基于ARM的圖像特征分析設計

2014-01-15 10:00:54劉青正韋艷霞

電子設計工程 2014年21期

劉青正，韋艷霞

（廣西科技大學電氣與信息工程學院，廣西柳州 545006）

隨著數字多媒體技術的不斷發展，數字圖像處理技術被廣泛應用于可視電話、電視會議、監控系統等各種民用、商用及工業生產領域中，同時對圖像采集系統的要求日益提高。其中，這些產品中核心的技術就是實時圖像的采集和處理，圖像采集的速度、質量直接影響到產品的整體效果。圖像特征提取是將是計算機視覺應用的根本基礎[1]。眾所周知，視頻圖像數字化后數據量非常龐大，對如此大量高速的數據進行實時處理是計算機應用領域中技術難度最大的部分。圖像特征提取是圖像識別的關鍵步驟，圖像特征提取的效果如何，直接決定著圖像識別的效果，如何從原始圖像中提取具有較強表示能力的圖像特征是智能圖像處理的一個研究熱點。

圖像特征提取現實意義巨大。例如工業生產中通過物體的特征檢測與形狀分析，特征其提取，可以實現物體的識別和具體的分類，或完成物體質量監控，實現標準檢測等。特征提取處理技術的應用領域相當廣泛，因此研究其理論，完成其實踐具有相當重要的意義。

1 圖像特征分析的理論研究

為了實現具體的圖像特征提取，采用相應的圖像特征分析處理算法尤其必要。本設計中主要采用了以下理論方法。

去噪聲濾波器的設計：噪聲在圖像處理中被看成一個高頻信號，圖像去噪功能可由線性卷積實現。卷積過程中，依賴于高斯濾波算子。通過高斯濾波能有效地濾除掉圖像中的較小的噪點和邊緣形狀上細小的曲折，這種與多通道處理相結合的濾波方法更能有效地提高彩色圖像的信噪比。

邊緣檢測的算法設計：Prewitt算子是一種一階微分算子的邊緣檢測，利用像素點上下、左右相鄰點的灰度差，在邊緣處達到極值檢測邊緣，去掉部分偽邊緣，對噪聲具有平滑作用。其原理是在圖像空間利用兩個方向模板與圖像進行鄰域卷積來完成的，這兩個方向模板一個檢測水平邊緣，一個檢測垂直邊緣。

極值抑制設計：圖像平滑濾波的主要目的是消除噪聲，但邊緣作為高頻成分也將被部分平滑掉，這就需要進行非極大值抑制處理，將擴散的邊緣細化。考慮到數字圖像像素排列的特點，進行極值抑制時只考慮垂直和水平兩個方向。當像素點P（x，y）不滿足極大值條件，需要被抑制，即衰減。

彩色圖像邊緣檢測綜合算法：彩色圖像邊緣檢測算法都是基于一定的顏色空間，數字彩色圖像通常是以RGB方式存儲與表達，對圖像進行顏色空間的非線形轉換會損失原有圖像的信息，并且使變換后的圖像對于噪聲十分敏感。并且實驗證明在RGB空間中進行邊緣檢測能取得的次最優并極接近最優的結果[2]。

周長計算：區域的周長定義為區域的邊界長度。區域的周長在區別具有簡單或復雜形狀物體時特別有用，即形狀特征[3]。一個形狀簡單的物體用相對較短的周長來包圍它所占有的面積。通常，測量這個距離時包含了許多90°的轉彎，從而擴大了周長值。

三基色均值計算：三種基色是相互獨立的，任何一種基色都不能有其它兩種顏色合成。紅綠藍是三基色，這三種顏色合成的顏色范圍最為廣泛[4]。三種基色是彩色圖像區別于灰度圖像的一種特征，不同圖像三基色的組成都不一樣，因此有必要對圖像三基色均值進行計算。

2 系統硬件設計與實現

該系統結構圖如圖1所示。

圖1 系統結構圖Fig.1 Structure diagram of system

系統中包括的硬件電路主要有控制器部分（供電電源）、顯示電路部分、存儲電路部分和按鍵控制電路部分。

控制器選擇主要考慮性能和成本的雙結合，選定基于Cortex-M3內核的STM32F103ZET6為主處理器。該處理器是STM103系列中最高配置32位處理器，72M主頻，LQFP144封裝，片內Flash容量是512k，片內SRAM容量是64k。該處理器最小系統電路包括主時鐘電路、實時時鐘電路和復位電路[5]。

控制電路。配置按鍵4個。4個按鍵分別與控制器單元的PA0，PC13，PA8和PD3 4個GPIO管腳連接。當按鍵按下時，對應的GPIO腳為低電平；反之，當沒有按鍵按下時，對應的GPIO管腳為高電平。獨立式按鍵電路，保證可靠的前提下簡單易操作。按鍵鍵碼的程序讀取采用定時掃描，順序讀取的方式。

存儲器擴展主要考慮了圖像數據量較大，系統必須有足夠的數據存儲空間，因此外擴存儲器。設計中選用了128MB的Nand Flash作為存儲圖像數據的存儲空間。通過FSMC總線實現對存儲器的讀與寫控制。Nand Flash選型為HY27UF081G2A，其具有8位總線寬度、復用的地址/數據線的NAND接口，以（2K+64）字節的頁控制管理，隨機、順序、頁編程模式的頁讀/編程時序控制模式。Nand的就緒/繁忙信號連接至FSMC_INT2，作為中斷源使用。有效的保證了高速CPU在Nand閃存操作的等待周期內執行其他的任務。

顯示電路的選擇考慮了通用性和操作可行性，選擇設基于ILI9320控制器的3.2寸TFT LCD屏，分辨率為320×240，是16位真彩顯示。處理器與TFT LCD屏的信號連接通過插座實現。

3 系統軟件設計

軟件設計和硬件設計是密切結合的，軟件設計是否優化直接影響到系統的性能。圖像特征的提取系統需要處理的是大量的圖像數據，在有限的硬件資源下對軟件設計的優化要求很高。因此，軟件設計對系統能否實現十分重要。

系統軟件設計采用MDK4.5為開發環境[6]，基于C語言的嵌入式編程，STM32的庫函數調用與寄存器直接操作相結合的編程方法，實現軟件的驅動編寫。

模塊化編程的軟件設計系統結構圖如圖2所示。

圖2 軟件設計系統結構圖Fig.2 Diagram of the software design system

主函數模塊：完成在main函數的具體功能實現。主要內容包括初始化使用到的外部硬件，例如，初始化定時器、初始化串口、初始化NAND、初始化TFT LCD屏控制器和初始化按鍵的GPIO工作模式等，并且根據滴答時鐘的SYSTICK實現定時掃描按鍵功能。根據按鍵功能控制TFT LCD實現不同顯示界面的切換。

輸入檢測模塊：主要完成基于獨立I/O端口操作的按鍵的按下與松開的識別。設計中采用定時掃描的方式進行按鍵掃描，以實現CPU的釋放與多任務。按鍵工作GPIO端口工作模式由初始化程序設定為GPIO_Mode_IPU方式，即輸入上拉模式。這樣，在無按鍵操作的情況下，該GPIO口讀入電平為高電平。只有按鍵按下后才通過按鍵端口的下拉為GND實現既定功能。該模塊具備4個按鍵，分別設定功能為“算法選擇”“圖片選擇”“返回”“確定”，從而實現不同圖片、不同算法的功能切換。

顯示驅動模塊：主要完成對TFT液晶屏的控制，輸出顯示各種交互式界面，包括菜單選擇項、原圖像展示功能及圖像處理后效果展示功能。由于屏幕的尺寸限制，無法實現單屏原圖對比功能。

存儲驅動模塊：主要用來實現對Flash存儲器的接口驅動，讀取/寫入圖片數據，進行數據保存。在研究兩幅既定圖像的特征提取和分析。其一是圖像處理中經典圖像lena圖；其二是包括剪刀、小刀和指甲剪在內的混合日用品圖。

算法處理模塊：主要實現不同處理算法的具體內容，其中包括基于Prewitt一階微分算子的邊緣檢測、基于Krisch多方向微分算子的邊緣檢測以及邊緣檢測前需要高斯噪聲濾波處理算法。最后，根據邊緣檢測結果，通過計算周長、計算三基色均值等方法，實現彩色圖像邊緣檢測綜合算法，進行指定的日用品圖像中物體的特征進行提取。

程序的執行過程，主要依據主函數模塊中按鍵的掃描決定圖片的選擇和算法函數的調用，并執行圖像處理后圖像的顯示。

軟件設計的流程圖如圖3所示。

圖3 軟件設計的流程圖Fig.3 Flow chart the software design

4 研究成果

本設計主要完成工作包括：

1）深入理解圖像的特征提取計算方法，實現多種特征提取算法的理論研究。

2）掌握硬件及軟件開發技術，并結合理論研究成果，實現算法的硬件程序編寫。

3）完成基于ARM為核心的控制電路設計，實現圖形數據的存取與讀寫、提取算法的功能切換以及TFT LCD顯示屏圖形化形式直觀反映研究成果。

該特征分析設計具體的成果為靜態既定圖像的特征局部提取。

通過這些特征展示，可以明顯觀察到物體的特征不同。系統設計中完成了基于Prewitt算子的邊緣檢測，并針對日用品的特征進行提取和顯示，進一步為物體的自動識別和分類現代化發展提供一個方案。為了能更好的對圖片的邊緣進行提取，為計算周長和計算三基色均值奠定良好的邊緣效果，設計中采用彩色圖像邊緣檢測綜合算法進行邊緣檢測，最終實現對多種特征局部提取方法的對比研究。

設計研究的具體成果之一邊緣特征提取效果如圖4所示。

5 結論

圖4 邊緣特征提取結果Fig.4 Result of edging feature extraction

該系統采用STM32控制器作為處理器單元，充分利用了STM32控制器的資源，通過對圖像進行高斯噪聲檢測、圖像邊緣檢測、閾值處理和二值化等不同算法的具體處理過程，分析圖像的特性，驗證了圖像特征提取的思路，實現了既定的研究目標，并為工業、生活等方面進行圖像特征提取提供了一個很好的方案。但在系統的設計研究過程也發現了例如動態圖像的捕捉、任意圖像特征的智能提取與識別等需要進一步深入研究和改進的問題。

[1]徐望明，石漢路.圖像多角度局部特征提取及相似性匹配技術研究[J].電子設計工程，2013（2）:148-150.XU Wang-ming，SHI Han-lu.On image multi-view local feature extraction and similaritymatching[J].Electronic Design Engineering，2013（2）:148-150.

[2]陳傳波，金先級.數字圖像處理[M].北京:機械工業出版社，2004.

[3]王志瑞，閆彩良.圖像特征提取方法的綜述[J].吉首大學學報：自然科學版，2011（9）:43-46.WANG Zhi-rui，YAN Cai-liang.Image feature extraction methods summary[J].Journal of Jishou University：Natural Science Edition，2011（9）:43-46.

[4]陳云平.數字圖像識別在人臉檢測中的應用[J].計算機時代，2012（5）:38-40.CHEN Yun-ping.The application of digital image recognition in face detection[J].Computer ERA，2012（5）:38-40.

[5]陳志旺.STM32嵌入式微控制器快速上手[M].北京:電子工業出版社，2012.