DSP原理及图像处理应用(工业和信息化普通高等教育“十二五”规划教材立项项目)(txt+pdf+epub+mobi电子书下载)


发布时间:2021-03-30 20:39:05

点击下载

作者:赵小强 李大湘 白本督

出版社:人民邮电出版社

格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT

DSP原理及图像处理应用(工业和信息化普通高等教育“十二五”规划教材立项项目)

DSP原理及图像处理应用(工业和信息化普通高等教育“十二五”规划教材立项项目)试读:

前言

近年来,随着超大规模集成电路技术和工艺水平的飞速发展,以高速数字信号处理器(DSP)为平台的实时数字图像处理系统迅速发展,且广泛应用于视频监控、智能交通系统、图像传输、图像编解码、图像通信、医学图像和遥感图像处理等。学习与掌握DSP原理及数字图像处理技术是电气工程、自动控制、电力工程类专业的基本要求,也是自动化技术高技能人才必须具备的基本技能。本书以训练读者通过DSP来实现图像处理算法为目标,详细介绍TMS320C6000 DSP 芯片的基本原理,图像处理算法所涉及的理论知识、算法原理、编程步骤和DSP编程。

针对当前 DSP 教材与数字图像处理相脱离的问题,编者结合多年从事 DSP 图像处理系统的开发经验,基于高速DSP处理硬件平台,编写了这本以图像处理为实际应用的DSP教程。本书分为20章,可划分为两大部分,具体如下。

第一部分:DSP基本原理。该部分包括第1~第7章,详细地介绍了DSP图像处理基础知识、TMS320C6000硬件结构、存储结构、视频接口、中断、EDMA控制器与CCS软件。

第二部分:图像处理实例。该部分包括第8~第20章,每一章均详细地讲解了一个以DM642 为核心的图像处理实例,对图像处理算法原理、编程步骤与 DSP 程序都讲解得非常透彻,具有较强的实用性与指导性,其中主要包括图像灰度化、图像的噪声产生与平滑、图像直方图、图像增强、边缘检测、阈值二值化、图像取反与DCT变换等。

通过对本书DSP基本原理及13个图像处理实例的学习和训练,读者不仅能够掌握DSP的基本知识,而且能够掌握图像处理算法的基本原理与编程方法,使学生具备DSP知识和直接从事DSP图像处理系统开发的基本技能,达到理论与实践相结合的目的,从而提高学生的学习兴趣,培养学生的动手能力。

本书的参考学时为32~64学时,建议采用理论与试验相结合的教学模式,各章节的参考学时见下面的学时分配表。续表

本书第1章、第8章、第10章、第12章、第13章、第14章、第18章、第19章由李大湘编写,第2章、第3章、第4章、第5章、第6章由赵小强编写,第9章、第11章、第15章、第16章、第17章、第20章由白本督编写,第7章由李大湘与赵小强共同编写,全书由赵小强统稿。彭飞、李宗、于燕飞、冯勋、马世雄、雷雪等人参与了资料的收集与整理工作,在此表示感谢!本书的出版得到范九伦教授、卢光跃教授、陕西“百人计划”刘颖博士的大力支持,在此对各位专家表示感谢!本书的出版也得到陕西省公安厅刑侦局鲁世宗、陕西省法庭科学电子信息实验研究中心的樊安、高梓铭的支持与帮助,在此表示感谢!本书的出版也得到国家自然科学基金(61202183)、陕西省自然科学基金( 2013JM8031 , 2012JM8022 , 2012JQ8045 )、陕西省教育厅自然科学基金( 12JK0734 , 12JK0731,12JK0504)中国学位与研究生教育学会 2013 研究课题(C1-2013 07-098)、西安邮电大学校青年基金( ZL2012-01 , ZL2009-21 )、校课程建设与改革( KJB201215 , JG1201203)项目的支持,在此一并表示感谢!

由于编著者掌握的资料与水平有限,书中错误与不当之处在所难免,敬请读者批评指正。编者2013年6月于西安邮电大学第1章DSP数字图像处理基础知识

随着计算机、多媒体和数字通信技术的高速发展,数字图像技术近年来得到了极大的重视和长足的发展,并在科学研究、工业生产、医疗卫生、教育、娱乐、管理、通信等方面取得了广泛的应用。同时,人们对计算机视频应用的要求也越来越高,从而使得高速、便捷、智能化的高性能数字图像处理设备成为未来视频设备的发展方向,实时图像处理技术在目标跟踪、机器人导航、辅助驾驶、智能交通监控中都得到越来越多的应用。由于图像处理的数据量大,因此实时图像处理系统必须具有强大的运算能力。高性能数字信号处理器(Digital Signal Processor,称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,还可以在硬件级获得系统设计的灵活性。为了帮助大家快速掌握基于DSP的数字图像处理系统的开发与设计,本书以TMS320C64x芯片作为图像处理系统的硬件平台,介绍了各种图像处理算法的基本原理与编程方法。

本章简要介绍了数字图像处理的基本概念、应用领域、主要优势、研究内容、发展趋势等内容,对基于DSP的图像处理系统进行了重点阐述与分析。本章要重点掌握数字图像处理的基本概念。本章建议安排4个课时进行学习。1.1 数字图像处理的起源及发展

在网络迅速发展的今天,Google可以搜索到与“image”一词有关的内容有五千多万条,然而,“image”至今还没有一个精确的定义。甚至在Webster词典中,“图像(image)”被等同于“图片(picture)”,被模糊的定义为“一种绘画或摄影的简单数字化表示”。人类对于图像的认识和利用还停留在一个较低的层次,对于图像处理技术甚至图像定义本身还需要更多更深入的研究。

数字图像处理技术是20世纪60年代随着计算机技术和VLSI(Very Large Scale Integrator)的发展而产生、发展和不断成熟起来的一种新兴技术,它在理论上和实际应用中都取得了巨大的成就。

视觉是人类最重要的感知手段,图像又是视觉的基础。早期图像处理的目的是改善图像质量,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。首次获得成功应用的是美国最新喷气推进实验室(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进行图像处理,如几何校正、灰度变换、去除噪声,并考虑了太阳位和月球环境的影响,由计算机成功地绘出月球表面地图,获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理,获得月球的地形图、彩色图及全景镶嵌图,为人类登月创举奠定了坚实的基础,也推动了数字图像处理这门学科的诞生。在之后的宇航空间技术探测研究中,数字图像处理技术都发挥着巨大的作用。

数字图像处理技术取得的另一个巨大成就在医学上。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,也就是我们通常所说的 CT (Computer Tomography),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,称为图像重建。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被授予诺贝尔奖,以表彰它对人类做出的划时代贡献。

从20世纪70年代中期开始,随着计算机技术、人工智能和思维科学研究的迅速发展,数字图像处理技术向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像,类似人类视觉系统理解外部世界,这被称为图像理解或计算机视觉。很多国家,特别是发达国家投入更多的人力、物力到这项研究,取得了不少的重要研究成果。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。

20世纪80年代末期,人们开始将其应用于地理信息系统,研究海图的自动读入、自动生成方法。数字图像处理技术的应用领域不断拓展。

数字图像处理技术的大发展是从20世纪90年代初开始的。自1986年以来,基于小波理论的变换方法迅速发展,它克服傅里叶分析不能用于局部分析等方面的不足之处,被认为是调和分析理论半个世纪以来工作之结晶。Ma11at于1988年有效地将小波分析应用于图像分解和重构。小波理论也被认为是信号、图像分析在数学方法上的重大突破。随后数字图像处理技术迅猛发展,到目前为止,图像处理在图像通讯、办公自动化系统、地理信息系统、医疗设备、卫星照片传输及分析和工业自动化领域的应用越来越多。

进入21世纪,随着计算机技术的迅猛发展和相关理论的不断完善,数字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、机器人视觉、公安司法、军事制导、文化艺术等。近年来,该技术成为一门引人注目、前景远大的新学科。1.2 数字图像处理的基本概念1.2.1 图像的概念“图”是物体透射或反射光的分布,是客观存在的。“像”是人的视觉系统对图在大脑中形成的印象或认识,是人的感觉。“图像(image)”是图和像的有机结合,既反映物体的客观存在又体现人的心理因素;是客观对象的一种可视表示,它包含了被描述对象的有关信息。1.2.2 图像的类型

根据图像空间坐标和幅度(亮度或色彩)的连续性,图像可分为模拟(连续)图像和数字图像两大类。其中,模拟图像是空间坐标和幅度都连续变化的图像;数字图像是空间坐标和幅度均用离散的数字(一般是整数)表示的图像。

计算机只能处理“数字图像”,数字图像大致可以分为以下几种类型:(1)二值图像

二值图像又称为黑白图像,是指图像的每个像素只能是黑或白,没有中间的过渡。二值图像的像素值为0或1。(2)灰度图像

灰度图像是指每个像素由一个量化的灰度值来描述的图像。它不包含彩色信息。若灰度图像的像素是 uint8 或 uint16 型,则它们的整数值范围分别是[0,255]和[0,65535]。若图像是double型,则像素的取值就是双精度浮点型。

在计算机领域中,灰度(Gray Scale)图像是每个像素只有一个采样颜色的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度,尽管理论上这个采样可以表示任何颜色的不同深浅,甚至可以是不同亮度上的不同颜色。灰度图像与黑白图像不同,在计算机图像领域中黑白图像只有黑白两种颜色,灰度图像在黑色与白色之间还有许多级的颜色深度。但是,在数字图像领域之外,“黑白图像”也表示“灰度图像”,例如灰度的照片通常叫做“黑白照片”。在一些关于数字图像的文章中单色图像等同于灰度图像,在另外一些文章中又等同于黑白图像。

灰度图像通常是在单个电磁波频谱如可见光内测量每个像素的亮度得到的。用于显示的灰度图像通常用每个采样像素 8 bits 的非线性8尺度来保存,这样可以有 256 种灰度(8bits就是 2=256)。这种精度恰好能够避免可见的条带失真,并且易于编程。在医学图像与遥感图像应用中,经常采用更多的灰度级数以充分利用10bits 或12bits 传感器的采样精度,并且避免计算时的截断误差,在这样的应用领域流行使用 16 bits即 65 536个组合(或65 536 种颜色)。(3)RGB彩色图像

RGB图像又称为真彩色图像,它利用R、G、B三个分量来表示一个像素的颜色,R、G、B分别对应三原色的红、绿、蓝。因此,一幅尺寸为M*N的RGB图像需要一个三维矩阵来存储,三维矩阵的尺寸为 M*N*3。如果要读取图像中(100,50)处的像素值,需要查看三元数据(100,50,1:3)。

真彩色图像可用双精度存储,亮度值范围是[0,1];比较符合习惯的存储方法是用无符号8位整数存储,亮度值范围为[0,255]。(4)索引图像

索引图像采用两个矩阵来表示一幅图像,分别是图像数据矩阵和调色板矩阵。调色板是一个有3列和若干行的色彩映像矩阵,矩阵每行代表一种颜色,3列分别代表红、绿、蓝色强度的双精度数值。(5)位图图像(点阵图)

数码相机拍摄的相片,扫描仪扫描的图片,屏幕上抓取的图像等通常是位图。位图在技术上称为栅格图像,它由网格上的点组成(实际上是许许多多的小矩形块),这些点称为像素。每个像素点记录了图像相应的颜色信息。其主要特点如下:

① 在屏幕上缩放位图图像时,它们可能会丢失细节信息,因为位图图像与分辨率有关,它们包含固定数量的像素,每个像素都分配有特定的位置和颜色值,放大位图图像时,系统无法为它创建新的像素,只是将原来的像素变大填充放大后的空间,因此图像会产生锯齿,如图1.1所示。图1.1 不同放大级别的位图图像示例

② 位图可以表现层次和色彩比较丰富、画面细致的图像。

③ 位图图像所占存储空间较大。(6)矢量图像

矢量图像是由图形软件创建的。常用的矢量图像软件有Illustrator、CorelDraw等。矢量图像用数学的向量方式来记录图形内容,图形以线条和色块为主。例如,一条线段只需要记录两个端点的坐标、线段的粗细和色彩即可。其主要特点如下:

① 矢量图像与分辨率无关,也就是说,可以将它们任意缩放,可以按任意分辨率打印,而不会丢失细节和清晰度。这意味着可以移动线条、调整线条大小或者更改线条的颜色,而不会降低图形的品质,如图1.2所示。

② 矢量图像不适合制作色调丰富、色彩变化太多的图像,无法像照片一样表现自然界的景象,适用于设计者创作与众不同的图形,或制作缩放到不同大小时也必须保持线条清晰的图形(例如徽标)。

③ 相对于位图图像来说,文件所占存储空间较小。图1.2 不同放大级别的矢量图像示例1.2.3 数字图像的主要参数(1)像素(pixel)

像素是组成图像最基本的单位。换言之,像素就是一个个的点,图片就是由无数个点构成的,点越多,图像的细节信息就越丰富,图片也就越清晰。(2)图像的分辨率

图像的分辨率指图像中存储的信息量,是每英寸图像内有多少个像素,分辨率的单位为PPI(Pixels per Inch)。图像分辨率的表达方式也为“水平像素数×垂直像素数”,不过需要注意的是,在不同的书籍中,甚至在同一本书中的不同地方,对图像分辨率的叫法不同。除图像分辨率这种叫法外,也可以叫做图像大小、图像尺寸、像素尺寸和记录分辨率。在这里,“大小”和“尺寸”一词的含义具有双重性,它们都既可以指像素的多少(数量大小),又可以指画面的尺寸(边长或面积的大小),因此很容易引起误解。由于在同一显示分辨率的情况下,分辨率越高的图像像素点越多,图像的尺寸和面积也越大,所以往往有人会用图像大小和图像尺寸来表示图像的分辨率。图像分辨率以比例关系影响着文件的大小,即文件大小与其图像分辨率的平方成正比。如果保持图像尺寸不变,将图像分辨率提高一倍,则其文件大小增大为原来的4倍。

像素和分辨率的关系:通俗的理解,可以把像素数看成是分辨率的乘积。例如,在一台数码相机上将其分辨率设置为4 572×3 168,那么它的像素大约是:4 572×3 168=14 484 096≈1 500 万像素。(3)图像深度

图像深度是指存储每个像素所用的位数,也用于量度图像的色彩分辨率。图像深度确定彩色图像的每个像素可能有的颜色数,或者确定灰度图像的每个像素可能有的灰度级数。它决定了彩色图像中可出现的最多颜色数,或灰度图像中的最大灰度等级。比如,一幅单色图8像,若每个像素有8位,则最大灰度数目为2,即256。一幅RGB彩色图像3个分量的像素位数分别为4、4 和2,则最大颜色数目为2 4+4+2 ,即1 024,就是说像素的深度为10 位,每个像素可以是1 024 种颜色中的一种。

例如,一幅画的尺寸是1024×768,深度为16,则它的数据量为1.5M。计算如下:1024× 768×16bit = (1 024×768×16)/8 字节=[(1 024×768×16)/8]/1 024 KB= {[(1 024×768× 16)/8]/1 024}/1 024 MB。1.2.4 图像处理与图像表示

图像处理(Image Processing)就是对图像信息进行加工处理和分析,以满足人的视觉需要或某种目的(如压缩编码或机器识别)。图像处理可分为3种:模拟图像处理(Analogue Image Processing)、数字图像处理(Digital Image Processing),光电结合处理(Optoelectronic Processing)。

数字图像的表示,如图 1.3 所示,图像是由像素的二维矩阵排列而成,一幅灰度图像可用二维离散亮度函数f(x,y)表示,其中x,y 说明图像像素的坐标,函数值f 代表了在点(x, y)处像素的亮度值。同样,也可用二维矩阵A[m,n]表示,其中m 和n 表示图像的宽和高,矩阵元素A[i,j]的值表示图像在第i行第j列的像素的灰度值。

对于灰度图像而言,每个像素的亮度用一个数值来表示,通常数值范围为0~255,0表示黑、255表示白,其他值表示处于黑白之间的灰度。彩色图像可以用红、绿、蓝三元组[R, G,B]的三维矩阵来表示。通常,三元组的每个数值也是在 0~255,0 表示相应的基色在该像素中为0,而255则代表相应的基色在该像素中取得最大值。如图1.4所示,用二维矩阵表示的图像块的值是:

A[1,1]=148; A[1,2]=148;...

A[2,1]=147; A[2,2]=149;...

A[6,1]=31; A[6,2]=36; ...图1.3 图像的像素表示图1.4 图像的像素值示例1.2.5 BMP位图的颜色数目

对于2色位图,1位表示一个像素颜色,所以一个字节表示8个像1素,可以表示的色彩数:2=2;对于16色位图,4位表示一个像素颜4色,所以一个字节表示2个像素,可以表示的色彩数:2=16;对于256色位图,8位表示一个像素颜色,1个字节表示1个像素,8242=256;对于真彩色图(24 位),3 个字节表示一个像素,2 =16 777 216;

例:求一幅512×512的24位BMP格式图像的存储容量是多少?

解:512 × 512 × 24 bit = 512 × 512 × 3 Byte = 768 KB(注:1KB = 1 024 Byte =1 024 × 8 bit)。1.2.6 颜色模型

颜色模型是颜色集合的数学表示。三种最常用的颜色模型是:RGB(用于计算机图形学中);YUV或YCbCr(用于视频系统中);CMYK(用于彩色打印)。为了更好地理解颜色模型,先介绍几个基本的颜色概念。

亮度(Lightness or Intensity or Luminance):亮度是光作用于人眼所引起的明亮程度的感觉,它与被观察物体的发光强度有关。主要表现光的强和弱。

色调(Hue):色调是当人眼看一种或多种波长的光时所产生的色彩感觉,它反映颜色的种类,是决定颜色的基本特征。

饱和度(Saturation):饱和度是指颜色的纯度即掺入白光的程度,表示颜色深浅的程度。

例如:“红色 + 白色 = 粉红色”饱和度下降,同时色调发生变化。需要说明的是,由于上面所提到的三种最常用的颜色模型与亮度、色度、饱和度这些概念没有直接的关系。所以又提出了其他的颜色模型,比如HSI和HSV,来简化编程和操作。(1)RGB颜色模型

最典型最常用的面向硬设备的彩色模型是 RGB 模型。电视摄像机和彩色扫描仪都是根据RGB模型工作的。RGB模型是一种与人的视觉系统结构密切相连的模型。根据人眼结构,所有颜色都可看作是三个基本颜色——红(R,red),绿(G,green)和蓝(B,blue)——的不同组合。国际照度委员会 CIE 所规定的红绿蓝这三种基本颜色的波长分别为 700nm, 546.1nm,435.8nm。由于光源的光谱是连续渐变的,没有一种颜色可以准确地叫做红、绿、蓝,因而定义三种基本波长并不表明仅由三个固定的R、G、B分量就可以组成所有颜色。

RGB模型可以建立在笛卡尔坐标系统里,其中三个轴分别为R、G、B。RGB的模型空间是个正方体,如图 1.5 所示,原点对应黑色,离原点最远的顶点对应白色,从黑到白的灰度分布值在立方体对角线上,立方体内其余各点对应不同的颜色。一般为方便起见,总将立方体归一化为单位立方体,这样所有RGB值都在区间[0,1]。由于彩色显示器采用红、绿和蓝来生成目标颜色,所以RGB颜色模型是图像处理领域最通用的选择。表1.1包含的RGB值具有100%的幅度、100%的饱和度,是8个标准的视频测试信号。图1.5 RGB颜色立方体模型表1.1 100%的RGB彩条信

但是,当处理图像时,有时候使用 RGB 颜色模型并不是很有效。例如,为了修改给定像素的亮度,必须同时从帧缓冲区中读出RGB三个分量,然后重新计算给定亮度对应的RGB值,执行相应的修改后再写回帧缓冲区。如果能够访问到直接以亮度格式存储的图像,那这个处理过程会简单很多。

RGB颜色模型的另一个缺点是:要在RGB颜色立方体中生成任何一种颜色,三个RGB分量都需要占用相同的带宽。这就使得每个 RGB 颜色分量的帧缓冲需要同样的像素深度和现实分辨率。(2)YUV颜色模型

在现代彩色电视系统中,通常采用三管彩色摄像机或彩色CCD(点耦合器件)摄像机,它把摄得的彩色图像信号,经分色、分别放大校正得到RGB,再经过矩阵变换电路得到亮度信号 Y 和两个色差信号 R-Y、B-Y, 最后发送端将亮度和色差三个信号分别进行编码,用同一信道发送出去。这就是常用的YUV颜色模型。采用YUV颜色模型的重要性是它的亮度信号Y 和色度信号U、V 是分离的。如果只有Y 信号分量而没有U、V 分量, 那么这样表示的图就是黑白灰度图。彩色电视采用YUV空间正是为了用亮度信号Y解决彩色电视机与黑白电视机的兼容问题,使黑白电视机也能接收彩色信号。根据美国国家电视制式委员会, NTSC制式的标准,当白光的亮度用Y来表示时,它和红、绿、蓝三色光之间相互转化的关系可用如下方程描述:

Y= 0.299R + 0.587G+ 0.114B

U =−0.147R − 0.289G+ 0.436B =0.492(B−Y)

V= 0.615R − 0.515G− 0.100B =0.877(R−Y)

R =Y+ 1.140V

G =Y− 0.395U− 0.581V

B =Y+ 2.032U

与YUV颜色模型类似的还有Lab颜色模型,它也是用亮度和色差来描述色彩分量,其中L为亮度、a和b分别为各色差分量。(3)CMYK颜色模型

CMYK也称作印刷色彩模式,顾名思义就是用来印刷的。CMY是3种印刷油墨名称的首字母:青色Cyan、品红色Magenta、黄色Yellow。而K取的是Black最后一个字母,之所以不取首字母,是为了避免与蓝色(Blue)混淆。从理论上来说,只需要 CMY 三种油墨就足够了,它们三个加在一起就应该得到黑色。但是由于目前制造工艺还不能造出高纯度的油墨,CMY相加的结果实际是一种暗红色。因此还需要加入一种专门的黑墨来调和。

CMYK和RGB相比有一个很大的不同:RGB模式是一种发光的色彩模式,你在一间黑暗的房间内仍然可以看见屏幕上的内容;CMYK是一种依靠反光的色彩模式,CMYK颜色模式的基础并不是增加光线,而是减去光线。我们是怎样阅读报纸的内容呢?是由阳光或灯光照射到报纸上,再反射到眼中,才看到内容。它需要外界光源,如果你在黑暗房间内是无法阅读报纸的。

除了上述三种最常用的颜色模型之外,还包括以下颜色模型。(1)HSI颜色模型

HSI颜色模型是从人的视觉系统出发,用色调(Hue)、色饱和度(Saturation或Chroma)和亮度(Intensity或Brightness)来描述色彩。

色调H由角度表示,它反映了颜色最接近什么样的光谱波长,即光的不同颜色。通常假定0°表示的颜色为红色,120°为绿色,240°为蓝色。从0°~360°的色相覆盖了所有可见光谱的彩色。饱和度S表征颜色的深浅程度,饱和度越高,颜色越深。饱和度参数是色环的原点(圆心)到彩色点的半径的长度。在环的边界上的颜色饱和度最高,其饱和度值为1,在中心的饱和度为 0。亮度 I 是指光波作用于感受器所发生的效应,其大小由物体反射系数来决定,反射系数越大,物体的亮度越大,反之越小。如果把亮度作为色环的垂线,那么HSI颜色模型可以用一个圆锥空间模型来描述。

HSI模型和RGB模型的转换:对任何三个归一化到[0,1]范围内的RGB值,其对应的HSI模型中的H,S,I分量可由式(1.1)计算。

HSI模型在许多处理中有其独特的优点:第一,在HSI模型中,亮度分量与色度是分开的,I分量与图像的彩色信息无关;第二,在HSI模型中,色调H和饱和度S的概念相互独立并与人的感知紧密相连。这些特点使得HSI模型非常适合基于人的视觉系统对彩色感知特性进行处理分析的图像算法。(2)HSV颜色模型

HSV 颜色模型中的每一种颜色都是由色相(Hue,H),饱和度(Saturation,S)和色明度(Value,V)所表示的。HSV 模型对应于圆柱坐标系中的一个圆锥形子集,圆锥的顶面对应于V=1。它包含RGB模型中的R=1,G=1,B=1 三个面,所代表的颜色较亮。色彩H由绕V 轴的旋转角给定。红色对应于角度0°,绿色对应于角度120°,蓝色对应于角度240°。在HSV颜色模型中,每一种颜色和它的补色相差180°。饱和度S取值为0~1,所以圆锥顶面的半径为1。HSV颜色模型所代表的颜色域是CIE色度图的一个子集,这个模型中饱和度为百分之百的颜色,其纯度一般小于百分之百。在圆锥的顶点(即原点)处,V=0,H 和S无定义,代表黑色。圆锥的顶面中心处S=0,V=1,H无定义,代表白色。从该点到原点代表亮度渐暗的灰色,即具有不同灰度的灰色。对于这些点,S=0,H的值无定义。可以说,HSV模型中的V轴对应于RGB颜色模型中的主对角线。在圆锥顶面的圆周上的颜色,V=1,S=1,这种颜色是纯色。HSV模型对应于画家配色的方法。画家用改变色浓和色深的方法从某种纯色获得不同色调的颜色,在一种纯色中加入白色以改变色浓,加入黑色以改变色深,同时加入不同比例的白色,黑色即可获得各种不同的色调。HSV颜色模型如图1.6所示。图1.6 HSV颜色模型

HSV模型和RGB模型的转换如式(1.2)所示:

优点及适用场合:HSV模型比HSI模型更与人类对颜色的感知接近,也称为艺术家色彩模型,它适合消除数字色彩与传统颜料色彩之间的沟通障碍。1.3 数字图像处理的应用领域

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将随之不断扩大,主要体现在以下几个方面。(1)航天和航空方面

数字图像处理技术在航天和航空方面的应用,除了JPL对月球、火星照片的处理之外,另一方面就在飞机遥感和卫星遥感应用中。许多国家每天都会派出很多侦察飞机对地球上有兴趣的地区进行空中摄影。对由此得来的照片进行处理分析,以前需要雇用几千人,而现在改用配备有高级计算机的图像处理系统来判读分析,既节省人力,又加快了速度,还可以从照片中提取人工所不能发现的大量有用情报。从20世纪60年代末以来,美国及一些国际组织发射了资源遥感卫星(如LANDSAT系列)和天空实验室(如SKYLAB),由于成像条件受飞行器位置、姿态、环境条件等影响,图像质量总不是很高。因此,采用人工的方式对大量的图像进行判读是不可行的,而必须采用数字图像处理技术。如LANDSAT系列陆地卫星,采用多波段扫描器(MSS),在900km高空对地球每一个地区以18天为一周期进行扫描成像,其图像分辨率大致相当于地面上十几米或100m左右(如1983年发射的LANDSAT-4,分辨率为 30m)。这些图像在空中先处理(数字化,编码)成数字信号存入磁带中,在卫星经过地面站上空时,再高速传送下来,然后由处理中心分析判读。这些图像无论是在成像、存储、传输过程中,还是在判读分析中,都必须采用很多数字图像处理方法。现在世界各国都在利用陆地卫星所获取的图像进行资源调查(如森林调查、海洋泥沙和渔业调查、水资源调查等),灾害检测(如病虫害检测、水火检测、环境污染检测等),资源勘察(如石油勘查、矿产量探测、大型工程地理位置勘探分析等),农业规划(如土壤营养、水份和农作物生长、产量的估算等),城市规划(如地质结构、水源及环境分析等)。中国也陆续开展了以上诸方面的一些实际应用,并获得了良好的效果。在气象预报和对太空其他星球研究方面,数字图像处理技术也发挥了相当大的作用。(2)生物医学工程方面

数字图像处理在生物医学工程方面的应用十分广泛,而且很有成效。除了CT技术之外,还有一类是对医用显微图像的处理分析,如红细胞、白细胞分类,染色体分析,癌细胞识别等。此外,在X光肺部图像增晰、超声波图像处理、心电图分析、立体定向放射治疗等医学诊断方面都广泛地应用了图像处理技术。(3)通信工程方面

当前通信的主要发展方向是声音、文字、图像和数据结合的多媒体通信。具体地讲是将电话、电视和计算机以三网合一的方式在数字通信网上传输。其中以图像通信最为复杂和困难,因图像的数据量十分巨大,如传送彩色电视信号的速率达 100Mbit/s 以上。要将这样高速率的数据实时传送出去,必须采用编码技术来压缩信息的比特量。在一定意义上讲,编码压缩是这些技术成败的关键。除了已应用较广泛的熵编码、DPCM编码、变换编码外,目前国内外正在大力开发研究新的编码方法,如分行编码、自适应网络编码、小波变换图像压缩编码等。(4)工业和工程方面

在工业和工程领域中图像处理技术有着广泛的应用,如自动装配线中检测零件的质量并对零件进行分类,印刷电路板疵病检查,弹性力学照片的应力分析,流体力学图片的阻力和升力分析,邮政信件的自动分拣,在一些有毒、放射性环境内识别工件及物体的形状和排列状态,先进的设计和制造技术中采用工业视觉等。其中值得一提的是研制具备视觉、听觉和触觉功能的智能机器人,将会给工农业生产带来新的激励,目前已在工业生产中的喷漆、焊接、装配中得到有效的利用。(5)军事公安方面

在军事方面图像处理和识别主要用于导弹的精确制导,各种侦察照片的判读,具有图像传输、存储和显示的军事自动化指挥系统,飞机、坦克和军舰模拟训练系统等;公安业务图片的判读分析,指纹识别,人脸鉴别,不完整图片的复原,以及交通监控、事故分析等。目前已投入运行的高速公路不停车自动收费系统中的车辆和车牌的自动识别都是图像处理技术成功应用的例子。(6)文化艺术方面

目前这类应用有电视画面的数字编辑,动画的制作,电子图像游戏,纺织工艺品设计,服装设计与制作,发型设计,文物资料照片的复制和修复,运动员动作分析和评分等,现在已逐渐形成一门新的艺术——计算机美术。(7)机器人视觉

机器视觉作为智能机器人的重要感觉器官,主要进行三维景物理解和识别,是目前处于研究之中的开放课题。机器视觉主要用于军事侦察、危险环境的自主机器人,邮政、医院和家庭服务的智能机器人,装配线工件识别、定位,太空机器人的自动操作等。(8)视频和多媒体系统

目前,电视制作系统广泛使用的是图像处理、变换、合成,多媒体系统中静止图像和动态图像的采集、压缩、处理、存贮和传输等。(9)科学可视化

图像处理和图形学紧密结合,形成了科学研究各个领域新型的研究工具。(10)电子商务

在当前呼声甚高的电子商务中,图像处理技术也大有可为,如身份认证、产品防伪、水印技术等。

总之,图像处理技术应用领域相当广泛,已在国家安全、经济发展、日常生活中充当越来越重要的角色,对国计民生的作用不可低估。1.4 数字图像处理的优势

数字图像处理的优势主要体现在如下几个方面。(1)再现性好

数字图像处理与模拟图像处理的本质区别在于,它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿,则数字图像处理过程始终能保持图像的再现。(2)处理精度高

按目前的技术,几乎可将一幅模拟图像数字化为任意大小的二维数组,这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高,这意味着图像的数字化精度可以达到满足任一应用需求。对计算机而言,不论数组大小,也不论每个像素的位数多少,其处理程序几乎是一样的。换言之,从原理上讲不论图像的精度有多高,处理总是能实现的,只要在处理时改变程序中的数组参数就可以了。回想一下图像的模拟处理,为了要把处理精度提高一个数量级,就要大幅度地改进处理装置,这在经济上是极不合算的。(3)适用面宽

图像可以来自多种信息源,它们可以是可见光图像,也可以是不可见的波谱图像例如X射线图像、射线图像、超声波图像或红外图像等。从图像反映的客观实体尺度看,可以小到电子显微镜图像,大到航空照片、遥感图像甚至天文望远镜图像。这些来自不同信息源的图像只要被变换为数字编码形式后,均是用二维数组表示的灰度图像(彩色图像也是由灰度图像组合成的,例如 RGB 图像由红、绿、蓝三个灰度图像组合而成)组合而成,因而均可用计算机来处理。即只要针对不同的图像信息源,采取相应的图像信息采集措施,图像的数字处理方法适用于任何一种图像。(4)灵活性高

图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分,每一部分均包含丰富的内容。由于图像的光学处理从原理上讲只能进行线性运算,这极大地限制了光学图像处理能实现的目标。而数字图像处理不仅能完成线性运算,而且能实现非线性处理,即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。1.5 数字图像处理系统的基本模块

如图1.7所示,一个基本的图像处理和分析系统可由5个模块表示,即:图像采集模块、图像显示模块、图像存储模块、图像通信模块、图像处理和分析模块。图1.7 图像处理系统的基本模块(1)图像采集模块

为采集数字图像,需要两种装置。一种是对某个电磁能量谱段(如X射线、可见光、红外线等)敏感的物理器件,它能产生与所接受到的电磁能量成正比的(模拟)电信号;另一种称为数字化器件,它能将上述电信号转化为数字形式,所有采集数字图像的设备都需要这两种装置。(2)图像显示模块

对于图像处理来说,最终的目的是要显示给人看。对于图像分析来说,分析的结果也可以借助计算机图形学技术转换为图像形式直观地显示。所以图像的显示对其处理和分析系统是非常重要的。

常用的图像显示设备是显示器,输入显示图像也可复制到照片或透明胶片上,除了显示器,还有投影仪和各种打印设备可以用于图像输出显示。(3)图像存储模块

图像包含有大量的信息因而存储图像也需要大量空间。用于数字处理和图像分析的数字存储器可分为3类。

① 处理和分析过程中使用的快速存储器。计算机内存就是一种提供快速存储功能的存储器,在图像处理中大量的运算所产生的缓存数据可以存储在里面,方便随时调用数据进行图像处理运算。

② 用于比较快速地重新调用的在线或联机存储器。

③ 不经常使用的数据库存储器。这种存储器的特点是要求非常大的容量,但对数据读取不太频繁,常用于对数字图像的保存。(4)图像通信模块

随着网络发展的进步,图像的通信传输也得到极大关注。图像传输可使不同的系统共享图像数据资源,极大地推动了图像在各个领域的应用。(5)图像处理和分析模块

对图像的处理和分析一般可用算法来描述,而大多数算法可通过软件来实现,在为了提高速度和克服通用计算机的缺陷时才应用专用的硬件实现。20世纪90年代后,各种工业标准的订立也促进了图像处理分析软件的发展,使图像处理变得更加方便快捷。1.6 数字图像处理的研究内容与发展方向

数字图像处理技术,主要研究的内容有: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。具体来说,主要研究内容如下。(1)图像变换

由于图像阵列很大,直接在空间域中进行处理,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、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,其有意义的特征包括图像中的边缘、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。

自20世纪60年代第三代数字计算机问世以来,数字图像处理技术出现了空前的发展,在该领域中需要进一步研究的问题主要有如下5个方向:

① 在进一步提高精度的同时着重解决处理速度问题。

② 加强软件研究,开发新的处理方法,特别要注意移植和借鉴其他学科的技术和研究成果,创造新的处理方法。

③ 加强边缘学科的研究工作,促进图像处理技术的发展。

④ 加强理论研究,逐步形成处理科学自身的理论体系。

⑤ 时刻注意图像处理领域的标准化问题。

未来发展动向大致可归纳为以下几点。

① 图像处理的发展将围绕 HDTV 的研制,开展实时图像处理的理论及技术研究,向着高速、高分辨率、立体化、多媒体化、智能化和标准化方向发展。

② 图像、图形相结合,朝着三维成像或多维成像的方向发展。

③ 硬件芯片研究。

④ 新理论与新算法研究。1.7 基于DSP的图像处理系统

随着计算机、多媒体和通信技术的发展使得数字图像的应用越来越广泛,图像处理速度和精度也不断提高。同时,人们对计算机图像技术应用的要求也越来越高,图像处理系统需要处理的数据量很大,这就需要设计出高速、实时的专用图像处理系统。实现图像处理的主要方式有:在通用计算机上用软件实现图像处理;在通用计算机系统中加入专用的加速处理模块;利用专用DSP芯片处理;利用通用可编程DSP芯片处理。在通用计算机上用软件实现图像处理,可以提供中等的图像处理能力,但此种方式几乎占用CPU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;在通用计算机系统中加入专用的加速处理模块,不适用于嵌入式应用;利用专用DSP芯片,系统灵活性不高,无法进行算法的升级与更新。

随着通用DSP芯片集成度、数据吞吐量、运算速度等性能的不断提高,DSP芯片不再局限于传统工业控制和音频信号等方面的应用,已被广泛地应用于 3C ( Communication , Computer,Consumer)领域。自 1952 年美国 TI 公司推出第一片通用 DSP 芯片 TMS32010以来,DSP芯片有了很大的发展。DSP芯片不仅在运算速度上有了很大的提高,而且在灵活性和通用性等方面有了极大的改进。此外,通用DSP芯片的成本、体积、重量和功耗也都有了很大程度的下降。DSP 芯片本身的结构特性和特点使其在数据处理方面比通用的 CPU 具有更大的优势,如采用哈佛结构、流水线操作、硬件乘法器和特殊的DSP指令集。DSP芯片以其自身的技术优势为实时图像处理提供了良好的核心技术支持。由于DSP易于满足图像处理中运算量大、实时性强、数据传输速率高等性能要求,因此被广泛地应用于图像处理领域。

随着DSP芯片越来越多地应用于图像处理领域,各个DSP芯片厂家也向用户提供了支持自己芯片的图像处理算法库。TI公司提供的 C6XIMGLIB 库文件包含很多图像和视频处理函数,所有函数都是对C语言进行了优化。可以完成基本的图像视频压缩和解压缩、图像分析和图像滤波等功能。用户可以借助这些子程序在对图像处理时间非常敏感的实时系统中使用C语言编写出高效的算法程序,这样可以缩短产品进入市场的时间。1.7.1 DSP芯片的特点

传统的数字图像处理系统一般是基于PC机的,由安装在PC机中的图像采集卡采集图像,而后在 PC 机上进行后端处理。随着多媒体数码产品需求的不断扩大,数字图像处理设备要求越来越小型化,借助飞速发展的可编程器件,嵌入式DSP已成为当今数字图像处理系统发展的首选平台。

DSP(数字信号处理)是一种微型处理器,它将接收到的模拟信号转化为0或1的数字信号,接着进行相应处理,最后把处理后的数据转化成模拟信号或者其他实际应用系统所需的格式。DSP最突出的两个特点就是拥有强大的数据处理能力和高速的运行速度。此外,它还具有可编程能力以及实时处理能力,它的性能远远超过一般用途的微处理器。

DSP芯片采用不同于普通单片机的体系结构,具有如下显著特点:

① 哈佛结构:通常,DSP 芯片都采用哈佛结构且具有 4 套总线,即程序数据总线、程序地址总线、数据数据总线和数据地址总线。

② 流水线技术:DSP 多采用多级流水线技术,即每条指令都划分为取指令、解码、取数据和执行等不同阶段,每条指令的不同阶段分别由芯片分配到不同的功能单元来完成,从而在没有提高时钟频率的情况下降低了每条指令的执行时间。

③ 多并行处理单元:一般说来,DSP上面集成了多个并行处理单元,如硬件乘法器MUL,累加器ACC,算术逻辑单元ALU和DMA控制器等。

④ 片内存储器:它减少了外部存储器的接口。

⑤ 低耗能:DSP的正常功耗是0.5~4W。

不断发展的现代工业技术对图像信息的采集、DSP处理和传输的要求越来越高。DSP技术使用数值计算方法进行信号采集、转化、合成以及识别等,而且它具有准确性高和稳定性高的特点。DSP强大的信号处理能力为实时图像信息处理提供了应用基础,经过十多年的快速发展,DSP已经成为了通信、计算机和消费类电子产品等的基础设备。目前DSP的功能变得越来越强大,它的应用也越来越广泛,它不仅开拓了许多新的市场,而且还逐渐占领了一些传统产品的领地。随着各领域应用的日益增加,DSP将日趋成熟和完善。1.7.2 DSP芯片选择

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精度需求、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,应用较为广泛的是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的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之中,势必使图像处理技术的应用得到进一步的扩大。1.7.3 DSP图像处理系统的优势

基于DSP的图像处理系统利用IMS320C6000这种具有强大运算能力的芯片,来满足图像处理系统中对运算速度的要求。以DSP为核心部件的图像处理系统具有以下优点:(1)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。(2)精度高-3

模拟网络中元件(R,L,C 等)精度很难达到 10 以上, 而 -516 位数字系统可以达到10 的精度,定点DSP 芯片字长16位,CALU(中央算术逻辑单元)和累加器32 位,浮点DSP 芯片字长32 位,累加器40 位。(3)可靠性强

DSP系统以数字处理为基础,受环境温度以及噪声的影响较小,稳定性好。同时,由于DSP系统采用了大规模集成电路,其故障率也远比采用分立元件构成的模拟系统的故障率低。(4)集成度高

DSP 系统中的数字部件有高度的规范性,便于大规模集成和生产。在 DSP 系统中,由于 DSP 芯片、CPLD、FPGA 等都是高集成度的产品,加上采用表面贴装技术,体积得以大幅度压缩。(5)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得多。(6)灵活性好

模拟系统的性能受元器件参数性能变化大,而数字系统基本不受影响,因此数字系统便于测试、调试和大规模生产。(7)保密性好

DSP系统隐蔽内部总线地址变化,做成ASIC,保密性能几乎无懈可击。(8)时分复用

可使用一套 DSP 系统分时处理几个通道的信号,这与每一路都必须花费一套硬件的模拟系统比起来,可以大大降低成本。1.7.4 DSP的发展趋势与前景

DSP 在其发展道路上不断满足人们日益提高的应用要求,正在逐渐朝向个性化和低功耗的方向发展,因此,DSP发展的前景是非常乐观的。(1)系统级集成DSP是潮流

缩小DSP 芯片尺寸始终是DSP 技术的发展方向。当前的DSP 多数基于RISC(精简指令集计算)结构,这种结构的优点是尺寸小、功耗低、性能高。各DSP制造商纷纷采用新工艺,改进DSP芯核,并将几个DSP芯核、MPU芯核、专用处理单元、外围电路单元、存储单元集成在一个芯片上,成为DSP 系统级集成电路。(2)可编程DSP 是主导产品

可编程DSP 给生产厂商提供了很大的灵活性,生产厂商可在同一个DSP 平台上开发出各种不同型号的系列产品,以满足不同用户的需求,同时,可编程 DSP 也为广大用户提供了易于升级的良好途径。(3)定点DSP 是主流

从理论上讲,虽然浮点 DSP 的动态范围比定点 DSP 大,且更适合 DSP 的应用场合,但定点运算的 DSP 器件成本较低,对存储器的要求也较低,而且耗电量小。因此,定点运算的可编程DSP 器件仍是市场上的主流产品。据统计,目前销售的DSP 器件中的绝大多数属于16 位定点可编程DSP 器件,预计今后的比重将逐渐增大。(4)追求更高的运算速度

目前,一般的DSP 运算速度为100MIPS,即每秒钟可运算一亿条指令。由于电子设备的个性化和客户化趋势,DSP必须追求更高更快的运算速度才能跟上电子设备的更新步伐。DSP运算速度的提高,主要依靠新工艺改进芯片结构。当前DSP器件大都采用0.5~0.35μmCMOS工艺,按照CMOS的发展趋势,DSP的运算速度再提高100倍(达到1600GIPS)是完全有可能的。习题

1.简述常用的颜色模型。

2.简述数字图像处理的主要应用领域。

3.简述数字图像处理的主要优势。

4.简述数字图像处理的主要研究内容。

5.简述DSP数字图像处理的主要优势。

试读结束[说明:试读内容隐藏了图片]

下载完整电子书


相关推荐

最新文章


© 2020 txtepub下载