DSP课程设计报告.doc

一、绪论
数字图像处理(Digital Image Processing)是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像处理中,输入的是质量低的图像,输出的是改善质量后的图像。图像处理方法有图像增强、复原、编码、压缩等。
随着计算机技术、电子技术、和通信技术的发展,数字图像压缩在计算机和便携式系统中的应用越来越广泛。数字化图像使得图像信号可以高质量地传输,并便于图像的检索、分析、处理和存储。但是数字图像的表示需要大量的数据,由于存储空间和网络带宽的限制,对图像进行存储,处理和传输之前先要对图像进行压缩。数字图像压缩是减小图像数据量,方便图像的传输、存储和处理的有效手段,研究图像压缩的实现有着其重要的现实意义。数字信号处理器(DSP)有其独特的硬件结构特别适合于数字信号处理领域,大量地使用在各种便携式、实时信号处理场合。它的高速度和良好的运算性能特别适合于图像处理。
二、设计总体思路
本实验利用达盛DSP试验箱设计实现静态图像的离散余弦变换(DCT)和IDCT算法。通过读入一幅标准灰色的Lena(64×64)图像,然后对其图像数据进行8×8分块,接着对每块分别进行二维离散余弦变换(DCT),并经量化后通过反变换(IDCT)把数据块重新还原组合,先通过Matlab进行仿真,显示DCT、IDCT和压缩图象,S软件的Image 显示功能,显示出原图像和经处理后的图像。比较原图像数据和处理后的图像数据,S软件中的原图像和处理后的图像。
具体的设计首先进行初始化,调用DCT变换子程序输出变换结果。然后调用DCT逆变换子程序输出重构信号。设计总流程图如下:
读入Lena(64×64)图象
对图象数据进行8×8分块
二维DCT变化
IDCT变化
组合输出图象
分块转换是否完成
Y
N
系数均匀量化
熵编码
逆量化
图2-1 DCT程序流程图
三、离散余弦函数的DSP实现
DSP的简介
DSP有两种解释:其一是Digital Signal Processing的缩写,即数字信号处理,是指数字信号处理是利用计算机或专用处理设备,以数字的形式对信号进行采集、变换、滤波、估值、增强、压缩、识别等处理,以得到符合人们需要的信号形式。其二是Digital Signal Processor即数字信号处理器的意思,是指数字信号处理器是用来完成数字信号处理要求的具有特殊结构的一种微处理器,即我们经常所说的DSP器件。近年来,DSP作为一种新型的微处理器在各种消费类、通信、医疗和工业产品中得到了非常广泛的应用。DSP处理器是一类针对数字信号处理领域进行了优化的微处理器。和普通的微处理器相比,它们具有特殊的硬件结构特别适合各类数字信号处理算法的实现,从而使得产品易于实现和维护。
图象的量化
所谓量化就是将离散图像的值表示为与其幅度成比例的整数,就是将DCT系数按比例缩小,并取其最接近的整数值的处理过程。量化的作用是在保证一定的图像质量前提下,丢掉那些对视觉效果影响不大的信息。
在JPEG中,量化就是将DCT变换后系数矩阵的各个系数f(u,v)除以量化表中对应的且量化阶距m(u,v)。量化过程在DSP的实现,是先将各量化表分别存放在DSP的存储器中,然后将DCT变换得到的数据与量化表各个元素做乘法运算,我们使用的是C54xDSP中的MPYR指令,这样可以得到乘法结构的同时对量化值进行四舍五入运算。
熵编码
数据压缩技术的理论基础是信息论。根据信息论的原理,可以找到最佳数据压缩编码方法,数据压缩的理论极限是信息熵。如果要求在编码过程中不丢失信息量,即要求保存信息熵,这种信息保持编码又叫做熵保存编码,或者叫熵编码。熵编码把一系列用来表示视频序列的元素符号转变为一个用来传输或是存储的压缩码流。
熵编码是无失真数据压缩,用这种编码结果经解码后可无失真地恢复出原图像。当考虑到人眼对失真不易觉察的生理特征时,有些图像编码不严格要求熵保存,信息可允许部分损失以换取高的数据压缩比,这种编码是有失真数据压缩,通常运动图像的数据压缩是有失真编码。
JPEG压缩算法使用了两种熵编码方法:哈夫曼编码和算术编码。在此我们只介绍哈夫曼编码。哈夫曼编码Huffman方法于1952年问世,迄今为止仍经久不衰,广泛应用于各种数据压缩技术中,且仍不失为熵编码中的最佳编码方法。
哈夫曼编码的理论依据是变字长编码理论。在变字长编码中,编码器的编码输出码字是字长不等的码字,按编码输入信息符号出现的统计概率,给输出码字分配以不同的字长。对于编码输入中,出现大概率的信息符号,赋以短字长的输出码字;对于编码输入中,出现小概率的信息符号,赋以长字长的输出码字。可以证明,按照概率出现大小的顺序,对输出码字分配不同码