)為 每個(gè)像素點(diǎn)由 R（ red） 、G(green)、 B(blue)三種色組成。 這 里， 引入灰度圖像的概念：灰度圖像是一種具有從黑到白 256 級(jí)灰度色域等級(jí)的單色圖像 ， 該圖像中的每個(gè)像素用 8 位數(shù)據(jù)表示，因此像素點(diǎn)值介于黑白間的 256 種灰度中的一種。該圖像只有灰度等級(jí)，而沒(méi)有顏色的變化。這樣，我們可以將圖像的 RGB 屬性歸一為灰度屬性，由此就可以方便我們對(duì)圖像進(jìn)行處理。 彩色圖像黑白化處理通常有三種方法：最大值法、平均值法、加權(quán)平均值法，以下是三種方法的原理 [3]： 最大值 法：最大值法是每個(gè)像素點(diǎn)的 RGB 值等于原像素點(diǎn)的 RGB 值中最大的一個(gè)， 最大值產(chǎn)生亮度很高的黑白圖像。 ( , , )R G B M A X R G B? ? ? （ 31） 平均值法：平均值法使每個(gè)像素點(diǎn)的 RGB 值等于原像素點(diǎn)的 RGB 值的平 均值，即 ( ) / 3R G B R G B? ? ? ? ? （ 32） 加權(quán)平均法：加權(quán)平均法根據(jù)需要指定每個(gè)像素點(diǎn) RGB 的 權(quán)數(shù)，并取其加權(quán)平均值，即 ( ) / 3r g bR G B W R W G W B? ? ? ? ? ? ? ? （ 33） rW 、 gW 、 bW 表示 RGB 的權(quán)數(shù)，均大于零，通過(guò)取不同的權(quán)數(shù)可實(shí)現(xiàn)不同的效果。 rW ， gW ， bW 取不 同的 值 ，將形成不同的灰度圖像。由于人眼對(duì)綠色的敏感度最高，對(duì)紅色的敏感度次之，對(duì)藍(lán)色的敏感度最低，因此使 gW ＞ rW ＞ bW 將的到較合理的灰度圖像。實(shí)驗(yàn)和理論推導(dǎo)證明，當(dāng) rW =， gW =， bW = 時(shí)，能得到最合理的灰度圖像。 不過(guò)在這里指明的是，在 GDI+中圖像存儲(chǔ) 的 格式是 BGR而非 RGB，即其順序?yàn)椋?Blue、 Green、 Red。所以在 for 循環(huán)內(nèi)部一定要設(shè)置好 red、green、 blue 等變量的值，切不可顛倒。 程序運(yùn)行的結(jié)果 如 圖 33，圖 34 所示： 湖南人文科技學(xué)院畢業(yè) 設(shè)計(jì) 11 圖 33 程序運(yùn)行前原圖 圖 34 灰度處理后的圖片 數(shù)字圖像的二值處理 圖像的二值 化 處理就是 將 圖像上的點(diǎn)的灰度置為 0 或 255，也就是講整個(gè)圖像呈現(xiàn)出明顯的黑白效果。即將 256 個(gè)亮度等級(jí)的灰度圖像通過(guò)適當(dāng)?shù)拈y值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，特別是在實(shí)用的圖像處理中，以二值圖像處理實(shí)現(xiàn)而構(gòu)成的系統(tǒng)是很多的，要進(jìn)行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像，這樣子有利于再對(duì)圖像做進(jìn)一步處理時(shí)，圖像的集合性質(zhì)只與 像 素值為0 或 255 的點(diǎn)的位置有關(guān)，不再涉及像素的多級(jí)值，使處理變得簡(jiǎn)單，而且數(shù)據(jù)的處理和壓縮量小。為了得到理想的二值圖像，一般采用封閉、連通 的邊界定義不交疊的區(qū)域。所有灰度大于或等于閥值的像素被判定為屬于特定物體，其灰度值為 255表示，否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度值為 0，表示背景或者例外的物體區(qū)域。如果某特定物體在內(nèi)部有均勻一致的灰度值，并且其處在一個(gè)具有其他等級(jí)灰度值的均勻背景下，使用閥值法就可以得到比較的分割效果。如果物體同背景的差別表現(xiàn)不在灰度值上（比如紋理不同），可以將這個(gè)差別特征轉(zhuǎn)換為灰度的差別，然后利用閥值選取技術(shù)來(lái)分割該圖像。動(dòng)態(tài)調(diào)節(jié)閥值實(shí)現(xiàn)圖像的二值化可動(dòng)態(tài)觀察其分割圖像的具體結(jié)果。 二值 處理 是圖形處理最最基本的處理方 法。得到二值化圖 像 的關(guān) 鍵在 于 得到一個(gè)合適的閾值 。 二值處理的代 碼如下： private void 二值化 _Click(object sender, e) 湖南人文科技學(xué)院畢業(yè) 設(shè)計(jì) 12 { double num。 int i, j。 int k。 int[,] h = new int[1280, 1280]。 int r。 int[] hd = new int[300]。 double[] p = new double[300]。 double[] tt = new double[300]。 double u = 0。 double[] uu = new double[300]。 double[] w = new double[300]。 double[] b = new double[300]。 double max。 double maxb = 0。 int t。 Color cc1 = (255, 255, 255)。 Color cc2 = (0, 0, 0)。 Color c = new Color()。 Bitmap box1 = new Bitmap()。 //讀取圖 像 顏色值 for (i = 1。 i 。 i++) { for (j = 1。 j 。 j++) { c = (i, j)。 湖南人文科技學(xué)院畢業(yè) 設(shè)計(jì) 13 r = 。 h[i, j] = r。 } } //累加圖 像 灰度值 for (i = 1。 i 。 i++) { for (j = 1。 j 。 j++) { for (r = 0。 r 255。 r++) { if (h[i, j] == r) tt[r] = tt[r] + 1。 } } } //計(jì)算灰度概率函數(shù) for (t = 0。 t 255。 t++) { p[t] = tt[t] / ( * )。 } //計(jì)算灰度均值 for (t = 1。 t 256。 t++) {