本科毕业设计--基于DSP的苹果识别系统的设计.doc

吉 林 农 业 大 学学 士 学 位 论 文 题目名称： 基于DSP的苹果识别系统的设计 学生姓名： 院 系：信息技术学院专业年级：电子信息2006级指导教师： 职 称： 讲师 2010年 5月 25日目 录题目 I摘要及关键词 I1前言 11.1引言 11.2数字图像处理的背景 11.3图像识别和分类理论 21.4 DSP芯片的发展 31.5本课题研究的内容 42 图像处理系统总体方案 43 成像单元 53.1 CCD摄像机与镜头的选取 53.2光源与照明方式的设计 54 苹果图像采集与处理单元 64.1 苹果的图像采集 64.2苹果图像的预处理 74.2.1图像滤波 74.2.1.1邻域平均法 84.2.1.2 中值滤波 84.2.2图像增强 94.2.2.1线性灰度变换 104.2.2.2直方图修正法 104.3 图像分割 114.3.1阈值分割 114.3.1.1图像二值化 114.3.1.2改进的灰度直方图法 124.3.2边缘检测 134.3.2.1 Sobel边缘检测算子 144.3.2.2 梯度算子 154.3.2.3 Roberts边缘检测算子 154.3.2.4 Prewitt算子 164.3.2.5 Laplacian算子 164.3.2.6几种算子的比较 174.3.3 图像细化及结果 184.4 苹果的特征提取及识别 204.4.1苹果大小特征提取 204.4.2苹果形状特征提取 215 苹果识别系统在DSP中实现 225.1 硬件介绍 235.1.1 DSP芯片的选择 235.1.2 TMS320C6713硬件结构 235.2 CCS软件设计 245.2.1 CCS开发环境的介绍 245.2.2程序总体构架 255.2.3与中断相关的初始化 265.2.4编写BOOT程序 266 结论与展望 296.1主要研究结论 296.2 展望 30参考文献 30致 谢 32附录1 33附录2 38基于DSP的苹果识别系统的设计姓 名：徐微微专 业：电子信息科学与技术指导教师：宫 鹤摘 要：数字信号处理器为数字图像处理提供了良好的实现平台。

本文讲述其自动检测中的应用—基于图像识别的苹果分级，设计出苹果图像识别系统(按大小、形状)为了根据苹果图像进行苹果分级，文中介绍了对苹果图像进行低层信息处理的所采用的方法，如图像增强、边缘检测、图像二值化、图像细化等算法如中值滤波、边缘检测算子，改进的灰度直方图法做了重要探讨，并应用或改进应用于本人的设计中其中改进的灰度直方图法就是在传统的灰度直方图法基础上改进的算法，效果较好文中讲述了苹果图像识别系统设计的方法和步骤,建立苹果按大小、形状分等级的特征函数最后，将上述各算法移植到TI的TMS320C6713 DSP平台，以满足实时性要求最终获得较好的识别效果关键词：苹果识别；图像处理；边缘检测；DSPThe Design of Apple Identification System Based on DSP Name：Xu WeiweiMajor：Electronic Information Science and TechnologyTutor：Gong HeAbstract: Image processing algorithms can run very well on DSP platform. This paper demonstrates of the appliance of Image recognition in auto-detection, especially in apple image (designed the system of apple image recognition in size and shape).This paper narrates the lower layer image processing of the apple image to classify the apple based on the image such as image enhancement, edge detection, threshold, thinning, etc. Much arithmetic is used such as median filter, Sobel arithmetic operator, betterment gray scale histogram, etc. Applied or betterment applied it to the graduating project. The threshold of gray scale histogram arithmetic is better than conventional one which is result very well. It is also detailed explained the method or step in image recognition during the image recognition system design founding the feature functions that classify the apple according to size and shape.At last, these algorithms mentioned above are transplanted to TI TMS320C6713 DSP to meet real-time requirements. An acceptable result is obtained.Keywords： Apple recognition；Image processing； Edge detecting；DSPI1前言1.1引言人们利用眼睛获取各种各样的图像信息，并传入大脑，由大脑根据经验或知识对图像信息进行加工处理，最后识别，理解周围环境。

图像识别就是对人类视觉的一种模拟，它包括对图像信息的获取，传输，处理，存储与识别等过程[1]图像识别在应用中很大程度依赖现代图像处理与模式识别技术，其广泛应用在工业检测和医学检测等方面图像识别的应用极大地解放了人类劳动力，提高了生产自动化水平，改善了人类生活状况，有着极其广阔的应用前景本文正是基于这一理论对苹果进行识别苹果的品质有外部品质和内部品质两类外部品质主要是考虑大小、形状、颜色和表面缺陷等，内部品质主要考虑糖含量、酸度、口味、硬度及内部缺陷等内部品质的检测技术现在已发展相当成熟，例如，近红外线法和磁共振法测糖含量、酸度；提炼可挥发性芳香化合物法测口味；用声波脉冲响应法和超声波法测硬度；超声波检测水果内部缺陷等等而目前我国水果外部品质分级主要由机械配合人工的方式完成完成显然这种方式是一种有损分级，苹果下落的相互碰撞，对容器的碰撞都会使苹果表皮破损，也不能精细分级与人工分选相比，基于图像识别的水果分级更精细，更准确，无疲劳效应，无损害，节省人力资源而这种分级技术在国外已经具有相当成熟的水平，尤其是日本、美国，其对很多水果都进行了图像识别的研究，并已产生成熟的产品比如黄瓜分级、樱桃分级、草萄分级等等。

作为水果生产大国，及时研制开发并采用符合我国实际情况的苹果识别系统，提高苹果产品的市场竞争力具有实际意义[2~5]1.2数字图像处理的背景一幅图像可定义为一个二维函数，其中是空间坐标，而任何一对空间坐标上的幅值称为该点图像的灰度当和幅值为有限，离散的数值时，称该图像为数字图像[6]数字图像处理是指利用计算机或者其他设备通过各种算法对数字图像进行处理数字图像处理是现代图像处理的主要方法，具有再现性好、精度高、适用面广和灵活性大等优点数字图像处理最早应用之一是在报纸业，当时，图像第一次通过海底电缆从伦敦传往纽约早在20世纪20代年为了横跨大西洋使用电缆传输一幅图片，首先要进行编码，然后在接收端用特殊的打印设备重构该图片从20世纪60年代至今，图像处理领域己得到了生机勃勃的发展图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，使得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图像复原和增强过程用于处理不可修复物体的己损图像或者造价昂贵不可复制的实验结果在考古学领域，使用图像处理方法己成功地复原了模糊的图片在物理学和相关领域，计算机技术通常增强如高能等离子和电子显微镜方法等领域的实验图像。

图像处理技术也广泛应用于生物学，工业制造及自动化，遥感，航空航天、生物医学工程、工业检测、公安司法、军事制导、文化艺术等领域1)宇宙探测由于太空技术的发展，需要用数字图像处理技术处理大量的星体照片2)通信中的应用图像信息的传输，电视等，包括静态图像和动态的图像序列的传送，主要是对图像数据进行压缩，以及对序列图像的处理3)遥感方面的应用遥感有航空遥感和卫星遥感之分，它们都是用不同光源和技术获得大量的遥感图像这些图像需要用数字图像处理技术加工处理并提取有用信息它可用于地形地质，矿藏探查，森林、水利、海洋、农业等资源调查，自然灾害的预测和预报，环境污染的监测，气象卫星云图的处理，以及用于军事目的的地面目标的识别等等现在，许多国家发射了各种不同用途的卫星，遥感图像资源的大量增加，对图像处理技术提出了更高的要求4)生物医学领域的应用数字图像处理技术从一开始就引起了生物医学界的浓厚兴趣，首先应用于细胞分类，染色体分类和放射图像的处理七十年代，数字图像处理在医学上的应用有了重大的突破另外，数字图像处理技术正逐步运用到生物学领域，为生物进化、分类和其他研究提供了有力的工具不同的图像处理的方法不同，基本的处理方法包括图像的获取，图像的增强，图像复原，彩色处理，小波分析，图像压缩，图像分割，表示和描述等。

针对具体的图像处理，并不一定完全需要每一种上述列出的处理方法，只能根据具体的情况来选择具体的处理方法1.3图像识别和分类理论图像识别的目的是研制能够自动处理某些信息的机器视觉系统，代替传统的人工完成分类和辨识的任务已广泛应用于各个领域例如：利用气象卫星的云图图像预测天气，智能交通系统中的车牌识别，手写体识别，医疗病变图像的计算机诊断，生产中实时带钢缺陷检测，纺织布匹缺陷检测等这些都属于图像识别系统的应用范畴各领域所研究的图像是千差万别的，它们都含有本身特性的特征，因此，将它们区别或分类的可能性是存在的所以除了对图像进行数字化处理外，还需要通过一些手段，将各类图像的重要性用数值表示出来，即特征提取通常，反映某一类图像特性的特征较多，给计算带来繁重的工作量，同时由于特征的反映不精确，往往会带来一些误差，所以进一步的工作需要对特征进行选择与处理，减小特征值的误差而保留图像特征信息，这种找出比原来特征数目少而精的综合指标的方法称之为特征选择因此，图像的三维或二维信息可用一组一维数值代替以供识别分类图像识别方法主要有统计模式识别，结构模式识别，模糊模式识别和神经网络。