基于DSP的嵌入式智能相机的研究

2．2 OpenCV
OpenCV(Open Source Computer Vision Library)是一个基于开源的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效——由一系列C函数和少量C++类构成，同时提供了Python，Ruby，Matlab等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。OpenCV提供的视觉处理算法非常丰富，并且它部分以C语言编写，加上其开源的特性，处理得当，不需要添加新的外部支持也可以完整的编译链接生成执行程序，所以用它来做算法的移植很方便，OpenCV的代码经过适当改写可以正常的运行在DSP系统和单片机系统中。OpenCV主体分为5个模块，其中4个模块如图5所示。OpenCv的CV模块包含基本的图像处理函数和高级的计算机视觉算法。ML是机器学习库，包含一些基于统计的分类和聚类工具。HighGUI包含图像和视频输入／输出的函数。CXCore包含OpenCV的一些基本数据结构和相关函数。

2．3 程序设计流程
相机通过RS 232串口把编译好的U_Boot和μCLinux镜像文件烧写到里面的FLASH中，然后通过Eclipse集成开发环境进行应用软件设计。本设计实现了一个简单的应用，可以通过智能相机来检测条形码。流程图如图6所示。
在图像处理模块中，主要包含了图像图像预处理，分析条形码黑白条宽度，判断条形码类别，最后识别出条形码并且显示条形码数据，流程框图如图7所示。

3 实验结果及分析
下面4张图为在四种不同的速度情况下检测的条形码样本，它们是在相同的外界环境(光源、曝光时间等)下检测。图8是在单帧图片下的检测，图9是在15f／s的速度下检测，图10则是在20f／s的速度下检测。在三种情况下分别对100个条形码进行检测，图11是在30f／s的速度下进行检测。表2为检测结果。

由表2可知，在低速(即在15f／s以下)时，相机能够对条形码进行正确的检测，随着速度的增加，检测的合格率会逐渐的下降。

4 结语
此智能相机的设计是以ADSP-BF537为处理控制核心，结合Oscar框架和OpenCV视觉库而实现的。通过一个简单的检测条形码的应用程序可以看出，在检测速度不高的情况下，此智能相机能够准确地检测产品，并且操作简单，能够广泛地应用到生活和生产实践中。