【正文】 曝光量不適當或設備的非線性動態(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。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。 考慮到系統(tǒng)實時性要求，本文主要對空域法分析。 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。 經(jīng)過 仿真試驗， 如圖 44 是本課題在蘋果圖像采用中值濾波后 的圖像 ， 與圖 22 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?？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。 9 中值濾波去除噪聲的原理如 圖 43 所示。因此我們選擇窗口時應該根據(jù)圖像情況在保 持良好濾波的同時盡可能選擇小的窗口。 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模板中心像素。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 )。 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。該法是實域內(nèi)最為簡單的方法。 一般常用的濾波方法主要有鄰域平均法，中值濾波等方法。但是其速度比較慢。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)。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。圖 像噪聲主要有加性噪聲，乘性噪聲和量化噪聲等 [10]。 圖 42 蘋果圖像處理過程 Figure 42 Apple image processing 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。本節(jié)結合本課題對蘋果圖像處理的應用 ，在設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。而圖像處理功能的實現(xiàn)也在于算法的提出和實現(xiàn)。 圖 41 采集到的蘋果圖像 Figure 41 Apple images collected 7 蘋果圖像的預處理 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)過預處理。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]。 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。 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果 。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 光源照明方式的設計不可忽視。 (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]。 (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。 光源與照明方式的設計 光源照明的主要目標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。主要參數(shù)如下 ： 有效像素 (HV? ) 659494? ，傳感器芯片尺寸 4 4mm mm? ，幀速 110 FPS，電子快門 1/1101/62,000秒， 16 檔可選，整幀快門狀態(tài)下異步復位。其 CCD 的方形像素更適合用于處理，測量和分析方面的應用。 本文根據(jù)以上幾點，結合現(xiàn)場要求， 選用 UP610 系列的數(shù)字黑白攝像頭。隔行掃描是指一幀圖像的顯示由偶場和奇場 組成。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 1/2021s 以上。 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。 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（標準視頻信號），以便于進一步的處 理或顯示。 3 成像單元 成像單元負責原始圖像數(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。 2 圖像處理 系統(tǒng)總體方案 系統(tǒng)的總體結構如圖 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 。 熟悉 TMS320C6713DSP 芯片及相關硬件，建立基于 TechVC6713DSK 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計與實現(xiàn) 。 (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。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 。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。 (6).設有片內(nèi)存儲器 外部存儲器一般不能適應高性能 DSP 核的處理速度，因此在片上設置較大的程序 /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。 TMS320C6713 的主頻達到 225MHZ，處理能力達到 1800MIPS。 (3).流水線技術 流水線技術是提高 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。因此哈佛結構與馮 .諾依曼結構相比，更適合處理具有高度實時性要 求的數(shù)字信號。浮點 DSP 的優(yōu)點是精度高，不需要進行定標和考慮有限字長效應，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用 [7]。 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。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域的得到了廣泛的應用。近二十年來，隨著集成電路技術的發(fā)展，導致了 DSP 技術和器件的迅速發(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。 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，意味著結構靈活性的增加。 DSP 芯片內(nèi)部關鍵的乘法器部件從 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。 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 片的應用越來越廣泛。特征提取，是要獲得對目標的有效特征表達和描述。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。 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。 圖像識別方法主要有統(tǒng)計模式識別，結構模式識別，模糊模式識別和神經(jīng)網(wǎng)絡模式識別等 [4]。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的方法稱之為特征選擇。 各領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。已廣泛應用于各個領域。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。另外，數(shù)字圖像處理技術正逐步運用到生物學領域，為生物進化、分類和其他研究提供了有力的工具。數(shù)字圖像處理技術從一開始就引起了生物醫(yī)學界的濃厚興趣，首先應用于細胞分類，染色體分類和放射圖像的處理?，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，對圖像處理技術提出了更高的要求。這些圖像需要用數(shù)字圖像處理技術加工處理并提取有用信息。 (3)遙感方面的應用。 (2)通信中的應用。 (1)宇宙探測。在物理學和相關領域，計算機技術通常增強如高能等離子和電子顯微鏡方法等領域的實驗圖像。 圖像復原和增強過程用于處理不可修復物體的己損圖像或者造價昂貴不可復制的實驗結果。從 20 世紀 60 年代至今，圖像處理領域己得到了生機勃勃的發(fā)展。 數(shù)字圖像處理最早應用之一是在報紙業(yè)，當時，圖像第一次通過海底電纜從倫敦傳往紐約。數(shù)字圖像處理是指利用計算機或者其他設備通過各種算法對數(shù)字圖像進行處理。 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 xy ，其中 ? ?,xy 是空間坐標，而任何一對空間坐標 ? ?,xy 上 的幅值 f 稱為該點圖像的灰度。比如黃瓜分級、櫻桃分級、草萄分級等等。 與人工分選相比，基于圖像識別的水果分級更精細，更準確，無疲勞效應，無損害，節(jié)省人力資源。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。 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。本文正是基于這一理論對蘋果進行識別。圖像識別在應用中很大程度依賴現(xiàn)代圖像處理與模式識別技術，其廣泛應用在工業(yè)檢測和醫(yī)學檢測等方面。 關鍵詞 ： 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 autodetection, 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 algo