3.2软体架构DevC++Matlab1、影像原理4.1概念解释数位影像.doc

3.2 軟體架構 Dev C++ Matlab 讀取影像 判斷第四位數數 影像二值化 判斷第三位數數 判斷第二位數數 判斷第一位數數 數字呈現 影像原理 概念解釋 數位影像： 數位影像是由被稱作像素的小塊區域組成的N維陣列，因此利用陣列的索引值來描述影像裡的某個像素，是最自然不過的事。常見的影像格式有二元影像、灰階影像、RGB影像以及索引影像。 影像陣列 二元影像： 二元影像(binary image)只有黑色與白色，所以每一個像素只需一個bit便能儲存它，因此它可節省大量的儲存空間。二元影像多半是用來儲存掃描的圖檔，或者是指紋等只需用二個顏色來表示的影像。 灰階影像： 對灰階影像(grayscale image)而言，每一個像素皆是介於黑到白之間的顏色，也就是灰色，故稱為灰階。灰階影像也稱為強度影像(intensity image)，因為灰階的表現就有如光源的強度，光源越強，則被照射的物體就越亮，反之則越暗。 灰階影像通常以8-bit的整數(uint8)來儲存，因此它可以表示256個灰階0~255。灰階值愈大則顏色愈白，反之則愈黑，所以255代表全白，而0則代表全黑。如果灰階影像是以double型態的陣列來儲存的話，則1是全白，0是全黑。 RGB影像： 如果影像是彩色的，那麼每一個像素則是由紅、綠與藍三個顏色所組成。如果紅、綠與藍每一個顏色的值都是從0~255(也就是8個bits)，則一張RGB影像就可以顯示2563=16,777,216種顏色。 RGB影像的資料結構是一個三維的陣列，若RGB影像大小為M*N個像素，則必須以M*N*3個陣列元素來存放它，其中第一頁存放所有像素之紅色的值，第二頁存放綠色的值，第三頁則是存放藍色的值。 黃色(255,255,0)綠色(0,255,0)青色(0,255,255)紅色(255,0,0)藍色(0,0,255)紅色(255,0,0)品紅色(255,0,255) 索引影像： 雖然RGB影像可提供2563=16,777,216種顏色，但對大多數的彩色影像而言，它們都只會用到這些顏色裡的少部分色彩，因此有時基於節省儲存空間的考量，則會採用索引影像(indexed image)來儲放它。索引影像分成影像的索引陣列和顏色對應陣列(也就是顏色對應表)。 若索引陣列的型態為uint8或uint16，則元素值為k的像素，其顏色就從顏色對應表裡的第k+1列來找尋。如果索引陣列的型態為double，則元素值為k的像素，其顏色就從顏色對應表裡的第k列來找尋，且小於1的元素值皆採用第一列的元素；大於顏色對應表之列數的元素，則以對應表哩，最後一列所記載的顏色來顯示。 4.2 影像處理之設計概念 基於灰階影像的樣板比對設計： 樣板比對是指用一個較小的影像，即樣板與原圖片進行比對，以確定在原圖片中是否存在與該樣板相同或相似的區域。若該區域存在，便可確定其位置並提取該區域。 設f(x,y)為M×N的原圖片，t(j,k)為J×K(J＜M,K＜N)的樣版圖像,則誤差平方和測度定義為: 由上式展開可得: 令 DS(x,y)稱為原圖像中與樣板對應區域的能量，它與像素位置（x,y）有關。隨著像素位置（x,y）的變化，DS(x,y)變化緩慢。DST(x,y)樣板與原圖像對應區域的互相關，它隨像素位置（x,y）的變化而變化，當樣板t(j,k)和原圖像中對應區域相匹配時取最大值。DT(x,y)稱為樣板的能量，它與圖像像素位置(x,y)無關，只用一次計算便可。顯然，計算誤差平方和測度可以減少計算量。 基於上述分析，若設DS(x,y)也為常數，則用DST(x,y)便可進行影像比對，當DST(x,y)取最大值時，便可認為樣板與圖像是匹配的。但假設DS(x,y)為常數會產生誤差，嚴重時將無法進行比對，因此可用歸一化互相關作為誤差平方和測度，其定義為： 下圖給出了樣板比對時的示意圖，其中假設原圖像f(x,y)和樣板圖像t(k,l)的原點都在左上角。對任何一個f(x,y)中的(x,y),根據上式都可以算得一個R(x,y).當x和y變化時，t(j,k)在原圖像區域中移動並得出R(x,y)所有值。R(x,y)的最大值指出了與t(j,k)匹配的最佳位置，若從該位置開始在原圖像中取出與樣板大小相同的一個區域，便可得到匹配圖像。 設計方式 5.1 硬體設計 MPLAB C30 利用此套模組用I2C連接OV9650 CAMERA 模組，將影像由OV9650 CAMERA 模組傳到單晶片中做影像處理。 5.2 軟體設計 Matlab  eq \o\ac(○,1)影像比對相關函數 corr2函數 格式：r=corr2(A,B) 說明：corr2函數計算圖像矩陣A與B的相關係數，矩陣A與B大小相同，均為m*n。計算公