基于TI TM320DM642的仿生眼视觉图像处理系统
1.2.6 电源和时钟模块
本系统需要3种不同的供电电压，分别是+3.3 V(外部存储器、DSP的外部I/O、视频格式转换电路、通用异步收发器、时钟芯片)、+1.4 V(DSP的内核)、+1.8 V(视频格式转换电路)。采用TPS54310和TPS76718这2款电源芯片。本电源系统中，TPS54310输入电压为5 V，一路调节成3.3 V，另一路调节为1.4 V。TPS54310输出3.3 V电压经TPS76718固定输出1.8 V。
本系统共需要4种时钟频率：50 MHz送DSP锁相环电路(PLL)，倍频到200 MHz作为DSP芯片的工作时钟；133 MHz送EMIFA接口，同步扩展外部SDRAM存储器；30.72 MHz送TL16C752B芯片，为通用异步串行接口通信提供时钟；14.318 18 MHz送TVP5150A芯片，作为视频格式转换电路的工作时钟。
2 系统软件功能设计
系统的软件功能设计包括：(1)系统引导；(2)初始化。主要包括DM642的初始化、EDMA数据传输、编解码芯片的初始化等。DM642的初始化包括片内外设的选择、EMIF初始化、I2C接口的初始化、视频口初始化；(3)实现视频数据的采集、数据搬移、图像处理、参数输出、实时显示等功能。系统软件实现框图如图4所示。本文引用地址：http://www.eepw.com.cn/article/151936.htm
系统上电后，由DSP先从FLASH中加载程序，完成系统初始化及相关寄存器和外围器件的配置。由CCD摄像头采集的视频图像传送到TVP5150解码器，将视频模拟信号经过A/D转换成BT.656视频数据流，接着送入DM642视频口；然后视频口解码该视频数据流，得到YUV(4:2:2)格式的图像，并通过EDMA传输到SDRAM中存储。CPU通过访问SDRAM中的图像数据，根据图像处理算法对图像数据进行实时处理和计算。一方面将计算结果通过串口发送出去，另一方面将视频数据送到SAA7121编码器，实现D/A转换并实时显示。
3 图像处理算法的应用
3.1 经典Prewitt边缘检测算法
经典的Prewitt算子是利用像素点上下、左右邻点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2个方向模板与图像进行邻域卷积完成。这2个方向模板中一个是垂直梯度方向，检测水平边缘；另一个是水平梯度方向，检测垂直边缘，如图5所示。
Prewitt算法步骤：(1)分别将2个方向模板沿图像从一个像素移到另一个像素，并将像素的中心与图像中的某个像素位置重合；(2)将模板内的系数与其图像上相对应的像素值相乘，并将所有相乘的值相加；(3)将两个卷积的最大值赋给图像中对应模板中心位置的像素，作为该像素新的灰度值；(4)选取合适的阈值，若新像素灰度值大于等于所设阈值，则判断该像素点为图像边缘点。
3.2 改进的Prewitt边缘检测算法
经典的Prewitt边缘检测算法只检测水平和垂直2个方向的边缘，通常图像的边缘还有其他的方向。为了能够在不影响实时性的前提下将边缘提取得更精确，本文将Prewitt算子扩张到8个方向的边缘样板算子。这些样板算子由理想的边缘子图像构成，依次用边缘样板去检测图像，与被检测区域最为相似的样板给出最大值，用这个最大值作为输出值，并将此输出值与所设的阈值进行比较，大于阈值即为边缘点，这样就可以更精确地检测出边缘。8个方向的Prewitt边缘检测算子模板如图6所示。8算子样板对应的边缘方向如图7所示。
3.3 软件实现步骤
本文使用CCS2.2开发环境进行软件开发，采用C语言编程。CCS具有实时、多任务、可视化的软件开发特点。使用CCS提供的工具，可以方便地对DSP软件进行设计、编码、编译、调试、跟踪和实时性分析。系统程序的具体实现步骤为：
(1)初始化并配置资源库，包括片内外设的选取，DSP的片上支持库提供了一系列的C语言程序接口，可以设置或者控制外设；
(2)实现对EMIFA的初始化，CE0子空间被配置为64 bit的SDRAM空间，具体定位：0x80000000H-0x81FFF-
FFFH。CE1子空间被配置为8 bit Flash空间，具体定位：0x90000000H-0x9007FFFFH。
(3)对I2C总线进行初始化；
(4)TVP5150和SAA7121的初始化,选择I2C总线，并设置为相应的数据通路；
(5)初始化视频口Video Port1，设为视频输入；
(6)利用bt656_capture_start()函数采集一帧图像，并将其存入显示缓冲区；
(7)完成一帧图像的采集，使用DAT_copy()函数将图像数据送SDRAM暂存；
(8)对存储区数据进行算法处理；
(9)对处理的数据使用DAT_copy()函数，送显存进行显示。
3.4 实验结果
采用系统在线编程技术，对系统的性能进行测试。为了减少运算量，算法只对图像的中心部分进行2种算法处理。CCD采集的PAL制式的图像，对图像中心的80×100的区域进行计算。其结果表明：改进的算法比传统的算法能提取更多的边缘细节，对目标识别更有利。在实时性上，传统算法处理时间为0.02 s，而改进算法的处理时间为0.1 s。因此，该算法具有准实时性，基本能够达到仿生眼球对图像识别的要求。
系统CPU的开销主要耗费在算法处理上，因此，未来的工作可以针对算法进行不断改进，以提高系统的实时性。
本文成功设计了一个以TMS320DM642为核心的嵌入式视觉图像处理系统，并创新地将其作为仿生眼球的视觉部分嵌入到眼球结构中。系统具有处理速度快、接口简单、集成度高、电路稳定、体积小等优点。在此系统上实现了对经典的2模板Prewitt算法与改进的8模板算法的边缘检测。结果表明，改进的算法具有精确度高、检测效果好等优点，为视觉识别提供了算法基础。
评论