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,,与中心点灰度值相差都为，因而被合并。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大小尺寸,判断读入图尺寸下，甚至在以内。快速的指令周期使得芯片能够实时实现许多应用。面向寄存器和累加器所使用的不是般的寄存器文件，而是专用寄存器，较新的产品都有类似于的寄存器文件。许多还有大的累加器，可以在异常情况下对数据溢出进行处理。支持前后台处理支持复杂的内循环处理，包括建立起内存和分址循环计数器。些在做内循环处理中把中断屏蔽了，另些则以类似后台处理的方行高级语言的算法模拟，比如使用等仿真工具，验证算法的可行性，得出最佳的处理方法。的系统设计，主要分为硬件设计和软件设计。硬件设计是指根据系统要求选择合适的芯片，然后设计相应的外围电路。软件设计主要是指根据系统的要求和选用的芯片编写相应的程序。程序的编写可以使用汇编语言，汇编语言编写的程序效率高，但比较烦杂也可采用语言，的语言基本上是标准语言，编写比较简单，但效率低。在实际系统开发时往往是两种语言结合编写，在算法运算量大的地方使用汇编语言，在运算量小的地方使用语言，这样既能缩短软件的开发周期，提高程序的可读性和可移植性，又满足了系统的实时性要求。本文的设计采用汇编语言编写设计软件程序。系统的开发工具是种针对系列的集成开发环境,在操作系统下，采用图形接口界面，提供有环境配置源文件编辑程序调试跟踪和分析等工具。有两种工作模式，即软件仿真器模式可以脱离芯片，在机上模拟的指令集和工作机制，主要用于前期算法实现和调试。硬件在线编程模式可以实时运行在芯片上,与硬件开发板相结合在线编程和调试应用程序。的开发系统主要由以下组件构成集成代码产生工具集成开发环境实时内核插件及其应用程序接口实时数据交换的插件以及相应的程序接口由公司以外的第三方提供的各种应用模块插件。的功能十分强大，它集成了代码的编辑编译链接和调试等诸多功能，而且支持和汇编的混合编程，其主要功能如下具有集成可视化代码编辑界面，用户可通过其界面直接编写汇编文件等含有集成代码生成工具，包括汇编器优化编译器链接器等，将代码的编辑编译链接和调试等诸多功能集成到个软件环境中高性能编辑器支持汇编文件的动态语法加亮显示，使用户很容易阅读代码，发现语法工程项目管理工具可对用户程序实行项目管理。在生成目标程序和程序库的过程中，建立不同程序的跟踪信息，通过跟踪信息对不同的程序进行分类管理基本调试工具具有装入执行代码查看寄存器存储器反汇编变量窗口等功能，并支持源代码级调试断点工具，能在调试程序的过程中，完成硬件断点软件断点和条件断点的设置探测点工具，可用于算法的仿真，数据的实时监视等分析工具，包括模拟器和仿真器分析，可用于模拟和监视硬件的功能评价代码执行的时钟数据的图形显示工具，可以将运算结果用图形显示,包括显示时域频域波形眼图星座图图像等，并能进行自动刷新提供工具。利用扩展语言，用户可以编写自己的控制面板菜单，设置菜单选项，方便直观地修改变量，配置参数等支持多的调试支持技术，可在不中断目标系统运行的情况下，实现与其他应用程序的数据交换提供工具，增强对代码的实时分析能力。滤波器设计总框图滤波器设计总片。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,,与中心点灰度值相差都为，因而被合