【正文】 ，系列芯片種類較豐富，是主要的應(yīng)用系列。 C64xx系列是新發(fā)展，性能是C62xx的10倍。 DSP的軟件開發(fā)工具CCS由于本文的主要目的是運(yùn)用DSP的軟件開發(fā)工具CCS對(duì)圖像進(jìn)行邊緣檢測(cè)的分析研究，故對(duì)其硬件開發(fā)方面未作涉及，在此作一說明。 CCS概況CCS (Code Composer Studio)開發(fā)工具是TI公司針對(duì)DSP開發(fā)的集成軟件開發(fā)環(huán)境，TI公司的每個(gè)DSP系列對(duì)應(yīng)不同的CCS。CCS包含源代碼編輯工具、代碼調(diào)試工具、可執(zhí)行代碼生成工具和實(shí)時(shí)分析工具，并支持設(shè)計(jì)和開發(fā)的整個(gè)流程。它的出現(xiàn)大大簡(jiǎn)化了DSP的開發(fā)工作。硬件在線編程模式：可以實(shí)時(shí)運(yùn)行在DSP芯片上,與硬件開發(fā)板相結(jié)合在線編程和調(diào)試應(yīng)用程序。在使用軟件仿真方式工作時(shí)，無需連接板卡和仿真器等硬件。但一般軟件無法構(gòu)造DSP中的外設(shè)，所以軟件仿真通常用于調(diào)試純軟件的算法和進(jìn)行效率分析等。此時(shí)CCS已經(jīng)被設(shè)置成Simulator方式(軟件仿真TMS320VC5509器件的方式[7])，如果一直使用這一方式就不需要重新進(jìn)行以上配置操作了。編寫C語言源程序序宏文件C編譯器文檔管理器生成TMS320匯編源文件編寫TMS320匯編語言源程序宏庫匯編器生成COFF文件鏈接器寫FLASH調(diào)試器格式轉(zhuǎn)換輸出可執(zhí)行文件軟件調(diào)試仿真TMS320目標(biāo)系統(tǒng) CCS的開發(fā)流程 CCS集成開發(fā)環(huán)境的功能CCS集成開發(fā)環(huán)境（IDE）支持從編輯、匯編、鏈接到調(diào)試DSP應(yīng)用程序的整個(gè)開發(fā)過程。集成編輯環(huán)境提供的功能有：關(guān)鍵詞、注釋和字符串的高亮度顯示；隨時(shí)獲得相關(guān)的在線幫助；快速查找，在一個(gè)或多個(gè)文件中查找或替換等等。工程中包含C語言源代碼、匯編語言源代碼、庫文件、鏈接文件、頭文件等等。 工程管理界面CCS的調(diào)試工具以下功能：● 設(shè)置一個(gè)或多個(gè)斷點(diǎn)；● 使用Watch窗口查看變量；● 查看、編輯存儲(chǔ)器和寄存器的值；● 觀察C語言指令及其反匯編代碼；● 使用圖形窗口顯示直觀的實(shí)時(shí)數(shù)據(jù)等。1．DSP的C語言同主機(jī)C語言的主要區(qū)別？1)DSP的C語言是標(biāo)準(zhǔn)的ANSI C，它不包括同外設(shè)聯(lián)系的擴(kuò)展部分，如屏幕繪圖等。因此C和ASM的對(duì)應(yīng)關(guān)系非常明確，非常便于人工優(yōu)化；3)DSP的代碼需要絕對(duì)定位；主機(jī)的C的代碼有操作系統(tǒng)定位； 4)DSP的C的效率較高，非常適合于嵌入系統(tǒng)。存放C程序中的變量初值和常量；.const 存放C程序中的字符常量、浮點(diǎn)常量和用const聲明的常量； .switch 存放C程序中switch語句的跳針表；.text 為C程序中的全局和靜態(tài)變量保留存儲(chǔ)空間；.far 3．Link的cmd文件的作用是什么？ cmd文件由3部分組成： 1)輸入／輸出定義：.obj文件：鏈接器要鏈接的目標(biāo)文件，.lib文件：鏈接器要鏈接的庫文件，.map文件：鏈接器生成的交叉索引文件，.out文件：鏈接器生成的可執(zhí)行代碼； 2)MEMORY命令：描述系統(tǒng)實(shí)際的硬件資源 ；3)SECTIONS命令：描述“段”如何定位。由于DSP的編譯器的編譯結(jié)果是未定位的，DSP沒有操作系統(tǒng)來定位執(zhí)行代碼，每個(gè)用戶設(shè)計(jì)的DSP系統(tǒng)的配置也不盡相同，因此需要用戶自己定義代碼的安裝位置。第3章 邊緣檢測(cè)算法我們知道，邊緣檢測(cè)的實(shí)質(zhì)是采用某種算法來提取出圖像中對(duì)象與背景間的交界線。圖像灰度的變化情況可以用圖像灰度分布的梯度來反映，因此我們可以用局部圖像微分技術(shù)來獲得邊緣檢測(cè)算子。濾波：邊緣檢測(cè)算法主要是基于圖像強(qiáng)度的一階和二階導(dǎo)數(shù)，但導(dǎo)數(shù)的計(jì)算對(duì)噪聲很敏感，因此必須使用濾波器來改善與噪聲有關(guān)的邊緣檢測(cè)器的性能。本文采用的是空間低通濾波法進(jìn)行平滑濾波。使用各種算法可以得到邊緣增強(qiáng)的圖像。邊緣增強(qiáng)一般是通過計(jì)算梯度幅值來完成的。此時(shí)，圖像灰度變化平緩的區(qū)域已經(jīng)沒有了，圖像中只剩下了灰度突變的地方，其灰度值得到了增強(qiáng)。最簡(jiǎn)單的邊緣檢測(cè)判據(jù)是梯度幅值閾值判據(jù)。最后用計(jì)算出的閾值對(duì)增強(qiáng)圖像二值化，將256級(jí)圖像變?yōu)?值圖像，將邊緣突變明顯的地方顯示出來，這樣就得到邊緣圖像。在邊緣檢測(cè)算法中，前三個(gè)步驟用得十分普遍。 常見的邊緣檢測(cè)算子對(duì)于圖像f(x,y)，在(x,y)處的梯度定義為 （31）梯度是一個(gè)矢量，其大小和方向分別為： （32） （33）梯度的方向是f(x,y)在該點(diǎn)灰度變化率最大的方向。 在實(shí)際應(yīng)用中，通常用絕對(duì)值來近似梯度幅值： （34） 或 梯度的幅值實(shí)際上與邊緣的方向無關(guān)，這樣的算子稱為各向同性算子(Isotropic Operator)。在實(shí)際處理數(shù)字圖像的時(shí)候，可用采用一階差分近似代替圖像函數(shù)的一階偏導(dǎo)數(shù)，定義為： （35） （36） 利用圖像灰度的一階導(dǎo)數(shù)算子在灰度迅速變化處得到的極值來進(jìn)行奇異點(diǎn)的檢測(cè)。： 梯度算子模板 為了檢測(cè)邊緣點(diǎn)，通過設(shè)置適當(dāng)?shù)拈撝礣對(duì)梯度圖像進(jìn)行二值化 （37） 這樣就形成一幅邊緣二值圖像 。根據(jù)灰度迅速變化處一階導(dǎo)數(shù)達(dá)到最大值的原理，利用導(dǎo)數(shù)算子檢測(cè)邊緣。 Roberts算子由Roberts提出的算子是一種利用局部差分算子尋找邊緣的算子，它在2： （38） （39） ： Roberts算子模板通過 （310）計(jì)算出該點(diǎn)的梯度幅度值，然后選取適當(dāng)?shù)拈T限T，處理形成為一個(gè)二值邊緣圖像。 Prewitt算子為在檢測(cè)邊緣的同時(shí)減少噪聲的影響，Prewitt從加大邊緣檢測(cè)算子的模板大小出發(fā)，由22擴(kuò)大到33來計(jì)算差分。當(dāng)用兩個(gè)掩模板（卷積算子）組成邊緣檢測(cè)器時(shí)，通常取較大的幅度作為輸出值。取它們的平方和的開方可以獲得性能更一致的全方位的響應(yīng)。然后選取適當(dāng)?shù)拈T限T，處理形成為一個(gè)二值邊緣圖像。 Sobel算子Sobel算子在Prewitt算子的基礎(chǔ)上，對(duì)4鄰域采用加權(quán)的方法計(jì)算差分。Sobel算子很容易在空間上實(shí)現(xiàn)，利用像素點(diǎn)上下、左右相鄰點(diǎn)的灰度加權(quán)算法，根據(jù)在邊緣點(diǎn)處達(dá)到極值這一現(xiàn)象進(jìn)行邊緣檢測(cè)。所以，當(dāng)對(duì)精度要求不是很高時(shí)，這是一種較為常用的邊緣檢測(cè)方法。常用的八方向Kirsch算子 3，各方向的夾角為45度。函數(shù)f(x,y)的拉普拉斯算子公式為： （315）對(duì)離散的數(shù)字圖像而言，二階偏導(dǎo)數(shù)用二階差分近似，則 （316） ： Laplacian算子模板Laplacian算子是一個(gè)與方向無關(guān)的各向同性的邊緣算子。其特點(diǎn)是：各向同性、線性和位移不變；對(duì)細(xì)線和孤立點(diǎn)檢測(cè)效果好。 Marr算子正如上面所提到的，利用圖像強(qiáng)度二階導(dǎo)數(shù)的零交叉點(diǎn)來求邊緣點(diǎn)的算法對(duì)噪聲十分敏感。為此，Marr和Hildreth將高斯濾波和拉普拉斯邊緣檢測(cè)結(jié)合在一起，形成Marr算子，亦稱之為LoG（Laplacian of Gaussian）算子。由于Laplacian算子對(duì)噪聲比較敏感，為了減少噪聲的影響，該算子先用高斯函數(shù)平滑，然后再用Laplacian算子檢測(cè)邊緣。用 對(duì)圖像 的平滑表示為： （318）然后，再對(duì) 用Laplacian算子進(jìn)行邊緣檢測(cè)，即 （319） 式中*代表卷積。 其特點(diǎn)是：這個(gè)算子在定義域內(nèi)平均值為零，將不會(huì)改變圖像的整體動(dòng)態(tài)范圍。實(shí)際應(yīng)用時(shí)，應(yīng)根據(jù)噪聲水平和邊緣點(diǎn)定位精度要求適當(dāng)選取 值（圖像卷積后的模糊程度正比于 值）。傳統(tǒng)的邊緣檢測(cè)算子的噪聲平滑能力和邊緣定位能力是矛盾的，為了克服這個(gè)不足，正確地得到圖像的邊緣信息，人們提出了很多方法，如多尺度空間濾波、Facet模型檢測(cè)邊緣、模板匹配、Hough變換、小波變換、人工神經(jīng)網(wǎng)絡(luò)、模糊推理等算法。因?yàn)閭鹘y(tǒng)邊緣的定義為圖像中灰度的突變，所以這樣定義邊緣既失去了邊緣的部分信息，又把噪聲的影響包含在了邊緣中。根據(jù)邊緣的這三個(gè)特征，可以判定所關(guān)心的區(qū)域其特征是否存在差異來判定是否存在邊緣的可能性。算法的具體實(shí)現(xiàn)步驟如下：1) 設(shè)置四個(gè)3。2)對(duì)圖像中每一像素點(diǎn)求得的四個(gè)結(jié)果再求絕對(duì)值，將每個(gè)結(jié)果分別與一個(gè)閾值比較，假如其中任意一結(jié)果大于或等于閾值T，則該模板的中心點(diǎn)所對(duì)應(yīng)的圖像像素點(diǎn)的灰度值為255，否則為0。從四個(gè)模板的結(jié)構(gòu)可以看出，噪聲的影響基本上被相應(yīng)的抵消，不會(huì)對(duì)邊緣提取產(chǎn)生太大的影響，因此該算法具有較好的抗噪能力，克服了傳統(tǒng)的邊緣檢測(cè)僅考慮灰度突變的局限。由于DSP的代碼需要絕對(duì)定位，不像一般的軟件是由系統(tǒng)定位，所以需要編寫與之對(duì)應(yīng)的鏈接文件，進(jìn)行準(zhǔn)確定位。本文中的幾個(gè)邊緣檢測(cè)方法在CCS中的實(shí)現(xiàn)大同小異，有的只是算法的模板大小的區(qū)別，下面以Sobel算法實(shí)現(xiàn)為例進(jìn)行說明。在這兒需要注意的是：其一，256色BMP圖像的偏移量為1078字節(jié)；其二，BMP文件存儲(chǔ)數(shù)據(jù)時(shí)，圖像的掃描方式是按從左到右、從下到上的順序。(3)制作Sobel算法的兩個(gè)33檢測(cè)模板。(5)用一維最大熵閾值分割方法，計(jì)算出閾值（也可根據(jù)需要，進(jìn)行人為設(shè)置）。在此，需要說明的是有的算法濾波和增強(qiáng)在算法的實(shí)現(xiàn)過程中是同時(shí)進(jìn)行的，例如：Marr算法。上面所述的只是算法仿真實(shí)現(xiàn)的幾個(gè)主要步驟，在實(shí)際實(shí)現(xiàn)過程中可根據(jù)需要作適當(dāng)調(diào)整。為了驗(yàn)證上述各算法的有效性，現(xiàn)采用本文選用的三幅圖像進(jìn)行邊緣檢測(cè)，從邊緣的細(xì)化程度、邊緣的連續(xù)性和邊緣的光滑性三個(gè)方面對(duì)各邊緣檢測(cè)算法進(jìn)行算法評(píng)價(jià)，并比較本文提出的基于模板的邊緣檢測(cè)算法與各傳統(tǒng)的邊緣檢測(cè)算法的檢測(cè)效果。算法本身的設(shè)計(jì)決定了邊緣的細(xì)化程度。 對(duì)圖像（a）的各算法邊緣檢測(cè)效果圖此例，采用的是一幅簡(jiǎn)單的人工合成圖，只是由一些簡(jiǎn)單的直線和曲線組成。但各算法都能較清晰地檢測(cè)出目標(biāo)。其中，梯度算子、Roberts算子檢測(cè)出的邊緣寬度最窄；Prewitt算子、Sobel算子、Kirsch 算子、Laplacian算子以及本文提出的算法次之；Marr算子檢測(cè)出的邊緣寬度則最寬。不連續(xù)的算法直接會(huì)導(dǎo)致圖像邊緣斷裂，甚至錯(cuò)誤連接其他邊緣，造成分割錯(cuò)誤。我們可以看出各個(gè)算法的檢測(cè)效果不盡相同。其主要的不同點(diǎn)是：用各算法模板檢測(cè)出的邊緣的連續(xù)性不同。 針對(duì)(c)圖像的算法評(píng)價(jià)之邊緣的光滑性邊緣的光滑性直接影響主觀視覺，后續(xù)處理的影響不大。 對(duì)圖像（c）的各算法邊緣檢測(cè)效果圖此例，采用的是一幅自然的真實(shí)圖像。其主要的不同點(diǎn)是：用各算法模板檢測(cè)出的邊緣的光滑性不同。 算法比較結(jié)果統(tǒng)計(jì)現(xiàn)在把各算法檢測(cè)出的邊緣的寬度、連續(xù)性、光滑性總結(jié)如表31。表31 各算法檢測(cè)出的邊緣的寬度、連續(xù)性、光滑性總結(jié)列表算法寬度連續(xù)性光滑性梯度算子1差較差Roberts算子1較差較差Prewitt算子2好好Sobel算子2好好Kirsch 算子2好好Laplacian算子2一般較好Marr算子4較好較好本文算法2好好