基于FPGA的二值图像连通域标记快速算法实现
基于delta机器人的目标图像识别与动态抓取系统设计
图3 目标图像二值化后的效果
（2）获取抓取目标图像的连通区域 图像连通区域的获取主要是对相同区域的像素进行统一标记，
以便于对区域内抓取目标的准确识别和精确定位。本文使用的是一
种以游程编码为基础的抓取目标连通域的提取算法，按照8个领域 连通的规则依次对所有的游程进行排序，以此完成对待抓取图像连
4.动态抓取目标图像的获取 4.1 抓取目标图像的预处理
（1）本文对获得的目标图像使用3x3的均值滤波器进行滤波处理 滤波处理表达式为（Zhao Q,Wang P,Mei J.Controller Parameter Tuning of Delta Robot Based on Servo Identification:Chinese Journal of Mechanical Engineering,2015）：
ELECTRONICS WORLD・技术交流
基于Delta机器人的目标图像识别与动态抓取系统设计
常州市朋达国际贸易有限公司 陈跃春
本文提出了一种基于Delta机器人的目标图像识别与动态抓取 系统，通过引进标签表和前后追溯的游程链表，以完成二值图像连 通域以及相应质心的准确提取；基于连通域质心，对最小外接矩形 的快速提取，实现对抓取目标位置范围内对目标位置和姿态的精确 定位。同时，结合采用二值图像边界搜索算法和边界直线检测法， 完成对抓取物体图像的识别。实验结果表明：该系统显著提升了机 器人对工作环境的适应能力，提高了Delta机器人目标图像识别效 率与抓取准确定。
on Disturbance Observer of Delta Robot with Gravity
Compensation:Applied Mechanics & Materials,2015）。假
基于FPGA的二值图像连通域快速标记
基于FPGA的二值图像连通域快速标记汪滴珠;安涛;何培龙【摘要】针对连通域标记算法运算量大、速度慢、硬件实现困难的缺点,提出一种适于现场可编程逻辑门阵列(FPGA)实现的二值图像连通域快速标记的算法,并用VHDL硬件开发语言在XILINX公司的FPGA上实现.实验结果表明了该算法能对二值图像复杂的连通关系正确标记,易于硬件实现,大大节约了硬件资源,电路结构简单,满足实时性要求.%In order to solve the prablems of low speed large computation and difficult hardware implementation of connected component labeling, a connected component fast labcling algorithm of binary image lageling applicable for field programmable gate array (FPGA) is proposed, which is implemented by VHDI. hardware description language based on FPGA platform of XILINX corporation. Experimental results show that the proposed algorithm can label binary image with complex connections correctly, implement hardware easily,save more hardware resource and meet real-time demands.【期刊名称】《现代电子技术》【年(卷),期】2011(034)008【总页数】3页(P115-117)【关键词】FPGA;二值图像;连通域;快速标记【作者】汪滴珠;安涛;何培龙【作者单位】中国科学院,光电技术研究所,四川,成都,610209;中国科学院研究生院,北京,100039;中国科学院,光电技术研究所,四川,成都,610209;中国科学院,光电技术研究所,四川,成都,610209【正文语种】中文【中图分类】TN919-34;TP391连通域标记算法是图像处理、计算机视觉和模式识别等领域的基本算法，它可以对图像中不同目标标上不同的标记，进而提取、分离目标，确定目标的特征和参数，从而对目标进行识别和跟踪。
一种易于实现的适于细胞图像连通区域的标记算法_喻杰
第15卷第2期2005年4月江苏大学学报(医学版)Journa l of Ji angsu U niversity(m ed i c i ne)V o.l15N o.2A pr.2005一种易于实现的适于细胞图像连通区域的标记算法喻杰,许化溪(江苏大学医学技术学院,江苏镇江212001)[摘要]目的:为了实现简化细胞图像连通区域标记算法,本研究结合当前的应用情况提出了一种基于递归技术并适合于细胞图像目标区域的标记算法,探讨了其应用于白细胞计数的可能性。
方法:常规瑞氏染色光镜下人工计数白细胞;应用计算机和CCD相机采集血涂片细胞图像,细胞标记递归算法进行细胞图像处理并计数白细胞。
结果:此算法只需要一次扫描就可完成标记过程,因此算法的实现比经典的像素标记算法大大简化。
应用该算法对19份血涂片样本进行标记,取得了较为满意的效果。
本文还对区域标记时应注意的问题进行了讨论。
结论:本研究应用递归过程建立的细胞图像连通区域的标记算法,适于在尚不发达地区实现白细胞计数的计算机化,也为应用计算机进行医学形态学研究提供了思路。
[关键词]细胞图像;图像分割;连通区域[中图分类号]R446[文献标识码]A[文章编号]1671-7783(2005)02-0152-03 An Achievable A lgorith m Suitable to Cell I m age Connected A reaYU J ie,XU H ua-xi,WANG Sheng-jun(S chool ofM ed icalT echnol ogy,Jiangsu U n i versit y,Zhen ji ang J i angs u212001,Ch i na)[Abstract]Objective:I n order to si m ple t h e realization of connected co m ponent labeli n g algo rithm,a connected co m ponent labeling algorith m based on recursi o n is presented i n th i s st u dy,it m ay be useful for w hite blood cell(W BC)coun.t M et hods:W right sta i n i n g w as used to countW BC artific ially by m icr osco-py.C o mpu ter and CCD ca m era w ere app li e d to take the picture of b l o od cells fro m b l o od s m ear and the cell i m age w as treated usi n g t h e a l g orit h m of cell labeli n g recursion.R esults:Th is a l g orit h m can co m plete the labe li n g w ith on l y one ti m e o f scann i n g,so the realization of the algorithm w as m ore si m pler than that o f the classic p i x e l labeling.App lying this algor ithm in labe li n g n i n eteen sa m ples of b lood ce ll flake obta i n ed sa-t isfy i n g effec.t Concl u sion:The algo rithm is su itable fo r co m puterizi n gW BC coun t i n a less developed area, it a lso he l p to bri n g about co m puter application on m ed ica lm or pho l o g ic stud ies.[Key w ords]Ce ll i m age;I m age seg m enta ti o n;Connected area生物医学研究有一个显著的特点)))海量信息,现代众多的医学研究都需要借助计算机,这是因为计算机有着高速,准确的信息处理能力。
matlab 二维坐标数组求解连通区域-概述说明以及解释
matlab 二维坐标数组求解连通区域-概述说明以及解释1.引言概述部分的内容可以如下编写：1.1 概述在数字图像处理和计算机视觉领域中，连通区域是常见的概念，它代表了具有相同像素值或特定属性的像素的集合。
本文将主要介绍使用MATLAB对二维坐标数组进行连通区域的求解方法。
二维坐标数组是一种常见的数据结构，用于存储和表示二维平面上的图像、地理信息等。
连通区域的求解在许多应用中都具有重要意义。
例如，在图像处理中，我们经常需要对目标进行分割和提取，而连通区域的求解可以帮助我们实现这一目标。
此外，在计算机视觉领域，连通区域的应用也非常广泛，如对象识别、目标跟踪等。
在正文部分，我们将首先介绍二维坐标数组的定义和特点，包括如何表示和访问数组中的元素。
然后，我们将详细解释连通区域的概念和应用，以及常见的连通区域求解算法和技术。
最后，在结论部分，我们将总结本文所介绍的二维坐标数组求解连通区域的方法，并给出相关实验结果和分析。
通过本文的阅读，读者将能够了解和掌握使用MATLAB对二维坐标数组进行连通区域求解的方法和技巧，从而在实际应用中能够灵活运用和扩展相关算法。
希望本文能够对读者在数字图像处理和计算机视觉领域的学习和研究工作有所帮助。
文章结构部分可以根据文章的主要内容和逻辑，介绍文章的主要章节和各个章节的内容概要。
下面是1.2 文章结构部分的内容示例：1.2 文章结构本文将按照以下结构进行叙述：第二部分：正文本部分主要介绍了二维坐标数组的定义和特点，并深入探讨了连通区域的概念和应用。
首先，我们将对二维坐标数组进行详细的定义，并解释其在实际问题中的应用。
其次，我们将介绍连通区域的概念和特点，并展示其在图像处理、地理信息系统等领域的广泛应用。
第三部分：结论本部分将重点讨论二维坐标数组求解连通区域的方法，并对实验结果进行分析。
我们将介绍一种有效的算法，基于二维坐标数组的特点，实现连通区域的快速求解。
同时，我们将通过实验结果验证该算法的准确性和效率，并分析不同参数对算法性能的影响。
基于链表的图像连通区域提取算法
该像 素所 在 的 目标段 进 行 标 记 （ 图 １ 示 的 目标 如 所
段① ） 并将该段对应的段结 点加入到区域链表结 ，
本文算法 的具体流程如下。 １ 从 左 到 右 、 上 往 下 扫 描 图像 ， 先 找 到第 ） 从 首 个 未被 标记 的像 素 点 。
一
３５ ～
ｍ ｎ 数据结构中加入 Ｓａ 数据域 ， ｅｔ ｃｎ 用于标识该段邻 域 的扫描方式 ， Ｓａ 当 ｃｎ＝＝ ｘ １ ００ 时表示该段的上邻 域不 用扫 描 ， Ｓａ ＝ ｘ２时 表示该 段 的下 邻 域 当 ｃｎ＝ Ｏ０ 不用 扫 描 ， Ｓａ ＝Ｏ ０ 当 ｃｎ＝ ｘ３时 表示 其 上 、 邻 域 均 下 不用 扫 描 。在 扫 描 过 程 中通 过 判 断 该 标 识 来 决 定 该扫描哪些邻域 ， 这样就可 以减 少扫描 的次数 ， 提 高算法 效率 ， 特别 是 对 于类 似矩 形 的有 规 则 连通 区 域 ， 率 的提高 更 明显 ， 验结 果见 表 １ 效 实 。
表 １ 对 不 同 图像 的 连 通 区 域 进 行 提 取 的 结 果 图 ３ 链 表存 储 的 组 织 结构
２ 扫描 并标 记该 像素 所 在 的段 （ 图 １所 示 的 ） 如 目标 段 ① ） 新 生 成 Ｎ ｗ ｅｉ Ｃｎ ｅｔｅｉｎ类 ， ｅ Ｒ ｇ ｎ（ ｏｎｃＲ ｇ ｏ ｏ
１２ ２ 算法 的流程 描述 ．．
算 法对二 值 图像 从 左 到 右 、 上往 下 的方 式 进 从 行 扫描 ， 扫 描 到 一 个 没 有 被 标 记 过 的 目标 像 素 当 时， 即为 一个 新 的 连 通 区域 的 开 始 ， 该 区 域 建 立 为
一
个 新 的 区 域 结 点 ， 入 到 区域 链 表 中。接 着 ， 加 对
针对基于FPGA的视频图像预处理的算法研究
扫描线 ） 上有等分点 （ ） ＝Ｏ ，２ 置 ，ｉ ，ｌ ，…，ｎ 。对任－ ｉ ｉ Ｏ ， － （ ＝ ，ｌ ２ ，… ，ｎ ），将 ｘ 的灰度值 ｃ 看 成是 图像在 点 （ ） 的高 ｉ 处 Ｘ ，０ 处 度 。在 点 （ ） Ｘ ，０ 处拉出线段到点 （ ｃ ），便形成 如图２ 所示 Ｘ ， ． ３ 的阴影 区域 ，区域 内部值为 ｌ ，外部为０ 。这样便将具有灰度表示 的一
２ 图像 的缩放处理
２１ 二值 图像 的 缩 放 处 理 ．
所谓 图像缩放是指改变图像的分辨率” 常常借助于图像插值来 ， 实现 ，例如常见的插值方法有最近领域法 ，灰度级线性插值‘ “ ，双 线性 插值 ，但通常情况下 图像 缩放后难 以保持物体边界 清晰和轮 等 廓 分明。本文提出了一种 离散缩 放方法 ，它能使 图像缩放后仍具有 自 然分明的边界 ， 以更好地进行后来 的视 频图像压缩 。它的主要思想 可 是对 原始数字图像按所需 缩放比例直接 进行重采样 （ｅａ ｐｉ ｒｓ ｌ ｇ ｍ ｎ １， 得到 中间图像 ，再对该 中间图像进行后置处理 （ ｏｔｌ ｒ ｇ ｐ ｓｉ ｅ ｎ ），以消 ｆｔ ｉ 除重采样时可能存在 的失 真玛 象，得到更 自然 合理的 目 图像。见 Ｉ ！ 标
维普资讯
南 曩 料 技 ２ｏ 年第５ 工 ｏ８ 期
技 术 创 新
针 对 基 于Ｆ 的视 频 图像 预 处 理 的算 法 研 究 ＧＡ Ｐ
侯 佳 欣 宋 宇
（长 春 工 业 大 学 计 算 机 科 学 与 工 程 学 院 １
摘 要 针对基 于Ｆ Ｇ 器件 实现 实时视频 图像 处理 中原始视 频数据 与视 频编码算法 不兼容的 问题 ，本 文提 出了一种 离 缩放算 Ｐ Ａ 散 法，通过 它对原始 图像进行预处理 ，能使图像缩放后仍具有 自然分明的边界 ，达到较 为理想的视 觉效果，可以更好地通过Ｆ Ｇ Ｐ Ａ器件进 行后来的视频 图像压缩。 关键 词 Ｆ ＧＡ 视 频 编 码 图 像 处 理 离散 缩 放 算 法 Ｐ 由于视频数据 处理 问题 的特殊 性 ，即实时性 要求 很高 ，通常的 ＣＦ７ ０ ６ Ｉ（ ５ 象素） ，每秒３ 的视频数据象素周期为７ ｎ 。单个 ２ｘ７ 格式 【 麒 ４ｓ 象素 的处理必须在此时问内完成 ，这就对视频数据处理 的硬件实现方 精 度愈高 ，ｔ 通常取Ｎ 中点数 的一半 ，ｔ 值对精度 不太敏感 ，除非太小 或太 大．在本 章例 子中 ，当Ｎ 取作３ ３ ＊ 正方区域 ，诹 为５ 时，已有很好
一种基于链表的二值图像像素标记改进算法
T NOLO GY TR N D1引言提取目标的各种特征量常应用于图像处理,其算法包括像素标记算法、游程连通性算法等。
像素标记算法与游程连通算法不同的是,它不需要事先对图像进行处理,就可以对二值图像进行标记,过程极为简便,但传统的像素标记算法通常需要对二值图像执行二次扫描。
目前,已有很多文献对上述算法进行了改进:文献[1]引入了在区间树上查找的方法,对邻接表和映射表的处理过程做了简化。
文献[2]在像素标记算法的基础上进行了标记矫正,将消除重复标记的操作融入到第一次扫描过程中,使获得的计算结果其等价标记非常少。
文献[3]提出了一种顺序扫描二值图像标记的算法,增加回溯扫描算法对选择的两种典型情况的标记进行处理,并对其他情况的标记冲突进行了分析说明,提高了标记的准确性。
但这些算法最终的连通归属关系要经过不断跟踪扫描,其收敛性有较大震荡。
本文提出了一种改进的算法,它基于区域增长法和线标记法,采用链表进行处理,不会出现标号冲突的情况,并且只需对指针进行操作,非常快捷、简单,为进一步计算目标的其他特征量提供了充分的条件。
2改进的标记算法2.1算法的相关定义1)采用8邻域连通,设A B ,CD 分别为第k 行和k+1行的两条线段,其中A (k ,y0),B (k ,y1),C (k+1,y2),D (k+1,y3)。
两条线段连通的准则是:y2≤y1+1并且y3≥y0-1;2)本文中定义三个链表指针:al_scan_line ,wait_line ,ma rk_li ne ,其中第一个链表用于记录扫描后未进行任何处理的直线段情况。
第二个链表用于记录用于“区域种子”的直线段情况。
第三个链表是已经标记的直线段链表(如果图像有L 个连通区域,则将产生L 个这样的链表);3)规定直线段链表al_sca n_line 中,各个节点的存取是按照行值从小到大的存取操作,即行值小的插入到行值大的前面。
若行值相同,则按照线段的起始点纵坐标进行存取操作;4)为了标记某行是否已经扫描和记录已扫描行的未处理直线段数目,文中申请了一个数组k [M](图像的大小为M*N )。
two pass 连通区域算法
two pass 连通区域算法两遍算法（Two-pass algorithm）是图像处理中一种用来查找和标记图像中连通区域（或联通分量、区域）的方法。
这种算法首次被提出是在20世纪60年代，如今已成为图像处理中常用的一种方法。
这种算法相对简单而且高效，因此在实际应用中被广泛使用。
在本文中，我们将详细介绍两遍算法的原理和实现过程，并且通过一些示例来说明其应用。
首先，我们需要了解什么是连通区域。
在图像处理中，连通区域是指图像中由相邻像素点组成的一块区域。
在这个区域内的像素点具有相似的性质，比如颜色、亮度等。
通常情况下，我们希望将图像中相互连接的像素点组成的区域识别出来，并进行标记，这样我们就可以在后续的处理中对这些区域进行分析和处理。
两遍算法是一种经典的连通区域查找方法。
其基本思路就是通过两次扫描图像来实现。
在第一次扫描中，我们会遍历整个图像，对每一个像素点进行分析，并进行标记。
在第二次扫描中，我们会对已经被标记的像素点进行进一步处理，比如合并相邻的区域或者进行其他操作。
接下来，我们将详细介绍两遍算法的具体步骤。
第一步：初始化在进行第一次扫描之前，我们需要对一些变量进行初始化。
首先，我们需要一个数组来存储每个像素点的标记。
通常情况下，我们会使用一个与图像大小相同的数组来存储这些标记。
其次，我们需要设定一个阈值，用来确定两个像素点是否属于同一个区域。
最后，我们还需要定义一个函数，用来判断两个像素点是否相邻。
在大多数情况下，我们会使用四邻域或者八邻域来进行判断。
第二步：第一次扫描在第一次扫描中，我们会遍历整个图像，并对每一个像素点进行分析。
首先，我们会检查当前像素点是否已经被标记。
如果已经被标记，我们会继续遍历下一个像素点；如果没有被标记，我们将对该像素点进行标记，并进一步对相邻的像素点进行分析。
通过这种方式，我们就可以逐步找到图像中所有的连通区域，并对其进行标记。
第三步：第二次扫描在第二次扫描中，我们会对已经标记的像素点进行处理。
基于FPGA的图像处理探究
隹Isl^iSls V12021年第03期(总第219期)基于FPGA的图像处理探究王建,赵红霞(运城职业技术学院，山西运城044000)摘要：随着图像处理的数量的增大和图形处理算法复杂度变高，图像处理实时性就变得十分重要。
为了解决图像处理中数据实时性问题，文章基于FPGA的图像处理进行分析，文章基于边缘检测算法和滤波算法，选择以Sobel算子对图像进行预处理，并选择Matlab软件对算法进行仿真，研究算法的可行性。
实验表明文章提出的基于FPGA的图像处理系统具有良好的边缘检测效果,能够实现数据处理实时要求。
关键词：图像处理;FPGA；边缘检测；中值滤波中图分类号:TP391文献标识码：B文章编号:2096-9759(2021)03-0079-03在图像处理的数量的增多，以及图形处理算法复杂度日益变高的背景下，针对图像处理实时处理难度将越来越高。
结合国内外学者研究的文献，主要集中了图像处理算法的研究层面上，关于选择具体的处理器和仿真软件两者融合进行研究的文献较少。
因此，本文基于FPGA对图像进行处理，釆用边缘检测和滤波算法，以Sobel算子对图像进行实时处理，从而满足图像处理时间和速度的要求，结合仿真结果验证本次设计的实用性，从而说明本研究实际意义。
1边缘检测和Sobel算法、中值滤波理论分析在实际生活中，边缘是指两个灰度值在相差较大的相邻区域当中，具体表现为特征不连续性。
通常用导数函数变化收稿日期:2020-12-29图2两种过滤方法实验结果对比图由图2中的四组曲线对两种过滤方法的拟合优度和误判率分别进行分析。
首先，针对拟合度优度指数分析得出，本文过滤方法的拟合度和传统过滤方法的拟合度在整体上註的差异性较小，数值基本接近,但仍然能够看出本文过滤方法的拟合优度指数更高，由本文上述计算可知，拟合优度指数数值越高，则说明过滤的精度越高。
因此，证明本文提出的异常信息流过滤方法与传统过滤方法相比，在实际应用中的过滤精度更高。
一种改进的图像中连通体边界freeman链码的获取算法
第０卷 ｌ 月 期 第 ２ ３年 ２ ４ ０６
Ｊｕｎｌｆ ｈｏａ ｎ ｅ ｉ 自 ｃ ｎｅ ａｄ ｅｈｏ ｇ） ｏｒ ａ ｎ Ｕ ｉ ｒｔ 然科学版ｎ ｃｎｌ ｙ ａ ｏＳ 邵阳学院学报（ Ｓｉ ｃｓ ） Ｔ ｙ ｇ ｖ ｓｙ（ ｅ ｏ
减少图像文件的存储空间显得更加重要． 虽然现有的 算法 ｕ ｊ 已经能 够实 现 图像 文件 的压 缩存 储 ， 是 这 但
类算法多数 都是 基于填充算 法来实 现减少 图像文件 的 存储空间 大小 ， 文 提 出的算 法通 过对 图像 文 件 的单 本
次扫描实现边界 ｆ ｅ ｎ ｒ ｍａ 链码 的获取 ， ｅ 仅通 过追踪连 通
们用 ０ １ ２ ３４５６７八个 链码表示这 ８ 方 向， ， ， ， ，，，， 个 如
图１ 所示 ， 从图像边界上任一像素点开始， 沿着图像 的 边界像素点按顺时针方向或逆时针方 向行走， 到回 直 到起始点结束 。 记录 边界线 上 两两 相邻 像 素点 的 方 向
形成一个 由方 向链 码组成 的有序链 ， 上起 始点 坐标 加 及链 的类 型（ 连通体 的 内部 边界线 或外 部边界 线 ， 表 １ 示外 部边界线 ，表示 内部边界线 ）图像 的边 界就可 以 ２ ，
（ ｐ ｒｍｅｔｆＣ ｍｐ ｔ ｃ ｎｅ Ｄｅａｔ ｎ ｏ ｕｅ Ｓｉ ｃ ，Ｈｕ ，Ｔａｈｒ ｏｌ ｅ ｏ ｒ ｅ ａ ｚ ｅｃｅｓＣｌｇ 。Ｈｕ ｉｎ， ｉｎ ｓ ２０ １ ｅ ａａ Ｊａ ｇｕ２ ３０ ）
Ａｂｔａ ｔＡｎａｇ ｒｔｍ ｂ ｓｄＯ ｏ ｔｕ ｒｃ ｇｆｒｏ ｔｉｉｇｆｅｍ ａ ｏ ｅ ｉ ｒｐ ｓｄ ｉ ｈｓｐ ｐ ｒ ｓｒ ｃ ： ｌｏｉｈ ａｅ ｎｃ ｎｏ ｒｔａｉ ｏ ｂａｎｎ ｒｅ ｎ ｃｄ ｓｐｏ ｏｅ ｎｔ ｉ ａ ｅ ．Ｔｈ ｒｐ ｓ ｌｏ ｉ ｍ ａ ｎ ｓ ｅｐ ｏ ｏｅ ａｇ ｒｔ ｃ ｎ ｄ ｈ
基于FPGA加速AI图像处理的研究与实现龙海军
基于FPGA加速AI图像处理的研究与实现龙海军发布时间：2021-10-22T03:16:38.361Z 来源：《现代电信科技》2021年第10期作者：龙海军[导读] 大数据时代图像处理和识别技术[1]与日常生活和社会生产密切相关，已广泛应用于人类社会中的各个领域，如车牌号识别，交通标志识别，军事领域中的飞行物识别、地形勘察，安全领域中的指纹识别、人脸识别，工业机器人等，在悄悄改变人类生活方式的同时，也正在全方位提升人们的美好生活体验。
（芯驿电子科技（上海）有限公司上海 201601）摘要：图像处理算法运算量极大而占据大量的CPU运行时间，因此具有高性能、低功耗的图形处理器GPU和专用ASIC芯片逐渐成为主流应用。
但是GPU价格昂贵、ASIC开发周期长、灵活性欠缺及风险高等缺陷阻碍了GPU、ASIC芯片在图像处理的广泛普及，而在尺寸、功耗、集成复杂高集成系统中具有特有优势的FPGA较好地解决了上述缺陷，末来会在图像处理应用领域占据一席之地，尤其在AI图像处理方面。
本文主要阐述了利用FPGA加速AI图像处理的研究，并对两种方案实现效果进行了对比，利用WAA全应用加速FPGA实现的图像处理方案在性能得到了极大提升，可广泛用于不同行业。
关键词：人工智能；图像加速；FPGA。
前言大数据时代图像处理和识别技术[1]与日常生活和社会生产密切相关，已广泛应用于人类社会中的各个领域，如车牌号识别，交通标志识别，军事领域中的飞行物识别、地形勘察，安全领域中的指纹识别、人脸识别，工业机器人等，在悄悄改变人类生活方式的同时，也正在全方位提升人们的美好生活体验。
然而当前不同应用领域的图像识别技术发展水平参差不齐，一些应用领域仍在利用比较原始的图像处理技术，比如情感、农业、医疗、自然灾害预防领域；一些领域半自动化状态，比如汽车自动驾驶、智能交通控制领域，需要人类的参与才能实现；另一些领域可能在图像处理识别方面比较超前，甚至达到了人工智能[2]标准，但性能不足以匹配实际需求。
基于FPGA的线阵CCD雨滴图像快速连续识别方法
Ａ ｈ ｉ ｎｖｒｉ ｃｅ ｃ ｄＴｃｎ ｌｇ ， ａｎ ｎ２ ２ ０ ， ｎ ｕ ｒｖ ｃ， ｈｎ ｎ ｕ ｉ ｓｔ ｏ ｉ ｅ ｎ ｈ ｏｏｙ Ｈｕ ｉａ ３ ０ １Ａ ｈ ｉ ｏｉ ｅ Ｃ ｉａ） Ｕ ｅ ｙ ｆＳ ｎ ａ ｅ Ｐ ｎ
生形变，但仍可近似为球形 。直径大于 １ｍ ｌ ｉ 的雨滴则会发生明显的形变。实际上雨滴不可能是以 自由落 ｌ 体形式下落 ，在下落过程中，除受重力外 ，还受空气阻力作用 ， 阻力又随速度的增加而增加 ，到达某一 而 高度后 ，重力便与阻力相等，雨滴的速度则达到极大 ，此时的速度叫作收尾速度。此后雨滴将以收尾速度
关键词 ：雨滴谱 ：ＣＣ Ｄ；连通域 ；Ｆ ＧＡ Ｐ 中图分类号 ：Ｔ ３ １ Ｐ ９ 文献标志码 ：Ａ ｄ ｉ ０３ ６ ￣ｉ ｎ１０ ０ Ｘ． １． ．１ ｏ ：１ ． ９ ．ｓ ． ３５ １ ２ ２１ ０ ７ ９ ｓ ０ ０ ０
Ｒａ ｉ ｎｄ Ｃ ｏ ｉ ｏｕｓＩ ｎｔｆｃ ｔｏ ｅ ｈｏ ｆＬｉ ａ ｒ ｙ Ｃ ＣＤ ｐ ｄ ａ ｎｔｎｕ ｄｅ ｉ ａ ｉ ｎ Ｍ ｔ ｄ ｏ ｎｅ ｒＡｒ ａ ｉ
Ａｂ ｔ ａ ｔ ｈ ｅ ｌ ｉ ｅｍ ｅ ｓ ｒｎ ｆ ａ ｔ ｌ ｉｍ ｅｅ ｎ ｅ ｏ ｉ ｆ ａｎ ｒ ｐ ｉ ｅ ｋ ｙ ｆ ｒｔ ｅ ｓａｉｔ ａ ｆｒ ｉ ｄ ｏ ｓｒ ｃ ：Ｔ ｅ ｒ ａ － ｍ ａ ｕ ｉ ｇ ｏ ｒ ｃ ｅ ｄ ａ ｔ ｒａ ｄ ｖ ｌ ｃｔ ｏ ｉ ｄ ｏ ｓｔ ｅ ｏ ｔｔｓｉ ｌｏ ｎ ｒ ｐ ｔ ｐ ｉ ｙ ｒ ｈ ｈ ｃ ａ
Ｋｅ ｒ ｓ ｒ ｉ ｄ ｏ ｐ ｃｒ ｍ； ｙ ｗｏ ｄ ： ａｎ ｒ ｐｓ ｅ ｔ ｕ ＣＣＤ； ｏ ｎ ｃｅ ｏ ｉ ； Ｐ ｃ ｎ ｅ ｔ ｄｄ ｍａ ｎ Ｆ ＧＡ
一种新的红外二值图像递归标记算法
使用 过 的标 号 ， 后对 其邻 域进 行检测 ． 然
２ ）跟踪 法 二值 图像 中每 个取 值 为“” Ｉ 的像
收 稿 日期 ：０ ６０ 一９ ２ ０ —６ｉ 张 恒 ｔ ，４岁 ， 士 ， 要 研 究 领域 为 红 外 小 目标检 测 、 别 与 跟 踪 男 ３ 博 主 识
。 防科 技 预 研基 金 项 目资 助 （ 准 号 ：５３ ７ ２ 国 批 ｏＪ ． ． ）
对 应 的Ｃ ｎ ｅｔｄ ｊ ｔ ｒ ｏ ｎ ｃｅＯｂｅ Ｍａｋ的Ｆ ｒＬ ｂ ｌ 员 ， ｃ ｏｅ ａ ｅ 成
维普资讯
第 ６期
张 恒 ： 种 新 的 红 外 二 值 图 像 递 归标 记 算 法 一
・９ ７ ・ ４
ｉｔ ｏｌｄ ｘ ｕ ／ 连通体 的列坐标 ｎ ｌ ｅＳ ｍ； ／ Ｃ ｎ
） ；
求两个 有效标 号 的 Ｆ ｒＬ ｂ ｌ取其 小者 更新 大者 ｏｅ ａ ｅ，
维普资讯
第 ３ 卷 第 ６期 Ｏ ２０ 年 １ ０６ ２月
武汉理工大学学报考 曩 ） （至 差
Ｊ ｕ ｎ ｌ ｆＷ ｕ ａ ｉｅ ｓｔ ｆＴｅ ｈ ｏ ｏ ｙ ｏ ｒ ａ ｏ ｈ ｎ Ｕｎｖ ｒ ｉ ｏ ｃ ｎ ｌｇ ｙ
（ ｒｎｐ ｒ ｔ ｎＳ ｉ ｃ Ｔ ａ ｓ ｏ ｔ ｉ ｃｅ ｅ＆ Ｅ ｇｎ ｅ ｉｇ ａｏ ｎ ｎ ｉｅ ｒ ） ｎ
结 果 表 明算 法 对 理 想 及 带 噪 声 的 输 入 均 有 较 好 的 识 别 率 ， 提 高 目标 单 帧 检 测 概 率． 法 易 于 实 能 算
现 并行 处理 ， 提高 了图像处理实时性 ， 具有一定的工程实用性 ．
关 键 词 ： 归 标 记 ； 素 ；Ｓ 递 像 Ｐ ＮＲ； 值 图 像 二
基于边缘检测的二值化方法研究
[ 1 ] 容观澳 1 数字图像处理 1 北京 :清华大学出版社 ,2000
计量技术 20031No 12
[ 2 ] Kennet h R1Castleman1 数字图像处理 1 北京 : 电子工业出版社 , 2002
[ 3 ] 何斌 ,马天予 ,王运坚 ,朱红莲 1Visual C + + 数字图像处理 1 北 京 :人民邮电出版社 ,2001
常见的边缘检测算子有 : 11 中心差分算子
Δ2 xf ( i , j) = f ( i + 1 , j) - f ( i - 1 , j) Δ2 yf ( i , j) = f ( i , j + 1) - f ( i , j - 1) 21Robert s 算子 Δ+ f ( i , j) = f ( i + 1 , j + 1) - f ( i , j)
计量技术 20031No 12
剩下的问题就是对每一个区域进行自适应二值 化。
综上所述 ,本文算法描述如下 : ∥输入 :灰度或彩色图像 f ∥输出 :二值图像 Step1 复制图像 f ,为 f Copy1 ,f Copy2 ,然后清 空图像 f Step2 对 f Copy1 进行边缘提取 ,再进行二值 化处理 Step3 用边界跟踪法对 f Copy1 进行边界跟 踪 ,取得包含每个颗粒的区域 Step4 For 每一个区域 Do
31 双峰法 该方法的阀值取为图像灰度直方图双峰间的谷 底处 。
三 、本文算法的基本原理
首先对图像进行边缘提取 。用边缘检测算子对 图像进行边缘提取后 ,图像中的细节和轮廓就被完 全勾画出来了 。为了便于处理 ,需对图像进行二值 化 ,在这里采用的是固定阀值法 。在我们的系统中 , 图像是通过显微镜得到的 ,即把显微镜目镜 CCD 与 计算机相连 , 用微软的编程接口 V FW ( Video For Window) 把图像截取下来 。通过多次试验发现 ,阀 值取在 28 左右时具有较好的效果 。由于显微镜的 光源是固定的 ,因此这个阀值具有通用性 。
复杂背景下红外静脉图像的分割与增强
复杂背景下红外静脉图像的分割与增强岳林;万新军;张晨皓;解树平;杨波【摘要】针对医护人员在对患者进行静脉穿刺过程中频繁发生静脉误识别问题,提出了一种红外手掌静脉识别系统.该系统根据近红外光的特性搭建图像采集平台获取原始图像,利用二维最大熵分割法结合区域标记法得到复杂背景中的目标区域,采用反锐化掩模法对目标区域进行增强处理.试验结果表明,目标区域可以从复杂背景中较好地分割出来,提高了图像的对比度,可达到实现红外图像分割和增强的目的.【期刊名称】《电子科技》【年(卷),期】2017(030)003【总页数】3页(P118-120)【关键词】红外静脉图像;复杂背景;最大熵分割;区域标记;图像增强【作者】岳林;万新军;张晨皓;解树平;杨波【作者单位】上海理工大学光电信息与计算机工程学院,上海200093;上海理工大学光电信息与计算机工程学院,上海200093;上海理工大学光电信息与计算机工程学院,上海200093;上海理工大学光电信息与计算机工程学院,上海200093;上海理工大学光电信息与计算机工程学院,上海200093【正文语种】中文【中图分类】TP391.41人体静脉血管红外成像技术应用广泛，如文献[1～2]利用近红外光成像原理设计了一种手掌静脉识别系统。
在医疗过程中，医务人员需对病人进行静脉穿刺以完成输液。
通常，医护人员仅凭借肉眼判断手背上的静脉分布。
对于经验不足的医务人员而言，由于光线、肤色等因素的影响，静脉的误识别时常发生，给病人带来额外的痛苦。
如何辅助医护人员准确识别人体静脉血管这一问题亟待解决。
图像分割和增强是预处理过程中至关重要的环节。
对于一幅红外图像，在复杂背景下正确分割出目标区域，实现图像增强是关键。
文献[3]利用条带波变换得到静脉信息最多的目标区域，文献[4]利用基于Otsu的改进算法完成图像分割，但上述算法并未完全消除复杂背景对目标区域分割的干扰。
文献[5～6]利用小波变换，将手掌静脉图像从空间域转换到频域中完成增强，文献[7]提出一种自适应红外图像对比度增强算法，但上述算法均存在耗时较长的问题。
二值图像连通域标记快速算法实现
二值图像连通域标记快速算法实现算法描述首先，在进行标记算法以前，利用硬件开辟独立的图像标记缓存和连通关系数组，接着在视频流的采集传输过程中，以流水线的方式按照视频传输顺序对图像进行逐行像素扫描，然后对每个像素的邻域分别按照逆时针方向和水平方向进行连通性检测和等价标记关系合并，检测出的结果对标记等价数组和标记缓存进行更新，在一帧图像采集传输结束后，得到图像的初步标记结果以及初步标记之间的连通关系，最后，根据标号对连通关系数组从小到大的传递过程进行标号的归并，利用归并后的连通关系数组对图像标记缓存中的标号进行替换，替换后的图像为最终标记结果，并且连通域按照扫描顺序被赋予唯一的连续自然数。
图 1 标记算法流程本文快速二值图像连通域标记算法分为三个环节：1.图像初步标记：为每个像素赋予临时标记，并且将临时标记的等价关系记录在等价表中2.整理等价表：这一环节分为两个步骤：（1）将具有等价关系的临时标记全部等价为其中的最小值；（2）对连通区域以自然数顺序重新编号，得到临时标记与最终标记之间的等价关系。
3.图像代换：对图像进行逐像素代换，将临时标记代换为最终标记．经过3个环节处理后，算法输出标记后的图像，图像中连通域按照由上到下，由左至右出现的顺序被标以连续的自然数。
1 图像初始标记标记算法符号约定：算法在逆时钟方向检测连通域时用w1，w2表示连续两行的图像数据，在紧接着的顺时钟方向连通域检测时用k0，k表示连续两行经过逆时钟方向标记后的图像数据。
其在工作窗口的位置在图2、3中分别说明；对初始逆时针方向临时标记用Z表示。
Z初始标记值为1。
二值图像连通域标记算法采用8连通判断准则，通过缩小标记范围剔除了图像的边界效应。
为了简化标记处理过程，使标记处理在硬件对一帧图像传输操作时间内结束，标记处理利用中间数据缓存分为连续的两种类型，其中类型1用于直接图像序列传输，硬件发起图像序列传输时，类型1采用逆时钟顺序连通域检测，对2×3工作窗口中的二值像素进行初始标记。
图像分析：二值图像连通域标记
二、连通域
如果像素点A与B邻接，我们称A与B连通，于是我们不加证明的有如下的结论：
三、连通区域的标记
第一行，我们得到两个团：[2,6]和[10,13]，同时给它们标记1和2。
下面是这个过程的C++实现，每个等价表用一个vector<int>来保存，等价对列表保存在map<pair<int,int>>里。
整个算法步骤，我们只扫描了一次图像，同时我们对图像中的像素进行标记，要么赋予一个新的标号，要么用它同行P点。
最后不要忘了把C的值加1。
这个过程如下面图像S1中所示。
情况3
1）如果P是外轮廓的起点，也就是说我们是从P点开始跟踪的，那么我们从7号（右上角）位置P1P1开始，看7号在L上标记为一个负值。
如下图所示，其中右图像标记的结果。
2）那么如果P是不是外轮廓的起点，即P是外轮廓路径上的一个点，那么它肯定是由一个点进入的，我们设置为P−
在OpenCV中查找轮廓的函数已经存在了，而且可以得到轮廓之间的层次关系。
这个函数按上面的算法实现起来并不。
用VC++实现图像连通区域标记
Ｉｎｔ ｎＭａ×Ｍａ ｒｋＶａｌｕｅ＝Ｏ：
／／记录最大的标识的值
ｉｎｔ ｉ，ｊ：
／／循环控制变量
／＋定义存放等价对的链表，其元素是ＥｑｕａＩＭａ ｒｋ类型，定义
Ｉｉｓｔ是为了节约存储空问要使用Ｃ｜ｉｓｔ，应该＃ｌｎｃＩｕｄｅ＜Ａｆｘ－
ｔｅｍＯｌ ｈ＞ ｝／
ＣＬｉｓｔ＜ＥｑｕａＩＭａｒｋ，ＥｑｕａｌＭａ ｒｋ＞『ＥｑｕａｌＭａｒｋ： ／／初始化图像移动指针
／／ｐＩｎｎｅ ｒＬｉｓｔＡｄｄ，每次向ｅｘＬｉｓｔ中添加的新元素
ＣＰｔｒＬｉｓｔ。ｐＩｎｎｅｒＬｉｓｔＡｄｄ＝ｎｅｗ ＣＰｔｒＬｉｓｔ：
ＡＳＳＥＲＴ（ｐＩｎｎｅ ｒＬｊｓｔＡｄｄ！＝ＮＵＬＬ）：
／＋添加第一个等价对到ｅ×Ｌｌｓｔ的第一个元素所指向的ｈ
ｎｅ ｒ Ｌ』ｊｓｔ中
￥／
ｐ ＪｎｎｅｒＬｊｓｔＡｄｄ一）ＡｄｄＴａ ＪＩ（ｆ ｖｏｊｄ 半 ）ＪＥｑｕａＩＭａｒｋ ＧｅｔＨｅａｄ ｆ）
的判断。 Ｎｏｔｅ２：可以先对等价对进行排序，每次都保证ＭａｒｋＶａｌ—
ｕｅｌ＜ＭａｒｋＶａｌｕｅ２，这样易于管理等价对。
Ｎｏｔｅ３：在实际工作中，连续寻找出的等价对很容易重
复，将本次找出的等价对和链表中保存的最后一个等价对相比 较，如果不相等的话再存入等价对链表，这样可以大大降低链
表中等价对的重复。 Ｎｏｔｅ４：第一次扫描之后，ｎＭａｒｋＶａｌｕｅ一１即为ｎＭａ）【Ｍａｒｋ—
用阳卡争｜饕现唐≯’雾蓬通区匆《稼萄参Ｉ
｜ｉ ｜ｉ。；：：
玉案静。。豫玲。褰建永金赞
一、引言
用图像处理方法做目标检测的一般顺序是：图像预处 理、边缘检测、阈值分割、区域标记、形状判断分析。
进行区域标记之前的图像一般已经被处理为二值图像。 如图１所示，二值图像中可能有多个连通区域。进行图像检 测的时候往往关心的是每个连通区域各自的特性。这就需要 使用区域标记的方法把不同的连通区域区分开来。
GPU加速的二值图连通域标记并行算法
新 的二 值 图像 连 通 域 标 记 并 行 算 法 ， 高速 有 效 地 标 识 出 了二 值 图 的 连 通 域 位 置 及 大 小 ， 幅 缩 减 了标 记 时 间耗 费。 大
该算法通过搜 索邻域 内最小标 号值 的像 素点 对连通域进 行标记 ， 各像 素点处理顺序 不分先后 并且 不相 互依赖 ， 因此 可以并行执行。算法效率不受连通域形状及数量的影响 ， 具有很好 的鲁棒性。实验 结果表 明， 该并行算法充分发挥 了 Ｇ Ｕ并行处理能力 ， Ｐ 在处理 高分辨率与多连通域 图像 时效率为一般 Ｃ Ｕ标 记算 法的 ３０倍 ， Ｏ ｅＣ Ｐ ０ 比 ｐ ｎ Ｖ的优化 函数
Ａｂ ｔａ ｔ Ｉ ｏ ｂｎ ｔ ｎｏ Ｖ Ｄ Ａ Ｓ ｒｐ ｉｓ ｒｃ ｓｉ ｎ （ Ｐ ）ｐ ｒｌ ｌ ｒｈ ｅｔｒ ａ ｄｈ ｒｗ ｒ ａ ｒｓ ｎ ｅ ｓ ｃ ： ｎｃ ｍ ｉａ ｏ ｆ Ｉ Ｉ ’ Ｇ ａ ｈｃ Ｐｏ ｅｓ ｇＵ ｉ Ｇ Ｕ ａ ｌ ｃ ｉ ｃ ｅ ｎ ａｄ ａｅｆ ｔ ｅ ｄ ｒ ｒ ｉ Ｎ ｎ ｔ ａｅａ ｔ ｕ ｅｕ ｕ Ｃ ｍ ｕｅ Ｕ ｉ ｅ ｅ ｉ ｒｈｔ ｔｒ Ｃ Ｄ ｏ ｐ ｔ ｎｆ ｄ Ｄ ｖ ｅ Ａ ｃ ｉ ｃｕｅ（ Ｕ Ａ） ａｃ ｉ ｃｕｅ ａ ｎ ｗ ｐ ｒ ｌ ａ ｅ ｎ ｌ ｒ ｈ ｆｃ ｎ ｅｔｄ ｄ ｍ ｉ ｗ ｓ ｉ ｃ ｅ ｒｈｔ ｔｒ， ｅ ａ ｌ ｌｌ ｌ ｇ ａｇ ｉ ｍ ｏ ｏ ｎ ｃｅ ｏ ａ ａ ｅ ａｅ ｂ ｉ ｏｔ ｎ
第３ 第 ｌ ０卷 ０期
２１ ０ ０年 １ ０月
计算机应 用
Ｊ ｕｎ ｌｏ ｍｐ ｔｒＡｐ ｌ ａｉｎ ｏ ｒａ ｆＣｏ ｕｅ ｐｉ ｔ ｓ ｃ ｏ
Ｖｏ ． １３０ Ｎｏ． ０ １ ０ｃ ．２Ｏ１ ｔ ０
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于FPGA的二值图像连通域标记快速算法实现摘要：在图像自动目标识别和跟踪过程中，首先对图像目标进行阈值分割提取，得到的二值图像通常包含多个连通区域，系统利用图像目标的形状特性对可疑高威胁的飞行目标进行自动识别。
因此，需要对各连通区域块进行分别检测判断，本文采用改进的适合FPGA实现的快速标记算法对各连通域进行检测提取。
关键词：FPGA，二值图像连通域，快速标记算法，可编程逻辑贺明1 引言在图像自动目标识别和跟踪过程中，首先对图像目标进行阈值分割提取，得到的二值图像通常包含多个连通区域，系统利用图像目标的形状特性对可疑高威胁的飞行目标进行自动识别。
因此，需要对各连通区域块进行分别检测判断，本文采用改进的适合FPGA实现的快速标记算法对各连通域进行检测提取。
实现二值图像连通体检测通常采用的方法有下几种[1] [2] [3]：区域生长法：首先对图像进行逐行(列)扫描，每遇到一个未标记的“1”像素点，就分配其一个未使用过的标号，然后对其领域进行检测，如有未标记过的“1”像素，则赋予相同的标号。
反复进行这一操作．直到不存在应该传播标号的“1”像素。
然后继续图像行(列)扫描，如检测判未标记的“1”像素则赋予其新的标号，并进行与以上相同的处理。
整个图像扫描结束，算法也就终止。
这种方法可准确地检测出各种类型的连通体．但处理时间也较长．因为要逐一检测每一“1”像素的邻域，且出现“1”像素的重复扫描。
跟踪算法：二值图像中每个取值为“1”的像素被标记一个与其坐标相关的标号，如由n，m串构成的数。
热后，扫描标记后的图像，并将每十像素的标号改为其邻域内的最小标号。
反复执行这个过程，直到不需要作标记更改为止。
用这种方法处理小而凸的目标时，收敛速度较慢。
本文以适合FPGA实现为目的，提出一种具有计算规则性的快速二值图像连通域标记算法。
与传统的二值图像标记算法相比，该算法具有运算简单性、规则性和可扩展性的特点，适合以FPGA实现。
选用在100MHz工作时钟下，处理384×288像素的红外图像能够达到400帧／秒以上的标记速度，足够满足实时目标识别系统的要求。
处理速度可以满足大部分实时目标识别系统的要求。
该算法同样可以软件编程方式应用于嵌入式DSP系统中。
2 算法描述首先，在进行标记算法以前，利用硬件开辟独立的图像标记缓存和连通关系数组，接着在视频流的采集传输过程中，以流水线的方式按照视频传输顺序对图像进行逐行像素扫描，然后对每个像素的邻域分别按照逆时针方向和水平方向进行连通性检测和等价标记关系合并，检测出的结果对标记等价数组和标记缓存进行更新，在一帧图像采集传输结束后，得到图像的初步标记结果以及初步标记之间的连通关系，最后，根据标号对连通关系数组从小到大的传递过程进行标号的归并，利用归并后的连通关系数组对图像标记缓存中的标号进行替换，替换后的图像为最终标记结果，并且连通域按照扫描顺序被赋予唯一的连续自然数。
图 1 标记算法流程本文快速二值图像连通域标记算法分为三个环节：1.图像初步标记：为每个像素赋予临时标记，并且将临时标记的等价关系记录在等价表中2.整理等价表：这一环节分为两个步骤：（1）将具有等价关系的临时标记全部等价为其中的最小值；（2）对连通区域以自然数顺序重新编号，得到临时标记与最终标记之间的等价关系。
3.图像代换：对图像进行逐像素代换，将临时标记代换为最终标记．经过3个环节处理后，算法输出标记后的图像，图像中连通域按照由上到下，由左至右出现的顺序被标以连续的自然数。
2.1 图像初始标记标记算法符号约定：算法在逆时钟方向检测连通域时用w1，w2表示连续两行的图像数据，在紧接着的顺时钟方向连通域检测时用k0，k表示连续两行经过逆时钟方向标记后的图像数据。
其在工作窗口的位置在图2、3中分别说明；对初始逆时针方向临时标记用Z表示。
Z初始标记值为1。
二值图像连通域标记算法采用8连通判断准则，通过缩小标记范围剔除了图像的边界效应。
为了简化标记处理过程，使标记处理在硬件对一帧图像传输操作时间内结束，标记处理利用中间数据缓存分为连续的两种类型，其中类型1用于直接图像序列传输，硬件发起图像序列传输时，类型1采用逆时钟顺序连通域检测，对2×3工作窗口中的二值像素进行初始标记。
类型2对经过类型1初始标记过的图像数据再进行水平方向的连通域检测和归并，然后把标记结果存入图像存储区。
图像初始标记类型1：步骤1读取像素w1（2）、w1（1）、w1（0）、w0（2）、w0（1），以及相应的二值像素值。
步骤2读取像素w0（1），按照逆时针方向依次与w1（0）、w1（1）、w1（2）、w0（2）比较，若w0（1）= w1（0），则k0（1）=k（2）；若w0（1）= w1（1），则k0（1）=k （1）；若w0（1）= w1（2），则k0（1）=k（0）；若w0（1）= w0（2），则k0（1）=k0（0）；否则（即w0（1）≠（w1（2）、w1（1）、w1（0）、w0（2）），k0（1）= Z；Z ++。
步骤3写入等价关系表，以Z为地址将Z写入等价关系数组。
图 2 逆时钟方向初始标记的工作窗图像初始标记类型2：步骤1判断经过逆时针方向标记后，如果w0（1）= w0（2）= 1，而标记灰度k0（1）≠k0（0），则进行下一步骤。
步骤2 假设k0（1）> k0（0），判断lab（k0（1））=k0（1）或者lab（k0（1））=k0（0），则lab（k0（1））=k0（0），否则对标记数组进行追踪置换。
跳转至步骤3。
步骤3 假设k0（1）< k0（0），判断lab（k0（0））=k0（0）或者lab（k0（0））=k0（1），则lab（k0（0））=k0（1），否则对标记数组进行追踪置换。
追踪置换方法：步骤2的追踪置换令t= lab（k0（0））；若lab（t）≠ t，则令t= lab（t），重复执行，直lab（t）=t；步骤3的追踪置换令t1= lab（k0（1）），对lab（k0（1））同样执行上述追踪过程。
图 3 水平方向初始标记的工作窗2.2 等价表整理与图像代换首先，从等价表地址1开始扫描等价表，依次检查其中各个临时标记是否存在等价关系，若存在，则以标记值作为等价表地址的数据更新等价表。
由于整理过程从等价表地址1开始，因此对整个等价表的扫描可以一遍结束。
图像代换环节对临时标记图像中的每个像素进行代换，生成最终的标记后图像。
具体做法是：设图像中坐标为（n，m）的像素的临时标记值为S，则将lab（S）写入图像中（n，m）位置。
代换后得到的图像，其中的连通区域按照由上到下，由左至右出现的顺序被标以惟一的自然数。
2.3 算法特点分析算法设计具有以下特点：a．本文算法针对空中目标的识别和跟踪进行标记，可以剔除对空中目标识别没有影响的图像的边界，图像中其他像素的标记工作均利用2.1中所述算法完成，因此运算具有规则性和同地址性，利用硬件实现时只需要定义两个算法框架函数循环使用，节约了算法存储器资源。
b．图像初步标记过程中，在记录标记等价信息的同时对等价表进行初步整理，这样安排，一方面可以保证区域之间存在复杂连通关系时，等价表能够保存已经检测到的全部等价关系；另一方面，在以硬件电路实现标记算法时，图像初步标记和等价表初步整理的过程可以并行执行，等价表的初步整理，能够简化随后的等价表整理操作，相当于压缩了标记执行的全过程。
c．在本算法中，采取两方面措施减少临时标记数量：其一，反复利用8邻域范围内生成的所有标记信息，在逆时针顺序8邻域范围标记后借助图像传输的顺序进行水平方向的等价标记归并，降低了需要赋予新标记值的概率；其二，在等价表整理时，归并等价标记时按照等价表地址从小到大的的顺序进行比较替换，使等价标记取较小值并且不会遗漏等价标记。
其三，结合视频数据流传输方式，采用乒乓存储结构进行流水线处理，同时进行图像标记和图像标记替换。
使图像标记达到实时处理的效果。
3 算法的FPGA实现FPGA(Field Programmable Gate Array)是一种大规模的可编程逻辑器件，可以用于各种数字逻辑系统，特别是实时处理方面，具有独特的优势。
在本算法的实时实现过程中，采用Altera公司的性价比高的Cyclone II EP2C8 FPGA[4]，该器件内部有8256个LE，，18个DSP模块，165888bits存储单元。
这些存储单元可以配置为大小、位数不同的存储器，它可以减少外部存储器的使用，缩小硬件的体积，便于电路的小型化。
图4 快速标记算法FPGA实现的硬件结构图4所示快速标记算法FPGA实现的硬件结构，主要由二值视频流延迟FIFO串并转换、逆时针标记单元、归并数据传输接口、水平方向标记归并单元、标记等价关系表、标记等价关系整理单元、图像标记代换等单元构成。
FPGA内部视频流采集单元，根据分割阈值对采集来的灰度数据进行二值化，输出二值视频流；通过延迟FIFO的串并转换，将串行的二值视频数据流转换成两行并行的数据；逆时针方向标记单元利用移位寄存器对接受来的并行数据流组成图2所示窗口，在窗口内对数据进行逆时针的连通性检测，生成初始的等价关系表并且对像素数据进行临时标记；水平方向标记归并单元紧接在逆时针方向标记后，对初始标记后的像素数据通过移位寄存器组成如图3所示的数据窗，对数据窗中的数据在水平方向进行标记等价性判断，归并属于同一区域的标记值，并且追踪置换标记等价关系表，把在此以前的等价标记值全部统一成最小的标记值，最后把归并后的并行标记视频流存入后续双端口RAM组成的存储器组中；外部双端口RAM 在下一行视频数据流处理时把标记好的上一行像素数据存入到外部双端口RAM中。
一帧图像数据标记完毕后，在视频数据的间隙对等价关系表数组进行整理归并，等到下一帧视频数据传输时，从外部双端口RAM中取出上一帧数据进行标记图像代换完成最终的图像标记。
标记缓存采用乒乓结构通过FPGA中的双端口RAM构成，标记两行图像数据的同时外部双端口RAM接口对已标记的一行图像数据进行存储。
图5所示标记缓存结构，乒乓结构标记缓存模块一共用了3个384*10bit的双端口RAM，每个双端口RAM对应一行图像标记数据，依靠水平方向归并单元和外部DPRAM接口交互进行数据存储，当水平方向归并单元同时存储其中两个双端口RAM时，外部DPRAM接口对剩余的第三个双端口RAM进行存数操作，构成标记缓存乒乓结构存储操作。
外部存储接口用像素时钟的4倍频对缓存中的数据进行搬移，确保在其余两个双端口RAM标记完毕后外部数据也搬移完毕。
实验证明在一行标记数据传输时间里可以完成3行标记数据搬移。
图5 标记缓存结构为了满足标记的实时流水线处理，外围双端口RAM也采用乒乓结构。