基于DSP数字信号处理器的墙体裂缝测图像的处理

后的处理过程首先要对图像进行中值滤波，其次通过灰度值修正，取得最优阈值后再进行二值化分割，以完成对图像的处理。

中值滤波算法的C语言实现过程首先是确定中值滤波窗口与形状，然后将窗口内的像素值存入数组中，再通过冒泡法对该数组进行排序以取出中值，最后用该中值替换原来窗口的中心像素，至此，便实现了图像的中值滤波。由于墙体裂缝图像的特殊性，灰度值修正算法的C语言实现过程是先获取用户感兴趣的灰度区域[A，B]，再利用循环对每个像素点的值M进行判断，若M<A，则将M赋值为0，若M>B，则将M赋值为25 5，若A<M<B，则有：

式中INT为取整，通过以上运算，便可实现感兴趣区域的灰度拉伸，使对比度增强。图2所示是通过C语言实现中值滤波与灰度修正的具体流程图。

在阈值分割算法的C语言实现过程中，由于裂缝图像中的裂缝和墙体背景的灰度值相差较大，因此，其直方图会呈现明显的双峰形状，而将该谷值作为分割的阈值来进行二值分割会得到较好的分割图像。一般情况下，采用迭代阈值分割法比较适合。用迭代的方法来对阈值进行迭代，能够自适应地寻找出最优的阈值。然后将每个像素值与阈值进行比较，大于阈值时，将该点的像素值置为255；小于阈值时，将该点的像素值置为0。此时，便完成图像的二值化分割。在整个过程的运行中，主函数先开始执行，并先进行初始化，包括将图像数据装入到指定的存储空间，设置图像的边界和大小，通过迭代阈值法得到最佳阈值T等，接着再进行中值滤波，然后进行灰度修正，再后进行阈值分割，至此便完成了整个图像的处理过程。通过C语言实现阈值分割算法以及整个图像处理的流程如图3所示。

4 仿真结果分析

本文利用DSP集成开发平台CCS对裂缝图像的处理进行了仿真，并通过建立新的工程将主程序以及相关的库函数加入到工程中，然后在配置存储空间和编译链接后，链接了仿真器，并将生成的下载文件下载到仿真器中，最后设置断点，开始运行程序，观察每次图像处理的结果。其具体的仿真结果如图4所示。

在图4中，图4(a)为原图像，(b)为经过中值滤波后的图像，该图像中的噪声有所减少，但图像也开始有点模糊； (c)为灰度调整后的图像，该图像中亮度明显增加，裂缝与背景的对比度明显提高，细节也较明显； (d)为利用迭代阈值法进行二值分割后的图像，可以看出，该图像中的裂缝基本被分割出来，粗的裂缝清晰明显，细的裂缝分割效果也基本满意，可以达到裂缝图像去噪、增强、分割的目的。

5 结束语

本文主要探讨墙体裂缝图像的预处理过程以及算法的DSP实现。该方法通过C语言编程并利用DSP可完成图像采集、中值滤波、图像增强、图像分割四个步骤，从而完成整个裂缝图像的处理过程。墙体裂缝图像经处理后，裂缝能较清晰的得到显示与分割，而且细节信息基本保留，因而可为其他处理做准备。由于该方法是通过DSP来实现整个过程，故其硬件系统结构简洁。事实上，本文的方法也可在一些便携式墙体裂缝检测设备中得到应用。