数字图像处理系统毕业设计论文

毕业设计说明书基于ARM的嵌入式数字图像处理系统设计学生姓名：张占龙学号： 0905034314学院：信息与通信工程学院专业：测控技术与仪器指导教师：张志杰2013年 6月摘要简述了数字图像处理的应用以及一些基本原理。

使用S3C2440处理器芯片，linux内核来构建一个简易的嵌入式图像处理系统。

该系统使用u-boot作为启动引导程序来引导linux内核以及加载跟文件系统，其中linux内核与跟文件系统均采用菜单配置方式来进行相应配置。

应用界面使用QT制作，系统主要实现了一些简单的图像处理功能，比如灰度话、增强、边缘检测等。

整个程序是基于C++编写的，因此有些图像变换的算法可能并不是最优化的，但基本可以满足要求。

在此基础上还会对系统进行不断地完善。

关键词：linnux 嵌入式图像处理边缘检测AbstractThis paper expounds the application of digital image processing and some basic principles. The use of S3C2440 processor chip, the Linux kernel to construct a simple embedded image processing system. The system uses u-boot as the bootloader to boot the Linux kernel and loaded with file system, Linux kernel and file system are used to menu configuration to make corresponding configuration. The application interface is made using QT, system is mainly to achieve some simple image processing functions, such as gray, enhancement, edge detection. The whole procedure is prepared based on the C++, so some image transform algorithm may not be optimal, but it can meet the basic requirements. On this basis, but also on the system constantly improve.Keywords:linux embedded system image processing edge detection目录第一章绪论 (1)1.1 数字图像处理概述 (1)1.2 数字图像处理现状分析 (5)1.3 本文章节简介 (8)第二章图像处理理论 (8)2.1 图像信息的基本知识 (8)2.1.1 视觉研究与图像处理的关系 (8)2.1.2 图像数字化 (10)2.1.3 图像的噪声分析 (10)2.1.4 图像质量评价 (11)2.1.5 彩色图像基本知识 (11)2.2 图像变换 (13)2.2.1 离散傅里叶变换 (13)2.2.2 离散沃尔什-哈达玛变换（DWT-DHT） (20)2.2.3 离散余弦变换（DCT） (21)2.2.4 离散图像变换的一般表达式 (23)2.3 图像压缩编码 (24)2.3.1 图像编码的基本概念 (24)2.4 图像增强和复原 (24)2.4.1 灰度变换 (24)2.4.2 图像的同态增晰 (26)2.4.3 图像的锐化 (27)2.5 图像分割 (27)2.5.1 简单边缘检测算子 (27)2.6 图像描述和图像识别 (28)第三章需求分析 (28)3.1 系统需求分析 (28)3.2 可行性分析 (28)3.3 系统功能分析 (29)第四章概要设计 (29)4.1 图像采集 (30)4.2 图像存储 (31)4.3 图像处理（image processing） (31)4.4 图像显示 (32)4.5 网络通讯 (32)第五章详细设计 (32)5.1 Linux嵌入式系统的构建 (33)5.1.1 启动引导程序的移植 (33)5.1.2 Linux内核移植 (33)5.1.3 根文件系统的移植 (34)5.2 图像处理功能的实现 (34)5.2.1 彩色图像的灰度化 (34)5.2.2 灰度图的直方图均衡化增强 (35)5.2.3 图像二值化 (35)5.2.4 边缘检测 (36)第六章调试与维护 (36)附录 A (37)参考文献 (43)致谢 (44)第一章绪论1.1 数字图像处理概述数字图像处理(Digital Image Processing)又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。

数字图像处理的主要研究内容包括以下几个方面：图像变换、图像编码压缩、图像增强和复原、图像分割、图像描述、图像分类（识别）。

图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。

随着人类活动范围的不断扩大，图像处理的应用领域也随之不断扩大，在航天和航空技术、生物医学工程、通信工程、工业和工程、军事与安全、文化艺术等方面获得越来越广泛的应用。

数字图像处理的发展始于20世纪60年代初期，首次获得实际成功应用的是美国喷气推进实验室（JPL）。

他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功绘制出月球表面地图，获得了巨大成功。

这位人类登月创举奠定了坚实的基础，在以后的航空技术中，如对火星、土星等星球的探测研究中，数字图像处理都发挥了巨大的作用。

数字图像处理取得的另一个巨大成就是在医学上的应用。

1972年英国EMI 公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，简称CT（Computer Tomograph）。

CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，成为图像重建。

1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。

1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类做出了划时代的贡献。

于此同时，图像处理技术在许多其它应用领域受到广发重视并取得了重大的开拓性成就，属于这些领域的有工业检测、机器视觉、公安司法、军事制导、文化艺术等，是图像处理成为一门引人注目、前景远大的新型学科。

从20世纪70年代中期开始，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。

很多国家，特别是发达国家投入更多地人力、物力研究计算机视觉（图像理解）领域，取得了不少重要的研究成果。

其中代表性的成果是20世纪70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想[1]。

图一-1 基于Marr视觉计算理论的方框图Marr视觉计算理论主要涉及描述三维物体的几何表示问题。

Marr理论认为描述三维物体有三个层次（图一-2）:（1）图像特征（基元图）。

它反映了二维图像的重要特征。

是以原始图像中抽取如边缘、角点、纹理、线条、不连续点等基本特征，这些特征的集合称为基元图。

（2）2.5维图，又称为intrinsic图像。

它在以观察点为中心的坐标系统中，由输入图像和基元图恢复场景可见部分的深度、法线方向、轮廓等，这些信息包含了深度信息，但不是真正的物体三维表示，因此称为二维半图。

从图像特征恢复得到2.5维图，可以有很多方法，如立体图、从图像序列、从阴影至形状从纹理至形状、从x至形状（其中x为新研究的方法）等方法恢复得到2.5维图。

（3）三维模型表示。

在以物体为中心的坐标系中，描述了三维物体的形状和它们在空间的结构基元是体积的或表面面积的基元。

Marr计算视觉理论框架虽然还不十分完善，许多方面还有争议，如该理论建立的视觉处理框架基本上是从上至下，而没有考虑反馈的作用；此外，该理论没有重视知识引导作用。

但是，它至今仍然是可接受的基本框架，它不仅推动了计算机视觉这门科学的形成和发展，也为计算机视觉领域提供了许多研究的起点。

计算机视觉是模仿人的视觉，由于人们对视觉机理的研究还没有突破性的进展，因此计算机视觉研究是一项艰巨而长远的任务。

尽管目前已有了不少图像理解的理论、方法、算法和初级图像理解系统，但真正能在实际应用中可以取代人的视觉功能的还不多见。

当前科学技术的发展使得许多领域迫切需要应用图像处理和理解，因此，应当在计算机视觉领域中，加强新理论与方法的探索和研究，使之有可能较大的降低视觉理解的难度，而仍然能解决不少有意义的实际问题。

近来兴起的“有目的、定性、主动地视觉”、基于CAD的视觉、距离图像的理解、多传感器融合等都是一些有代表性的研究方向。

这里特别要指出，从20世纪90年代，计算智能信息处理技术获得飞速的发展，它在数字图像处理和计算机视觉领域中获得了越来越广泛的应用，取得了许多引人注目的突破性成果。

这些成果不仅推动了计算智能信息处理技术的进一步发展，而且给数字图像处理和计算机视觉开辟了不少新的研究领域。

在计算机智能信息处理技术中，如模糊集与模糊逻辑、神经网络、小波分析、进化计算（遗传算法）、分形等，在图像编码、增强、分割、特征提取、描述以及识别等方面都有广泛的应用，获得了不少新方法、新算法。

另外，一些新的数学方法，如数学形态、粗糙集理论等数学工具在数字图像处理中也有成功的应用，引起了人们极大的关注。

可以相信，视觉作为人类最重要的一种感知，是人类智能活动不可缺少的。

因而，研究图像处理和理解将永远是一个挑战性的研究课题，无论存在多大的困难，总会取得突破性进展，并给人类社会各个方面的实际应用带来越来越多的效益。

下面就数字图像处理主要的几个方面作简要介绍：1）图像变换由于图像阵列很大，直接在空间与中进行处理，设计计算量很大。

因此，往往采用各种图像变换的方法，如傅里叶变换、哈尔变换、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，这不仅可以减少计算量，而且可获得更有效的处理（如傅里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地应用。

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、处理时间和减少存储器容量。