基于DSP的图像灰度化处理方法研究.doc

1、本科 毕 业 设 计 (论 文 )题目 基于 DSP 的图像灰度化处理方法研究学院名称 电气学院 专业班级 通信 10-1 学生姓名 导师姓名 年 月 日基于 DSP 的图像灰度化处理方法研究作 者 姓 名 专 业 通信工程 指导教师姓名 专业技术职务 讲师 齐鲁工业大学本科毕业设计（论文）原创性声明本人郑重声明：所呈交的毕业设计（论文） ，是本人在指导教师的指导下独立研究、撰写的成果。设计（论文）中引用他人的文献、数据、图件、资料，均已在设计（论文）中加以说明，除此之外，本设计（论文）不含任何其他个人或集体已经发表或撰写的成果作品。对本文研究做出重要贡献的个人和集体，均已在文中作了明确说明并

2、表示了谢意。本声明的法律结果由本人承担。毕业设计（论文）作者签名： 年 月 日齐鲁工业大学关于毕业设计（论文）使用授权的说明本毕业设计（论文）作者完全了解学校有关保留、使用毕业设计（论文）的规定，即：学校有权保留、送交设计（论文）的复印件，允许设计（论文）被查阅和借阅，学校可以公布设计（论文）的全部或部分内容，可以采用影印、扫描等复制手段保存本设计（论文） 。指导教师签名： 毕业设计（论文）作者签名： 年 月 日 年 月 日目 录摘 要 1第一章 绪论 31.1 论文研究背景与意义 .31.2 国内外的研究现状 .31.3 本文结构 .4第二章 图像灰度化的原理及 MATLB 仿真 52.1

3、引言 .52.2 图像灰度化处理的基本原理与方法 .52.2.1RGB 彩色图像转化灰度图像的原理与方法 52.3 基于 MATLAB 的仿真 82.3.1MATLAB 的简介 .82.3.2 仿真结果及其分析 .8第三章 基于 DSP 的图像处理实现 .123.1 引言 123.2DSP 系统平台与开发环境 CCS 简介 .123.3 图像基于 DSP 的实现及结果分析 133.4 图像基于不同平台的比较分析 16第四章 结论 .16参考文献 .18附 录 .19致 谢 .23齐鲁工业大学 2014 届本科毕业设计（论文）0摘 要彩色图像的灰度化是图像处理的一个基本方法，在图像检测与识别、图

4、像分析与处理等领域有着广泛的应用，把采集来的彩色图像进行灰度化处理，这样既可以提高后续算法速度，而且可以提高系统综合应用实效，达到更为理想的要求。DSP 强大的信号处理能力为实时图像信息处理提供了应用基础。随着信息技术的高速发展，DSP在图形图像领域方面的应用越加广泛，如图形变换、图像压缩、图像传输、图像增强、图像识别等。本文正是在研究基于 DSP 进行图像灰度化处理的过程中，首先基于不同颜色模型，即 RGB 与 YUV 模型分别进行图像分析，然后对图像灰度化处理的原理与方法进行了研究（本文重点研究的是图像的线性灰度变换） ，由于 RGB 与 YUV 模型在灰度化处理中原理相同，所以本文重点对

5、 RGB 模型进行软件仿真。在 MATLAB软件环境中实现了对 RGB 彩色模型的仿真的基础上,又在 DSP 处理平台上完成程序设计，给出实验结果，并与 MATLAB 仿真结果相比较进行分析。本文通过分量法、加权平均法、平均值法和最大值法这四种方法，依次对实现了彩色图像的灰度化处理，并对它们进行了对比分析。最后，完成了彩色图像灰度化的仿真，由于 MATLAB 仿真结果与 CCS 处理结果十分接近，从而实现了此次研究的目的。关键词：DSP 彩色图像 灰度化 MATLAB齐鲁工业大学 2014 届本科毕业设计（论文）1ABSTRACTGray color image is a basic meth

6、od of image processing, image detection and recognition in the field of image analysis and processing with a wide range of applications, such as, the acquisition of color images to gray scale processing, both to improve the follow-up to the speed of the algorithm , and can improve the effectiveness

7、of integrated application system to achieve more desirable requirements. DSP powerful signal processing capabilities of real time image processing provides application infrastructure. With the rapid development of information technology, DSP applications in the field of graphic images has become inc

8、reasingly widespread, such as graphics transform, image compression, image transmission, image enhancement, image recognition. This article is based on research conducted DSP image processing graying process, the first based on different color models, ie RGB and YUV image analysis models respectivel

9、y, then the principles and methods of gray image processing were studied (the focus of this article Research is the image of a linear gray-scale transformation), due to the RGB and YUV model graying process on the same principle, this article focuses on the RGB model simulation software. Realization

10、 of simulation-based RGB color model, also completed in the DSP processing platform program design, experimental results are given, and compared with MATLAB simulation results are analyzed in the MATLAB software environment. Through the component method, the weighted average method, the average and

11、maximum Law Act these four methods, in order to achieve a gray color image processing, and they were compared and analyzed. Finally, the finished color image gray simulation, because MATLAB simulation results and the results are very close CCS, thus achieving the purpose of this study.Key words: DSP

12、; color image; gray; MATLAB齐鲁工业大学 2014 届本科毕业设计（论文）2第一章 绪论1.1 论文研究背景与意义图像是自然界景物的客观反映。自然界的图像无论是在亮度、色彩，还是在空间分布上，都是以模拟函数的形式出现的。现行的电视系统传输、显示的图像是模拟图像，难以用连续数学理论分析、设计图像处理系统，更无法采用数字计算机进行处理、传输和存储 1。图像在成像、采集、传输、复制等过程中不可避免地会造成某些降质（退化） ，如在成像过程中由于光学系统会导致图像失真，不同的光照条件会使图像的曝光度差异很大，运动状态下成像会使图像模糊；而在传输过程中，各种噪声和干扰将污染图像。

13、因此，通常需要对降质的图像进行预处理，以满足后期处理或分析的需要。而图像增强是使图像可读懂的一类方法，通过处理有选择地突出某些感兴趣的信息，便于人或机器分析这些信息，抑制无用信息，以提高图像的使用价值。在一些场合中，为了将图像灰度级的整个范围或一段范围扩展或压缩到记录或显示设备的动态范围内，从而使图像变得更加清晰、图像上的特征更加明显，可以采用灰度变换的方法 2。彩色图像的灰度化是图像处理的一个基本方法，在图像检测与识别、图像分析与处理等领域有着广泛的应用，如人像、文字、车牌的识别和处理等。图像的灰度化看起来好像是一个没有什么变化的简单过程，实际上也具有较大的灵活性，可以根据实际需要来控制灰度

14、化效果，合理的灰度化对于图像信息的提取和后续处理有很大的帮助，在系统预处理阶段，把采集来的彩色图像进行灰度化处理，这样既可以提高后续算法速度，而且可以提高系统综合应用实效，达到更为理想的要求。因此灰度化处理是图像处理中很重要的一步，它的结果是后续处理的基础，研究图像灰度化技术，寻求一种正确有效的灰度化处理方法具有重要的意义。随着计算机、多媒体和数字通信技术的高速发展，数字图像技术近年来得到了极大的重视和长足的发展，并在科学研究、工业生产、医疗卫生、教育、娱乐、管理、通信等方面取得了广泛的应用。同时，人们对计算机视频应用的要求也越来越高，从而使得高速、便捷、智能化的高性能数字图像处理设备成为未来

15、视频设备的发展方向，实时图像处理技术在目标跟踪、机器人导航、辅助驾驶、智能交通监控中得到越来越多的应用。由于图像处理的数据量大，因此实时图像处理系统必须具有强大的运算能力。高性能数字信号处理器 DSP 不仅可以满足在运算性能方面的需要，而且由于DSP 的可编程性，还可以在硬件级获得系统设计的灵活性。DSP 强大的信号处理能力为实时图像信息处理提供了应用基础。随着信息技术的高速发展，DSP 在图形图像领域方面的应用越加广泛，如图形变换、图像压缩、图像传输、图像增强、图像识别等。因此，本文展开了基于 DSP 的图像灰度化处理的研究。1.2 国内外的研究现状目前在数字图像处理领域有多种从色彩到灰度转

16、换算法。传统的线性混合算法取齐鲁工业大学 2014 届本科毕业设计（论文）3出图像中每个像素的R、G、B值，之后分别乘以一个固定系数后相加得到一个灰度数值，如分量法、最大值法、平均值法以及加权平均法等（本文主要对传统的线性混合算法进行研究实现） 。研究人员在传统算法的基础上做了改进，他们在分离出R、G、B 值之后，使用其亮度值而非色度值进行线性混合后映射为灰度级。线性转换算法通常具有较低的时间复杂度和空间复杂度，但其不能很好的保留下色彩差异所传递出的视觉信息。另一类是非线性的从色彩到灰度转换算法，Karl , Robert Geist 等提出的多维缩放矩阵(MDS)算法 4。其思想是将色彩图像

17、中的每一个像素对都定义一个函数来表示转换过程中的转换误差, 通过最小化该函数来获得转换矩阵，并通过多维缩放矩阵来建模该过程。该算法虽然能得到较好的转换效果, 但算法的转换时间与色彩图像中的色彩数量紧密相关，当色彩数量较多时时间开销太大，无法满足实时性的要求。为了能够更好的保留色彩图像中的视觉信息，宋黎明等提出了一种采用高斯混合模型( Gaussian mixture model GMM )的从色彩到灰度转换算法。该算法首先对原始图像进行重采样，对重采样的数据用GMM 建模，将采样数据分为若干个色彩类别，并将每一个色彩类别映射到一个灰度级别。之后考察色彩图像中的每一个像素的GMM参数，从而获得其

18、属于每一个类别的概率，最终确定此像素映射到灰度图像中的灰度级别 7。但该算法在为每个分类分配灰度级别时，并不能保证在色彩图像上差异较大的类别能够分配到差异较大的灰度级别，因此并不能满足视频信息处理的要求，同时，该算法的时间复杂度也较大，同样无法满足视频的实时处理。而且该算法要求工作在CIELAB 色彩空间上，与通常使用的RGB色彩空间有较大的差异，所以该算法的通用性不是太好。基于此，科学家们提出一种基于高斯混合模型的实时色彩转换算法，高斯混合模型能够在聚类分析中有效的捕获随机数据点的同质性，在图像分析中，GMM 能够有效的将相似的颜色做聚类处理，据此就能在灰度图像中尽量多的保留色彩图像中的视觉

19、信息，同时为了兼顾通用性和实时性的要求。1.3 本文结构基于以上对国内外图像灰度化处理技术研究状况的分析，结合国内外对图像处理技术发展趋势和图像灰度化技术不断发展的需求，本文主要围绕基于 MATLAB 与DSP 进行不同颜色模型的方法研究，论文具体内容安排如下：第一部分：介绍课题的研究背景，指出本论文的研究目的和研究意义。首先概述数字图像处理的背景及发展现状，指出基于 DSP 进行的图像灰度化处理的必要性。然后介绍国际间对于图像灰度化技术的方法研究，最后给出了全文的主要研究内容总结。第二部分：本部分中首先对颜色的不同模型及其转化为灰度图像的原理与方法，进行了详细介绍，然后为了实现在 MATLA

20、B 上的仿真，先对 MATLAB 进行简单的介绍，在对 MATLAB 有了了解之后，主要实现了对 RGB 模型的仿真。第三部分：为实现在 DSP 平台上的仿真，首先对 DSP 系统平台和开发环境 CCS齐鲁工业大学 2014 届本科毕业设计（论文）4进行了介绍，然后实现了基于 DSP 的仿真，并对比 MATLAB 的性能，进行分析。第四部分：对灰度化处理技术进行了总结并提出改进方法。 第二章 图像灰度化的原理及 MATLB 仿真2.1 引言灰度图像的每一个像素都有一个量化的灰度值来描述图像。它不包含彩色信息。在计算机领域中，灰度图像是每个像素只有一个采样颜色的图像，这类图像通常显示为从最暗黑色

21、到最亮白色的灰度，尽管理论上这个采样可以表示任何颜色的不同深浅，甚至可以是不同亮度上的不同颜色。对于RGB模型，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫做灰度值。常用的色彩空间有 RGB和YUV 色彩空间。采用RGB编码方法，每种颜色都可用三个变量来表示红色、绿色以及蓝色的强度。它缺乏与早期黑白显示系统的良好兼容性，因此很多厂商经常将RGB转换成YUV颜色空间，处理完成再根据需要换回RGB格式，以便在计算机上显示彩色图形。本章将会介绍将RGB与 YUV两种彩色模型图像转化为灰度图像的原理及方法流程，同时会实现RGB彩色图像基于 MATLAB的灰度转变。2.2 图像灰度化处

22、理的基本原理与方法2.2.1RGB 彩色图像转化灰度图像的原理与方法俄国科学家提出的三基色（RGB）原理奠定了认识色觉的基础。RGB 颜色模型作为一种常用的彩色图像表示模型，它的每个像素的颜色有 R、G 、B 三个分量决定，它的每一个像素的颜色值直接存放在图像矩阵中，设用 N 与 M 分别表示图像的高度与宽度，则该图像要用三个二维矩阵来分别表示各个像素的 R、G 、B 三个颜色分量。RGB 图像的数据类型一般为 8 位无符号整形，通常用于表示和存放真彩色图像，当然也可以存放灰度图像。例如，原图像是真彩色位图，图像中每个像素占 3 个字节，转换的目标图像是 256 级灰度图，即每个像素用 8bi

23、t 表示，显示出来的图像是黑白效果，最黑的像素的灰度（也叫亮度）值为 0，最白的像素的灰度值为 255，整个图像各个像素的灰度值随机的分布在 0 到 255 的区间中，越黑的像素，其灰度值越接近于 0，越白的像素，其灰度值越接近于 2554。由于彩色图像的每一个像素的颜色由 R、G、 B 三个分量决定，而每个分量有 256个不同的值可取，这样一个像素点可以有 1600 多万（255*255*255）的颜色的变化范围。而灰度图像是 R、G、B 三个分量相同的一种特殊的彩色图像，其中一个像素点的变化范围为 255 种，所以在数字图像处理中一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变

24、得少一些。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。 在 RGB 模型中，如果 R=G=B 时，则彩色表示一种灰度颜色，其中 R=G=B 的值叫做灰度值。因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值） ，齐鲁工业大学 2014 届本科毕业设计（论文）5灰度范围为 0-255。图像的灰度化处理一般有以下 4 种转化方案。方法 1：分量法将彩色图像中 RGB 三个分量的某一个分量作为该点的灰度值，根据应用需要进行选取。（2- j)B(i,jf3i,);G(,jf2i,);R(,jfi, 1） 其中 为转换后的灰度图像在（i,j）处的

25、灰度值。1,23j)(kfi,方法 2：加权平均法 根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，对 RGB 三分量进行加权平均能得到较合理的灰度图像。（2-j)0.1B(i,j).59G(i,j)0.3R(i,j)f(i, 2） 方法 3：平均值法求出每个像素点的 R、G、B 三个分量的平均值，然后将彩色图像中的这个平均值赋予给这个像素，见公式（2-3） 。（2-/3j)B(i,ji,j)(i,j)fi, 3） 方法 4：最大值法将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。 （2-j)(i,G,j)max(Ri,j)f(i,

26、4） 根据以上四种处理方法，通过编程均能将彩色图像转化成灰度图像。将彩色图像转化为灰度图像的算法流程见下页图 2-1。2.2.2YUV 彩色图像转化为灰度图像YUV(YCrCb)是被欧洲电视系统所采用的一种颜色编码方法（属于 PAL） 。在现代彩色电视系统中，通常采用三管彩色摄影机或彩色 CCD 摄像机进行摄像，然后把取得的彩色图像信号经分色、分别放大校正后得到 RGB，再经过矩阵变换电路得到亮度信号 Y 和两个色差信号 U、V，最后发送端将亮度和色差三个信号分别进行编码，用同一信道发送出去。这种色彩的表示方法就是所谓的 YUV 颜色模型表示。采用YUV 颜色模型的重要性是它的亮度信号 Y 和

27、色度信号 U、V 是分离的。如果只有 Y信号分量而没有 U、V 信号分量，那么这样表示的图像就是黑白灰度图像。彩色电视采用 YUV 颜色模型正是为了用亮度信号 Y 解决彩色电视机与黑白电视机的相容问题，使黑白电视机也能接收彩色电视信号 6。关于 YUV 空间的彩色图像，其 Y 的分量的物理意义本身就是像素点的亮度，由该值反映亮度等级，因此可根据 RGB 和 YUV 颜色空间的变化关系建立亮度 Y 与 R、G、B 三个颜色分量的对应：齐鲁工业大学 2014 届本科毕业设计（论文）6Y=0.3R+0.59G+0.11B，以这个亮度值表达图像的灰度值。图 2-1 彩色图像灰度化的算法流程图基于这些原

28、因，在视频信号传输中采用的是 YUV 颜色合成的方法，其中“Y”表示明亮度，也就是灰度值：而“U”和“V”表示的则是色度，作用是描述影像色彩及饱和度，分别用 Cr 和 CB 来表示。其中，Cr 反映了 RGB 输入信号红色部分与RGB 信号亮度值之间的差异。而 CB 反映的是 RGB 输入信号蓝色部分与 RGB 信号亮度值之间的差异。RGB 与 YUV 转换公式为：开始输入彩色图像 F确定图像大小 NM为灰度图像 G 申请空间y=1x=1提取 F 的 RGB 三个通道，计算灰度值G（x,y)=0.3R(x,y)+0.59G(x,y)+0.11B(x)XGrayi) Grayi=(unsigne

29、d char)Gi;if (Bi Grayi) Grayi=(unsigned char)齐鲁工业大学 2014 届本科毕业设计（论文）22致 谢本文是在 老师的悉心指导下完成的，三个月来 老师在学习生活和工作上给我许多有益的教诲和热情的关心!刘老师以其渊博的学识，严谨求实的治学态度、忘我的工作精神和大胆创新的进取精神对我产生重要影响!从刘老师那里我学到的不仅是科学研究上的真知灼见和勇于创新的进取精神，更学到了为人处世认真务实的态度和奋斗不止的激情，这些都会让我一生受益。从论文的选题、文献查阅、实验到最终论文的完成，都倾注了刘老师无数的心血和汗水。谨向尊敬的刘老师表示衷心的感谢！感谢刘老师在这段时间里，给了我不厌其烦的细心的指导和帮助，她给予我无私的帮助令我感动，正是在他们的帮助和关心下，我才能顺利的完成我的毕业论文，在此，我向刘老师表示最诚挚的感谢！在本文即将结束的时候，正逢端午佳节，特此向依然在辛勤工作的刘老师致敬！ 在三个月的学习工作和论文完成过程中，老师给我提供了很大的帮助和有益的指导，在此表示深深的感谢和良好的祝愿！同时，感谢柳志春同学、陈浩同学在实验中的帮助和配合，有了他们的参与，我的论文才能顺利的完成。再一次衷心的感谢所有关心我、帮助我的老师、同学和朋友们！在以后的人生道路上，我将继续以我的努力去回报所有关心我的人们。