基于机器视觉的数字图像处理系统设计

肖红 杨本胜

（广州松田职业学院 广东省广州市 511300）

如今，数字图像技术已经发展到了各个领域中，各界学者们开始利用 MATLAB工具提供的各种算法，分别在航空航天、医学图像、道路交通等领域得到了广泛的应用[1]。数字图像处理技术在将来的发展中也将深入到实际的生产、科学研究活动中。近几年来，社会逐渐朝着信息化方向发展，人工智能技术和大数据技术日益成熟，不可避免地涉及图像领域的一些技术性知识[2]。数字化图像处理是利用计算机等数字技术规范化处理数字图像，提高数字图像的质量，达到目标识别的预期目标[3]。

1 数字图像处理系统硬件设计

基于机器视觉的数字图像处理系统与一般图像处理系统之间存在一定差异，基于机器视觉的数字图像处理系统可以让数字图像检测电路和采样控制电路同时接通电源，在可编程定时控制电路中共同完成设计，使得数字图像处理系统具有更加灵活的控制能力[4-5]。为了有效保证基于机器视觉的数字图像处理系统在高速运行过程中的有效性，需要严格把握好每一个硬件配置的选择，对于芯片的时间参数而言，需要确保其可以在允许的范围内，实际应用时，可以采用74F***或者74S***系列的芯片。

1.1 设计同步分离电路

数字化视频图像中，数字图像信号的负脉冲保持在-0.2 v 以上，且通常高于零伏。数字图像的同步信号可以用电子比较器。调试同步分离电路时，应尽可能扩大lm311 的输出，确保基线同步脉冲的宽度在5.7μ ～6μ s 之间，保证基线同步脉冲始终高于零电平。同步分离电路的结构图如图1所示。

图1：同步分离电路的结构图

1.2 设计数字图像采样窗口控制电路

根据数字图像采样窗口的控制电路原理，确定数字图像采集时每一帧的采样行数，而可编程计数器的计数长度可以通过行数和652H 的乘积得到。在数字图像处理过程中，为避免数字图像信号在存储器中传输和存储，则需保证该行的数值大于23。当U6 可编程计数器2 运行于模式1 的情况下，它能够决定为每帧数字图像进行采样所需的行数，则计数长度就是这一行的数值。U7 程控计数器0 属于工作模式5，它能决定每帧数码影像何时开始采样。

1.3 设计数字图像收集器

根据机器视觉技术的原理，需要将解码芯片的输入晶振设置为24.576 MHz，但是系统运行时要符合系统频率的规定，将解码芯片的工作频率设置为13.5 MHz，由于本文设计的数字图像处理系统是以256 级灰度图像为研究对象，利用机器视觉的PAL 机制输入图像采集信号，与数字图像处理系统的运行速度需求相互结合，实现数字图像解码芯片的配置。

在数字图像采集器中，解码芯片可以提供给用户两种寄存器设置方式，即I2C 总线控制和边界扫描测试。按照数字图像处理系统在设计过程中方案，选择使用单片机I/O 接口对I2C 总线接口模拟，初始化处理数字图像的寄存器。

先对数字图像处理系统的整体结构设计，设计了同步分离电路、数字图像采样窗口控制电路以及数字图像收集器，完成了硬件设计。

2 数字图像处理系统软件设计

确定数字图像清晰度指标，划分数字图像的处理结果。首先是用户对数字图像清晰度的主观认定程度，其二就是认定数字图像的客观清晰度，将以上两个方面结合起来，得到一个可以评估数字图像清晰化的指标。

用户对数字图像清晰度的主观评价是来自人对数字图像色彩和清晰度的判断，依据个人的敏感度和对色彩的喜好程度，因此，最终确定的用户主观认定指标是不确定的。

数字图像的均值可以衡量数字图像在机器视觉效果方面的色彩亮度和像素程度，数字图像的标准差可以衡量数字图像处理效果的直观因素，标准差因素是反映数字图像在像素灰度分布方面离散程度的直接指标，因此，在设计数字图像处理系统的软件时，通过均值和标准差的数值范围，确定数字图像处理的清晰化评估指标。将数字图像的输出值作为度量数字图像失真或者评价数字图像质量的值，公式如下：

当认定了数字图像清晰度的评估指标之后，可以进一步研究基于机器视觉的数字图像处理系统在处理数字图像时的处理流程。

由于数字图像的清晰度是由反射分量和亮度组成的，因此，数字图像在机器视觉技术处理下的清晰度计算公式为：

上述公式中，I(x,y)表示数字图像的像素，R(x,y)表示数字图像的输出分量，可以体现出数字图像的整体特性，S(x,y)表示数字图像的采集分量。

机器视觉技术降低了空气光照对数字图像的影响程度，可以获取到能够体现物体本身特质的反射分量，实现数字图像的清晰化处理。将接收到的数字图像转化到用户视觉感知的视觉领域中，转化公式可以表示为：

为了提高数字图像的机器视觉清晰度效果，需要弥补数字图像的对比度缺陷，那么数字图像处理的辅助公式为：

上述公式中，G(x,y)表示数字图像的对比度缺陷处理量。

根据数字图像的清晰度指标，清晰化处理数字图像的程度，完成了数字图像处理系统的软件设计，实现了数字图像的处理。

3 系统测试分析

为了验证基于机器视觉的数字图像处理系统具有一定的实用性，需要测试基于机器视觉的数字图像处理系统的性能。引入文献[4]的图像处理系统进行对比，测试了两个图像处理系统的吞吐量和处理效率，结果如下。

两个图像处理系统的吞吐量测试结果如图2所示。

图2：系统的吞吐量测试结果

从图2 的结果可以看出，随着数字图像的帧数越来越多，两个数字图像处理系统的吞吐量也随着增加，文献[4]的图像处理系统得到的吞吐量偏低，在4000 帧/s，基于机器视觉的数字图像处理系统的吞吐量比较高，达到了16000 帧/s，原因是本文设计的数字图像处理系统在机器视觉技术的支撑下，可以消除噪声对数字图像的干扰，从而提高了系统的网络吞吐量。

两个图像处理系统的处理效率测试结果如表1所示。

表1：网络流量误识率测试结果

从表1 的实验结果可以看出，随着数字图像样本数量的不断增加，与文献[4]的图像处理系统相比，基于机器视觉的数字图像处理系统在处理数字图像时，处理效率基本都超过了95%，保证了数字图像的质量，原因是基于机器视觉的数字图像处理系统在处理之前，利用机器视觉理论，将数字图像的像素特征提取出来，并对数字图像进行了清晰化处理，使得素质图像的处理效率大大提升。

4 结束语

考虑到目前数字图像处理系统存在耗时长、处理效果差的问题，本文提出了基于机器视觉的数字图像处理系统设计与实现，在机器视觉技术的基础上，设计了数字图像处理系统的硬件部分和软件部分，实现了数字图像的处理。结果显示，基于机器视觉的数字图像处理系统可以缩短数字图像的处理时间，提高数字图像的处理效果。