段子-搬运工
范文一：图像处理应用
数字图像处理技术的应用
数字图像处理是一项利用计算机对图形和图像信息进行处理的技术，此项技术实现了图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理技术可以提高图像的视感质量、提取图像中所包含的某些特征或特殊信息，有效地改善成像质量，还可以实现对图像数据的变换、编码、压缩等操作，为图像的存储与传输提供便利。为了实现这些功能，数字图像处理有着多种方法，主要包括图像变换、图像编码压缩、图像增强和复原、图像分割、图像分类等几种。其中图像增强处理技术作为数字图像处理技术的一个重要分支，在图像分析及处理领域有着非常广泛的应用。
图像增强是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。
图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类。基于空域的算法处理时直接对图像灰度级做运算，基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法。基于空域的算法分为点运算算法和邻域去噪算法。点运算算法即灰度级校正、灰度变换和直方图修正等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。邻域增强算法分为图像平滑和锐化两种。平滑一般用于消除图像噪声，但是也容易引起边缘的模糊。常用算法有均值滤波、中值滤波。锐化的目的在于突出物体的边缘轮廓，便于目标识别。常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等。
图像增强技术在过去40多年的时间里，发展迅速，已逐步涉及人类生活和社会生产的各个方面。
1.航空航天领域的应用
- 1 -
早在60年代初期，第3代计算机的研制成功和快速傅里叶变换的提出，使图像增强技术可以在计算机上实现。1964美国喷气推进实验室(JPL)的科研人员使用IBM7094计算机以及其它设备，采用集合校正、灰度变换、去噪声、傅里叶变换以及二维线性滤波等方法对航天探测器"徘徊者7号"发回的几千张月球照片成功的进行了处理。随后他们又对"徘徊者8号"和"水手号"发回地球的几万张照片进行了较为复杂地数字图像处理，使图像质量得到进一步的提高，从此图像增强技术进入了航空航天邻域的研究与应用。同时图像增强技术的发展也推动了硬件设备的提高，比如1983年LANDSAT-4的分辨率为30m，而如今发射的卫星分辨率可达到3-5m的范围内。图像采集设备性能的提高，使采集图像的质量和数据的准确性和清晰度得到了极大地提高。 2.生物医学领域的应用
图像增强技术在生物医学方面的应用有两类，其中一类是对生物医学的显微光学图像进行处理和分析，比如对红细胞、白细胞、细菌、虫卵的分类计数以及染色体的分析;另一类应用是对X射线图像的处理，其中最为成功的是计算机断层成像，可增强X射线所拍摄的患者脑部、胸部图像确定病症的准确位置。1973年英国的EMI公司在制造出第一台X射线断层成像装置。由于人体的某些组织，比如心脏、乳腺等软组织对X射线的衰减变化不大，导致图像灵敏度不强。由此图像增强技术在生物医学图像中得到广泛的应用。
3.工业生产领域的应用
图像增强在工业生产的自动化设计和产品质量检验中得到广泛应用，比如机械零部件的检查和识别、印刷电路板的检查、食品包装出厂前的质量检查、工件尺寸测量、集成芯片内部电路的检测等等。在工业自动控制中，主要使用机器视频系统对生产过程进行监视和控制，如港口的监测调度、交通管理、流水生产线的自动控制等。此外计算机视觉也可以应用到工业生产中，将摄像机拍摄图片经过增强处理、
- 2 -
数据编码、压缩送入机器人中，通过一系列的控制和转换可以确定目标的位置、方向、属性以及其它状态等，最终实现机器人按照人的意志完成特殊的任务。
4.公共安全领域的应用
在社会安全管理方面，图像增强技术的应用也十分广泛，如无损安全检查、指纹、虹膜、掌纹、人脸等生物特征的增强处理等等。图像增强处理也应用到交通监控中，通过电视跟踪技术锁定目标位置，比如对有雾图像、夜视红外图像、交通事故的分析等。 5.军事公安方面的应用
在军事方面图像增强技术主要用于导弹的精确末制导，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增强技术成功应用的例子。
6.遥感领域的应用
航空遥感和卫星遥感图像需要用数字技术加工处理，并提取有用的信息。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)。在气象预报和对太空其它星球研究方面，数字图像增强处理技术也发挥了相当大的作用。
7.通讯领域的应用
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
- 3 -
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。
8.交通领域的应用
在交通领域的应用中，利用图像增强技术可增强阴天、大雾等恶劣天气下的图像，加强对车牌、路标等重要信息进行识别。 9.文化艺术方面的应用
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等，现在已逐渐形成一门新的艺术--计算机美术。
10.电子商务领域的应用
在当前呼声甚高的电子商务中,图像增强处理技术也大有可为,如身份认证、产品防伪、水印技术等。
11.视频和多媒体系统的应用
目前,电视制作系统广泛使用的图像处理、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、存贮和传输等都与数字图像处理技术息息相关。
总之，自20世纪60年代第三代数字计算机问世以后,数字图像处理技术出现了空前的发展。随着科学技术的发展，数字图像处理显得越来越重要，它正在向处理算法更优化、处理速度更快、处理后的图像清晰度更高的方向发展，实现图像的智能生成、处理、识别和理解是数字图像处理的最终目标。小至个人的生活、工作，大到宇宙探测
- 4 -
和遥感技术的应用，数字图像处理技术是其他任何技术都无法替代的，它将独立占有一席天地，所以我们任重而道远，努力去探究这门技术，让它发挥得更加淋漓尽致，让数字图像处理技术更好的服务生活。
- 5 -
范文二：图像处理的应用
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到人类生活和工作的方方面面。计算机图像处理和计算机、多媒体、智能机器人、专家系统等技术的发展密切相关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。
1、 太空探索，遥感航天应用
（1）、处理大量的星体照片，多光谱卫星图像分析
（2）、飞机遥感和卫星遥感
（3）、气象预报和对太空其它星球研究
（4）、地形、地图、国土普查
（5）、地质、矿藏勘测
（6）、森林资源探查、分类、防火
（7）、海洋、渔业鱼群的监测预报
（8）、水利资源探查，洪水泛滥监测
（9）、谷物估产、病虫害调查、自然灾害、环境污染的监测
（10）、交通、空中管理、铁路选线
2、生物医学工程方面
（1）、医用显微图像的处理分析
（2）、红细胞、白细胞分类，染色体分析，癌细胞识别
（3）、虫卵组织切片的分析
（4）、DSA （心血管数字减影）及其他减影技术
（5）、内脏大小形状及异常检查
（6）、微循环的分析判断
（7）、心脏活动的动态分析
（8）、热像分析、红外像分析
（9）、X 光照片增强、冻结及伪彩色增强
（10）、超声图像成像、冻结、增强及伪彩色处理
（11）、CT ，MRI ，γ射线照相机，正电子和质子CT 的应用
（12）、专家系统如手术PLANNING 规划的应用
（13）、生物进化的图像分析
3、通信工程方面
（1）、图像传输、电视电话、电视会议
（2）、图像压缩、编码压缩
（3）、文字、图像电视广播
4、工业和工程方面
（1）、CAD 和CAM 技术用于模具、零件制造、服装、印染业
（2）、零件、产品无损检测，焊缝及内部缺陷检查
（3）、流水线零件自动检测识别
（4）、邮件自动分拣、包裹分拣识别
（5）、印制板质量、缺陷的检查
（6）、生产过程的监控
（7）、交通管制、机场监控
（8）、纺织物花型、图案设计
（9）、密封元器件内部质量检查
（10）、光弹性场分析
（11）、标识、符号识别如超市算账、火车皮识别
（12）、支票、签名、文件识别及辨伪
（13）、运动车、船的视觉反馈控制
5、军事公安方面
（1）、巡航导弹地形识别
（2）、指纹自动识别
（3）、罪犯脸型的合成
（4）、雷达地形侦查
（5）、遥控飞行器的引导
（6）、目标的识别与制导
（7）、警戒系统及自动火炮控制
（8）、反伪装侦查
（9）、手迹、人像、印章的鉴定识别
（10）、过期档案文字的复原
（11）、集装箱的不开箱检查
6、文化艺术方面
（1）、电视画面的数字编辑
（2）、动画的制作，电子图像游戏
（3）、纺织工艺品设计，服装设计与制作，发型设计
（4）、文物资料照片的复制和修复
（5）、运动员动作分析和评分
7、机器人视觉
（1）、机器人三维景物理解和识别
（2）、自主机器人军事侦察、危险环境
（3）、邮政、医院和家庭服务的智能机器人
（4）、装配线工件识别、定位智能机器人
（5）、太空机器人
8、视频和多媒体系统
（1）、电视制作系统广泛使用的图像处理、变换、合成
（2）、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
9、科学可视化
（1）、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
（1）、身份认证
（2）、产品防伪
（3）、水印技术
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。
研究方向
自20世纪60年代第三代数字计算机问世以后，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五个方向：
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。
范文三：图像处理的应用
摘要:
数字图像处理技术是20世纪60年代发展起来的一门新兴学科，随着图像处理理论和方法的进一步完善，使得数字图像处理技术在各个领域得到了广泛应用，并显示出广阔的应用前景。MATLAB既是一种直观、高效的计算机语言,同时又是一个科学计算平台。它为数据分析和数据可视化、算法和应用程序开发提供了最核心的数学和高级图形工具。根据它提供的500多个数学和工程函数，工程技术人员和科学工作者可以在它的集成环境中交互或编程以完成各自的计算。MATLAB中集成了功能强大的图像处理工具箱。由于MATLAB语言的语法特征与C语言极为相似，而且更加简单，更加符合科技人员对数学表达式的书写格式，而且这种语言可移植性好、可扩展性强，再加上其中有丰富的图像处理函数，所以MATLAB在图像处理的应用中具有很大的优势。
本文主要分析研究两大问题。第一，在使用大小为3*3，标差分别为0.5，1.5，2.5的情况下用二维高斯低通滤波器对灰度图像进行滤波处理;进而推广到对真彩色图像以及伪彩色图像。第二，灰度图像的边缘检测，主要包括:Roberts 边缘算子、Prewitt 边缘算子、Sobel 边缘算子、zero-cross边缘算子，Laplacian 算子和canny算子等对图像及噪声图像的边缘检测,根据实验处理结果讨论了几种检测方法的优劣。
关键字:MATLAB，数字图像处理，边缘检测，图像滤波，高斯低通。
第一部分:图像滤波器
一、 课程设计目的
首先在使用大小为3*3，标差分别为0.5，1.5，2.5的情况下用二维高斯低通滤波器对灰度图像进行滤波处理;进而推广到对真彩色图像以及伪彩色图像的处理。同时实现当输入原始图像时，自动显示滤波后图像的功能。
通过本试验我们应该学好综合运用MATLAB图像处理工具箱实现图像处理的程序设计的方法。学习图像滤波器的设计方法，进一步加深对所学知识的理解和掌握。 二、 课程设计要求
1)熟悉和掌握MATLAB 程序设计方法
2)掌握MATLAB GUI 程序设计
3)学习和熟悉MATLAB图像处理工具箱
4)学会运用MATLAB工具箱对图像进行处理和分析
5)学习图像滤波器的设计方法及使用
三、 课程设计的内容
学习MATLAB的程序设计，利用MATLAB图像处理工具箱，设计和实现所需的功能。要求:按照matlab图像处理工具箱中函数的功能，进行程序的设计，给出设计详细说明。然后按照自己拟定的功能要求进行程序设计和调试。
图像滤波功能的实现:首先在使用大小为3*3，标差分别为0.5，1.5，2.5的情况下用二维高斯低通滤波器对灰度图像进行滤波处理;在同一幅图上显示原始图像以及经过滤波后的图像，进行观察和比较。与此同时，该滤波器也需满足对真彩色和伪彩色图像的处理，最后要实现当输入原始图像时，自动显示滤波后图像的功能。
以下几点是程序必须实现的功能。
1)图像的读取和显示。
2)当输入灰度图像时，在一副图上显示原始图像以及标差为0.5，标差为1.5，标差为
2.5的经过滤波后的四幅图像(模板大小为3*3)。
3)当输入真彩色图像时，同样在一副图上显示有原始图像，标差为0.5，标差为1.5，标差为2.5的经过滤波后的共四幅图像(模板大小为3*3)。
4)当输入伪彩色图像时，同样在一副图上显示有原始图像，标差为0.5，标差为1.5，标差为2.5的经过滤波后的共四幅图像(模板大小为3*3)。
5)当输入灰度，真彩色，伪彩色图像时自动显示经过滤波后的图像。
6)函数的调用。
四 基本原理和方法
1 引言
一幅原始图像在获取和传输过程中会受到各种噪声的干扰，使图像质量下降，对分析图像不利。反映到图像画面上，主要有两种典型的噪声。一种是幅值基本相同，但出现的位置随机的椒盐噪声，另一种则每一点都存在，但幅值随机分布的随机噪声。为了抑制噪声、改善图像质量，要对图像进行平滑处理。图像平滑处理的方法多种多样，有邻域平均、中值滤波，高斯滤波、灰度最小方差的均值滤波等。这里主要就是分析高斯滤波器的平滑效果。以下即为本课题研究的主要内容及要求:
第一，打开显示对应图像;
第二，编写给图像加噪声的程序;
第三，程序中实现不同平滑尺度、不同模板大小的高斯模板设计，并将设计结果显示出来;
第四，以Lena图像为例，进行加噪声，分析平滑的实验效果。
2 高斯平滑滤波器的原理
高斯滤波器是根据高斯函数的形状来选择权值的线性平滑滤波器。高斯平滑滤波器对去除服从正态分布的噪声是很有效果的。一维零均值高斯函数为 。其中，高斯分布参数 决定了高斯滤波器的宽度。对图像来说，常用二维零均值离散高斯函数作平滑滤波器，函数表达式如下:
式(1)
高斯函数具有5个重要性质:
(1)二维高斯函数具有旋转对称性，即滤波器在各个方向上的平滑程度是相同的。一般来说一幅图像的边缘方向是不知道的。因此，在滤波之前是无法确定一个方向比另一个方向上要更多的平滑的。旋转对称性意味着高斯滤波器在后续的图像处理中不会偏向任一方向。
(2)高斯函数是单值函数。这表明，高斯滤波器用像素邻域的加权均值来代替该点的像素值，而每一邻域像素点的权值是随着该点与中心点距离单调递减的。这一性质是很重要的，因为边缘是一种图像局部特征。如果平滑运算对离算子中心很远的像素点仍然有很大的作用，则平滑运算会使图像失真。
(3)高斯函数的傅立叶变换频谱是单瓣的。这一性质是高斯函数傅立叶变换等于高斯函数本身这一事实的直接推论。图像常被不希望的高频信号所污染，而所希望的图像特征，既含有低频分量，又含有高频分量。高斯函数傅立叶变换的单瓣意味着平滑图像不会被不需要的高频信号所污染，同时保留了大部分所需要的信号。
(4)高斯滤波器的宽度(决定着平滑程度)是由参数σ表证的，而且σ和平滑程度的关系是非常简单的。σ越大，高斯滤波器的频带就越宽，平滑程度就越好。通过调节平滑程度参
数σ，可在图像特征分量模糊(过平滑)与平滑图像中由于噪声和细纹理所引起的过多的不希望突变量(欠平滑)之间取得折衷。
(5)由于高斯函数的可分离性，大高斯滤波器可以有效实现。通过二维高斯函数的卷积可以分两步来进行，首先将图像与一维高斯函数进行卷积，然后将卷积的结果与方向垂直的相同一维高斯函数进行卷积。因此，二维高斯滤波的计算量随滤波模板宽度成线性增长而不是成平方增长。这些性质使得它在早期的图像处理中特别有用，表明高斯平滑滤波器无论在空间域还是在频率域都是十分有效的低通滤波器。
高斯函数的可分离性很容易表示:
式(2)
式(3)
式(4)
结果:
第二部分 灰度图像的边缘检测
图像的边缘是图像的重要特征之一, 数字图像的边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域十分重要的基础, 其目的是精确定位边缘, 同时较好地抑制噪声, 因此边缘检测是机器视觉系统中必不可少的重要环节。然而, 由于实际图像中的边缘是多种边缘类型的组合, 再加上外界环境噪声的干扰, 边缘检测又是数字图像处理中的一个难题。
一?课程设计目的
二?课程设计要求
三?课程设计的内容
四(灰度图像边缘检测的原理和方法
1.边缘的概念
边缘(edge)是指图像局部强度变化最显著的部分(边缘主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间，是图像分割、纹理特征和形状特征等图像分析的重要基础(图像分析和理解的第一步常常是边缘检测(edge detection)(由于边缘检测十分重要，因此成为机器视觉研究领域最活跃的课题之一(本章主要讨论边缘检测和定位的基本概念，并使用几种常用的边缘检测器来说明边缘检测的基本问题(
在讨论边缘算子之前，首先给出一些术语的定义:
边缘点:图像中具有坐标且处在强度显著变化的位置上的点( [i,j]
, 边缘段:对应于边缘点坐标及其方位，边缘的方位可能是梯度角( [i,j]
边缘检测器:从图像中抽取边缘(边缘点和边缘段)集合的算法(
轮廓:边缘列表，或是一条表示边缘列表的拟合曲线(
边缘连接:从无序边缘表形成有序边缘表的过程(习惯上边缘的表示采用顺时针方向序(
边缘跟踪:一个用来确定轮廊的图像(指滤波后的图像)搜索过程(
边缘点的坐标可以是边缘位置像素点的行、列整数标号，也可以在子像素分辨率水平上表示(边缘坐标可以在原始图像坐标系上表示，但大多数情况下是在边缘检测滤波器的输出图像的坐标系上表示，因为滤波过程可能导致图像坐标平移或缩放(边缘段可以用像素点尺寸大小的小线段定义，或用具有方位属性的一个点定义(请注意，在实际中，边缘点和边缘段都被称为边缘(
边缘连接和边缘跟踪之间的区别在于:边缘连接是把边缘检测器产生的无序边缘集作为输入，输出一个有序边缘集;边缘跟踪则是将一幅图像作为输入，输出一个有序边缘集(另外，边缘检测使用局部信息来决定边缘，而边缘跟踪使用整个图像信息来决定一个像素点是不是边缘(
2.边缘检测
边缘检测是图像特征提取的重要技术之一, 边缘常常意味着一个区域的终结和另一个区域的开始. 图像的边缘包含了物体形状的重要信息,它不仅在分析图像时大幅度地减少了要处理的信息量,而且还保护了目标的边界结构. 因此,边缘检测可以看做是处理许多复杂问题的关键.
对于边缘的检测常常借助于空域微分算子进行,通过将其模板与图像卷积完成. 两个具有不同灰度值的相邻区域之间总存在灰度边缘. 灰度边缘是灰度值不连续(或突变) 的结果,这种不连续常可利用求一阶和二阶导数方便地检测到. 已有的局部技术边缘检测方法,主要有一次微分(Sobel 算子、Robert s 算子等) 、二次微分(拉普拉斯算子等). 这些边缘检测器对边缘灰度值过渡比较尖锐且噪声较小等不太复杂的图像,大多数提取算法均可以取得较好的效果 . 但对于边缘复杂、采光不均匀的图像来说,则效果不太理想. 主要表现为边缘模糊、边缘非单像素宽、弱边缘丢失和整体边缘的不连续等方面.
用算子检测图像边缘的方法是用小区域模板对图像进行处理,即采用卷积核作为掩模模板在图像中依次移动,完成图像中每个像素点同模板的卷积运算,最终输出的边缘幅度结果可以检测出图像的边缘. 卷积运算是一种邻域运算. 图像处理认为:某一点像素的结果不但和本像素灰度有关,而且和其邻域点值有关. 运用模板在图像上依此对每一个像素进行卷积, 即模板上每一个点的值与其在图像上当前位置对应的像素点值相乘后再相加,得出的值就是该点处理后的新值.
边缘检测算法有如下四个步骤:
滤波:边缘检测算法主要是基于图像强度的一阶和二阶导数，但导数的计算对噪声很敏感，因此必须使用滤波器来改善与噪声有关的边缘检测器的性能(需要指出，大多数滤波器在降低噪声的同时也导致了边缘强度的损失，因此，增强边缘和降低噪声之间需要折衷(
增强:增强边缘的基础是确定图像各点邻域强度的变化值(增强算法可以将邻域(或局部)强度值有显著变化的点突显出来(边缘增强一般是通过计算梯度幅值来完成的(
检测:在图像中有许多点的梯度幅值比较大，而这些点在特定的应用领域中并不都是边
缘，所以应该用某种方法来确定哪些点是边缘点(最简单的边缘检测判据是梯度幅值阈值判据(
定位:如果某一应用场合要求确定边缘位置，则边缘的位置可在子像素分辨率上来估计，边缘的方位也可以被估计出来(
在边缘检测算法中，前三个步骤用得十分普遍。这是因为大多数场合下，仅仅需要边缘检测器指出边缘出现在图像某一像素点的附近，而没有必要指出边缘的精确位置或方向(边缘检测误差通常是指边缘误分类误差，即把假边缘判别成边缘而保留，而把真边缘判别成假边缘而去掉(边缘估计误差是用概率统计模型来描述边缘的位置和方向误差的(我们将边缘检测误差和边缘估计误差区分开，是因为它们的计算方法完全不同，其误差模型也完全不同(
这里讨论常用的几种边缘检测器(
3. 几种经典边缘检测算子的原理
3.1 . Roberts算子
Roberts算子是一种斜向偏差分的梯度计算方法, 梯度的大小代表边缘的强度, 梯度的方向与边缘走向垂直。该算子定位精度高, 但容易丢失部分边缘。因为没进行平滑处理, 不具有抑制噪声的能力。用该算子处理边缘陡峭度高且噪声小的图像效果较佳。
Roberts交叉算子为梯度幅值计算提供了一种简单的近似方法:
G[i,j],f[i,j],f[i，1,j，1]，f[i，1,j],f[i,j，1] (1(1) 用卷积模板，上式变成:
G[i,j],G，G (1(2) xy
G其中G和由下面的模板计算: yx
01,10G,G, (1(3) xy01,10
22， 同前面的梯度算子一样，差分值将在内插点处计算(Roberts[/,/]ij，，1212
[,]ij算子是该点连续梯度的近似值，而不是所预期的点处的近似值(
3.2 .Sobel算子和 Prewitt算子
Sobel 算子和P rew it t 算子都是一阶的微分算子,都是先对图像进行平滑处理, 虽然两者都是加权平均滤波, 但是前者邻域的像素对当前像素产生的影响不是等价的, 距离不同的像素具有不同的权值, 对算子结果产生的影响也不同。这两种算子对噪声都有一定的抑制作用, 但不能完全排除检测结果中出现虚假边缘的情况。这两者对灰度渐变低噪声的图像有较好的检测效果, 但是对于混合多复杂噪声的图像处理效果就不理想了。
正如前面所讲，采用邻域可以避免在像素之间内插点上计算梯度(考虑一下上图3，3
[,]ij中所示的点周围点的排列(Sobel算子也是一种梯度幅值，
22Mss,， (1(4) xy
其中的偏导数用下式计算:
s,(a，ca，a),(a，ca，a)x234076 (1(5) s,(a，ca，a),(a，ca，a)y012654
其中常数 c,2
s和其他的梯度算子一样，和可用卷积模板来实现: syx
,101121
ss,,202,000 xy
,101,1,2,1
图1(1 请注意这一算子把重点放在接近于模板中心的像素点(Sobel算子是边缘检测器中最常用的
算子之一(
aaa012
a[i,j]a73
aaa654
图1(2
图1(2 用于说明Sobel算子和Prewitt算子的邻域像素点标记
Prewitt算子与Sobel算子的方程完全一样，只是常量c=1(所以
111,101
,000ss,,101 (1(6) xy
,101,1,1,1
请注意，与Sobel算子不同，这一算子没有把重点放在接近模板中心的像素点(
3.3 .拉普拉斯算子
平滑过的阶跃边缘二阶导数是一个在边缘点处过零的函数(拉普拉斯算子是二阶导数的
二维等效式(函数的拉普拉斯算子公式为 f(x,y)
22,,ff2,,，f (1(7) 22xy,,
y 使用差分方程对和方向上的二阶偏导数近似如下: x
2,,Gfx,2,,xx
,(f[i,j，1],f[i,j]), (1(8) ,x
,,f[i,j，1]f[i,j],,,,xx
,(f[i,j，2],2f[i,j，1])，f[i,j]这一近似式是以点为中心的(用替换，得到 [i,j，1]j,1j
2,f, (1(9) (f[i,j，1],2f[i,j])，f[i,j,1]2,x
[,]ij它是以点为中心的二阶偏导数的理想近似式，类似地，
2,f, (1(10) (f[i，1,j],2f[i,j])，f[i,1,j]2,y
把这两个式子合并为一个算子，就成为下面能用来近似拉普拉斯算子的模板:
010，，,,2 (1(11) ,,1,41,,,,010，，
当拉普拉斯算子输出出现过零点时就表明有边缘存在，其中忽略无意义的过零点(均匀零区)(原则上，过零点的位置精度可以通过线性内插方法精确到子像素分辨率，不过由于噪声，结果可能不会很精确(
3.4 LoG算法
正如上面所提到的，利用图像强度二阶导数的零交叉点来求边缘点的算法对噪声十分敏感，所以，希望在边缘增强前滤除噪声(为此，Marr和Hildreth[146]将高斯滤波和拉普拉斯边缘检测结合在一起，形成LoG(Laplacian of Gaussian, LoG)算法，也称之为拉普拉斯高斯算法(LoG边缘检测器的基本特征是:
1( 平滑滤波器是高斯滤波器(
2( 增强步骤采用二阶导数(二维拉普拉斯函数)(
3( 边缘检测判据是二阶导数零交叉点并对应一阶导数的较大峰值(
4( 使用线性内插方法在子像素分辨率水平上估计边缘的位置(
LoG算子的输出是通过卷积运算得到的: hxy(,)
2 (1(12) hxygxyfxy(,)[(,)(,)],,,
根据卷积求导法有
2 (1(13) hxygxyfxy(,)[(,)](,),,,
其中:
22xy，222,,,2,xy，,222, (1(14) ,,gxy(,)e,,4,,,
称之为墨西哥草帽算子(
(
3.5 .Canny 边缘检测
检测阶跃边缘的基本思想是在图像中找出具有局部最大梯度幅值的像素点(检测阶跃边缘的大部分工作集中在寻找
Canny边缘检测器是高斯函数的一阶导数，是对信噪比与定位之乘积的最优化逼近算子[Canny 1986](我们将通过下面的符号对Canny边缘检测器算法作一概括说明(用表I[i,j]示图像(使用可分离滤波方法求图像与高斯平滑滤波器卷积，得到的结果是一个已平滑数据阵列
， S[i,j],G[i,j;,],I[i,j]
其中是高斯函数的散布参数，它控制着平滑程度( ,
y22， 已平滑数据阵列Sij[,]的梯度可以使用一阶有限差分近似来计算与偏导数的x两个阵列与: P[i,j]Q[i,j]
P[i,j],(S[i,j，1],S[i,j]，S[i，1,j，1],S[i，1,j])/2 (1(15) Q[i,j],(S[i,j],S[i，1,j]，S[i,j，1],S[i，1,j，1])/2
在这个正方形内求有限差分的均值，以便在图像中的同一点计算x和y的偏导数梯22，
度(幅值和方位角可用直角坐标到极坐标的坐标转化公式来计算:
22 (1(16) ,,Mi,j,P[i,j]，Q[i,j]
(1(39) ,[i,j],arctan(Q[i,j]/P[i,j])
其中，反正切函数包含了两个参量，它表示一个角度，其取值范围是整个圆周范围内(为高效率地计算这些函数，尽量不用浮点运算(梯度的幅度和方向也可以通过查找表由偏导数计算((
结果:
参考文献及站点:
数字图象处理基础 朱虹 科技出版社(北京)2004 数字信号与图像处理 吴镇扬 周琳 高等教育出版社 2002 冈萨雷斯.数字图像处理(Matlab版).电子工业出版社2006 现代图像处理技术及Matlab实现 张兆辉 人民邮电出版社 2008 数字图像处理学 贾永红 电子工业出版社 2003
附录:
matlab代码:
图像滤波器;
function glpf(J)
I=imnoise(J,'salt & pepper',0.2); x=isind(I);
if x==1
subplot(2,2,1);
image(I);
title('(a)原始图像');
H=fspecial('gaussian');
gi=imfilter(I,H,'replicate');
subplot(2,2,2);
image(gi);
title('(b)滤波图像 滤波器3*3 sigma=0.5');
H=fspecial('gaussian',[3,3],1.5);
gi1=imfilter(I,H,'replicate');
subplot(2,2,3);
image(gi1);
title('(c)滤波图像 滤波器3*3 sigma=1.5');
H=fspecial('gaussian',[3,3],2.5);
gi2=imfilter(I,H,'replicate');
subplot(2,2,4);
image(gi2);
title('(d)滤波图像 滤波器3*3 sigma=2.5'); else
subplot(2,2,1);
imshow(I,[]);
title('(a)原始图像');
H = fspecial('gaussian');
gi= imfilter(I,H,'replicate');
subplot(2,2,2);
imshow(gi,[]);
title('(b)滤波图像 滤波器3*3 sigma=0.5');
H = fspecial('gaussian',[3,3],1.5);
gi1= imfilter(I,H,'replicate');
subplot(2,2,3);
imshow(gi1,[]);
title('(c)滤波图像 滤波器3*3 sigma=1.5');
H=fspecial('gaussian',[3,3],2.5);
gi2=imfilter(I,H,'replicate');
subplot(2,2,4);
imshow(gi2,[]);
title('(d)滤波图像 滤波器3*3 sigma=2.5'); end
灰度图像的边缘检测:
g = imread('luo.jpg');
subplot(2,2,1),imshow(g)
title('原始图像');
f=rgb2gray(im2double(g));
w1 = edge(f,'sobel',0.01);
subplot(2,2,2),imshow(w1);
title('sobel边缘检测图');
f1=rgb2gray(im2double(g));
w2 = edge(f1,'roberts',0.01);
subplot(2,2,3),imshow(w2); title('robrets边缘检测图');
f2=rgb2gray(im2double(g)); w3 = edge(f2,'prewitt',0.01);
subplot(2,2,4),imshow(w3); title('prewitt边缘检测图');
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
g = imread('luo.jpg'); subplot(2,2,1),imshow(g) title('原始图像');
f=rgb2gray(im2double(g)); w1 = edge(f,'log',0.001); subplot(2,2,2),imshow(w1); title('log边缘检测图');
f1=rgb2gray(im2double(g)); w2 = edge(f1,'zerocross',0.001) subplot(2,2,3),imshow(w2); title('zero-cross边缘检测图');
f2=rgb2gray(im2double(g)); w3 = edge(f2,'canny',0.05); subplot(2,2,4),imshow(w3); title('canny边缘检测图');
范文四：FPGA在图像处理中的应用
经验与交流
ＥＸＰＥＲＩＥＮＣＥＡＮＤ
ＥＸＣＨＡＮＧＥ
ＣＨＩＮＡＮＥＷＴＥＬＥＣＯＭＭＵＮＩＣＡＴＩＯＮＳ（ＴｅｃｈｎｉｃａｌＥｄｉｔｉｏｎ）
ＦＰＧＡ在图像处理中的应用
崔
跃
（天津工业大学天津３００１６０）
摘要随着多媒体应用已经普及到千家万户，相应的数字图像处理技术已成熟且在图像通信等领域得到日益
广泛的应用。然而图像处理的技术有很多种，本文给出了ＦＰＧＡ在图像处理中的简单应用，把ＦＰＧＡ应用到图像处理中可以提高图像处理的速度，减少占用逻辑单元。关键词
图像
处理
ＦＰＧＡ
随着多媒体技术在各个应用领域不断普及，用户会不断要求新产品具有更大的图像容量、更高的图像质量和更快的图像处理速度，这为图像的存储和处理提出了更高的要求。在数字图像处理可视电话通信、数字电视等应用中，遇到的首要难题就是数
据量过大，导致图像传输和存储成问题，解决办法就是对图像进行压缩编码，近十年来，数字图像和数字视频的压缩技术取得了突破性进展，但是，大多数的图像压缩还是在通用ＰＣ或ＤＳＰ芯片上利用软件实现，而软件的串行性有时不能满足对图像处理速度
［３］龚孟君，陈锡洪．ＪＢＤ－１型便携式甲烷报警断电仪在矿井瓦斯监控中的应用．煤矿自动化，２０００，（０１）［４］梁秀荣．瓦斯报警断电仪不能准确断电原因分析．河北煤炭，１９９９，（０２）［５］李剑锋．矿用机载式瓦斯报警断电仪诞生．工业安全与环保，１９９９，（０５）［６］张艳，付小渝．便携式瓦斯报警仪智能充电技术．矿业安全与环保，１９９９，（０３）
（收稿日期：２００８年３月１２日）
ＤｅｓｉｇｎｏｆｔｈｅＧａｓＡｌａｒｍ
ＺｈｏｕＺｈｉｃｈｅｎ，ＲｅｎＺｈｉｈｕａ
（ＴｉａｎｊｉｎＰｏｌｙｔｅｃｈｎｉｃＵｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ３００１６０，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔｇａｓｃｏｎｃｅｎｔｒａｔｉｏｎｍｏｎｉｔｏｒｉｎｇａｌａｒｍｓｙｓｔｅｍｍａｉｎｌｙｂｙｔｈｅｇａｓｃｏｎｃｅｎｔｒａｔｉｏｎｏｆｔｈｅｇａｓｃｏｎｃｅｎｔｒａｔｉｏｎｓａｎｄｐｕｔｅｒｄａｔａ
ｐｒｏｃｅｓｓｉｎｇ，ａｎｄｏｔｈｅｒｒｅｌａｔｅｄｈａｒｄｗａｒｅａｎｄｓｏｆｔｗａｒｅｐｏｎｅｎｔｓ．Ｔｈｅｓｙｓｔｅｍｓｅｉｚｅｄｂｙｔｈｅｓｉｄｅｏｆｔｈｅｏｐｅｒａｔｉｖｅｃｏｎｔｒｏｌａｎｄｃｌａｓｓｉｆｉｃａ－ｔｉｏｎｏｆ８０３１，ｔｏａｃｈｉｅｖｅｇａｓｃｏｎｃｅｎｔｒａｔｉｏｎ，ｓｗｉｔｃｈｉｎｇｏｆｔｈｅｓｉｇｎａｌａｃｑｕｉｓｉｔｉｏｎａｎｄｓｗｉｔｃｈｉｎｇｏｕｔｐｕｔ，ａｎｄｄａｔａｄｉｓｐｌａｙ，ｒｅａｌ－ｔｉｍｅｍｏｎｉ－ｔｏｒｉｎｇｇａｓｃｏｎｃｅｎｔｒａｔｉｏｎｓｉｄｅ，ｃｏｎｔｒｏｌＰｏｌｉｃｅａｎｄｏｖｅｒｒｕｎｓ．Ｃｏｍｐｕｔｅｒｓｏｆｔｗａｒｅ，ｉｎｃｌｕｄｉｎｇｍａｎ－ｍａｃｈｉｎｅｉｎｔｅｒｆａｃｅ，ｄａｔａｐｒｏｃｅｓｓｉｎｇ，ｓｅ－ｒｉａｌｍｕｎｉｃａｔｉｏｎｍｏｄｕｌｅｓｔｏｃｏｎｔｒｏｌｆｏｒｔｈｅｐｕｒｐｏｓｅｏｆｃｏｎｓｉｄｅｒｉｎｇｗａｙｓｔｏｉｍｐｒｏｖｅｍｉｎｅｖｅｎｔｉｌａｔｉｏｎ，ｔｈｅｒｅｂｙｌｏｗｅｒｉｎｇｇａｓｃｏｎｃｅｎ－ｔｒａｔｉｏｎ，ｅｎｓｕｒｅｓａｆｅｔｙｉｎｐｒｏｄｕｃｔｉｏｎ．Ｋｅｙｗｏｒｄｓ
ｇａｓｃｏｎｃｅｎｔｒａｔｉｏｎｍｏｎｉｔｏｒｉｎｇａｌａｒｍｓｙｓｔｅｍｓ，８０３１，ｃｉｒｃｕｉｔ
６８
ＣＨＩＮＡＮＥＷＴＥＬＥＣＯＭＭＵＮＩＣＡＴＩＯＮＳ（ＴｅｃｈｎｉｃａｌＥｄｉｔｉｏｎ）ＭＡＹ２００８Ｎｏ．９
经验与交流
ＥＸＰＥＲＩＥＮＣＥＡＮＤ
ＥＸＣＨＡＮＧＥ
ＣＨＩＮＡＮＥＷＴＥＬＥＣＯＭＭＵＮＩＣＡＴＩＯＮＳ（ＴｅｃｈｎｉｃａｌＥｄｉｔｉｏｎ）
要求较高的场合，图像压缩成了实时处理系统提高运行速度的瓶颈。于是，用于图像处理的工Ｐ核的研究成为近几年多媒体处理技术的核心。这种基于
低级处理主要是针对象素的一些运算，完成如对比度增强、锐化处理、平滑处理、边缘检测、模板匹配、膨胀和缩小等操作。在低级处理中，参与运算的算法简单数据量大；数据需多次重复使用、（乘加运算）、规则，图像中的所有元素均可施以同样的操作，存在固有的并行性，通信需要高带宽数据交换。因此，低级图像处理往往是图像处理系统中最为耗时的环节，对整个系统速度影响较大；这些特点使这些运算非常适合于在外围ＦＰＧＡ架构中来用硬件算法实现，例如，ＦＰＧＡ中的硬件乘法模块就使得这些运算中大量用到的卷积运算易于实现，由于ＦＰＧＡ能够能方便进行并行运算，使得图像的低级处理速度大大加快。
中级处理是将低级处理的结果，如灰度直方图、检测点、线的坐标，作为输入，做进一步的处理，包括对被测物有用特征信息的处理，如孔中心的图像坐标提取，线段交点的图像坐标的求取等，在这些运算中，参与运算的数据量较小，但算法相对复杂，同时还具有一定的串行性，如继续用硬件实现则不仅要占用大量硬件资源，且不易实现，因此可采用嵌入式的ＣＰＵ来完成，由于ＣＰＵ与ＦＰＧＡ结构有很大的带宽，进行数据交换也很方便。
高级处理则包括视觉传感器坐标到传感器坐标的转换，以及整个检测系统多个传感器坐标的统一需传输的数等，经过中级处理后的数据量已经很小、
据量也小，而且这些运算的算法更加复杂，对系统的计算性能要求高，比较适合用计算机行处理。
图像低级处理是视觉检测中图像处理最重要的部分之一，主要完成噪声去除、边缘检测等过程，为后期的特征识别提供支持。视觉检测中图像低级处理技术大致可分为两个方面：图像增强和图像分割。由于在系统中不涉及到图像分割技术，所以主要通过ＦＰＧＡ实现图像预处理中的图像增强功能，为后期疵点的特征提取和模式识别提供合适的图像数据。
ＦＰＧＡ或ＡＳＩＣ芯片实现的硬件图像处理技术，在合
理利用硬件资源基础上，充分挖掘图像处理算法中的并行性，在较低主频下能获得可观的执行速度，这是芯片中多个处理单元并行处理的结果。从ＦＰＧＡ与ＤＳＰ在高速数字信号处理中的应用比较［１］来看，前者的执行速度远远高于后者。
１ＦＰＧＡ的特点及其开发
ＦＰＧＡ作为系统以及图像采集处理板卡的核心
器件，外围器件的电路和功能已经得到尽可能的简化，许多外围的功能器件的接口都不需要单独的接口芯片来完成，均由ＦＰＧＡ来实现。整个系统中仅仅需要ＦＰＧＡ以及ＦＰＧＡ配置芯片、ＳＤＲＡＭ、ＰＣＩ接口芯片三个主要的芯片，整体上看提高了电路的稳定性，而且其先进的开发工具使整个系统的设计调试周期大大缩短。因此ＦＰＧＡ内部逻辑设计就成为图像采集处理系统设计的核心和关键。
ＦＰＧＡ内部的数字逻辑设计一般有两种设计方
式：原理图设计方式和硬件描述语言设计方式。原理图设计方式一般是设计规模较小的电路与系统时采用的方法，这种方法直接把设计的系统用图形方式形象的优点，尤其对于表现层表现出来，具有直观、
次结构、模块化结构更为方便。硬件描述语言是一种用文本来描述和设计电路的语言。利用这种语言，数字电路系统的设计可以从上层到下层（从抽象到具体）逐层描述自己的设计思想，用一系列分层次的模块来表示极其复杂的数字系统。然后，利用电子设计自动化（ＥＤＡ）工具，逐层进行仿真验证，再把其中需要变为实际电路的模块组合，经过自动综合工具转换到门级电路网表。接下去，再用专用集成电路Ａ－
ＳＩＣ或现场可编程门阵列ＦＰＧＡ自动布局布线工具，
把网表转换为要实现的具体电路布线结构。
２常见的图像处理方法［２￣４］
图像处理技术是把输入图像转换成具有所希望
３ＦＰＧＡ实现图像处理的方法
由于ＦＰＧＡ实现图像处理的方法有很多种，现
特征的另一幅图像。根据算法强度、算法复杂度和难易程度，可将视觉检测中的图像处理分为低级处理、中级处理和高级处理。
就ＦＰＧＡ通过实现卷积运算方法来处理图像作简单的分析。
ＦＰＧＡ能实现卷积的功能主要就是因为其内部
中国新通信（技术版）２００８．５
６９
经验与交流
ＥＸＰＥＲＩＥＮＣＥＡＮＤＥＸＣＨＡＮＧＥ
ＣＨＩＮＡＮＥＷＴＥＬＥＣＯＭＭＵＮＩＣＡＴＩＯＮＳ（ＴｅｃｈｎｉｃａｌＥｄｉｔｉｏｎ）
ｗ×ｍ×ｎ移位寄存器Ｗ
…
Ｗ
这样一ＳＤＲＡＭ批量读入一部分数据。
方面在节省了ＦＰＧＡ内部存储单元的空间的情况下，充分利用Ｃｙｃｌｏｎｅ系列ＦＰＧＡ内部存储单元的优点，快速实现运算。另外一方面ＳＤＲＡＭ批量
ｍｂｉｔ移位寄存器
Ｗ
……
抽头数ｎ
Ｗ
数据的读出速度远远高于运算速度，以双口ＲＡＭ作为小的数据缓存，使得ＲＡＭ的读写速率对运算速度的制约得到改进［６］。
对于上述体系结构，若能在ＦＰ－
Ｗ
Ｗ
…
ＧＡ片外加一个能够存储１／３帧数据
容量的ＳＲＡＭ，使数据从ＳＤＲＡＭ至
Ｗ
Ｗ
…
ＳＲＡＭ，再至移位寄存器，将可以节省较多的ＦＰＧＡ内部存储器，从而可扩
大移位寄存器的规模，实现更大的模板运算；另外也可大大提高数据读入移位寄存器的速度，可以严格的保证
图１Ｃｙｃｌｏｎｅ系列ＦＰＧＡ内部Ｍ４Ｋ存储单元实现移位寄存器
含有的Ｃｙｃｌｏｎｅ器件所具有的新特点。使用Ａｌｔｅｒａ数据运算过程不被数据的读取速度所限制。
另外结合查找表的特点，可以将其应用于图像的增强或者二值化上，在这两个处理过程中，均只对象素点进行运算，输入数据位宽为８ｂｉｔ，若实现二值化只需要２５６ｂｉｔ内部存储空间，从而用在较小的
Ｃｙｃｌｏｎｅ系列ＦＰＧＡ中的Ｍ４Ｋ嵌入式存储器来实现移位寄存器块，它能节省ＬＥ和布线资源，提供了更加有效的实现方法。１个ｗ×ｍ×ｎ移位寄存器的大
小由输入数据宽度抽头长度（ｗ）、（ｍ）和抽头数（ｎ）来决定。１个ｗ×ｍ×ｎ移位寄存器的大小必须小于或者等于４６０８位，除此之外，ｍ×ｎ的大小必须小于或者等于３６位。当需要更大的移位寄存器块，可以级联存储器块。Ｍ４Ｋ中实现移位寄存器如图１所示
［５］
ＦＰＧＡ空间较快的实现算法，充分发挥了该算法的特
点。
４基于ＦＰＧＡ图像处理的应用
通过对上述算法的分析，可以得到该算法不仅
。
在时钟的下降沿时数据被写入每个地址区域，
简单明了，而且应用广泛，它不仅可以应用到照相系统中，还可以应用到视频系统中。当我们在视频系统中看到的我们的图像几乎就是实时的图像，可以减少在传输时的延迟。我们也可以把这个算法应用到卫星拍摄及传输系统中，我们在地球上就可以以最快的速度观察到天体中的一些微妙的运动。基于
并且在时钟的上升沿从存储地址读出，移位寄存器模式逻辑可以自动地控制在一个时钟周期的正边沿和负边沿来进行数据移位。移位寄存器模式下使用
Ｃｙｃｌｏｎｅ的Ｍ４Ｋ存储器块实现移位寄存器块。调用ＱｕａｒｔｕｓＩＩ软件中的ａｌｔｓｈｉｆｔ＿ｔａｐｓ宏模块就可以实现
移位存储器块。可以稳定运行的时钟频率可达到系统全局时钟频率６６ＭＨｚ，可以较大程度上满足实时图像处理的要求。
我们采用ＲＡＭ读取和移位寄存器的方法相结合，每次从ＳＤＲＡＭ中读取模板宽度行的数据，每次读出若干行数据中的一部分到ＦＰＧＡ内部双口
ＦＰＧＡ在图像处理应用范围非常广泛，我们还有待进
一步的研究，使其发挥出更大的力量。
５结论
基于对ＦＰＧＡ的图像采集处理系统的分析，得
出今后将进一步改进ＦＰＧＡ在图像处理系统中的设计，提高系统的采集速度和采集精度。进一步简化系统硬件结构，使其能应用到更广的范围中。
ＲＡＭ中，然后数据从内部双口ＲＡＭ依次移入到移
位寄存器中，同时当ＲＡＭ中数据量较少时，再从
７０
ＣＨＩＮＡＮＥＷＴＥＬＥＣＯＭＭＵＮＩＣＡＴＩＯＮＳ（ＴｅｃｈｎｉｃａｌＥｄｉｔｉｏｎ）ＭＡＹ２００８Ｎｏ．９
经验与交流
ＥＸＰＥＲＩＥＮＣＥＡＮＤ
ＥＸＣＨＡＮＧＥ
ＣＨＩＮＡＮＥＷＴＥＬＥＣＯＭＭＵＮＩＣＡＴＩＯＮＳ（ＴｅｃｈｎｉｃａｌＥｄｉｔｉｏｎ）
参
４６ｃ５ｄｃ８３ｎｏ．ＨＴＭ２００１．４
［２］章毓晋．图像处理与分析．北京：清华大学出版社，１９９９
考文献
［１］ＣｈｒｉｓＤｉｓｋＸｉｌｉｎｘ公司．ＦＰＧＡ在高速数字信号处理系统中的应用．／／．ｅｅｔｃｈｉｎａ．／ＡＲＴ８８０００８１９０４６２１４９６
［３］沈庭芝．数字图像处理及模式识别．北京：北京理工大学出版社，１９９８
［４］Ｍｅｙｅｒ－Ｂａｅｓｅ．ＤｉｇｉｔａｌＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇｗｉｔｈＦｉｅｌｄＰｒｏｇｒａｍｍａｂｌｅＧａｔｅＡｒｒａｙｓ．北京：清华大学出版社，２００３［５］ＡｌｔｅｒａＩｎｃ．Ｌｔｄ．ＣｙｃｌｏｎｅＤｅｖｉｃｅＤａｔａｓｈｅｅｔ．ＡｌｔｅｒａＩｎｃ．Ｌｔｄ，２００３
［６］ＬｕｏＺ，ＭａｒｔｏｎｏｓｉＭ．Ａｃｃｅｌｅｒａｔｉｎｇｐｉｐｅｌｉｎｅｄｉｎｔｅｇｅｒａｎｄｆｌｏａｔｉｎｇｐｏｉｎｔａｃｃｕｍｕｌａｔｉｏｎｓｉｎｃｏｎｆｉｇｕｒａｂｌｅｈａｒｄｗａｒｅｗｉｔｈｄｅｌａｙｅｄａｄｄｉ－ｔｉｏｎｔｅｃｈｎｉｑｕｅｓ．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＣｏｍｐｕｔｅｒｓ，２０００，４９（３）
（收稿日期：２００８年３月７日）
ＦＰＧＡＵｓｅｄｉｎＩｍａｇｅｒｙＰｒｏｃｅｓｓｉｎｇＡｐｐｌｉｃａｔｉｏｎ
ＣｕｉＹｕｅ
（ＴｉａｎｊｉｎＰｏｌｙｔｅｃｈｎｉｃＵｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ３００１６０，Ｃｈｉｎａ）
ＡｂｓｔｒａｃｔＡｌｏｎｇｗｉｔｈｔｈｅｍｕｌｔｉｍｅｄｉａａｐｐｌｉｃａｔｉｏｎｓｐｏｐｕｌａｒｉｚｅｄｅｖｅｒｙｏｎｅ，ｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇｄｉｇｉｔａｌｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｏｌｏｇｙａｌ－
ｒｅａｄｙｍａｔｕｒｅａｌｓｏｉｎｄｏｍａｉｎｓａｎｄｓｏｏｎｖｉｓｕａｌｍｕｎｉｃａｔｉｏｎｏｂｔａｉｎｓｄａｙｂｙｄａｙ．Ｈｏｗｅｖｅｒｔｈｅｉｍａｇｅｒｙｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｏｌｏｇｙｈａｄｖｅｒｙｍａｎｙｋｉｎｄｓ，ｔｈｉｓｈａｓｇｉｖｅｎＦＰＧＡｉｎｔｈｅｉｍａｇｅｒｙｐｒｏｃｅｓｓｉｎｇｓｉｍｐｌｅａｐｐｌｉｃａｔｉｏｎ，ａｐｐｌｉｅｄＦＰＧＡｉｎｔｈｅｉｍａｇｅｒｙｐｒｏｃｅｓｓｉｎｇｔｏｂｅｐｏｓｓｉｂｌｅｔｏｅｎｈａｎｃｅｔｈｅｉｍａｇｅｒｙｐｒｏｃｅｓｓｉｎｇｔｈｅｓｐｅｅｄ，ｒｅｄｕｃｅｄｔａｋｅｓｔｈｅｌｏｇｉｃａｌｕｎｉｔ．Ｋｅｙｗｏｒｄｓ
ｉｍａｇｅｒｙ，ｐｒｏｃｅｓｓｉｎｇ，ＦＰＧＡ
风河拓展与ＡＣＣＥＳＳ在Ｌｉｎｕｘ移动终端市场的合作
设备软件优化（ＤＳＯ）厂商风河系统公司（ＷｉｎｄＲｉｖｅｒ）和高级软件技术提供商ＡＣＣＥＳＳ日前宣布，两家公司将拓展在基于Ｌｉｎｕｘ的移动终端市场方面的合作，共同推出面向移动终端ＯＥＭ厂商和移动运营商的预集成（ｐｒｅ－ｉｎｔｅｇｒａｔｅｄ）软件开发解决方案。该解决方案预计于２００８年二季度正式上市，它将把ＷｉｎｄＲｉｖｅｒＰｌａｔｆｏｒｍｆｏｒＣｏｎｓｕｍｅｒＤｅｖｉｃｅｓ和ＡＣＣＥＳＳ全集成化的Ｌｉｎｕｘ移动通信平台，为移动终端ＯＥＭ和移动运营商提供全新并结ＬｉｎｕｘＰｌａｔｆｏｒｍ进行整合，实现开放灵活、
合了领先商用级Ｌｉｎｕｘ平台和领先商用移动终端软件产品的新方案，使它们能够更高效地开发各种新颖的产品，特别是遵循ＬｉＭｏ规范的手机等产品。
新ＷｉｎｄＲｉｖｅｒ－ＡＣＣＥＳＳ解决方案依托于两家厂商的支持。风河通过提供专业化技术服务和在移动终端方面的丰富技术经验对平台进行扩展，而ＡＣＣＥＳＳ众多开发人员为其加入了大量的应用程序以实现手机的独特功能。此外，在该解决方案中还同时提供基于Ｅｃｌｉｐｓｅ框架的ＷｉｎｄＲｉｖｅｒＷｏｒｋｂｅｎｃｈ开发套件和ＡＣＣＥＳＳＬｉｎｕｘＰｌａｔｆｏｒｍ产品开发套件（Ｐｌａｔ－
ｆｏｒｍＰｒｏｄｕｃｔＤｅｖｅｌｏｐｍｅｎｔＫｉｔ，ＰＤＫ），为开发人员提供了与原来完全类似的开发工具基础，帮助移动终端制造商加快产品
上市速度。
烽火网络ＣＥＳＰ方案助力奥运
近期，烽火网络于近期正式开始建设“秦皇岛移动ＷＬＡＮ承载网建设项目”，据悉，此项目将为即将到来的２００８奥运会提供高速的ＷＬＡＮ数据业务的承载服务，为其提供有效、快捷、高效的综合信息服务和保障。
秦皇岛是奥运会的协办城市，而本次项目是奥运的配套工程，为完善奥运厂馆通信设施，提高网络质量，保证奥运期间网络通畅，因此需要一种高带宽、高可靠性、高扩展性、高ＱＯＳ的解决方案。烽火网络作为业内数据通信的主流设备提供商和中国移动保持着长期合作，在与运营商充分沟通和详细了解后，提出采用烽火网络ＣＥＳＰ系列产品组成了高可靠电信级以太网多业务分组平台的解决方案，为其提供具备网络及业务扩展性、运营级网管能力、ＱｏＳ保障能力和高可靠性为一体的城域网。
此项目主要涉及到秦皇岛市内多个承载网节点，承载覆盖市区奥运场馆、公共区域、酒店宾馆等区域众多ＡＰ的接入数据数据流量。秦皇岛奥运ＷＬＡＮ承载网，满足奥运ＷＬＡＮ业务的承载的基础上，还面向今后发展互联网专线、ＶｏＩＰ专线、综合接入业务ＶｏＩＰ和视频）、ＶＰＮ互联业务等新业务打下良好的基础。（含上网、
中国新通信（技术版）２００８．５
７１
范文五：浅析android平台图像处理应用
浅析android 平台图像处理应用
【摘要】随着Android 平台的不断发展，现如今，Android 已经成为最主流的移动平台，其平台上的应用也是多种多样。本文结合Android 平台上一些出色的应用，来剖析Android 平台上的一些图像处理技术，并部分给出可供参考的实现过程。
【关键词】android ；图像变换；二维码；OCR
1.Android 图像基础
Android 平台图片最基本的类是Bitmap ，所有额图片处理都是对Bitmap 对象进行的操作。 BitmapFactory 负责从SD 卡里面获取图片资源，由于android 图像相关的应用大多与摄像头有关，很多应用需要通过调用摄像头来获取图片，这里有两种方式：
方式一：使用相机的“回传”机制，调用手机的相机应用程序，完成拍摄后再获取图片。
Bundle bundle = data.getExtras（）；
Bitmap bmp = （Bitmap ） bundle.get （”data”）；
此操作在startActivityForResult 函数里面完成。
方式二：启动多线程，对摄像头进行快速的回调应用，即不断的获取图片，直到实现目的。
2. 照片美化应用：美图秀秀
手机拍照成为了生活不可缺少的一部分，尤其是微博、微信等应用的兴起，即时拍照上传为大家所喜爱，然而因为环境或设备的原因，拍摄下来的照片往往有一些瑕疵，因此在上传之前，可以使用美图秀秀对拍摄的照片进行简单的处理，使其达到更好的效果
图片变换：
Android 平台提供了一个3*3的矩阵，即坐标变换矩阵，用来对图形进行坐标变化，将原来的坐标点转移到新的坐标点，即是通过改矩阵的变换完成。由于一张图片是由点阵和没一点上的颜色信息组成的，所以对坐标的变换，就是每一个点进行“移动”，形成新的一张图片，具体说就是放大缩小、移动、旋转、扭曲等效果，均可以通过该矩阵实现。
