陳鵬展 楊 希

(華東交通大學(xué)電氣與電子工程學(xué)院 江西 南昌 330013)

?

嵌入式圖像邊緣檢測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

陳鵬展 楊 希

(華東交通大學(xué)電氣與電子工程學(xué)院 江西 南昌 330013)

采用高性能嵌入式Cortex-A9處理器設(shè)計(jì)了一套圖像邊緣檢測系統(tǒng)。主設(shè)備系統(tǒng)采用ARM-Linux嵌入式操作系統(tǒng)，利用OpenCV捕獲視頻幀并使用改進(jìn)Canny邊緣檢測算子對視頻幀分析處理并實(shí)時(shí)顯示。針對色彩與背景相似的物體、輪廓特征明顯的物體和夜間環(huán)境下的物體邊緣檢測進(jìn)行測試。實(shí)驗(yàn)結(jié)果表明，嵌入式平臺能夠達(dá)到和PC相同的檢測效果，相比于傳統(tǒng)Canny算子，改進(jìn)的Canny邊緣檢測算子圖像邊緣檢測系統(tǒng)的檢測效果優(yōu)秀和性能良好，具有很強(qiáng)的實(shí)時(shí)性和可靠性。

OpenCV 嵌入式操作系統(tǒng) Cortex-A9 邊緣檢測 Canny

0 引 言

隨著嵌入式智能設(shè)備在工業(yè)、汽車、機(jī)器人等行業(yè)中廣泛的應(yīng)用，而圖像作為智能設(shè)備感知外界的一種重要方式顯得尤為重要。原始的圖像信息需要進(jìn)行相關(guān)處理才能被機(jī)器所識別。在實(shí)際的圖像處理中，作為圖像基本特征的圖像邊緣通常用于其他更高層次的圖像處理中。在工業(yè)上，基于視覺工件尺寸識別依賴于對物體邊緣檢測；在汽車方面，車輛車牌識別系統(tǒng)中也是對車牌的邊緣進(jìn)行檢測再進(jìn)一步完成識別。因此，高性能的邊緣檢測是完成更復(fù)雜圖像識別應(yīng)用的基礎(chǔ)，是獲得更好識別效果的必要條件。

傳統(tǒng)PC機(jī)圖像處理系統(tǒng),體積龐大,不具備便攜性,限制了其在移動通信、便攜設(shè)備等領(lǐng)域的應(yīng)用。相比之下，嵌入式圖像處理平臺不僅擁有強(qiáng)悍的處理性能，而且在硬件上更小巧、可攜帶性強(qiáng)、安裝方便、功耗低、易編程等優(yōu)點(diǎn)。同時(shí)，嵌入式系統(tǒng)啟動速度快、運(yùn)行穩(wěn)定、實(shí)時(shí)性強(qiáng)，能夠很好滿足快速實(shí)時(shí)的圖像處理要求。因此，本文選擇在ARM嵌入式平臺下開發(fā)一款高性能的圖像邊緣檢測系統(tǒng)。

1 邊緣檢測系統(tǒng)軟硬件平臺構(gòu)建

1.1 嵌入式硬件平臺設(shè)計(jì)

本系統(tǒng)的硬件平臺由標(biāo)準(zhǔn)通用的嵌入式平臺，由Cortex-A9嵌入式中央處理(TI AM4739)、輸入輸出設(shè)備(圖像采集模塊和顯示模塊)、存儲體系(緩存、SDRAM、eMMC)和各種通信和調(diào)試接口組成。硬件平臺體系結(jié)構(gòu)如圖1所示。

圖1 硬件平臺體系結(jié)構(gòu)

1.2 圖像采集模塊

本設(shè)計(jì)采用CMOS圖像傳感器采集實(shí)時(shí)圖像。采集的圖像質(zhì)量將直接影響圖像邊緣檢測的成功率和準(zhǔn)確率，在本文設(shè)計(jì)的系統(tǒng)中，圖像采集模塊由紅外LED補(bǔ)光燈、CMOS圖像傳感器、廣角鏡頭、光敏電阻、控制電路等組成。模塊示意如圖2所示。系統(tǒng)通過光敏電阻檢測周圍環(huán)境光照強(qiáng)度并適時(shí)調(diào)節(jié)紅外LED補(bǔ)光燈從而實(shí)現(xiàn)夜視功能。圖像采集模塊通過USB連接到嵌入式硬件平臺，將采集的視頻流傳輸給嵌入式模塊處理。

圖2 圖像采集模塊

1.3 HDMI顯示模塊

HDMI顯示模塊主要功能是顯示紅外攝像頭采集的實(shí)時(shí)圖像和處理后邊緣圖像，用戶還可以通過液晶顯示屏觀察系統(tǒng)工作狀態(tài)。HDMI顯示模塊采用市場上較為成熟的解決方案。其硬件設(shè)計(jì)框圖如圖3所示。嵌入式模塊將處理后的視頻流傳輸給HDMI顯示模塊通過外接的液晶顯示設(shè)備顯示。

圖3 HDMI顯示模塊

1.4 嵌入式模塊

嵌入式模塊作為本系統(tǒng)的核心，選用一款高性能基于Cortex-A9架構(gòu)的TI AM4379嵌入式處理器。AM4379是TI公司推出的基于Cortex-A9核開發(fā)的高性能處理器，其主頻高達(dá)1 GHz，并采用64/32位內(nèi)部總線結(jié)構(gòu)，二級緩存512 KB，可以實(shí)現(xiàn)每秒2億條指令集的高速運(yùn)算，同時(shí)配置有SGX530圖形加速功能。片內(nèi)包含獨(dú)立的SDRAM控制器，外部增加一個(gè)512 MB DDR2內(nèi)存芯片和1 GB的Nand Flash儲存器作為內(nèi)核和文件系統(tǒng)的存儲介質(zhì)。針對嵌入式系統(tǒng)核心芯片和外設(shè)需要兩種不同工作電壓。系統(tǒng)采用TI集成的電源模塊TPS65023以滿足供電要求。

通過配置編譯完成ARM-Linux操作系統(tǒng)軟件平臺搭建。將ARM-Linux移植到特定的硬件平臺上，大致需要分成三個(gè)步驟：

(1) 首先是準(zhǔn)備工作，包括下載源碼、建立交叉編譯環(huán)境；

(2) 配置和編譯內(nèi)核，針對硬件設(shè)計(jì)對源碼做一定的修改，制作文件系統(tǒng)；

(3) 燒寫B(tài)ootloader、Linux內(nèi)核、文件系統(tǒng)。

完成嵌入式操作系統(tǒng)的搭建后，移植OpenCV到嵌入式操作系統(tǒng)，設(shè)計(jì)改進(jìn)Canny算子，最后利用編寫程序?qū)崿F(xiàn)邊緣檢測的功能。基于OpenCV的嵌入式圖像邊緣檢測系統(tǒng)設(shè)計(jì)流程如圖4所示。

圖4 邊緣檢系統(tǒng)設(shè)計(jì)流程圖

OpenCV移植到ARM-linux系統(tǒng)的步驟如下：

(1) 安裝相關(guān)的依賴的lib庫和交叉編譯鏈arm-none-linux-gnueabi；

(2) 編譯OpenCV庫并安裝到ARM-linux系統(tǒng)；

(3) 編寫改進(jìn)Canny算法程序。

OpenCV的CV模塊包含基本的圖像處理函數(shù)和高級的計(jì)算機(jī)視覺算法。ML是機(jī)器學(xué)習(xí)庫，包含一些基于統(tǒng)計(jì)的分類和聚類工具。

為精簡系統(tǒng)外設(shè)提高便攜性，同時(shí)防止斷電后不能自動恢復(fù)啟動的問題，需要實(shí)現(xiàn)圖像邊緣檢測系統(tǒng)上電開機(jī)自啟，可修改系統(tǒng)/etc/rc.local文件，將啟動程序的shell命令加入其中即可。相比PC平臺，嵌入式系統(tǒng)如此的設(shè)計(jì)更好的故障恢復(fù)性能。

嵌入式模塊由用戶圖形界面、數(shù)據(jù)處理和系統(tǒng)控制管理三個(gè)功能模塊組成。用戶圖形界面提供方便快捷的用戶操作和管理界面，增加系統(tǒng)人機(jī)交互性；數(shù)據(jù)處理模塊實(shí)現(xiàn)對圖像采集模塊采集的實(shí)時(shí)圖像信息的傳輸和算法處理；系統(tǒng)控制管理完成獲取圖像實(shí)時(shí)顯示和處理后的邊緣圖像顯示。圖像邊緣檢測系統(tǒng)的工作流程如圖5所示。

圖5 圖像邊緣檢測流程圖

2 改進(jìn)Canny算子設(shè)計(jì)及驗(yàn)證

2.1 改進(jìn)Canny算子設(shè)計(jì)

傳統(tǒng)的邊緣檢測通常使用Canny算子，Canny算法由John Canny于1986年提出，它與Marr(LoG)邊緣檢測方法類似，也屬于是先平滑后求導(dǎo)數(shù)的方法[1]。Canny算子具體流程如下：

(1) 用高斯濾波器平滑圖像；

(2) 一階偏導(dǎo)有限差分計(jì)算梯度幅值和方向；

(3) 對梯度幅值進(jìn)行非極大值抑制；

(4) 用雙閾值算法檢測和連接邊緣。

由于傳統(tǒng)Canny算子只進(jìn)行了一次高斯濾波，高斯濾波使得圖像變得平滑，但是對于紅外夜間成像的圖像降噪效果并不理想。而小波變換不僅可以能夠十分有效地去除夜間成像圖像的噪點(diǎn)而保留有用信號的目的，還可以得到原始信號的近似最優(yōu)估計(jì)[2]。與傳統(tǒng)的線性濾波方式相比較，小波變換具有多辨性、多角度、低熵性等優(yōu)點(diǎn)，因此被廣泛應(yīng)用于夜間紅外圖像的濾波。

針對傳統(tǒng)Canny算法的這種局限性，提出了一種基于Canny邊緣算法的改進(jìn)算法，即為高斯濾波與小波變換想結(jié)合的邊緣保持濾波的方法進(jìn)行夜間成像的邊緣檢測。

邊緣檢測的實(shí)質(zhì)就是利用特定的算法提取圖像主體與背景的交界線。圖像邊緣的定義即為圖像中灰度發(fā)生急劇變化的區(qū)域邊界[3]。

設(shè)輸入圖像信號函數(shù)為f(x,y)，圖像的平滑處理通常使用二維高斯函數(shù)，二維高斯函數(shù)具有旋轉(zhuǎn)對稱性而且對服從正態(tài)分布的噪聲信號有很好的過濾效果。其函數(shù)表達(dá)式如式(1)：

(1)

參數(shù)σ表征高斯濾波器寬度(決定著平滑程度)，σ越大，高斯濾波器的頻帶就越寬，平滑程度就越好。通過調(diào)節(jié)平滑程度參數(shù)σ，可在圖像特征過分模糊(過平滑)與平滑圖像中由于噪聲和細(xì)紋理所引起的過多的不希望突變量(欠平滑)之間取得折衷。原始圖像信號經(jīng)過平滑處理后，針對不呈現(xiàn)為正態(tài)分布的無規(guī)律噪聲信號進(jìn)行連續(xù)的小波變換去噪。小波函數(shù)表達(dá)式如式(2)：

(2)

其中ψ(t)為一可平方可積函數(shù)，即ψ(t)∈L2(R)，稱之為母小波。對母小波進(jìn)行伸縮和平移變換后得到小波函數(shù)ψa,b(t)。其中a為尺度因子，反映函數(shù)的寬度。b為平移因子，檢測小波函數(shù)在t軸上的平移位置。

對于經(jīng)過平滑處理的圖像信號G(x,y)的小波變換如式(3)所示。其中Ψ*(t)表示Ψ(t)的復(fù)共軛函數(shù)。

(3)

此時(shí)小波為正小波，要產(chǎn)生重構(gòu)信號需要對其進(jìn)行逆變換。逆變換函數(shù)如式(4)：

(4)

將連續(xù)小波變換引入傳統(tǒng)Canny算子使得在邊緣提取和圖像處理過程中能更好控制噪聲信號，從而大大提高最終得到的圖像質(zhì)量。

2.2 改進(jìn)Canny算子實(shí)驗(yàn)驗(yàn)證

為了驗(yàn)證改進(jìn)的邊緣檢測算法在邊緣檢測過程中的去噪效果，在設(shè)計(jì)的嵌入式硬件平臺上進(jìn)行實(shí)驗(yàn)驗(yàn)證。本文使用圖像處理領(lǐng)域經(jīng)典圖片Lena作為樣圖，將樣圖載入申明的指針I(yè)plImage*src=cvLoadImage(″lena.png″,CV_LOAD_IMAGE_COLOR)。按照本文改進(jìn)的算法流程，對原始圖像灰度化、平滑處理。加隨機(jī)噪聲或者椒鹽噪聲模擬夜間環(huán)境產(chǎn)生的噪點(diǎn)，利用小波變換二次去噪，最后設(shè)定Canny閾值進(jìn)行邊緣提取。驗(yàn)證效果如圖6所示，其中(a)為原圖,(b)為圖像灰度化和平滑過程效果圖，(c)為模擬加噪后效果圖，(d)高斯濾波后效果圖,(e)為二次小波變換去噪過程效果圖，(f)為閾值0.02的Canny邊緣提取效果圖。

(a) 原圖 (d) 高斯濾波后效果圖

(b) 圖像灰度化和平滑過程效果圖 (e) 二次小波變換去噪過程效果圖

(c) 模擬加噪后效果圖 (f) 閾值0.02的Canny邊緣提取效果圖圖6 嵌入式平臺驗(yàn)證效果

3 邊緣檢測系統(tǒng)的實(shí)現(xiàn)

3.1 圖像獲取

當(dāng)紅外夜視攝像頭作為輸入設(shè)備時(shí)，OpenCV包含的工具包中提供一種十分簡單的函數(shù)實(shí)時(shí)的讀入視頻流信息，即函數(shù)CvCaptureFromCam()參數(shù)值為設(shè)計(jì)系統(tǒng)索引，通常設(shè)置為0，返回CvCapture*指針。之后使用函數(shù)cvQueryFrame();來獲取視頻流圖像幀序列。

3.2 改進(jìn)Canny邊緣檢測算子

(1) 圖像灰度化、平滑處理：cvCvtColor(src,dst,CV_BGR2GRAY);將原始圖像幀轉(zhuǎn)換為8位的灰度圖。接著利用高斯濾波函數(shù)對圖像原始信息進(jìn)行平滑處理。使用函數(shù)CvSmooth濾波方式使用CV_GAUSSIAN即為高斯濾波。

(2) 小波變換去噪：針對夜間紅外成像的高噪點(diǎn)特點(diǎn)，使用小波變換進(jìn)行去噪處理。首先使用高通低通濾波函數(shù)wavelet(_wname,lowFilter,highFilter);接著逐行進(jìn)行小波行變換Mat oneRow=Mat::zeros(1,col,src.type());然后逐列進(jìn)行小波列變換Mat oneCol=Mat::zeros(row,1,src.type());完成小波行、列變換后，最后進(jìn)行小波逆變換Mat IWDT(const Mat &_src,const string _wname,const int _level)const產(chǎn)生重構(gòu)信號。

(3) Canny算子邊緣提?。豪脗鹘y(tǒng)的Canny算法中的邊緣提取函數(shù)，cvCanny(src,dts,lowThresh,HighThresh,3);其中參數(shù)lowThresh,HighThresh分別為低、高閾值，在本試驗(yàn)中分別設(shè)置為50、100。

3.3 實(shí)時(shí)顯示

實(shí)時(shí)顯示視頻圖像，創(chuàng)建顯示窗口cvNamedWindow(″video″, 1);實(shí)時(shí)顯示圖像信息cvShowImage (″video″, pFrame)。

4 結(jié)果與分析

為驗(yàn)證在日間和夜間邊緣檢測系統(tǒng)的效果，利用設(shè)計(jì)的嵌入式硬件平臺采集日間和夜間圖像兩組，分別使用傳統(tǒng)Canny算子和改進(jìn)Canny算子進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)平臺如圖7所示。

圖7 實(shí)驗(yàn)硬件平臺

對比效果如圖8所示。對比圖8中(b)和(c)，觀察可見本文改進(jìn)Canny算子檢測更多邊緣細(xì)節(jié)，邊緣檢測能力明顯優(yōu)于傳統(tǒng)Canny算子。對比圖8中(e)和(f)，傳統(tǒng)Canny算子檢測邊緣噪點(diǎn)十分雜亂，而改進(jìn)Canny算子檢測邊緣清晰、輪廓明顯、畫面純凈。

(b) 傳統(tǒng)Canny算子邊緣檢測圖 (e) 傳統(tǒng)Canny算子邊緣檢圖

(c) 改進(jìn)Canny算子邊緣檢測圖 (f) 改進(jìn)Canny算子邊緣檢測圖圖8 日間和夜間邊緣檢測效果

為驗(yàn)證色彩與背景相似度很高的物體圖像邊緣檢測效果，分別使用傳統(tǒng)Canny算子和改進(jìn)Canny算子進(jìn)行采集實(shí)驗(yàn)，對比效果如圖9所示。對比圖9中(b)和(c)，觀察可見在游標(biāo)卡尺邊緣和桌面背景交接處，傳統(tǒng)Canny算子的檢測的邊緣十分模糊、線條雜亂，而改進(jìn)Canny算子檢測邊緣明顯清晰。

為驗(yàn)證邊緣檢測系統(tǒng)對輪廓特征明顯的物體的檢測效果，分別使用傳統(tǒng)Canny算子和改進(jìn)Canny算子進(jìn)行采集實(shí)驗(yàn)，對比效果如圖9所示。對比圖9中(e)和(f)，觀察可見在缺口處，傳統(tǒng)Canny算子檢測效果難以區(qū)分其邊緣，而改進(jìn)Canny算子檢測的邊緣清晰可見，整個(gè)圓形輪廓十分規(guī)則。

[7]提出的邊緣檢測算法評價(jià)的三個(gè)標(biāo)準(zhǔn)，即為邊緣像素?cái)?shù)、4連同域數(shù)和8連同域數(shù)。對圖8的(a)和(d)兩圖進(jìn)行計(jì)算得出數(shù)據(jù)統(tǒng)計(jì)如表1和表2所示。其中A、B、C分別表示邊緣像素?cái)?shù)、4連同域數(shù)和8連同域數(shù)。C/A值越小則邊緣檢測連續(xù)性越好，C/B值越小則單像素邊緣所占比例越大，更符合單一邊緣響應(yīng)準(zhǔn)則[4]。對比傳統(tǒng)Canny算子和改進(jìn)Canny算子數(shù)據(jù)可得，改進(jìn)Canny算子的C/A和C/B值均小于傳統(tǒng)Canny算子檢測結(jié)果。即改進(jìn)Canny算子邊緣檢測效果優(yōu)于傳統(tǒng)Canny算子。

(a) 原圖 (d) 原圖

(b) 傳統(tǒng)Canny算子邊緣檢測圖 (e) 傳統(tǒng)Canny算子邊緣檢圖

(c) 改進(jìn)Canny算子邊緣檢測圖 (f) 改進(jìn)Canny算子邊緣檢測圖圖9 色彩相似和形狀明顯物體邊緣檢測效果圖

算法ABCC/AC/B傳統(tǒng)Canny13528653823670.1750.362改進(jìn)Canny22134847726110.1180.308

表2 夜間邊緣圖像統(tǒng)計(jì)結(jié)果表

為驗(yàn)證改進(jìn)Canny邊緣檢測的成功率，在嵌入式平臺定時(shí)每隔3秒截取一次邊緣圖像，采集100張樣本，得出結(jié)果如表3所示。對比，傳統(tǒng)Canny邊緣檢測程序，可發(fā)現(xiàn)改進(jìn)后的檢測成功率保持在95%以上，符合檢測要求。

表3 邊緣檢測成功率

在嵌入式平臺分別編譯和加載運(yùn)行測試傳統(tǒng)Canny算子和改進(jìn)Canny算子邊緣檢測程序。編譯速度和加載運(yùn)行處理速度情況分別如表4和表5所示。一個(gè)程序在運(yùn)行時(shí)使用的系統(tǒng)資源通常包括CPU、Memory和I/O等，表4和表5中REAL、USR、SYS分別表示CPU資源的統(tǒng)計(jì)包括實(shí)際使用時(shí)間、用戶態(tài)使用時(shí)間、內(nèi)核態(tài)使用時(shí)間。

表4 邊緣檢測程序編譯速度表

表5 邊緣檢測程序加載運(yùn)行速度表

在PC平臺和嵌入式平臺上分別測試傳統(tǒng)Canny算子和改進(jìn)Canny算子的邊緣檢測系統(tǒng)資源使用情況如表6和表7。其中%CPU、%MEN、VSZ、RSS、FPS分別表示CPU占用百分比、內(nèi)存占用百分比、總虛擬內(nèi)存數(shù)、進(jìn)程使用的總物理內(nèi)存數(shù)、每秒傳輸幀數(shù)。對比傳統(tǒng)Canny算子和改進(jìn)Canny算子系統(tǒng)資源使用數(shù)據(jù)可以看到，不論是PC平臺還是嵌入式平臺，改進(jìn)Canny算法占用更小的系統(tǒng)資源，獲得更好的視頻流暢度。測試使用的PC為Core-i3、4G RAM，相比嵌入式平臺，性能更強(qiáng)大。測試結(jié)果可見，嵌入式平臺獲得的視頻流暢度與PC平臺基本相同。由此可見，成本更低、體積更小、便攜性更強(qiáng)的嵌入式作為圖像邊緣檢測系統(tǒng)的平臺同樣能夠達(dá)到高性能PC系統(tǒng)的檢測效果，而且改進(jìn)后算法的嵌入式邊緣檢測系統(tǒng)能夠適用于更復(fù)雜、惡劣條件下的應(yīng)用場景。

表6 PC式平臺邊緣檢測系統(tǒng)資源使用表

表7 嵌入式平臺邊緣檢測系統(tǒng)資源使用表

5 結(jié) 語

本文設(shè)計(jì)的基于OpenCV的嵌入式邊緣檢測系統(tǒng)，針對色彩與背景相似物體邊緣檢測和輪廓特征明顯的物體邊緣檢測。使用改進(jìn)的Canny邊緣檢測算子，圖像邊緣檢測的效果明顯優(yōu)于傳統(tǒng)的Canny算子，特別是在光線條件十分惡劣的夜間也能夠獲得良好的檢測效果。本嵌入式圖像邊緣檢測系統(tǒng)運(yùn)行在高性能的Cortex-A9處理器平臺上運(yùn)行流暢、穩(wěn)定，邊緣檢測的成功率高。相比與傳統(tǒng)PC而言，嵌入式平臺能夠很好地滿足邊緣檢測系統(tǒng)性能要求的同時(shí)，具有更好的便攜性、功耗低、成本低的優(yōu)點(diǎn)，能夠適用于更廣泛的工作場合。

參考文獻(xiàn)

[1] 哈夫變換和Canny邊緣檢測算法[EB/OL]. (2010-06-06). http://blog.sina.com.cn/s/blog_7a0700590101574t.html.

[2] 張郝.基于小波變換的圖像去噪方法研究[D]北京:北京交通大學(xué),2008.

[3] 黃鳳.邊緣檢測算子在武夷巖茶圖像處理中的比較[J].廊坊師范學(xué)院學(xué)報(bào)(自然科學(xué)版),2013,13(4):34-37.

[4] 許宏科，秦嚴(yán)嚴(yán)，陳會茹.一種基于改進(jìn)Canny的邊緣檢測算法[J].紅外技術(shù),2014,36(3):210-214.

[5] 徐歡，李振壁，姜媛媛，等.基于OpenCV的輸送帶跑偏自動檢測算法研究[J].工礦自動化,2014,40(9):48-52.

[6] 孔珊珊，降愛蓮．基于第二代模糊集閾值選擇的圖像Canny邊緣檢測[J]．計(jì)算機(jī)應(yīng)用與軟件，2013，30(12)：160-162,307．

[7] 林卉，趙長勝，舒寧.基于Canny算子的邊緣檢測及評價(jià)[J].黑龍江工程學(xué)院學(xué)報(bào),2003,17(2):4-6.

[8] 段軍，劉春祥．改進(jìn)Canny算子在細(xì)胞圖像邊緣檢測中的應(yīng)用[J]．計(jì)算機(jī)應(yīng)用與軟件，2014，31(5)：237-239．

[9] 王蓉，高立群，柴玉華，田磊.綜合Canny法與小波變換的邊緣檢測方法[J].東北大學(xué)學(xué)報(bào),2005,26(12):1131-1133.

[10] Heath M, Sarkar S, Sanocki T, et al. Comparison of Edge Detectors: A Methodology and Initial Study[J]. Computer Vision & Image Understanding, 1996, 69(1):38-54.

[11] Canny J.A Computational Approach to Edge Detection[J].Pattern Analysis and Machine Intelligence, IEEE Transactions on, 1986(6): 679-698.

[12] Li S, Kwok J T, Wang Y. Using the discrete wavelet frame transform to merge Landsat TM and SPOT panchromatic images[J]. Information Fusion, 2002, 3(1):17-23.

DESIGN AND REALIZATION OF EMBEDDED IMAGE EDGE DETECTION SYSTEM

Chen Pengzhan Yang Xi

(SchoolofElectricalandElectronicEngineering,EastChinaJiaotongUniversity,Nanchang330013,Jiangxi,China)

A high-performance embedded Cortex-A9 processor is used to design a set of image edge detection system. The main equipment system adopts ARM-Linux embedded operating system, uses OpenCV to capture the video frames and uses the improved Canny edge detection operator to analyze the video frames and display them in real time. For objects with similar color and background, objects with obvious outline features, and object edge detection under nighttime environment are tested. Experimental results show that the embedded platform can achieve the same detection effect as the PC. Compared with the traditional Canny operator, the improved Canny edge detection operator edge detection system has good detection performance and good performance, with strong real-time and reliability.

OpenCV Embedded operating system Cortex-A9 Edge detection Canny

2016-05-25。國家自然科學(xué)基金項(xiàng)目(61164011);江西省研究生創(chuàng)新專項(xiàng)資金項(xiàng)目(YC2016-S259)。陳鵬展，副教授，主研領(lǐng)域：智能化自動化裝置及汽車電子控制。楊希，碩士生。

TP391.41

A

10.3969/j.issn.1000-386x.2017.07.033