（定稿）板栗仁加工扩建项目投资申请报告4

最简单的方法就是用该点的梯度幅度代替该点的灰度。

此方法的缺点就是增强的图像仅仅是灰度变换比较陡峭的边缘轮廓，而灰度变化比较平缓或者比较均匀的地方则呈现黑色。

为了突出物体的边缘，常常采用梯度值的改进算法，将图像各个点的梯度值与阈值作比较，如果大于阈值，该像素点的灰度值用其梯度值表示，否则用个固定的灰度值表示。

综上所述，图像锐化算法主要包括三方面内容算取合适的梯度算子如拉普拉斯算子根据所选用的梯度算子计算图像各点的灰度值，得出各像素点的梯度值根据个像素点的梯度值选取合适的处理方法。

图像锐化的功能实现由于设计要求原因，本次设计主要只研究运用梯度算子来实现图像的锐化处理。

首先绘制出梯度锐化实现的流程图，流程图如图子程序开始复制图像利用算子求出，方向上梯度求出图像梯度模值利用梯度模值与原图灰度值按比例相加得到锐化图像返回图梯度锐化流程图根据上述流程图，编程实现图像锐化功能。

图像锐化前后效果图对比如图平均平滑第次梯度锐化第二次梯度锐化第三次梯度锐化图图像锐化前后对比图由上图可清晰的看到图像经过锐化处理后的变化。

图像锐化使原本经过图像平滑后变得模糊的边界轮廓得到了改善，是图像的边缘变得清晰了。

但是图像如果经过过度锐化图后两图以后，反而会使图像变得模糊。

因此进行图像锐化时需进行适度锐化图像，从而更好的得到所需图像。

区域生长图像分割概述图像分割的方法和种类非常多，有些分割算法可以直接用于大多数图像，而另些则只适用于特殊类别的图像。

般采用的方法有边缘检测边界跟踪区域生长区域分离和聚合等。

本次设计则只研究区域生长的图像分割方法。

图像分割算法般给予图像灰度只的不连续性或其相似性。

不连续性是给予图像灰度的不连续变化分割图像，如针对图像的边缘有边缘检测边界跟踪等算法相似性是依据事先制定的准则将图像分割为相似的区域，如阈值分割区域生长等。

图像分割在科学研究和工程技术领域有着广泛的应用。

在工业上，应用于矿藏分析无接触式检测产品的精度和纯度分析等在生物医学上，应用于计算机断层图像光透视核磁共振病毒细胞的自动检测和识别等交通上，应用于车辆检测车种识别车辆跟踪等另外，在机器人视觉神经网络身份鉴定图像传输等各个领域都有着广泛的应用。

区域生长区域生长是根据事先定义的准则将像素或者子区域聚合成更大区域的过程。

其基本思想是从组生长点开始生长点可以是单个像素，也可以为个小区域，将与该生长点性质相似的相邻像素或者区域与生长点合并，形成新的生长点，重复此过程直到不能生长为止。

生长点和相邻区域的相似性判据可以是灰度值纹理颜色等多种图像信息。

区域生长般有个步骤。

选择合适的生长点。

确定相似性准则即生长准则。

确定生长停止条件。

般来说，在无像素或者区域满足加入生长区域条件时，区域生长就会停止。

图给出个区域生长的实例图为原图像，数字表示像素的灰度。

以灰度为的像素为初始的生长点，记为，。

在领域内，生长准则是待测点灰度值与生长带你灰度值相差为或者。

那么，图所示，第次区域生长后并。

第二次生长后，如图所示被合并。

第三次生长后，如图所示，被合并，至此，已经不存在满足生长准的的像素点，生长停止。

原图像灰度矩阵生长点第次区域生长结果第二次区域生长结果第三次区域生长结果区域生长的优势和劣势优势区域生长通常能将具有相同特征的联通区域分割出来。

区域生长能提供很好的边界信息和分割结果。

区域生长的思想很简单，只需要若干种子点即可完成。

在生长过程中的生长准则可以自由的指定。

可以在同时刻挑选多个准则。

劣势计算代价大。

噪声和灰度不均可能会导致空洞和过分割。

对图像中的阴影效果往往不是很好。

区域生长的实现首先绘制出区域生长实现的流程图，如图所示子程序开始图像预处理锐化选择种子点迭代判断区域产生二值化图像返回图区域生长流程图根据上述流程图，可编程实现区域生长功能。

在读入图片点击区域生长功能键以后，系统会自动弹出个名为的对话框，如图所示图点击区域生长按键后弹出的对话框此时，操作人员可以方便快捷的在该对话框中的图片上选择个所需点作为种子点进行区域生长功能的实现。

种子点选择过后，程序会自动关闭该对话框回到主界面显示区域生长后的图片。

图像区域生长后效果图如图当阈值为时的区域生长图当阈值为时的区域生长图当阈值为时的区域生长图当阈值为时的区域生长图当阈值为时的区域生长图图图像区域生长后效果图区域生长是经过在图像上选取个点作为第个种子点，并设定个阈值。

然后将种子点的像素与周围点的灰度值相比较，他们的差值小于设定的阈值时就将其作为另个种子点这样循环比较下去，直到种子点周围点灰度差值大于阈值才停止。

然后将满足条件即与种子点差值小于阈值的点记录并留下来在图像中显示，从而得到如图的区域生长后的图形。

由图对比可见，当阈值为时得到的区域生长后的图形最接近完整的肝脏，所以在后面提取区域时运用阈值为的区域生长图进行提取，以便得到更好的肝脏提取效果图。

但此区域生长方法有个缺陷，会使得到的图形产生很多小孔，这将由下个提取区域功能中加入个图像腐蚀功能来改善这缺陷。

在编写区域生长的程序时需注意阈值的选择，如果阈值太大，容易导致溢出，使程序不能正常运行如果阈值太小，则无法得到所需的图像。

提取区域提取区域的功能是在图像进行过区域生长以后，将区域生长后的二值图作为掩码，在原图中提取并显示出来，从而提取出了原图腹腔中的肝脏部分。

提取区域后的图像如图所示图提取区域后的图像上图是未经过腐蚀直接进行提取区域后得到的图像，由于直接进行提取区域，，，附录系统实现主程序读入图像生成对象，即打开选择图片对话框，选择图片后返回程序获得图片地址自带字符操作类转化为字符串读入图片图片备份读入图片标志显示图片判断是否有图片，生成类型对话框对象生成尺寸对话框对象，获取平滑类型，获取尺寸并判断平滑显示平滑后图像图像显示函数获取句柄获取图像框，，与中心点灰度值相差都为，因而被合尺寸行逻辑分析功能的代码和客户的设计组合在起编译布局布线的。

在调试时，通过状态采样将客户设定的节点信息存储于内嵌的中，再通过下载电缆传回计算机。

嵌入逻辑分析仪集成到设计软件中，能够捕获和显示可编程单芯片系统设计中实时信号的状态，这样开发者就可以在整个设计过程中以系统级的速度观察硬件和软件的交互作用。

它支持多达个通道，采样深度高达，每个分析仪均有级触发输入输出，从而增加了采样的精度。

为设计者提供了业界领先的设计的实时可视性，能够大大减少验证过程中所花费的时间。

目前逻辑分析仪支持的器件系列包括。

将逻辑分析模块嵌入到中，如图所示。

逻辑分析模块对待测节点的数据进行捕获，数据通过接口从传送到软件中显示。

使用无需额外的逻辑分析设备，只需将根接口的下载电缆连接到要调试的器件。

对的引脚和内部的连线信号进行捕获后，将数据存储在定的块中。

因此，需要用于捕获的采样时钟信号和保存被测信号的定点数的块。

图测试节点信号框图基于的调制解调信号的测试调制信号输出如图所示，图中第个信号是输入的测试信号，的二个信号是解调后得到的信号，第三个是调制信号。

与前面的功能仿真和时序仿真结果保持致，从而说明我们的程序可以在硬件上良好的运行，能够达到要求。

图调制输出下面我们在用观测下其他重要节点的信号。

图中的第三个信号是信号经过信道后的信号。

图调制信号和经过信道后的信号比较解调中经过低通滤波器的信号是决定是否能够解调成功的关键，图中第三个波形就是这个信号，从波形上来看达到了我们滤波的要求，因此说明我们设计的数字滤波器能够成功的实现在上。

图比特差分解调中经过滤波器获得的信号通过上面的验证，证明了我们的整个调制与解调过程在上是能够实现的，我们在整个系统的建模上是完全可行的。

小节这章我们主要研究的是对前面所做的工作的验证过程，这章里我们首先通过中做了系统级的仿真，确定了我们总体设计方案的正确性，同时也进步了解技术中些重要参数的作用，为后面的工作做了铺垫。

然后，我们利用和做了时序仿真，是我们的的验证结果更加接近实际运行情况。

最后我们利用通过口与硬件平台进行了交互，得到了我们的调制与解调系统在实际硬件中的运行状态。

同构上面的三种级别验证，证明了我们系统的在硬件平台中实现的可能性。

第五章硬件平台的搭建本论文是基于硬件平台的调制与解调的研究，所以硬件平台的搭建是个非常重要的部分。

本文采用的芯片是公司的系列中的，它具有个逻辑单元，的，个内嵌乘法器，个锁相环，和个通用口。

下面我们纤细介绍以硬件平的重要组成部分。

图是本次搭建系统的硬件框图。

电源模块复位电路外接外接配置模块图系统硬件框图硬件电路介绍与分析电源模块本次采用的芯片需要两种电压，分别是和，其中电压是给内核供电的电压，的电压是供外设和口使用的电压。

考虑到的本次设计的功率并不是很大，所以采用的电源芯片是低成本的线性稳压电源芯片和。

图和图分别是产生和的原理图图电源电路图电源电路模块是种国际标准测试协议兼容，主大小尺寸，判断读入图片。

最简单的方法就是用该点的梯度幅度代替该点的灰度。

此方法的缺点就是增强的图像仅仅是灰度变换比较陡峭的边缘轮廓，而灰度变化比较平缓或者比较均匀的地方则呈现黑色。

为了突出物体的边缘，常常采用梯度值的改进算法，将图像各个点的梯度值与阈值作比较，如果大于阈值，该像素点的灰度值用其梯度值表示，否则用个固定的灰度值表示。

综上所述，图像锐化算法主要包括三方面内容算取合适的梯度算子如拉普拉斯算子根据所选用的梯度算子计算图像各点的灰度值，得出各像素点的梯度值根据个像素点的梯度值选取合适的处理方法。

图像锐化的功能实现由于设计要求原因，本次设计主要只研究运用梯度算子来实现图像的锐化处理。

首先绘制出梯度锐化实现的流程图，流程图如图子程序开始复制图像利用算子求出，方向上梯度求出图像梯度模值利用梯度模值与原图灰度值按比例相加得到锐化图像返回图梯度锐化流程图根据上述流程图，编程实现图像锐化功能。

图像锐化前后效果图对比如图平均平滑第次梯度锐化第二次梯度锐化第三次梯度锐化图图像锐化前后对比图由上图可清晰的看到图像经过锐化处理后的变化。

图像锐化使原本经过图像平滑后变得模糊的边界轮廓得到了改善，是图像的边缘变得清晰了。

但是图像如果经过过度锐化图后两图以后，反而会使图像变得模糊。

因此进行图像锐化时需进行适度锐化图像，从而更好的得到所需图像。

区域生长图像分割概述图像分割的方法和种类非常多，有些分割算法可以直接用于大多数图像，而另些则只适用于特殊类别的图像。

般采用的方法有边缘检测边界跟踪区域生长区域分离和聚合等。

本次设计则只研究区域生长的图像分割方法。

图像分割算法般给予图像灰度只的不连续性或其相似性。

不连续性是给予图像灰度的不连续变化分割图像，如针对图像的边缘有边缘检测边界跟踪等算法相似性是依据事先制定的准则将图像分割为相似的区域，如阈值分割区域生长等。

图像分割在科学研究和工程技术领域有着广泛的应用。

在工业上，应用于矿藏分析无接触式检测产品的精度和纯度分析等在生物医学上，应用于计算机断层图像光透视核磁共振病毒细胞的自动检测和识别等交通上，应用于车辆检测车种识别车辆跟踪等另外，在机器人视觉神经网络身份鉴定图像传输等各个领域都有着广泛的应用。

区域生长区域生长是根据事先定义的准则将像素或者子区域聚合成更大区域的过程。

其基本思想是从组生长点开始生长点可以是单个像素，也可以为个小区域，将与该生长点性质相似的相邻像素或者区域与生长点合并，形成新的生长点，重复此过程直到不能生长为止。

生长点和相邻区域的相似性判据可以是灰度值纹理颜色等多种图像信息。

区域生长般有个步骤。

选择合适的生长点。

确定相似性准则即生长准则。

确定生长停止条件。

般来说，在无像素或者区域满足加入生长区域条件时，区域生长就会停止。

图给出个区域生长的实例图为原图像，数字表示像素的灰度。

以灰度为的像素为初始的生长点，记为，。

在领域内，生长准则是待测点灰度值与生长带你灰度值相差为或者。

那么，图所示，第次区域生长后