中期j检查概述.pptx

基于DM3730的红外热图像处理技术研究;论文进度、阶段成果 存在的主要问题、下一步打算、预计完成日期; 论文进度、阶段成果;边缘检测算法部分;通过调整阈值参数，由传统边缘检测算法处理的红外热图像结果图如下： ;2、研究了数学形态学,并结合Sobel算子对红外图像进行了边缘检测。 数学形态学是一门建立在严格数学集合论基础上的学科，是一种非线性滤波方法。它是以形态结构元素为基础对图像进行分析的数学工具，其基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以实现对图像的分析和识别。 数学形态学中有四种基本运算：膨胀运算、腐蚀运算、开运算和闭运算。;腐蚀运算定义如下： 膨胀运算定义如下： 其中，A(x,y)表示的是灰度图像，B(s,t)表示的是结构元素。 腐蚀运算可以减弱甚至消除小于结构元素的明亮区域，从而可以有效地去除孤立噪声点和边界上不平滑的凸出部分。膨胀运算是将与目标物体接触的所有背景点合并到物体中的过程，可填补空洞和形成连通域以及填平图像边界上不平滑的凹陷部分。 ;开运算定义如下： 闭运算定义如下： 式中，Θ用来描述的是腐蚀运算，⊕用来描述的是膨胀运算。 开运算是先对图像进行腐蚀运算再对图像进行膨胀运算，能去除图像中的孤立区域和毛刺，利用它可以消除形状小于结构元素的正峰值。闭运算先对图像进行膨胀运算再对图像进行腐蚀运算，主要用来对物体内部细小空洞进行填充，连接邻近物体和平滑物体的边界。 ;数学形态学中，结构元素是形态学图像处理中一个最重要也是最基本的概念。它是考察分析图像时设计一种收集图像信息的探针，观察在图像中不断移动的探针便可以考察图像中各个部分的关系，从而提取图像中的有用信息。 一般来讲，结构元素的尺寸大小和结构形状都会影响图像边缘检测效果。小尺寸的结构元素去噪能力弱，但能检测到好的边缘细节，大尺寸的结构元素去噪能力强，但所检测的边缘较粗。因此，不同形状的结构元素对不同图像边缘的感应能力不同。;通常结构元素的选择需要考虑两个原则：一是结构元素必须在几何上比原图像简单，且有界；二是结构元素的形态最好具有某种凸性，如圆形、十字形和方形（如下图）： （a）圆形 （b）方形 （c）十字形;Sobel算子是一个梯度算子，其中，sobel水平方向和竖直方向的卷积算子分别为： fx ： fy ： Sobel算子的梯度幅值为 ，为计算简便，可近似为 ，然后选取取适当阈值τ并进行判断，如果G(x,y)τ,则点(x,y)的值为边缘点，否则为0，所得边缘点的几何即为边缘提取的二值化图像。 ;在实验中采用了双结构多尺度形态学边缘检测算子对红外图像进行边缘检测，其数学定义如下： 式中，A为5*5的圆形结构元素，B为3*3的方形结构元素，I表示的是红外图像。其中，A为大尺度的结构元素，能够有效去除噪声；B为小尺度的结构元素，可以很好地提取图像的边缘细节信息。 A = B =;应用数学形态学并结合Sobel算子对红外热图像进行边缘检测的流程图如下所示： ;这里采用对大小为320×240的红外图像进行边缘检测，并将该方法与经典的常用算法进行了比较，实验中选取了二值化阈值为δ=0.05。其图像处理结果如下：;从图像处理结果中，可以看出应用数学形态结合Sobel算子的方法得到的边缘图像包含了更多的边缘细节，但处理结果仍然不太理想，边缘粗糙。;DM3730开发平台实现部分;学习了利用Codec Engine框架自带的VISA模块进行程序协同开发的过程。 ARM端应用程序的主体框架包括： 1、申请供图像数据存储的共享缓冲区内存Memory_ContigAlloc()； 2、打开codec引擎Engine_open()； 3、创建SCALE类算法的一个例程SCALE_create()； 4、完成BMP格式图像数据及LCD显示屏的初始化； 5、执行SCALE类算法例程中的处理方法SCALE_process()，该函数会调用在DSP端编写的算法程序； 6、调用显示函数bmp_show()，将经过DSP端算法程序处理的图像数据在LCD显示屏上输出显示； 7、调用SCALE_delete()函数删除SCALE类算法例程； 8、调用Engine_close()函数关闭codec引擎； 9、调用Memory_ContigFree()函数释放所分配的内存缓冲区。 ;通过对ARM端主体框架的学习，实现了在DM3730平台上红外图像的读入显示；同时，实现了利用SCALE类算法例程中的处理方法SCALE_process()对图片进行处理并显示的功能。 在Linux系统中，用于图