DSP VLIB實驗

聲明：引用請註明出處http://blog.csdn.net/lg1259156776/
引言

　　在dsp開發中，爲了節省開發時間和難度，TI將一些成熟的算法封裝爲模塊，供開發者使用。若是能充分利用這些算法支持庫，對於加快dsp開發進程與提升代碼質量、穩定性有很是大的幫助。VLIB是一個通過深刻優化的計算機視覺算法庫，支持C64x和C64x+處理器內核，提供了以下圖所示的功能函數接口。
　　
下面是在DSP6455上進行的測試實驗總結：

---

Canny 算子

好的 檢 測 ： 算法可以儘量多地標識出圖像中 的實際邊緣 。
好的定位： 標識出的邊緣要與實際圖像中的實際邊緣儘量接近 。
最小響應 ： 圖像中的邊緣只能標識一次，而且可能存在的 圖像噪聲不該標識爲邊緣 。
在圖像的邊緣檢測中，抑制噪聲與邊緣精肯定位是沒法同時知足的，canny算子致力於在抗噪聲和精肯定位之間尋求最佳折衷方案。
利用Canny算子檢測圖像邊緣的步驟以下：

1. 高斯圖像平滑
   

2. 計算梯度幅值與方向

3. 非極大值抑制

滯後閾值算法（雙閾值算法）

用個人理解總結爲：對一副圖，先用高斯平滑濾波，而後計算梯度，用非極大值抑制的方法去除假邊界，再用兩個閾值-高閾值和低閾值分別對非極大值抑制後的圖像進行處理，獲得兩幅結果。高閾值圖像是爲了儘量保證邊緣的正確無誤，並不惜以某些邊緣點損失爲代價。低閾值圖像是爲了儘量彌補高閾值對實際邊緣點的丟棄。最後，將高閾值圖像的邊緣鏈接成輪廓，當到達輪廓短點時，在低閾值圖像該點位置的8鄰域內尋找能夠鏈接到輪廓上的邊緣。不斷地重複這個步驟直到將圖像2鏈接起來爲止。通常取高閾值爲低閾值的2倍左右。

---

Hough直線檢測

Hough變換時圖像處理中檢測圖像中集合圖形的基本算法，它能夠檢測出圖像中的直線、橢圓等規則圖像，廣義Hough變換還能夠檢測不規則邊界。
直角座標系中的共線點對應着參數空間的共點線。

---

形態學腐蝕和膨脹

先腐蝕後膨脹稱爲開(open)
通常來講，開運算可以去除孤立的小點，毛刺和小橋(即連通兩塊區域的小點)，而總的位置和形狀不變。這就是開運算的做用。

先膨脹後腐蝕稱爲閉(close)
通常來講，閉運算可以填平小湖(即小孔)，彌合小裂縫，而總的位置和形狀不變。這就是閉運算的做用

---

聯通區域標記

聯通區域直觀地理解爲圖像中獨立的物體，爲這些聯通區域分配以不一樣的標號，就是聯通區域標記的目的。此外，這些區域能夠藉助其內部特徵來描述，例如：區域面積和區域重心。
算法思路：相似於區域生長法，以8鄰域聯通區域標記爲例，對圖像掃描，找到一個非背景像素，分配一個未使用的標記，對該點8鄰域內的非背景像素分配以一樣的標記符，接下來對這些像素的8鄰域內的非背景像素做一樣的操做，一次次的迭代下去，直到這些點的8鄰域再也找不到非背景像素爲止。而後繼續掃描，找到一個新的未被標記的非背景像素，重複以上操做，直到再也找不到任何未被標記的非背景像素爲止。

經常使用兩次掃描法

---

彩色空間

主要是在視頻處理或者顏色跟蹤等遇到色彩空間的轉換，色彩空間包括HSI、HSV、RGB、CMYK、YUV、Lab等。最經常使用的是RGB空間，從RGB24到HSI的轉換公式：

---

積分圖像

積分圖像是一種用於快速計算圖像窗口的灰度值總和或灰度均值的一種圖像中間表示，此外，還能夠用於快速計算圖像窗口的灰度方差，以及實現圖像預處理中的快速灰度分佈標準化和目標任務識別中的快速模板匹配。在計算圖像特徵時是很是重要的中間步驟。在人臉檢測中應用較多。
這裏面用的比較多，也比較熟悉，再也不贅述。

---

圖像金字塔

圖像金字塔是一種數據結構，圖像金字塔分解能夠很是好的實現圖像中前景與背景的分割，甚至能夠用於包含多個前景的複雜圖片。從原始圖像中挑選能夠表明某個小塊區域的點做爲節點，使這些節點構成更上一層的圖像，並一直迭代下去，圖的節點自上而下逐漸減小，造成金字塔形狀，與小波逐級分解相似，金字塔是一種由精細到粗糙的策略。主要應用在圖像或者目標不一樣尺度上的應用。
這個在進行學習光流法的時候總結過，這裏也再也不多說。

---

高斯和梯度金字塔

高斯金字塔是圖像金字塔的一種。它的第0級包含了原始圖像，第一級包含了2x2下采樣後的圖像，第二級包含了進一步2x2下采樣後的圖像，以此類推。常常被用在檢測及追蹤應用中，以減小冗餘數據。
用於圖像分解與重構的是拉普拉斯金字塔，高斯金字塔分解是拉普拉斯金字塔分解中的一步。
拉普拉斯塔的分解過程可表示爲：低通濾波→下采樣（縮小尺寸）→內插（放大尺寸）→帶通濾波（圖像相減）。

拉普拉斯塔的重構

這個在調研光流法的時候也進行過相關的學習，因此，能夠再去查看。

---

IIR濾波

IIR必須採用遞歸結構，極點在單位圓內，不然系統不穩定。IIR濾波器在一系列圖像處理操做中有普遍的應用，好比圖像平滑，梯度及邊緣計算中。
再也不詳表！

---

角點檢測

Harris角點檢測。這個應該更加熟悉纔是。對於Lucas Harris光流法好像是用的就是這種角點吧！

---

非極大值抑制

在進行Canny算子的試驗中已經用過了。
一些視頻算法的結果是產生一個投票空間，對投票空間中的局部最大值的尋找能夠用非極大值抑制來實現。

---

光流法

最流行的Lucas-Kanade算法：LK算法。

---

灰度直方圖統計

直方圖一般被用來對輸入數據的分佈狀況進行離散測量，經過使用加權直方圖，能夠肯定輸入數據中某些量的重要程度。直方圖計算很簡單，先由指定的計算範圍，並將範圍劃分紅若干個相鄰單元(bin)，接下來統計落入到各個相鄰單元裏的輸入數據的個數。

---

L1距離和B距離

在數學和工程應用中會用到各類各樣的距離，L1距離，L2距離，切比雪夫距離，馬氏距離等，這些距離用來反映不一樣事物的差距，如點、面、機率分佈等。
L1距離也成爲街區距離，曼哈頓距離或者絕對值距離，L1範數。

B ha tt a c h a ry y a 距 離， 又 稱巴 氏 距 離 或 B 距 離，在統計學中，用於測量兩個離散機率分佈的類似性，一般形況下，巴氏距離用來分類中測量兩類之間的可分離性。

---

卡爾曼濾波器

這個在之前的應用中至關多，因此，具體原理不用分析。對於如何在DSP中進行使用，能夠後續具體用到時在按照例程進行修改。

---

加權移動平均和加權移動方差

加權移動平均和加權移動方差的應用範圍很廣，在數字圖像處理中能夠應用於運動目標檢測等領域。運動目標檢測的背景提取過程當中，因爲光照等因素的影響，須要對背景信息進行及時更新，這就要用到它。爲了除去前景物體對背景的影響，對加權移動平均和加權移動方差的更新只發生在背景部分，即前景區域被標記爲0的位置。

---

靜態背景提取

用來分割靜態圖像的背景和前景。若是背景靜態，那麼有任何意義的運動的物體都是前景。

---

高斯混合背景模型

智能監控的中心內容是運動目標檢測，關鍵是背景目標的提取，建模背景的目的是從當前幀提取前景，使背景更接近於當前幀的背景，高斯混合模型是諸多模型中建模效果最好的方法之一。
高斯混合模型的思路：對每一個像素，考察它的均值與方差，若是與某個高斯模型匹配(誤差小於馬氏距離閾值)，則該點劃分到這個模型中去，同時，這個模型的三個參數：均值方差和權值都要更新，若是沒有高斯模型與該點匹配，則舍掉這些高斯模型中最不可能的哪個(出場率最低的那個)，並以該點創建新的高斯模型。

---

2015-9-23 藝少