图像处理难点分析及处理器选择

　　同时，根据应用不同，图像预处理又可分为生物识别应用中的图像预处理和视频监控应用中的图像预处理。对于生物识别应用，以指纹识别为例，其预处理主要包括指纹图像增强、指纹图像二值化、指纹图像细化、指纹图像细化后处理。而视频监控应用中的图像预处理主要是指对图像传感器输出的连续图像进行分析，获取足够的信息，并通过自动白平衡、伽马(Gamma)校正、自动聚焦、自动曝光、背光补偿等来提高图像的实际效果。

图像预处理的挑战

　　无论是生物识别还是视频监控，其图像预处理正面临以下挑战：

　　⑴ 用户对图像质量的要求越来越高，图像预处理的算法越来越复杂，从而对图像预处理主芯片处理能力及存储空间提出了更加苛刻的要求。

　　⑵ 用户对图像的实时性处理和传输要求越来越高，一方面要求图像预处理算法尽量优化、精简，另一方面也对图像预处理主芯片的内核处理能力、内部总线架构、数据传输能力、外围接口，以及硬件整体架构和指令集对预处理算法的支持提出了更高要求。

　　⑶ 不同于图像和视频编解码算法具有业界统一的算法标准和清晰的演进路线图，图像预处理算法不仅没有统一的标准和清晰的发展方向，甚至在很大程度上，方案提供商正是通过这些"秘密"的个性化算法来作为市场竞争的法宝。此外，随着应用领域的不同、需求的提高和技术本身的演进，原有算法会不断升级，新的算法会不断涌现，这些都要求图像预处理芯片具有更高的灵活性和适应能力。

　　⑷ 对于方案提供商来说，不仅其体现竞争力的核心算法需要防止被非法读取或拷贝，而且无论是生物识别还是视频监控，其图像数据往往都会涉及隐私，因此也需要提供可以信任的安全保证。以上两方面，都要求图像处理芯片必须提供一个可靠、完全的处理平台。

　　除了以上挑战，从系统设计的角度来讲，还面临以下几方面的需求：

　　⑴ 虽然图像预处理和图像处理工作巨大，但是工程师并不希望采用多个芯片来处理这件事情。因为信号处理和控制系统分别运行于不同处理器的传统DSP架构已经让工程师非常头疼，如果再把图像预处理和图像处理分开，则更加大了工程师进行系统开发、系统联调、系统维护的难度。因此，对于系统设计中的主芯片DSP来说，还面临集成度的要求--有没有可能在单芯片上实现图像预处理、图像处理，甚至包括系统控制等功能。

　　⑵ 随着包括预处理在内的整个图像处理算法复杂性的不断增加，作为主处理器的DSP,除了需要提供足够的硬件处理能力之外，还应该在软件上提供针对该处理器专门优化的指令集，从而帮助工程师降低对处理器物理架构的熟悉难度，最大限度的驾驭、发挥处理器的特性，尽快开发出精简、优化的图像处理算法。

　　⑶ 除了上面提到的专门优化的指令集以外，面对日益复杂的图像处理和产品上市时间的压力，工程师还期望处理器供应商能够分担一些他们的工作--比如，提供专门针对该处理器优化、仅占极少量时钟周期的底层图像处理软件模块，以帮助他们缩短图像处理算法开发流程，并加速软件移植。

　　另外，功能强大、界面友好、简单易学的开发工具也是系统开发中工程师要求的重点，而且随着系统复杂度和模块复用性需求的增加，对开发工具的兼容性也提出了更高的要求。

　　硬件特性