小型儀表信息識別研究及VHDL實現

王曉利

（寶雞文理學院 電子電氣工程系，陜西 寶雞 721007）

信息處理技術的應用域極為廣泛，主要體現在計算機圖像生成與識別、圖像傳輸與圖像通信、機器人視覺及圖像測量、以圖像識別技術和圖像數據庫技術為基礎的辦公室自動化、圖像識別跟蹤、醫用圖像處理、材料分析中的圖像識別、圖像變形技術等。數字儀器儀表技術既是工具，也是進行科學探索和認識世界的重要手段。利用信息處理對數字儀器儀表進行識別技術已不再是科研和工業生產的配角，早已成為我國科技發展和提升工業產品質量的核心組成部分，作用舉足輕重。文中針對儀表數字信息細化分類提出有效的解決方法。

1 基本原理

1.1 儀器儀表數字信息識別常用算法

1.1.1 特征提取法

特征提取是計算機圖像處理中的常用概念，表示使用計算機提取圖像信息，決定每個圖像的點是否屬于一個圖像特征。其結果是把圖像上的點分為不同的子集，這些子集往往屬于孤立的點、連續的曲線或者連續的區域。常用特征提取方法有：

1）邊緣特征提?。哼吘墳閳D像中擁有大的梯度的點組成的子集。一般一個邊緣的形狀可以是任意的，還可能包括交叉點。在實踐中一些常用的算法還會把梯度高的點聯系起來來構成一個更完善的邊緣的描寫。

2）角特征提?。涸缙诘乃惴ㄊ紫冗M行邊緣檢測，然后分析邊緣的走向來尋找邊緣突然轉向（角）。后來發展為不再需要邊緣檢測這個步驟，而是直接在圖像梯度中尋找高度曲率。該方法的弊端為圖像中本來沒有角的地方發現具有同角一樣的特征區域，容易造成混淆。

3）區域特征提?。号c角不同的是區域描寫一個圖像中的一個區域性的結構，但是區域也可能僅由一個像素組成，因此許多區域檢測也可以用來監測角。該方法常用在區域監測器檢測圖像中對于角監測器來說太平滑的區域。

4）脊特征提?。洪L條形的物體被稱為脊。在實踐中脊可以被看作是代表對稱軸的一維曲線，此外局部針對于每個脊像素有一個脊寬度。從灰梯度圖像中提取脊要比提取邊緣、角和區域困難。在空中攝影中往往使用脊檢測來分辨道路，在醫學圖像中常用來分辨血管[4]。

1.1.2 模塊匹配法

模塊匹配法是一種基本的信息識別算法，其工作原理為：將待識別信息配備一塊標準的模板，再與待識別信息進行比對，結果和模板信息點陣圖像距離最小時所對應的信息，就可判定為輸入的待識別信息[1]。常用模塊匹配法有物理模板匹配和邏輯模板匹配，其優點為計算方法簡單，針對待識別的儀器儀表進行模板設計，設計精度越高則識別率就越高，缺點為當儀表信息量較大時，需要加大模板設計量，故適合文中小型數字儀器儀表的信息識別。

1.2 數學形態學用于信息識別的基本原理

常規設計中主要研究數學形態學基本算子，即：腐蝕、膨脹、開、閉等[6]。結合儀表信息識別的特點，往往背景色彩與前景色彩比較接近，將圖像二值化后區域分割不理想，文中直接采用了灰度形態學方法，使圖像在灰度模式下進行調整，便于二值化后再進行識別[2]。

1.2.1 灰值腐蝕運算

結構元素g對信號f的腐蝕定義為：

從幾何角度看，求信號被結構元素在點x腐蝕的結果，就是在空間滑動結構元素，使結構元素的原點與點x重合，然后從負無窮大向上推結構元素，對結構元素仍處于信號下方所能達到的最大值時結構元素的原點位置作標記，該標記點為該點腐蝕結果。由于結構元素必須在信號的下方，所以要求空間平移結構元素時，其定義域必須為信號定義域的子集，否則，腐蝕在該點沒有意義[5]。

如圖1所示，圖中表示了灰值腐蝕運算。將結構元素緊貼在信號下方“滑動”，其原點刻畫出的軌跡即為腐蝕結果?？梢钥闯?，扁平結構元素從下方對信號消去了尖角，產生了平滑濾波效果。

1.2.2 灰值膨脹運算

信號f被結構元素g灰值膨脹定義為：

即利用結構元素的反射，將信號限制在結構元素的定義域內時，上推結構元素，取其超過信號時的最小值?；抑蹬蛎洀男盘柹戏较饨?，起到單邊濾波作用?；抑蹬蛎涍€可以定義為：

這一定義方法對灰值膨脹提供了一種重要的幾何描述，即灰值膨脹可以通過將結構元素的原點平移到與信號重合，然后計算信號上的每一點與結構元素對應各點和的最大值得到，這種定義更方便計算。如圖2所示，給出了膨脹運算示意圖。

圖1 灰值腐蝕示意圖Fig.1 Diagram of grayscale erosion

圖2 灰值膨脹運算示意圖Fig.2 Diagram of grayscale dilatability

圖3給出了灰值腐蝕、膨脹結果。采用3×3方形結構元素?？梢钥闯鰣D像細致特征變粗了，由于膨脹定義中采用了取最大運算，所以膨脹后圖像均值增大了。

1.2.3 灰值開、閉運算

灰值形態學的二級運算是灰值開和閉運算，兩者為對偶運算?；抑甸_運算定義為：

圖3 灰值腐蝕與膨脹結果對比Fig.3 Comparison of grey value corrosion and expansion resultts

灰值開運算是先作灰值腐蝕然后作灰值膨脹的二次運算，從填充的角度描述開運算，有：

即灰值開運算可以通過在信號下方平移結構元素，并記錄每次移動時結構元素的最大值得到。與腐蝕和膨脹不同的是，原點相對于結構元素的位置不會對開運算的結果產生影響。

腐蝕和膨脹運算具有平移不變性，開運算作為腐蝕和膨脹的二次運算，同樣滿足平移不變性，即：

同樣，開運算具有遞增性、非擴展性和冪等性，即：

在灰值情況下，利用對偶性，閉運算可以定義為：

即閉運算可以對水平軸翻轉信號和結構元素并作開運算，然后再對水平軸翻轉得到?；抑甸_、閉運算是形態學中重要的算子，由它們構成了各種各樣的實用算法。如圖4所示，為開、閉運算的簡單應用例子。

由上述舉例可以得出，開運算中的第一步求腐蝕運算就是腐蝕了比結構元素小的亮細節并同時減弱了圖像整體灰度值，第二步膨脹運算增加了圖像整體亮度而對已經腐蝕的細節不再引入；閉運算與開運算類似，閉運算中的第一步求膨脹運算就是消除了比結構元素小的暗細節，而保持了圖像整體灰度值和較大的暗區域基本上不受影響，第二步腐蝕運算減弱了圖像整體亮度而又不重復引入前面已被去除的暗細節。

數學形態學是建立在對結構元素的廣義“減”運算基礎上建立起的獨立的理論體系，它只涉及平移、加、減等簡單運算，因此形態學算子本質上具有運算簡單快速，可并行計算，易于硬件實現的特點。

2 基本實現方法

2.1 膨脹、腐蝕基本算子的硬件結構組成

信息識別中特征提取算法設計以形態學中膨脹、腐蝕算子的設計為主要核心，采用VHDL語言描述以排序濾波器為例，實現膨脹、腐蝕算子，硬件結構可劃分為3大模塊[3]：

1）3×3窗口生成器模塊，考慮到窗口中元素采用矢量形式輸出，在硬件實現上可以考慮使用FPGA的FIFO存儲單元作為數據緩沖區。根據被測對象的特點，模塊大小可調。

圖4 開、閉運算結果Fig.4 Operation result of open and shut

2）排序算法模塊，其主要任務是設計硬件比較、排序單元，對窗口中的元素按從小到大排序。

3）行列計數模塊主要針對二維圖像，根據像素的行、列位置分別利用兩個計數器記錄。

2.2 3×3窗口生成器模塊的VHDL實現

限于篇幅，文中重點實現3×3窗口生成器模塊的硬件描述。

實體定義了3×3窗口邏輯電路，其中端口信號具體為：時鐘信號Clk1，復位信號RSTn1，輸入數據Din，輸出窗口元素像素值 winxy（1≤x≤3， 1≤y≤3），數據有效信號 DV1。 設輸入圖像為8 bit灰度圖像，可視輸入圖像數據及3×3窗口邏輯像素值為8 bit邏輯矢量。

2.3 算法頂層設計的VHDL實現

各個模塊定義結束后，將其實例化，實現頂層排序濾波器的設計。假設排序濾波器實體名稱為sort_filt3，則實體端口定義如下：

3 仿真結果

設計采用Altera公司的quartus6.0軟件進行仿真。在結果實現上采用了浙江天煌科技實業有限公司與實驗箱配套的KHF-5型上位機軟件系統，該軟件提供給用戶CPLD程序下載平臺以及工作環境，可以滿足用戶對KHF-5型實驗開發系統的使用要求。

如圖5所示，濾波器sort_filt3模塊包含win_3×3窗口模塊、sort_3×3 排序模塊以及 counter_3×3 計數模塊[7]；其中 win_3×3窗口模塊又包含fifo_256×8對二維圖像信息行、列像素存儲模塊。

圖5 自頂向下的濾波器設計關系圖Fig.5 Top to down of relational graph for filter design

如圖6所示，為濾波器頂層設計模塊。其中Clk1為模塊的時鐘信號，RSTn1為復位信號，Din為輸入的數據，Dout為輸出的數據，DV1為數據輸出有效信號。

圖6 濾波器頂層設計模塊Fig.6 Top design module of filter

通過quartus中的start simulation命令進行時序仿真，以及在時序仿真無誤的基礎上再進行功能仿真和綜合仿真。即通過時序仿真和功能仿真的結果比較，充分考慮器件的延遲及信號的建立時間和保持時間后，對設計中出現的問題反復修正，可得到較精確的仿真結果。

4 結束語

基于數學形態學的信息識別技術應用非常廣泛，文中主要以靜態灰度圖像為研究對象，對于全彩圖像、序列圖像、視頻圖像也可參照上述方法實現信息識別。形態學方法以算法簡捷，易于實現等優點越來越成為信息處理領域中不可缺少的信息處理工具，在網絡傳輸、模式識別、圖像編碼及解碼等應用領域可產生巨大的經濟效益和實用價值。

[1]盛業華，唐宏，杜培軍.一種保形的快速圖像形態細化算法[J].中國圖象圖形學報，2000，5（2）:89-93.SHENG Ye-hua， TANG Hong， DU Pei-jun.One fast shape preserving morphological thinning algorithm[J].Journal of Image and Graphics，2000，5（2）:89-93.

[2]向友君，郭寶龍.運動估計快速塊匹配法[J].計算機工程，2003，29（13）:62-64.XIANG You-jun， GUO Bao-long.Fastblock matching algorithmsformotionestimation[J].ComputerEngineering，2003，29（13）:62-64.

[3]王樹文，閆成新，張天序，等.數學形態學在圖像處理中的應用[J].計算機工程與應用，2004，40（32）:89-92.WANG Shu-wen， YAN Cheng-xin， ZHANG Tian-xu，et al.Application of mathematical morphology in image processing[J].Computer Engineering and Applications， 2004，40（32）:89-92.

[4]崔屹.圖象處理與分析—數學形態學方法及應用[M].北京:科學出版社，2000.

[5]岑曙煒，劉政凱.一種改進的基于形態骨架的二值圖象編碼[J].中國圖象圖形學報，2001，6（8）:784-790.CEN Shu-wei，LIU Zheng-kai.An improve coding for binary image based on skeleton[J].Journal of Image and Graphics，2001，6（8）:784-790.

[6]張偉.基于DSP和FPGA的形態學骨架提取硬件實現[D].南京：南京航空航天大學，2004.

[7]程瓊，王春枝，鮑鴻.單片機產品計數器系統設計[J]湖北工學院學報，1997，12（2）:19-23.CHENG Qiong， WANG Chun-zhi， BAO Hong.The design of single chip microcomputer production counter system[J].Journal of Hubei Polytechnic University，1997，12（2）:19-23.