吉 林 農 業 大 學 學 士 學 位 論 文 題目 名稱 ： 基于 DSP 的蘋果識別系統的設計 學生姓名： 院 系： 信息技術學院 專業 年級 ： 電子 信息 2006 級 指 導教師 ： 職 稱 ： 講師 2010 年 5 月 25 日 目 錄 題目 . I 摘要及關鍵詞 . I 1 前言 . 1 1.1 引言 . 1 1.2 數字圖像處理的背景 . 1 1.3 圖像識別和分類理論 . 2 1.4 DSP 芯片的發展 . 3 1.5 本課題研究的內容 . 4 2 圖像處理系統總體方案 . 4 3 成像單元 . 5 3.1 CCD 攝像機與鏡頭的選取 . 5 3.2 光源與照明方式的設計 . 5 4 蘋果圖像采集與處理單元 . 6 4.1 蘋果 的圖像采集 . 6 4.2 蘋果圖像的預處理 . 7 4.2.1 圖像濾波 . 7 4.2.1.1 鄰域平均法 . 8 4.2.1.2 中值濾波 . 8 4.2.2 圖像增強 . 9 4.2.2.1 線性灰度變換 . 10 4.2.2.2 直方圖修正法 . 10 4.3 圖像分割 .11 4.3.1 閾值分割 .11 4.3.1.1 圖像二值化 .11 4.3.1.2 改進的灰度直方圖法 . 12 4.3.2 邊緣檢測 . 13 4.3.2.1 Sobel 邊緣檢測算子 . 14 4.3.2.2 梯度算子 . 15 4.3.2.3 Roberts 邊緣檢測算子 . 15 4.3.2.4 Prewitt 算子 . 16 4.3.2.5 Laplacian 算子 . 16 4.3.2.6 幾種算子的比較 . 17 4.3.3 圖像細化 及結果 . 18 4.4 蘋果的特征提取及識別 . 20 4.4.1 蘋果大小特征提取 . 20 4.4.2 蘋果形狀特征提取 . 21 5 蘋果識別系統在 DSP 中實現 . 22 5.1 硬件介紹 . 23 5.1.1 DSP 芯片的選擇 . 23 5.1.2 TMS320C6713 硬件結構 . 23 5.2 CCS 軟件設計 . 24 5.2.1 CCS 開發環境的介紹 . 24 5.2.2 程序總體構架 . 25 5.2.3 與中斷相關的初始化 . 26 5.2.4 編寫 BOOT 程序 . 26 6 結論與展望 . 29 6.1 主要研究結論 . 29 6.2 展望 . 30 參考文獻 . 30 致 謝 . 32 附錄 1 . 33 附錄 2 . 38 I 基于 DSP 的蘋果識別系統的設計 姓 名：徐微微 專 業：電子信息科學與技術 指導教師：宮 鶴 摘 要 ： 數字信號處理器為數字圖像處理提供了良好的實現平臺。本文講述其自動檢測中的應用 基于圖像識別的蘋果分級，設計出蘋果圖像識別系統 (按大小、形狀 )。 為了根據蘋果圖像進 行蘋果分級，文中介紹了對蘋果圖像進行低層信息處理的所采用的方法 ，如 圖像增強、邊緣檢測、圖像二值化、圖像細化等 。 算法如中值濾波、邊緣檢測算子，改進的灰度直方圖法做了重要探討，并應用或改進應用于本人的設計中 。 其中改進的灰度直方圖法就是在傳統的灰度直方圖法基礎上改進的算法，效果較好。 文中講述了蘋果圖像識別系統設計的方法和步驟 ,建立蘋果按大小、形狀分等級的特征函數。 最后，將上述各算法移植到 TI 的 TMS320C6713 DSP 平臺，以滿足實時性要求。最終獲得較好的識別效果。 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 auto-detection, 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 algorithms mentioned above are transplanted to TI TMS320C6713 DSP to meet real-time requirements. An acceptable result is obtained. Keywords： Apple recognition； Image processing； Edge detecting； DSP 1 1 前言 1.1 引言 人們利用眼睛獲取各種各樣的圖像信息，并傳入大腦，由大腦根據經驗或知識對圖像信息進行加工處理，最后識別，理解周圍環境。圖像識別就是對人類視覺的一種模擬，它包括對圖像信息的獲取，傳輸，處理，存儲與識別等過程 1。圖像識別在應用中很大程度依賴現代圖像處理與模式識別技術，其廣泛應用在工業檢測和醫學檢測等方面。圖像識別的應用極大地解放了人類勞動力，提高了生產自動化水平，改善了人類生 活狀況，有著極其廣闊的應用前景。本文正是基于這一理論對蘋果進行識別。 蘋果 的品質有外部品質和內部品質兩類 。 外部 品質主要是考慮大小、形狀、顏色和表面缺陷等 ， 內部品質主要考慮糖含量、酸度、口味、硬度及內部缺陷等。內部品質的檢測技術現在已發展相當成熟，例如，近紅外線法和磁共振法測糖含量、酸度 ； 提煉可揮發性芳香化合物法測口味 ； 用聲波脈沖響應法和超聲波法測硬度 ； 超聲波檢測水果內部缺陷等等。而目前我國水果外部品質分級主要由機械配合人工的方式完成完成。顯然這種方式是一種有損分級，蘋果下落的相互碰撞，對容器的碰撞都會使蘋果 表皮破損，也不能精細分級。 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，節省人力資源。而這種分級技術在國外已經具有相當成熟的水平，尤其是日本、美國，其對很多水果都進行了圖像識別的研究，并已產生成熟的產品。比如黃瓜分級、櫻桃分級、草萄分級等等。作為水果生產大國，及時研制開發并采用符合我國實際情況的蘋果識別系統，提高蘋果產品的市場競爭力具有實際意義 25。 1.2 數字圖像處理 的背景 一幅圖像可定義為一個二維函數 ,f x y ，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。當 ,xy 和 f 幅值為有限，離散的數值時，稱該圖像為數字圖像 6。數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字圖像進行處理。 數字圖像處理是現代圖像處理的主要方法，具有再現性好、精度高、適用面 廣和靈活性大等優點。 數字圖像處理最早應用之一是在報紙業，當時，圖像第一次通過海底電纜從倫敦傳往紐約。早在 20 世紀 20 代年為了橫跨大西洋使用電纜傳輸一幅圖片，首先要進行編碼，然后在接收端用特殊的打印設備重構該圖片。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展。 圖像處理中，輸入的是質量低的圖像，輸出的是改善質量后的圖像， 使得 圖像處理技術在許多應用領域受到廣泛重視并取得了重大的開拓性成就 。 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。在考古學領域，使用圖像處理方法 己成功地復原了模糊的圖片。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。圖像處理技術也廣泛應用于生物學，工業制造及自動化，遙感， 航空航天、生物醫學工程、工業檢測、公安司法、軍事制導、文化藝術 等領域。 (1)宇宙探測。由于太空技術的發展，需 2 要用數字圖像處理技術處理大量的星體照片。 (2)通信中的應用。圖像信息的傳輸，電視電話等，包括靜態圖像和動態的圖像序列的傳送，主要是對圖像數據進行壓縮，以及對序列圖像的處理。 (3)遙感方面的應用。遙感有航空遙感和衛星遙感之分，它們都是用不同 光源和技術獲得大量的遙感圖像。這些圖像需要用數字圖像處理技術加工處理并提取有用信息。它可用于地形地質，礦藏探查，森林、水利、海洋、農業等資源調查，自然災害的預測和預報，環境污染的監測，氣象衛星云圖的處理，以及用于軍事目的的地面目標的識別等等。現在，許多國家發射了各種不同用途的衛星，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。 (4)生物醫學領域的應用。數字圖像處理技術從一開始就引起了生物醫學界的濃厚興趣，首先應用于細胞分類，染色體分類和放射圖像的處理。七十年代，數字圖像處理在醫學上的應用有了重大的 突破。另外，數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。 不同的圖像處理的方法不同，基本的處理方法包括圖像的獲取，圖像的增強，圖像復原，彩色處理，小波分析，圖像壓縮，圖像分割，表示和描述等。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，只能根據具體的情況來選擇具體的處理方法。 1.3 圖像識別和分類理論 圖像識別的目的是研制能夠自動處理某些信息的機器視覺系統，代替傳統的人工完成分類和辨識的任務。已廣泛應用于各個領域。例如 ： 利用氣象衛星的云圖圖像預測天氣， 智能交通系統中的車牌識別，手寫體識別，醫療病變圖像的計算機診斷，生產中實時帶鋼缺陷檢測，紡織布匹缺陷檢測等這些都屬于圖像識別系統的應用范疇。 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，將它們區別或分類的可能性是存在的。所以除了對圖像進行數字化處理外，還需要通過一些手段，將各類圖像的重要性用數值表示出來，即特征提取。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目少而精的綜合指標的方法稱之為特征選擇。因此，圖像的三維或二維信息可用一組一維數值代替以供識別分類。 圖像識別方法主要有統計模式識別，結構模式識別，模糊模式識別和神經網絡模式識別等 4。這些識別方法有各自的優點，同時也存在不足的地方，近年來，許多學者提出多種新的識別方法，如 ： 基于模板匹配的圖像識別方法，基于支持向量機的判別方法等，在實際的應用中取得了很好的效果。 圖像識別系統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。 (2)圖像預處理， 進行預處理 可以 使圖像更清晰，或從圖像中提取某些特定的信息等。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。 (3)圖像分割和目標提取，主要目的是從圖像中獲得感興趣的區域。特征提取，是要獲得對目標的有效特征表達和描述。 (4)目標分類，是在提取特征的基礎上實現判別和分類。 1.4 DSP 芯片 的發展 自 1980 年以來， DSP 芯片得到了突飛猛進的發展， DSP 芯 片的應用越來越廣泛。從運算速度來看， MAC(一次乘法和一次加法 )時間已經從 80 年代初的 400ns (如TMS32010)降低到 40ns(如 TMS32C40)，處理能力提高了 10 多倍。 DSP 芯片內部關鍵的乘法器部件從 1980 年的占模區的 40 左右下降到 5 以下，片內 RAM 增加一個數量級以上。從制造工藝來看， 1980 年采用 4 11 的 N 溝道 MOs 工藝，而現在則普遍采用亞微米CMOS 工藝。 DSP 芯片的引腳數量從 1980 年的最多 64 個增加到現在的 200 個以上，引腳數量的增加，意味著結構靈活性的增加。此外， DSP 芯片的發 展， 使 DSP 系統的成本，體積，重量和功耗都有很大程度的下降。近二十年來，隨著集成電路技術的發展，導致了 DSP 技術和器件的迅速發展，使實時數字信號處理系統成為可能并蓬勃發展。近幾年來， DSP 的性價比越來越高，同時 DSP 的開發環境不斷改善，開發難度越來越低，己經能被普通的應用開發工程師所接受。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。對 DSP 開發應用己經成為一個熱門的研究課題。 DSP 芯片按照所支持的數據類型不同分為定點和浮點兩大類。定點 DSP 在硬件結構上比浮 點器件簡單，具有價格低，速度快的特點，因而用的最多。浮點 DSP 的優點是精度高，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，適合于數據動態范圍和精度要求高的特殊應用 7。 DSP 的主要結構特點有以下幾點 ： (1).采用哈佛結構 哈佛結構的特點是程序存儲器和數據存儲器各自具有獨立的存儲空間，獨立的程序總線和數據總線，允許取指令和執行指令重疊執行，允許對數據和程序同時尋址，允許直接在程序和數據之間有兩套或兩套以上的內部數據總線。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 求的數字信號。 (2).特殊的指令系統 DSP 芯片通常都有一套自己的特殊指令，這些指令都是專門為數字信號處理而設計的，這對提高 DSP 的運算效率非常有效。 (3).流水線技術 流水線技術是提高 DSP 程序執行效率的重要手段，取指令和執行指令可以同時執行，從而減少指令執行時間，進一步增強處理器的數據處理能力。 (4).高速的時鐘周期和強大的處理能力 DSP 芯片的主頻和處理能力不斷提高， TMS320C5000, 6000 系列 DSP 的主頻已經達 4 到 200MHZ。 TMS320C6713 的主頻達到 225MHZ，處理能力達到 1800MIPS。 (5).采用硬件乘法器 在信號處理中，用到大量的乘法運算，乘法運算很費時間，為此，在 DSP 中都有專門的硬件乘法器，現代高性能的 DSP 芯片甚至具有兩個以上的硬件乘法器用以提高運算速度。 (6).設有片內存儲器 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 /數據存儲器以減少對外部存儲器中程序，數據的訪問次數，充分發揮 DSP 核的高性能。目前高性能 DSP 芯片上的可配置程序，數據 RAM 高達 7MB。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。 1.5 本課題研究的內容 本課題將結合圖像識別技術，選用蘋果圖像作為研究對象，對蘋果按大小、形狀分級進行實用性主要研究。主要內容有 ： (1)對 蘋果 圖像 的低層信息處理及算法研究 ： 根據已有的圖像處理的經典算法進行改進，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 。 運用于蘋果圖像處理，分析、研究、比較 后 選擇出對蘋果圖像進行處理的實用性算法 。 (2)蘋果 識別 研究 ： 提取圖像中的蘋果大小、形狀等特征參數 ， 實現正確的識別。 (3)編程。 熟悉 TMS320C6713DSP 芯片及相關硬件，建立基于 TechV-C6713DSK 平臺的蘋果識別系統，利用 CCS 開發環境進行編程以實現圖像處理算法在 DSP 中運行 ， 完成了本課題的軟件設計與實現 。 (4)實驗結果分析 及 進一步研究的設想和展望。 2 圖像處理 系統總體方案 系統的總體結構如圖 2.1 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 。 圖 2.1 系統總體框圖 Figure 2.1 Overall system block diagram 圖像處理單元 成像 單元 圖像采集單元 識別分類單元 5 成像 單元由 CCD 攝像機、 LED 光源構成，負責原始圖像數據的 捕獲， 圖像采集與處理單元 是對捕獲來的圖像進行圖像預處理、圖像分割、特征提取等，最后進行分類識別。 3 成像單元 成像單元負責原始圖像數據的采集， CCD 攝像機向圖像處理子系統輸出模擬視頻信號。對于不同 蘋果 的檢測項目，需要設置不的 CCD 攝像機與 LED 光源進行檢測。 3.1 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 攝像機將光信號轉換成電信號（標準視頻信號），以便于進一步的處 理或顯示。 CCD 傳感器具有靈敏度高、抗強光、畸變小、體積小、壽命長、抗震動等優點。 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，圖像細節的表現越好。 (2)快門速度 快門速度是指攝像機獲取一幅圖像的曝光時間，曝光時間過長會造成嚴重的圖像拖尾現象。但是快門速度越高對光源照明強度的要求成幾何級數上升，因此綜合考慮，選擇的快門速度為 1/2000s 以上。 (3)掃描方式的選擇 一般掃描方式有兩種 ： 隔行掃描方式和逐行掃描方式。隔行掃描是指一幀圖像的顯示由偶場和奇場 組成。 (4)異步重置外觸發功能 為了精確控制拍照時間，需要具有異步重置功能，在系統控制器發出拍照信號時，攝像機能夠立即啟動曝光。 本文根據以上幾點，結合現場要求， 選用 UP-610 系列的數字黑白攝像頭。 UP-610是一款分辨率為 659 494 的數字式攝像頭，它使用了逐行掃描隔行傳輸的技術，具有外部異步采集功能，能夠很容易的抓拍高速運動物體的圖像。其 CCD 的方形像素更適合用于處理，測量和分析方面的應用。本產品體積小，重量輕，其數字和模擬輸出，快門選擇其后面板上的許多其它 功能使用起來都十分簡便。主要參數如下 ： 有效像素 ( HV ) 659 494 ，傳感器芯片尺寸 5 .8 4 4 .9 4m m m m ，幀速 110 FPS，電子快門 1/110-1/62,000秒， 16 檔可選，整幀快門狀態下異步復位。掃描速度為 110 幀 /秒。 3.2 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。不合適的照明，會引起許多問題，如花點和過度曝光會 隱藏許多重要信息，陰影會引起邊緣的誤檢，信噪比的降低以及不均勻會導致圖像閥值選擇的困難。 (1).光源種類的選擇 6 對于 蘋果 在線檢測系統來說，因為光源以常亮照明方式連續工作，它必須具有很長的壽命，且發光穩定，功耗較低，因此需要選擇 LED 光源。由于檢測系統使用黑白攝像機，對被測物體的顏色選擇沒有特殊要求，而紅色 LED 的發光波長最為接近 CCD 的靈敏度峰值，所以選用紅色 LED 光源。 (2).照明方式的選擇 CCD 圖像傳感器從不同角度攝取現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。 光電 感應開關，會在 蘋果 位于最佳攝像位置時發送信號給控制單元和圖像采集與處理單元，作為采樣觸發信號，以實現空瓶的精確定位。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生同一亮度和穩定的圖像質量， LED 光源照明方式的設計不可忽視。應選擇較好的光源，并且盡量使整個照明系統免受自然光或現場其他照明燈光的影響，保證采集的圖像質量穩定。 4 蘋果圖像采集與處理單元 系統用 CCD 攝像機將蘋果的圖像攝入并經圖像采集卡進行了 D 轉換、暫存后 通過DSP 芯片 進行處理，得出蘋果個體的分類結果 。本系統啟動 CCD 攝像機將 蘋果 目標灰度值圖像攝入，并依據相應圖像處理原理在 DSP 芯片 內進行圖像的顯示、濾波、平滑、直方圖二值化、邊緣輪廓檢測與分析等處理過程，提取其形狀特征參數，如平均直徑 (粗度 )、長度、面積大小等 。 4.1 蘋果的圖像采集 圖像采集就是將圖像通過數字化后輸入到計算機的過程。被攝物體的圖像經過鏡頭聚焦到 CCD 芯片上， CCD 根據 光的強弱積累相應 比例的電荷，各個像素積累的電荷在視頻時序的控制下，逐點外移，經濾波、放大處理后，形成視頻信號輸出。視頻信號連接到監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。如圖 4-1。 圖 4-1 采集到的蘋果圖像 Figure 4-1 Apple images collected 7 4.2 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，獲得的數字圖像必須經過預處理。 圖像處理就是對圖像中的像素點進行運算，因此需要很多的運算方法，而且根據不同的需要有不同的算法。而圖像處理功能的實現也在于算法的提出和實現。到目前為止，還是有很多圖像對于某些算法不適用，需要進一步研究探索出新的成果。本節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。 圖 4-2 是蘋果圖像的處理過程。 圖 4-2 蘋果圖像處理過程 Figure 4-2 Apple image processing 4.2.1 圖像濾波 考慮到系統在采集，傳輸圖像和量化圖像過程中會產生噪聲，影響圖像質量。為了能夠正確的識別圖像，必須對圖像進行消噪處理。圖 像噪聲主要有加性噪聲，乘性噪聲和量化噪聲等 10。 圖像中信號主要分布在低頻區域，而噪聲主要分布在高頻區域，但同時圖像的細節也分布在高頻區域。在傳統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濾波，就將信號同噪聲區分開。但是當它們的頻域重疊區域很大時，這種方法就無能為力了。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保持平衡，傳統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。可以利用小波分 析的理論，可以構造一種即能夠降低圖像噪聲，又能夠保持圖像細節信息的方法 11。但是其速度比較慢。本系統的 實時性要求很高 ，在考慮速度的同時處理后的圖像只要滿足特征提取得要求即可，因此經過綜合考慮，我們選用傳統的 低通濾波方法 。 一般常用的濾波方法主要有鄰域平均法，中值濾波等方法。 4.2.1.1 鄰域平均法 鄰域平均法是指圖像區域內任意點的灰度值是該點鄰域內各點灰度值的平均值。該法是實域內最為簡單的方法。 以 33 鄰 域為例，以下是兩種模板 ： 1111 1119 1111 2 11 24216 1 2 1第二個模板是對第一個模板的修正，叫做加權平均模板，從權值上看，處于中心位置的像素比其他任何像素的權值要大，所以在均值計算中給定的這一像素最為重要。 但 此法的缺點是會造成高頻的圖像邊緣部分出現模糊現象，且模糊程度與鄰域半徑的大小成正比。 4.2.1.2 中值濾波 本文采用 中值濾波法 對采集來的數字圖像進行濾波，得到很好效果，同時中值濾波速度很快，能夠滿足系統對速度的要求 12。 中值濾波是指把以某點 ( , )xy 為中心的小窗口內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 (若窗口中有偶數個象素，則取兩個中間值的平均 )。 中值濾波采用模板增強的方法， 用一個含有奇數點的滑動窗口，將窗口中各點灰度值的中值來替代指定點 (一般是窗口的中心點 )的灰度值。對于奇數元素，中值是指按大小排序后，中間的數值 ； 對于偶數元素，中值是指排序后中間兩個元素灰度值的平均值 13。 中值濾波對濾除脈沖干擾信號和圖像的掃描噪聲效果很 好 ，且 中值濾波在運算過程中無需要圖像的統計特性，因此計算很方便。 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。 盡管中值濾波器是一種有效地濾除脈沖干擾如顆粒噪聲等、保持圖像邊緣的濾波器，但隨著窗口的增加，雖然濾波能力增強，但有細節損失，而且速度隨著窗口的增大而降低。因此我們選擇窗口時應該根據圖像情況在保 持良好濾波的同時盡可能選擇小的窗口。本系統選擇 31 的滑動窗口。 9 中值濾波去除噪聲的原理如 圖 4-3 所示。 (a)原圖 (b)處理后的圖 圖 4-3 中值濾波處理原理 Figure 4-3 The value of the filtering principle 圖中數字代表該處的灰度。可以看出，在 (a)圖中中間的 6 和周圍的灰度相差很大，是一個噪聲點。 經過 31 窗口 (即水平 3 個象素取中間值 )的中值濾波，得到右圖 (b)，可以看出，噪聲點被去除。 經過 仿真試驗， 如圖 4-4 是本課題在蘋果圖像采用中值濾波后 的圖像 ， 與圖 2-2 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。 圖 4-4 蘋果圖像的中值濾波 Figure 4-4 Median filtering of Apple image 4.2.2 圖像增強 圖像增強主要是為了突出目標 圖像，增加對比度，使目標從背景中分離出來，為特征提取做準備。 根據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。空間域法主要是在空間域上對圖像的像素直接進行運算處理，即可直接得到增強后的圖像 ； 而頻率域法是將圖像變換到某個空間 (例如頻率域 )中進行運算處理，最后將運算處理后的結果再進行對應變換的反變換得到增 10 強后的圖像。 考慮到系統實時性要求，本文主要對空域法分析。 空域圖像增強的常用方法是灰度變換法和直方圖修正法。兩種方法都是通過一定的變換來實現對比度的增強，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。 4.2.2.1 線性灰度變換 從 CCD 攝像頭得到的圖象，常表現出對比度較差，為此需對圖象中的每一象素的灰度級進行標度變換，擴大圖象灰度范圍，以達到增強圖象的目的。標度輸入圖象的象素點 ,xy 的灰度級為 ,f x y ，通過映射函數 T 映射成輸出圖象的灰度級 ,g x y ，即 ,g x y T f x y (4.1) 當圖象在成像時曝光量不適當或設備的非線性動態范圍太窄時，都會產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的識別處理。這時如將圖象灰度線性擴展，可以顯著改善圖象的觀察質量。 設原圖象 ,f x y 的灰度范圍為 ,ab ，希望變換后的圖象 ,g x y 動態范圍為 ,cd ，則可用下式變換實現 ： , d c f x y ag x y cba (4.2) 對于處理中的水果圖象，由于目標物體占圖象的大部分面積，因此大部分圖象灰度級為目標物體灰度，而小部分為背景灰度，為增強處