利用直方图均衡化和规定化进行图像增强的算法设计 数字图像处理毕业论文

目录
第1章绪论 (1)
1.1 数字图像处理的研究背景 (1)
1.2 数字图像处理的研究内容 (1)
1.3 DSP系统简介 (2)
1.4 图像增强简介 (4)
第2章DSP系统 (5)
2.1 DSP芯片 (5)
2.1.1 DSP芯片的特点 (6)
2.1.2 图像处理系统中DSP芯片的选择 (7)
2.2 基于DSP的图像处理系统 (8)
第3章图像增强 (9)
3.1 图像增强的基本概念 (9)
3.2 图像增强的方法 (9)
3.2.1 图像锐化 (10)
3.2.1.1 图像锐化原理 (10)
3.2.1.2 拉普拉斯算子 (11)
3.2.1.3 基于DSP的算法实现 (12)
3.2.1.4 图片锐化效果比较 (14)
3.2.2 Sobel边缘检测算法 (16)
3.2.2.1 Sobel边缘检测算法原理 (16)
3.2.2.2 Sobel边缘检测算法的变异及实现 (16)
3.2.3 直方图均衡化算法 (20)
3.2.3.1 直方图均衡化 (20)
3.2.3.2 直方图规定化 (21)
3.2.3.3实验结果及分析 (23)
第4章直方图均衡化和规定化算法的DSP实现 (25)
4.1 算法的DSP实现与优化 (25)
4.1.1 算法开发硬件平台选择 (25)
4.1.2 算法的实现与优化 (26)
4.2 实验及结果分析 (27)
结论 (31)
致谢 (32)
参考文献 (33)
第1章绪论
1.1 数字图像处理的研究背景
数字图像处理又称为计算机图像处理，它最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。

数字图像处理作为一门学科大约形成于20世纪60年代初期。

图像处理的基本目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。

图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。

图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。

随着图像处理技术的深入发展，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。

随着数字多媒体技术的不断发展，数字图像处理技术被广泛应用于可视电话、电视会议、监控系统、智能交通监控、目标跟踪、机器人导航等各种民用、商用及工业生产领域中。

但在这些数字图像处理系统中，一个突出的问题就是数据量庞大，数据处理相关性高，实现实时比较困难。

因此图像处理速度成为实时性的主要因素，这就要求实时图像处理系统必须具有强大的运算能力。

高性能DSP 的发展为实时的图像处理提供了一个解决途径。

高速DSP不仅可以满足在运算性能方面的需要，而且由于DSP的可编程性，还可以在硬件一级获得系统设计的极大灵活性。

1.2 数字图像处理的研究内容
数字图像处理技术，主要研究的内容:图像变换、图像编码压缩、图像增强和复原、图像分割、图像分类(识别)等。

(1) 图像变换。

由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。

因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效地处理(如傅立叶变换可在频域中进行数字滤波处理)。

目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。

(2)图像编码压缩。

图像编码压缩技术可减少描述图像的数据量(即比特数)，以便节省图像传输、处理时间和减少所占用的存储器容量。

压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。

编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。

(3)图像增强和复原。

图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。

图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。

如强化图像高频分量，可使图像中物体轮廓清晰，细节明显：如强化低频分量可减少图像中噪声影响。

图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立“降质模型”，再采用某种滤波方法，恢复或重建原来的图像。

(4)图像分割。

图像分割是数字图像处理中的关键技术之一。

图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。

虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。

因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。

(5)图像描述。

图像描述是图像识别和理解的必要前提。

作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。

对于特殊的纹理图像可采用二维纹理特征描述。

随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。

(6) 图像分类(识别)。

图像分类(识别)属于模式识别的范畴，其主要内容是图像经过某些预处理(增强、复原、压缩)后，进行图像分割和特征提取，从而进行判决分类。

1.3 DSP系统简介
随着计算机及通信技术的发展，图像和视频的应用愈加广泛。

大部分图像数据在实际应用前皆需进行有针对性的处理，如根据图像数据特点和应用领域对图像进行增强、除噪、锐化和识别等。

此外，为了有效实时地传输信息，还必须对图像进行压缩。

图像处理技术尤其是实时处理，现已成为一热门的研究课题。

实现图像处理的主要方式有：
(1)在通用计算机上用软件实现图像处理；
(2)在通用计算机系统中加入专用的加速处理模块；
(3)利用通用单片机；
(4)利用专用DSP芯片；
(5)利用通用可编程DSP芯片。

在众多图像处理方式中，最常用的是第1种，但此种方式要占用CPU几乎全部的处理能力，速度相对较慢，不适于实时处理，需要对其加以改进；而其他几种方式各有不足，如第2种方式不适于嵌入式应用，专业性较强，应用受到限制；第3种方式适于数字控制等不太复杂的数字信号处理，不适合计算较大的图像数据处理；第4种方式因为采用的是专用DSP芯片，故其应用范围受限，系统不够灵活，无法进行算法的升级与更新；第5种方式必须要用能充分考虑DSP内部并行性的汇编语言进行编制DSP程序，具有一定困难。

但是，TI公司为了解决这个问题，推出了一个开放、具有强大集成能力的开发环境（CCS）。

它采用了由先进的开发工具组成的直观系统，使用CCS提供的工具，开发者可以非常方便地对DSP软件进行设计、编码、编译、调试、跟踪和实时性分析，可有效减少DSP编程时间。

综上所述，利用通用可编程DSP芯片实现图像处理较之其他方式具有一定的优越性，而且DSP芯片的可编程性和强大的处理能力，使其可用于快速地实现各种数字信号处理算法，成为目前图像处理系统的最佳选择。

1.4 图像增强简介
图像处理最基本的目的就是改善图像。

图像改善技术中最常用的方法是图像增强，以改善图像的视觉效果，并把图像处理成为适于计算机分析或控制的形式，典型应用以监视跟踪航天飞行器轨迹为代表。

为满足图像增强目的，图像往往要发生变化，或称畸变。

在空间飞行器跟踪中，增强技术是突出图像的某些明显特征以利于计算机快速处理，达到实时的控制，这些畸变可改善跟踪速度。

在图像形成、传输或变换的过程中，由于受到其他客观因素诸如系统噪声、曝光不足或过量、相对运动等影响，获取图像往往会与原始图像之间产生某种差异。

变化后的图像通常模糊不清或者经过机器提取的信息量减少，甚至提供错误信息，因此必须对其采取一些手段进行改善，获取图像真正的信息。

在获取正确信息之前，要对图像进行处理，一般处理方法有两种，一是图像增强；二是图像复原。

图像复原技术需要了解图像质量下降的
原因，首先要建立“降质模型”，再利用该模型恢复原始图像，因此分析起来比较麻烦。

而图像增强与此不同，图像增强不考虑图像质量下降的原因，只将图像中感兴趣的特征有选择地突出，而衰减不需要的特征，它的目的主要是提高图像的可懂度。

图像增强包括内容广泛，如图像去噪、抽取图像中一些目标的轮廓、图像的勾边处理、提取图像中的特征以及把黑白图像映射为彩色图像等技术。

图像增强可分为空域处理和频域处理两大类。

具体而言有空域变换增强、空域滤波增强以及频域增强。

空域法主要是对图像中的各个像素点进行操作；而频域法是在图像的某个变换域内，修改变换后的系数，对图像进行操作，然后再进行反变换得到处理后的图像。

本文将对各种方法进行介绍。

第2章DSP系统
2.1 DSP芯片
数字信号处理器(DSP)是一类具有专门为数字信号处理任务而优化设计的体系结构和指令系统的通用处理器件，具有处理速度快和有复合功能的单周期指令等特点，在高速图像处理中得到了越来越多的应用。

DSP芯片内部采用程序和数据分开存储和传输的哈佛结构，具有专门硬件乘法器，广泛采用流水线操作，提供特殊的DSP指令，可用来快速地实现各种数字信号处理算法，加之集成电路的优化设计，使其处理速度比最快的CPU还10～50倍。

2.1.1 DSP芯片的特点
DSP芯片采用不同于普通单片机的体系结构，具有一些显著特点。

1、哈佛结构
传统计算机采用传统的冯·诺伊曼(Von Neumann)结构，其程序和数据共用一个存储空间和单一的地址及数据总线，处理器要执行任何指令时，都要先从储存器中取出指令解码，再取操作数执行运算，即使单条指令也要耗费几个甚至几十个周期，在高速运算时，在传输通道上会出现瓶颈效应。

所有的DSP芯片均采用哈佛（Harvard）结构。

哈佛结构是一种并行体系结构，它的主要特点是将程序和数据存储在不同的存储空间中，即程序存储器和数据存储器是两个相互独立的存储器，每个存储器独立编址、独立访问。

与两个存储器相对应的是系统中的4套总线：程序的数据总线与地址总线，数据的数据总线与地址总线。

这种分离的程序总线和数据总线可允许在一个机器周期内同时获取指令字(来自程序存储器)和操作数(来自数据存储器)，从而提高了执行速度，使数据的吞吐率提高了1倍。

又由于程序和数据存储器在两个分开的空间中，因此取指和执行能完全重叠。

2、流水线结构
流水线技术与哈佛结构相似，DSP芯片广泛采用流水线以减少指令执行时间，从而增强了处理器的处理能力。

流水线处理器是由一系列处理电路组成，这些处理电路称为片断或部分。

操作数流经每个片断，即每个片断对操作数进行部分处理，操作数经过所有片断后才能得到最后结果。

流水线操作即把一条指令分成一系列步骤来完成，不同步骤完成不同的任务，一条指令只有经过所有步骤才能得到结果。

这些步骤可以独立进行，这样就可以实现多条指令在不同步骤上的重复运行，从而加快运行速度。

流水线分为指令流水线和算术流水线。

指令流水线是指取指令和执行指令的不同阶段在流水线上进行；算术流水线是指算术操作的不同阶段在流水线上进行。

DSP芯片一般采用指令流水线方法。

由于采用了流水线技术，DSP芯片可以单周期完成乘法累加运算，大幅提高了运算速度，减少了指令执行的时间，从而增强了处理器的处理能力。

处理器可以并行处理2～4条指令，每条指令处于流水线的不同阶段。

3、特殊的硬件结构
数字信号处理中最重要的基本运算是乘法和累加运算，它们占用了大量运算时间，是最主要和最耗时的运算。

DSP中设置了硬件乘法器和乘法并累加（MAC），这些操作往往可以在单周期内完成，大幅提高了DSP作乘法和累加的速度。

因此，单周期的硬件乘法器和MAC是DSP芯片实现快速运算的保证。

现代高性能的DSP芯片甚至具有两个以上的硬件乘法器以提高运算速度。

数据宽度也从16位增加到32位。

数学运算消耗的时间往往少于存储器的操作。

DSP芯片在片内集成了大容量的ROM和RAM来分别存放程序和数据，程序在片内执行的效率远远高于相同规格的通用微处理器，这样既降低了产品的体积和成本，又加快了处理速度。

4、特殊的寻址方式
在数字信号处理中要遇到大量的地址运算，在某些情况下，地址运算量甚至超过了数据的运算量。

DSP中设计有一个特殊的硬件算术单元——地址产生器。

地址计算由这个专门的硬件来负责，不需要耗费额外的时间。

现在的某些微处理器中也有独立的地址产生单元，对于一些特殊的地址运算不需要耗费额外的CPU时间，但是DSP的地址运算单元更强大，支持如比特翻转寻址和循环寻址，可极大加快运算速度，而对于非哈佛结构的处理器可能需要更多的处理周期。

5、并行处理结构
图像处理中的运算量巨大，单个处理器无法满足实时处理的需求，需要多处理器并行处理。

DSP内部一般都集成多个处理单元，如硬件乘法器（MUL)、累加器（ACC)、算术
逻辑单元（ALU)、辅助算术单元（ARAU）以及DMA控制器等。

它们都可以并行地在同一个周期内执行不同的任务，例如辅助算术单元能为下一次的运算做好准备，适于完成连续的乘加运算。

芯片内部还包括其他总线，如DMA总线等，可实现数据的后台传输而几乎不影响主CPU的性能。

为了提高并行处理能力，现代DSP芯片通常采用单指令多数据流结构(SIMD)、超长指令字结构(VLIW)、超标星体系结构、多DSP核体系结构和DSP／MCU混合结构，这些并行处理机制显著提高了DSP芯片的性能。

2.1.2 图像处理系统中DSP芯片的选择
对图像处理技术而言，由于要处理的数据量大，计算复杂，计算中间结果精度要求高，因此需要选择合适的DSP芯片。

DSP芯片的选择应根据实际的应用系统需要而确定。

一般来说，选择DSP芯片时应考虑如下诸多因素：
(1)确定选择定点或浮点DSP。

数字信号处理算法的数据格式有定点和浮点之分，而数字信号处理系统采用的数据格式决定了它所处理信号的处理精度、动态范围和信噪比，且不同数据格式的易用性和开发难度也不一样。

选择定点或浮点DSP，首先要看模数转换时需要的比特数，如果图像的每个像素小于16bit，则用16bit定点DSP即可；如果大于16bit，则需要用浮点DSP来捕捉更大的动态范围。

其次考虑算法的复杂度和经济问题。

一般说来，浮点DSP芯片的运算精度高，动态范围大，寻址空间大，指令运算能力较强，但功耗大、成本高、体积较大。

定点DSP芯片的运算精度与浮点DSP芯片相同(数据位数和浮点芯片相同的情况下)，而功耗、成本、体积与浮点DSP芯片相比较小，且易于实现，稳定性好。

(2)根据DSP芯片运算速度选择具体芯片。

运算速度是DSP芯片的一个最重要的性能指标，也是选择DSP芯片时所需考虑的一个主要因素。

DSP芯片的运算速度一般采用DSP 的指令周期、单周期的乘加次数或采用数字信号处理中的基准程序，如用FFT和数字滤波等的执行时间来测评DSP芯片的速度性能。

(3)其他考虑因素。

在硬件方面还应考虑芯片的外部总线结构、片上存储器结构、DMA 功能、串行通信口和芯片间通信能力等因素，在软件方面主要是开发软件的功能性和时间要求等因素。

目前，应用最为广泛的是TI(Texas Instruments)公司TMS320C6000系列的数字信号处理器。

美国德州TI公司自1982年推出第1代数字信号处理器以来，现已相继推出了多代数字信号处理器，成为世界上最大的DSP芯片供应商。

TMS320C6000系列是TI公司于
1997年推出的高端系列的DSP。

该系列的DSP在芯片设计上，最初主要是针对多通道无线通信和有线通信的应用领域，但由于其优异的高速处理性能和出色的对外接口能力，使它也很适用于图像处理领域。

TMS320C6000是基于超长指令字（VLIW）结构的通用DSP系列，具有超长指令字处理能力。

其内部有8个并行处理单元，8条指令组成一个指令包，一个指令包的总字长为256位。

它可在一个时钟周期内并行执行8条指令。

这种高速高性能数字信号处理器的工作频率可达200MHz，每秒可完成1.6G次操作。

该结构包括定点的C62x、浮点的C67x 和新的C64x。

C64x和C62x代码兼容，但结构有显著的加强，其初期的工作频率可达750MHz。

C67x在C62x 8个功能块中的6个上增加了浮点功能，因此其指令集是不同的。

将TMS320C6000系列的数字信号处理器用于图像处理系统开发中，势必使技术水平得到进一步的提高。

2.2 基于DSP的图像处理系统
基于DSP的图像处理系统的主要思想是利用C6000这样具有强大运算能力的DSP来满足图像处理技术中运算速度和处理的实时性要求。

以DSP为核心部件的图像处理系统具有以下特点：（1）接口方便。

DSP系统与其他以现代数字技术为基础的系统或设备均相互兼容，同这样的系统接口来实现某种功能要比模拟系统与这样的系统接口要容易的多；（2）编程方便。

DSP系统中的可编程DSP芯片可使设计人员在开发过程中灵活方便地对软件进行修改和升级；（3）稳定性好。

DSP系统以数字处理为基础，受环境温度及噪声的影响较小，可靠性高；（4）精度高。

16位数字系统的精度可达10-5；（5）可重复性好。

模拟系统的性能受元器件参数性能变化的影响较大，而数字系统基本上不受影响，因此数字系统便于测试、调试和大规模生产；（6）集成方便。

DSP系统中的数字部件有高度的规范性，便于大规模集成。

图像处理计算量大且实时性要求高，虽然DSP芯片对提高处理速度有一定的优越性，但对如遥感图像等大型且重要的图像数据却常常不能达到实时处理，因此需要采用多个DSP并行处理方式，进一步提高算法的运行速度，达到真正的实时处理。

目前比较常用的是双DSP结构。

两片DSP芯片交替进行采集和处理工作，可以实现数据采集和图像压缩的并行操作，降低处理时间；而在一片DSP内，也可将数据缓冲区分为两部分，同时进行数据读取和编码，实现片内并行操作，进一步节省时间。

第3章 图像增强
3.1 图像增强的基本概念
图像增强是指按特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息，它是一种将原来不清晰的图像变得清晰或强调某些感兴趣的特征，抑制不感兴趣的特征，使之改善图像质量丰富信息量，加强图像判读和识别效果的图像处理方法。

图像增强就是增强图像中用户感兴趣的信息，其主要目的有两个：一是改善图像的视觉效果，提高图像成分的清晰度；二是使图像变得更有利于计算机处理。

3.2 图像增强的方法
图像增强技术基本上可分成两大类：频域处理法和空域处理法。

频域处理法的基础是卷积定理，它是将图像看作波，然后利用信号处理中的手段对图像波进行处理。

空域处理法的基础是灰度映射变换，它是直接针对图像中的像素进行处理，所用到的映射变换取决于增强的目的，例如增加图像的对比度，改善图像的灰度层次等处理均属于空域处理法的范畴。

线性空域锐滤波法是一种经典且有效的图像增强技术。

最常用的线性空域锐化滤波器是一种线性高通滤波器，其工作原理在于让图像的低频分量受到抑制而不影响高频分量，由于低频分量对应于图像中灰度值缓慢变化的区域，和图像的整体特性无关，仅与图像整体对比度以及平均灰度值等有关系，所以该滤波器把这些分量滤去后，使得图像进一步锐化，然后通过增强图像中被模糊的细节以达到目标和背景易于分离的目的。

在空域内进行滤波是利用模板和图像进行卷积来实现的，其主要步骤如下：
（1） 将模板在图像中漫游，实现模板的中心与图像中某个像素位置重合；
（2）将模板上系数与模板下的图像的对应像素相乘；
（3） 将所有乘积的结果相加；
（4） 将相加之和（模板的输出响应）赋给图像中对应模板中心位置的像素。

例如图3-1（a ）给出一幅原始图像的一部分，其中x s 表示像素的灰度值，图3-1（b ）是一个3×3 的模板，模板内的n k 表示为模板系数。

如将0k 所在位置与图像中灰度值为0s 的像素重合（即把模板中心放在图中的(x ，y) 位置），则模板的输出响应R 表示为：
881100S K S K S K R +++= ，并且把R 值赋给增强图像，作为(x ，y) 位置处的灰度值，如图3-1（c ）所示如果对原图像的每个像素都这样进行处理就可以得到所有位置增强后的新灰度值如果我们在设计滤波器时给每个K 赋予不同的值，就可得到不同的高通或低通效果，如图3-2 所示。

（a ） (b) (c)
图3-1 模板的输出响应 图3-2 模板的输出效果
3.2.1 图像锐化
3.2.1.1 图像锐化原理
在图像增强过程中， 通常利用各类图像平滑算法消除噪声， 图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等。

一般来说， 图像的能量主要集中在其低频部分， 噪声所在的频段主要在高频段， 同时图像边缘信息也主要集中在其高频部分。

这将导致原始图像在平滑处理之后，图像边缘和图像轮廓模糊的情况出现。

为了减少这类不利效果的影响，就需要利用图像锐化技术，使图像的边缘变得清晰。

图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变得清晰，经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可以对其进行逆运算(如微分运算) 就可以使图像变得清晰。

从频率域来考虑，图像模糊的实质是因为其高频分量被衰减，因此可以用高通滤波器来使图像清晰。

图像的模糊实质就是图像受到平均或积分运算造成的，因此可以对图像进行逆运算如微分运算来使图像清晰化。

从频谱角度来分析，图像模糊的实质是其高频分量被衰减，因而可以通过高通滤波操作来清晰图像。

但要注意，能够进行锐化处理的图像必须有较高的性噪比，否则锐化后图像性噪比反而更低，从而使得噪声增加的比信号还要多，因此一般是先去除或减轻噪声后再进行锐化处理。