基于ARM的图像特征分析设计

刘青正，韦艳霞

（广西科技大学 电气与信息工程学院，广西 柳州 545006）

随着数字多媒体技术的不断发展，数字图像处理技术被广泛应用于可视电话、电视会议、监控系统等各种民用、商用及工业生产领域中，同时对图像采集系统的要求日益提高。其中，这些产品中核心的技术就是实时图像的采集和处理，图像采集的速度、质量直接影响到产品的整体效果。图像特征提取是将是计算机视觉应用的根本基础[1]。众所周知，视频图像数字化后数据量非常庞大，对如此大量高速的数据进行实时处理是计算机应用领域中技术难度最大的部分。图像特征提取是图像识别的关键步骤，图像特征提取的效果如何，直接决定着图像识别的效果，如何从原始图像中提取具有较强表示能力的图像特征是智能图像处理的一个研究热点。

图像特征提取现实意义巨大。例如工业生产中通过物体的特征检测与形状分析，特征其提取，可以实现物体的识别和具体的分类，或完成物体质量监控，实现标准检测等。特征提取处理技术的应用领域相当广泛，因此研究其理论，完成其实践具有相当重要的意义。

1 图像特征分析的理论研究

为了实现具体的图像特征提取，采用相应的图像特征分析处理算法尤其必要。本设计中主要采用了以下理论方法。

去噪声滤波器的设计：噪声在图像处理中被看成一个高频信号，图像去噪功能可由线性卷积实现。卷积过程中，依赖于高斯滤波算子。通过高斯滤波能有效地滤除掉图像中的较小的噪点和边缘形状上细小的曲折，这种与多通道处理相结合的滤波方法更能有效地提高彩色图像的信噪比。

边缘检测的算法设计：Prewitt算子是一种一阶微分算子的边缘检测，利用像素点上下、左右相邻点的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘，对噪声具有平滑作用。其原理是在图像空间利用两个方向模板与图像进行邻域卷积来完成的，这两个方向模板一个检测水平边缘，一个检测垂直边缘。

极值抑制设计：图像平滑滤波的主要目的是消除噪声，但边缘作为高频成分也将被部分平滑掉，这就需要进行非极大值抑制处理，将扩散的边缘细化。考虑到数字图像像素排列的特点，进行极值抑制时只考虑垂直和水平两个方向。当像素点P（x，y）不满足极大值条件，需要被抑制，即衰减。

彩色图像边缘检测综合算法：彩色图像边缘检测算法都是基于一定的颜色空间，数字彩色图像通常是以RGB方式存储与表达，对图像进行颜色空间的非线形转换会损失原有图像的信息，并且使变换后的图像对于噪声十分敏感。并且实验证明在RGB空间中进行边缘检测能取得的次最优并极接近最优的结果[2]。

周长计算：区域的周长定义为区域的边界长度。区域的周长在区别具有简单或复杂形状物体时特别有用，即形状特征[3]。一个形状简单的物体用相对较短的周长来包围它所占有的面积。通常，测量这个距离时包含了许多90°的转弯，从而扩大了周长值。

三基色均值计算：三种基色是相互独立的，任何一种基色都不能有其它两种颜色合成。红绿蓝是三基色，这三种颜色合成的颜色范围最为广泛[4]。三种基色是彩色图像区别于灰度图像的一种特征，不同图像三基色的组成都不一样，因此有必要对图像三基色均值进行计算。

2 系统硬件设计与实现

该系统结构图如图1所示。

图1 系统结构图Fig.1 Structure diagram of system

系统中包括的硬件电路主要有控制器部分（供电电源）、显示电路部分、存储电路部分和按键控制电路部分。

控制器选择主要考虑性能和成本的双结合，选定基于Cortex-M3内核的STM32F103ZET6为主处理器。该处理器是STM103系列中最高配置32位处理器，72M主频，LQFP144封装，片内Flash容量是512k，片内SRAM容量是64k。该处理器最小系统电路包括主时钟电路、实时时钟电路和复位电路[5]。

控制电路。配置按键4个。4个按键分别与控制器单元的PA0，PC13，PA8和PD3 4个GPIO管脚连接。当按键按下时，对应的GPIO脚为低电平；反之，当没有按键按下时，对应的GPIO管脚为高电平。独立式按键电路，保证可靠的前提下简单易操作。按键键码的程序读取采用定时扫描，顺序读取的方式。

存储器扩展主要考虑了图像数据量较大，系统必须有足够的数据存储空间，因此外扩存储器。设计中选用了128MB的Nand Flash作为存储图像数据的存储空间。通过FSMC总线实现对存储器的读与写控制。Nand Flash选型为HY27UF081G2A，其具有8位总线宽度、复用的地址/数据线的NAND接口，以（2K+64）字节的页控制管理，随机、顺序、页编程模式的页读/编程时序控制模式。Nand的就绪/繁忙信号连接至FSMC_INT2，作为中断源使用。有效的保证了高速CPU在Nand闪存操作的等待周期内执行其他的任务。

显示电路的选择考虑了通用性和操作可行性，选择设基于ILI9320控制器的3.2寸TFT LCD屏，分辨率为320×240，是16位真彩显示。处理器与TFT LCD屏的信号连接通过插座实现。

3 系统软件设计

软件设计和硬件设计是密切结合的，软件设计是否优化直接影响到系统的性能。图像特征的提取系统需要处理的是大量的图像数据，在有限的硬件资源下对软件设计的优化要求很高。因此，软件设计对系统能否实现十分重要。

系统软件设计采用MDK4.5为开发环境[6]，基于C语言的嵌入式编程，STM32的库函数调用与寄存器直接操作相结合的编程方法，实现软件的驱动编写。

模块化编程的软件设计系统结构图如图2所示。

图2 软件设计系统结构图Fig.2 Diagram of the software design system

主函数模块：完成在main函数的具体功能实现。主要内容包括初始化使用到的外部硬件，例如，初始化定时器、初始化串口、初始化NAND、初始化TFT LCD屏控制器和初始化按键的GPIO工作模式等，并且根据滴答时钟的SYSTICK实现定时扫描按键功能。根据按键功能控制TFT LCD实现不同显示界面的切换。

输入检测模块：主要完成基于独立I/O端口操作的按键的按下与松开的识别。设计中采用定时扫描的方式进行按键扫描，以实现CPU的释放与多任务。按键工作GPIO端口工作模式由初始化程序设定为GPIO_Mode_IPU方式，即输入上拉模式。这样，在无按键操作的情况下，该GPIO口读入电平为高电平。只有按键按下后才通过按键端口的下拉为GND实现既定功能。该模块具备4个按键，分别设定功能为“算法选择”“图片选择”“返回”“确定”，从而实现不同图片、不同算法的功能切换。

显示驱动模块：主要完成对TFT液晶屏的控制，输出显示各种交互式界面，包括菜单选择项、原图像展示功能及图像处理后效果展示功能。由于屏幕的尺寸限制，无法实现单屏原图对比功能。

存储驱动模块：主要用来实现对Flash存储器的接口驱动，读取/写入图片数据，进行数据保存。在研究两幅既定图像的特征提取和分析。其一是图像处理中经典图像lena图；其二是包括剪刀、小刀和指甲剪在内的混合日用品图。

算法处理模块：主要实现不同处理算法的具体内容，其中包括基于Prewitt一阶微分算子的边缘检测、基于Krisch多方向微分算子的边缘检测以及边缘检测前需要高斯噪声滤波处理算法。最后，根据边缘检测结果，通过计算周长、计算三基色均值等方法，实现彩色图像边缘检测综合算法，进行指定的日用品图像中物体的特征进行提取。

程序的执行过程，主要依据主函数模块中按键的扫描决定图片的选择和算法函数的调用，并执行图像处理后图像的显示。

软件设计的流程图如图3所示。

图3 软件设计的流程图Fig.3 Flow chart the software design

4 研究成果

本设计主要完成工作包括：

1）深入理解图像的特征提取计算方法，实现多种特征提取算法的理论研究。

2）掌握硬件及软件开发技术，并结合理论研究成果，实现算法的硬件程序编写。

3）完成基于ARM为核心的控制电路设计，实现图形数据的存取与读写、提取算法的功能切换以及TFT LCD显示屏图形化形式直观反映研究成果。

该特征分析设计具体的成果为静态既定图像的特征局部提取。

通过这些特征展示，可以明显观察到物体的特征不同。系统设计中完成了基于Prewitt算子的边缘检测，并针对日用品的特征进行提取和显示，进一步为物体的自动识别和分类现代化发展提供一个方案。为了能更好的对图片的边缘进行提取，为计算周长和计算三基色均值奠定良好的边缘效果，设计中采用彩色图像边缘检测综合算法进行边缘检测，最终实现对多种特征局部提取方法的对比研究。

设计研究的具体成果之一边缘特征提取效果如图4所示。

5 结 论

图4 边缘特征提取结果Fig.4 Result of edging feature extraction

该系统采用STM32控制器作为处理器单元，充分利用了STM32控制器的资源，通过对图像进行高斯噪声检测、图像边缘检测、阈值处理和二值化等不同算法的具体处理过程，分析图像的特性，验证了图像特征提取的思路，实现了既定的研究目标，并为工业、生活等方面进行图像特征提取提供了一个很好的方案。但在系统的设计研究过程也发现了例如动态图像的捕捉、任意图像特征的智能提取与识别等需要进一步深入研究和改进的问题。

[1]徐望明，石汉路.图像多角度局部特征提取及相似性匹配技术研究[J].电子设计工程，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]陈传波，金先级.数字图像处理[M].北京:机械工业出版社，2004.

[3]王志瑞，闫彩良.图像特征提取方法的综述[J].吉首大学学报：自然科学版，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]陈云平.数字图像识别在人脸检测中的应用[J].计算机时代，2012（5）:38-40.CHEN Yun-ping.The application of digital image recognition in face detection[J].Computer ERA，2012（5）:38-40.

[5]陈志旺.STM32嵌入式微控制器快速上手[M].北京:电子工业出版社，2012.

[6]任哲，张永忠.嵌入式系统基础—ARM与Realview MDK（Keil for ARM）[M].北京:北京航空航天大学出版社，2012.