第1章 熱點圖像處理方法原理及其MATLAB仿真

1.1 基于模型的圖像邊緣檢測及其代碼快速生成

1.1.1 模型驅(qū)動開發(fā)思想概述

基于模型設(shè)計方法是一種設(shè)計復(fù)雜系統(tǒng)的可視化數(shù)學(xué)方法。基于模型的軟件開發(fā)方法是一種以模型為中心的軟件設(shè)計方法，用模型來形式化表示用戶所構(gòu)建系統(tǒng)的功能、行為和結(jié)構(gòu)。形式化的意思是指描述模型的語言具有定義良好的語法和語義。基于模型設(shè)計思想是通過模型抽象和描述系統(tǒng)的關(guān)鍵問題，用模型表示出系統(tǒng)解決方案，并通過形式化的工具對系統(tǒng)模型進行驗證，以保證系統(tǒng)設(shè)計正確性。基于模型設(shè)計思想從根本上解決了軟件設(shè)計的正確性保證問題。

什么是模型？模型可以是具體的物理實體，也可以是抽象的描述，如圖像描述、數(shù)學(xué)表達式。模型特征是對對應(yīng)的物理系統(tǒng)或者非物理系統(tǒng)的一種簡化表示，是人們的一種有意識的創(chuàng)造物。有了模型，系統(tǒng)開發(fā)人員就可以依賴模型來構(gòu)建系統(tǒng)，而忽略掉無關(guān)的細(xì)節(jié)。

系統(tǒng)建模和模型仿真驗證是基于模型設(shè)計方法的兩個重點。采用特定的建模語言和模型設(shè)計工具，來抽象出被描述的目標(biāo)系統(tǒng)，從而建立準(zhǔn)確的模型，這樣可以消除其他系統(tǒng)描述方式（比如文本描述）的模糊性和二義性。仿真驗證毫無疑問需要基于建立好的準(zhǔn)確的目標(biāo)模型，而仿真驗證帶來的好處是通過相應(yīng)的仿真驗證工具對模型進行仿真驗證之后可以保證模型的正確性。

模型驅(qū)動架構(gòu)（Model Driven Architecture, MDA）是2002年被提出的，包含了模型的精確形式化表示、模型存儲以及模型交換等方面的一系列規(guī)約，如MOF（Meta Object Facility）、OCL（Object Constraint Language）、XMI（XML Metadata Interchange）等，旨在提高程序設(shè)計的抽象層次，提高軟件開發(fā)效率，增強軟件的可移植性、協(xié)同工作能力和可維護性。要求設(shè)計時進行嚴(yán)格的模型定義，力求最終能全部或部分自動生成工程代碼。

MDA的軟件開發(fā)過程是由軟件系統(tǒng)建模驅(qū)動的。模型根據(jù)抽象層次不同可分為平臺無關(guān)模型PIM和平臺相關(guān)模型PSM。平臺無關(guān)模型描述系統(tǒng)的行為需求不涉及平臺實現(xiàn)細(xì)節(jié)，平臺無關(guān)模型的設(shè)計者專注于表示系統(tǒng)的業(yè)務(wù)邏輯；平臺相關(guān)模型不僅包含系統(tǒng)功能描述，而且包含實現(xiàn)平臺的設(shè)計思想。平臺無關(guān)模型可以被轉(zhuǎn)換為一個或多個平臺相關(guān)模型，平臺相關(guān)模型最終會轉(zhuǎn)換成具體平臺的實現(xiàn)代碼。MDA軟件開發(fā)周期如圖1.1.1所示。

MDA引入了模型驅(qū)動開發(fā)（Model-Driven Development, MDD）的軟件開發(fā)和模型集成運算（Model-Integrated Computing, MIC）的開發(fā)模式。模型驅(qū)動開發(fā)是當(dāng)今嵌入式系統(tǒng)開發(fā)方法的熱點，模型集成運算開發(fā)方法是面向領(lǐng)域的模型驅(qū)動開發(fā)方法，在面向特定領(lǐng)域的建模語言方面擴展了模型驅(qū)動開發(fā)方法，能通過元模型針對特定領(lǐng)域進行定制和裁剪，并能基于領(lǐng)域模型自動生成代碼。

代碼生成的概念最初見于編譯器設(shè)計和開發(fā)中，編譯器先將輸入的源程序翻譯成某種中間表示，然后產(chǎn)生等價的某種目標(biāo)程序語言表示的目標(biāo)程序。這種將中間表示生成目標(biāo)程序的過程也是代碼生成，但是在基于模型的軟件設(shè)計方法中的代碼生成是指利用計算機程序（代碼生成器）將模型自動地生成可用的代碼。代碼生成的過程大致包括模型建立和生成代碼。建立一個好的能準(zhǔn)確描述應(yīng)用系統(tǒng)并充分考慮系統(tǒng)應(yīng)用環(huán)境的模型并沒有解決所有問題，因為必須將這個模型轉(zhuǎn)化成有效的可運行的模型代碼。

基于模型的軟件開發(fā)方法和傳統(tǒng)的軟件開發(fā)方法有著顯著的區(qū)別。傳統(tǒng)的軟件開發(fā)方法如圖1.1.2所示，其核心是代碼，代碼的開發(fā)、測試和維護占用項目開發(fā)的絕大多數(shù)時間和精力。而基于模型的軟件開發(fā)方法，如圖1.1.3所示，其核心是模型，項目開發(fā)的主要工作是模型的設(shè)計，測試和維護也是圍繞著模型來開展的，其代碼可以方便地依據(jù)模型而自動生成。代碼生成可以很好地提升軟件開發(fā)效率、縮短軟件開發(fā)周期、提高軟件開發(fā)效率。

1.1.2 模型驅(qū)動開發(fā)的優(yōu)勢

基于模型驅(qū)動的設(shè)計開發(fā)在各個過程之間沒有阻礙，它的優(yōu)勢在于：

（1）在統(tǒng)一的開發(fā)、測試平臺上，允許產(chǎn)品從需求分析階段就開始驗證，并做到持續(xù)不斷的驗證與測試；

（2）產(chǎn)品的缺陷暴露在產(chǎn)品開發(fā)的初級階段，開發(fā)者把主要精力放在算法和測試的研究上，代碼生成和驗證過程則留給計算機自動完成；

（3）大大縮短開發(fā)周期，降低開發(fā)成本。

1.1.3 模型驅(qū)動開發(fā)在圖像處理領(lǐng)域中的應(yīng)用

眾所周知，數(shù)字圖像處理的實現(xiàn)過程中代碼量巨大，將模型驅(qū)動開發(fā)引入到圖像處理領(lǐng)域，則可大大提高其規(guī)范性和高效性。

基于模型驅(qū)動的數(shù)字圖像處理的主要步驟包括：

（1）需求分析；

（2）將實現(xiàn)過程按照邏輯先后順序分為各個階段，再將各個階段按照功能劃分為各個模塊；

（3）建立基于功能模塊的模型，并進行仿真；

（4）代碼自動生成。

1.1.4 基于Simulink-Blocks的模型驅(qū)動開發(fā)圖像處理

MATLAB中的計算機視覺系統(tǒng)工具箱（Computer Vision System）如圖1.1.4所示，提供了視頻和圖像處理的各種模型，共計11個大類庫，每個模型庫提供了數(shù)種模塊。用戶可以通過拖動、組合，構(gòu)建視頻和圖像處理模型，進行視頻和圖像的仿真和分析。

啟動MATLAB，選擇菜單欄的Simulink Library，按圖1.1.4所示選擇Computer Vision System Toolbox，系統(tǒng)就會顯示計算機視覺系統(tǒng)工具箱，如圖1.1.5所示。視頻和圖像處理模塊包含Sources（輸入模塊）、Sinks（輸出模塊）、Analysis ＆Enhancement（分析和增強）、Conversions（轉(zhuǎn)換）、Filtering（濾波）、Geometric Transformations（幾何變換）、Morphological Operations（形態(tài)學(xué)運算）、Statistics（統(tǒng)計）、Text ＆Graphics（文本和圖像）、Transforms（變換）和Utilities（自定義）11個大類庫。這幾乎包含了圖像處理中的所有操作和算法，并附帶了文字標(biāo)注子模塊，為圖像處理的模型建立和仿真提供了充足的模塊。

1.1.5 基于Sobel算子的邊緣檢測的基本原理

邊緣是圖像最基本的特征。邊緣檢測在計算機視覺、圖像分析等應(yīng)用中起著重要的作用，是圖像分析與識別的重要環(huán)節(jié)。因為圖像的邊緣包含了用于識別的有用信息，所以邊緣檢測是圖像分析和模式識別的主要特征提取手段。

所謂邊緣，是指其周圍像素灰度階躍變化或屋頂狀變化的那些像素的集合，它存在于目標(biāo)與背景、目標(biāo)與目標(biāo)、區(qū)域與區(qū)域、基元與基元之間。因此，它是圖像分割所依賴的重要特征，也是紋理特征的重要信息源和形狀特征的基礎(chǔ)；而圖像的紋理形狀特征的提取又常常依賴于圖像分割。圖像的邊緣提取也是圖像匹配的基礎(chǔ)，因為它是位置的標(biāo)志，對灰度的變化不敏感，所以可作為匹配的特征點。

圖像的其他特征都是由邊緣和區(qū)域這些基本特征推導(dǎo)出來的。邊緣具有方向和幅度兩個特征。沿邊緣走向，像素變化比較平緩；而垂直于邊緣走向，像素變化比較劇烈，而這種劇烈變化可能呈現(xiàn)階躍狀，也可能呈現(xiàn)斜坡狀。邊緣上的這種變化可以用微分算子檢測出來，通常用一階或二階導(dǎo)數(shù)來檢測邊緣。不同的是，一階導(dǎo)數(shù)認(rèn)為最大值對應(yīng)邊緣位置，而二階導(dǎo)數(shù)則以過零點對應(yīng)邊緣位置。

邊緣檢測的步驟如下：

（1）圖像濾波。邊緣檢測算法主要是基于圖像亮度的一階和二階導(dǎo)數(shù)，但是導(dǎo)數(shù)的計算對噪聲很敏感，因此必須使用濾波器來改善與噪聲有關(guān)的邊緣檢測器的性能。

（2）圖像增強。增強邊緣的基礎(chǔ)是確定圖像各點鄰域強度的變化值。增強算法可以將鄰域強度值有顯著變化的點突出顯示。

（3）圖像檢測。在圖像中有許多點的梯度幅值比較大，而這些點在特定的應(yīng)用領(lǐng)域中并不都是邊緣，應(yīng)該用某些方法來確定哪些是邊緣點。最簡單的邊緣檢測判據(jù)是梯度幅值閾值判據(jù)。

（4）圖像定位。如果某一應(yīng)用場合要求確定邊緣位置，則邊緣的位置可以在子像素分辨率上來估計，邊緣的方位也可以被估計出來。

對于圖像的邊緣檢測來說，一般在識別過程中有如下要求：

（1）首先能夠正確地檢測出有效的邊緣；

（2）邊緣定位的精度要高；

（3）檢測的響應(yīng)最好是單像素的；

（4）對于不同尺度的邊緣都能有較好的響應(yīng)并盡量減少漏檢；

（5）對噪聲應(yīng)該不敏感；

（6）檢測的靈敏度受邊緣方向影響應(yīng)該小。

邊緣檢測的實質(zhì)是采用某種算法來提取出圖像中的對象與背景間的交界線。圖像灰度的變化情況可以用圖像灰度分布的梯度來反映，因此可以利用局部圖像微分技術(shù)獲得邊緣檢測算子。經(jīng)典的邊緣檢測方法是對原始圖像中像素的某個小鄰域來構(gòu)造邊緣檢測算子。

Sobel算子的基本原理是將圖像中每個像素的上、下、左、右四鄰域的灰度值加權(quán)差，與之接近的鄰域的權(quán)值最大。因此，Sobel算子定義如下：

sx＝｛f（x+1, y－1）+2f（x+1, y）+f（x+1, y+1）｝

－｛f（x－1, y－1）+2f（x－1, y）+f（x－1, y+1）｝

sy＝｛f（x－1, y+1）+2f（x, y+1）+f（x+1, y+1）｝

－｛f（x－1, y－1）+2f（x, y）+f（x+1, y－1）｝

該方法不但能產(chǎn)生較好的檢測效果，而且對噪聲具有平滑作用，可以提供較為精確的邊緣方向信息。但是，在抗噪聲好的同時增加了計算量，而且也會檢測出偽邊緣，定位精度不高。如果檢測中對精度的要求不高，則該方法較為常用。

1.1.6 基于模型的實現(xiàn)

下面就通過一個例子來看一下，如何通過MATLAB Simulink-Blocks來實現(xiàn)基于模型驅(qū)動的數(shù)字圖像處理。

（1）需求分析。對輸入的圖像進行Sobel邊緣檢測。

（2）實現(xiàn)步驟。RGB圖像輸入→轉(zhuǎn)換成灰度圖像→邊緣提取。

（3）建立功能模塊，并通過功能模塊進行仿真。

其中，各功能模塊及其路徑如表1.1.1所列，連接方式如圖1.1.6所示。

對各模塊的屬性進行設(shè)置如下：

（1）雙擊Image From File模塊，將其參數(shù)設(shè)置為如圖1.1.7所示的內(nèi)容。

（2）雙擊Color Space Conversion模塊，將其參數(shù)設(shè)置為如圖1.1.8所示的參數(shù)。

（3）雙擊Edge Detection模塊，將其參數(shù)設(shè)置為如圖1.1.9所示的參數(shù)。

在完成各功能模塊的設(shè)置之后，對整個模型進行仿真，證明該模型是正確的并且是可行的，其運行效果如圖1.1.10所示。

1.1.7 代碼的快速生成

接下來，進行代碼的自動生成。在Simulation下拉菜單下，選擇Configuration Parameters，如圖1.1.11所示。

將Solver options的屬性設(shè)置為Fixed-step，如圖1.1.12所示。

單擊Code Generation下的Build按鈕（如圖1.1.13所示），便可生成可執(zhí)行的C代碼，如圖1.1.14所示。