大規(guī)模動(dòng)態(tài)數(shù)字圖像的自動(dòng)生成系統(tǒng)設(shè)計(jì)

南麗麗

摘 要： 針對(duì)傳統(tǒng)的圖像自動(dòng)生成系統(tǒng)存在速度慢、效率低、圖像自動(dòng)生成效果差等問(wèn)題，提出基于圖像邊緣識(shí)別的動(dòng)態(tài)數(shù)字圖像自動(dòng)生成系統(tǒng)設(shè)計(jì)方法。該系統(tǒng)結(jié)合數(shù)字圖像邊緣處理機(jī)制，詳細(xì)闡述了圖像邊緣識(shí)別系統(tǒng)設(shè)計(jì)中的圖像預(yù)處理、邊緣識(shí)別、降噪處理、邊緣跟蹤、動(dòng)態(tài)數(shù)字圖像縮放與旋轉(zhuǎn)等步驟與原理，還結(jié)合相應(yīng)的數(shù)據(jù)結(jié)構(gòu)實(shí)現(xiàn)了自動(dòng)生成系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)能夠直接根據(jù)動(dòng)態(tài)數(shù)字圖像自動(dòng)產(chǎn)生指令，提高了圖像生成效率，且速度較快、耗費(fèi)時(shí)間較短，具有較強(qiáng)的實(shí)際意義。

關(guān)鍵詞： 動(dòng)態(tài)數(shù)字圖像； 自動(dòng)生成； 降噪； 縮放； 旋轉(zhuǎn)； 邊緣識(shí)別

中圖分類(lèi)號(hào)： TN911.73?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）07?0054?04

Design for automatic generation system of large?scale dynamic digital image

NAN Lili

（Department of Computer Science and Technology， Yuncheng University， Yuncheng 044000， China）

Abstract： The traditional image automatic generation system has the problems of slow speed， low efficiency and poor image automatic generation effect. Therefore， an image edge recognition based design method of dynamic digital image automatic generation is proposed. In combination with digital image edge processing mechanism of the system， the processes and principles of image preprocessing， edge recognition， noise reduction， edge tracking， dynamic digital image zoom and rotation in image edge recognition system are described in detail. The automatic generation system is realized in combination with the corresponding data structure. The experimental results show that the system can automatically generate the instructions according to the dynamic digital images， improve the generation efficiency of image， and has fast speed and short time consumption， which has strong practical significance.

Keywords： dynamic digital image； automatic generation； noise reduction； zoom； rotation； edge recognition

0 引 言

設(shè)計(jì)大規(guī)模動(dòng)態(tài)數(shù)字圖像的自動(dòng)生成系統(tǒng)能夠廣泛應(yīng)用到金融、工藝品制作、軍事秘密數(shù)據(jù)分析等領(lǐng)域當(dāng)中，不但能夠改變以往手工CAD制度的繁瑣，還能縮短耗費(fèi)的時(shí)間，大大提高了圖像生成效率[1]。但是傳統(tǒng)的圖像自動(dòng)生成系統(tǒng)存在速度慢、效率低、圖像自動(dòng)生成效果差等問(wèn)題，比如，在金融領(lǐng)域常常會(huì)出現(xiàn)盈利繪圖不準(zhǔn)確，且不能對(duì)動(dòng)態(tài)數(shù)字圖像進(jìn)行邊緣識(shí)別，使得圖像展示效果較差[2]。

基于上述存在的問(wèn)題，提出基于圖像邊緣識(shí)別的動(dòng)態(tài)數(shù)字圖像自動(dòng)生成系統(tǒng)的設(shè)計(jì)。該系統(tǒng)結(jié)合數(shù)字圖像邊緣處理機(jī)制，詳細(xì)闡述了圖像邊緣識(shí)別系統(tǒng)設(shè)計(jì)中的圖像預(yù)處理、邊緣的識(shí)別、降噪處理、邊緣跟蹤與細(xì)化、動(dòng)態(tài)數(shù)字圖像縮放與旋轉(zhuǎn)等步驟與原理。經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證得出實(shí)驗(yàn)結(jié)論。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)設(shè)計(jì)在自動(dòng)生成圖像速度方面具有更快的優(yōu)勢(shì)，且耗費(fèi)時(shí)間較短，實(shí)時(shí)轉(zhuǎn)化為圖像模式。

1 動(dòng)態(tài)數(shù)字圖像自動(dòng)生成系統(tǒng)框圖

大規(guī)模動(dòng)態(tài)數(shù)字圖像的自動(dòng)生成系統(tǒng)硬件的設(shè)計(jì)是在相關(guān)網(wǎng)絡(luò)服務(wù)的程序下，對(duì)數(shù)字提供動(dòng)態(tài)的拓展方式，根據(jù)需求者的要求，將大規(guī)模的動(dòng)態(tài)數(shù)字進(jìn)行分布式配置，系統(tǒng)硬件的設(shè)計(jì)框圖如圖1所示。

數(shù)字處理器主要對(duì)采集到的數(shù)字進(jìn)行處理，采用共享效率高的數(shù)字線(xiàn)程對(duì)收集到的數(shù)字進(jìn)行處理，該過(guò)程也可通過(guò)編程實(shí)現(xiàn)。

圖像自動(dòng)生成模塊采用單片機(jī)完成數(shù)字的自動(dòng)存儲(chǔ)，并通過(guò)內(nèi)置的程序使之轉(zhuǎn)換成圖像，通過(guò)軟件程序的操作自動(dòng)生成動(dòng)態(tài)數(shù)字圖像。

2 基于圖像邊緣識(shí)別的動(dòng)態(tài)數(shù)字圖像自動(dòng)生成

動(dòng)態(tài)數(shù)字圖像自動(dòng)生成指的是根據(jù)提供的數(shù)字圖像，經(jīng)過(guò)計(jì)算機(jī)處理，自動(dòng)識(shí)別其中的圖案，能夠衍生成圖像[3]。圖像邊緣識(shí)別是根據(jù)圖像的線(xiàn)跡重現(xiàn)原始圖像輪廓，獲取圖像邊緣信息，因此只需要對(duì)灰度級(jí)別的圖像進(jìn)行識(shí)別即可。

2.1 圖像預(yù)處理

將彩色圖像轉(zhuǎn)化為灰度級(jí)別的圖像，具體算法如下：

式中：gray為某像素點(diǎn)的灰度值；[R]為紅像素；[G]為綠像素；[B]為藍(lán)像素；[k1，][k2，][k3]分別為像素點(diǎn)紅、綠、藍(lán)的三分量系數(shù)；[k1R]為像素點(diǎn)的紅三分量值；同理，[k2G，][k3B]分別為像素點(diǎn)的綠、藍(lán)三分量值。

2.2 邊緣識(shí)別

動(dòng)態(tài)數(shù)字灰度圖像中，邊緣指的是周?chē)袼鼗叶戎稻哂须A段性變化像素的集合，而邊緣識(shí)別方法指的是用結(jié)構(gòu)元素對(duì)圖案腐蝕[4]和膨脹[5]運(yùn)算得到的圖案邊緣，具體步驟如下所示：

1） 將結(jié)構(gòu)元素看作一個(gè)模板，是為了考察圖像結(jié)構(gòu)而設(shè)計(jì)的，其尺寸一般小于正常圖像。

2） 腐蝕是將圖像的邊緣向內(nèi)部收縮，其作用是清除邊界的作用點(diǎn)，使外界的擴(kuò)充變得更加膨脹。

數(shù)字動(dòng)態(tài)圖像邊緣識(shí)別的基本依據(jù)為：

式中：[g]為結(jié)構(gòu)元素；[S原]為原始圖像；[S邊]為圖像的邊緣。式（2）中的圖像邊緣是由結(jié)構(gòu)元素對(duì)原始圖像動(dòng)態(tài)腐蝕，然后由原始圖像減去腐蝕后的圖像而獲得。而式（3）中的圖像邊緣是由結(jié)構(gòu)元素對(duì)原始圖像進(jìn)行膨脹處理，然后由膨脹后的圖像減去原始圖像而獲得。

2.3 圖像降噪處理及邊緣跟蹤

對(duì)二值圖像[6]進(jìn)行邊緣定位的過(guò)程中，難免會(huì)產(chǎn)生噪音，最常見(jiàn)的現(xiàn)象是使圖像的邊緣出現(xiàn)毛刺、洞孔以及孤立點(diǎn)的缺陷，而這些噪音對(duì)于自動(dòng)生成系統(tǒng)的設(shè)計(jì)也具有不容忽視的影響，有時(shí)因?yàn)樵胍暨^(guò)大，會(huì)使圖像邊緣細(xì)化時(shí)出現(xiàn)原圖拓?fù)浣Y(jié)構(gòu)被篡改的情況，因此需要對(duì)圖像進(jìn)行降噪處理。

圖像邊緣跟蹤是對(duì)識(shí)別出來(lái)的圖像邊緣進(jìn)行處理并提取，從而獲得寬度大于1個(gè)像素的邊緣，為了能夠準(zhǔn)確跟蹤圖像的邊界，需要把寬度設(shè)為1個(gè)像素。針對(duì)跟蹤問(wèn)題，需要嚴(yán)格按照順序依次找出目標(biāo)圖像的邊界像素，從而記錄相應(yīng)坐標(biāo)。根據(jù)邊緣寬度為1個(gè)像素的標(biāo)準(zhǔn)，對(duì)8個(gè)不同領(lǐng)域像素的位置進(jìn)行分析，準(zhǔn)確追蹤到像素所在的方向與偏移量[7]，具體情況如圖2所示。

具體的追蹤流程如下：

1） 將動(dòng)態(tài)數(shù)字圖像的左上方依次按照從左至右、由上及下的順序進(jìn)行掃描，獲取第一個(gè)目標(biāo)圖像的邊緣點(diǎn)。

2） 假設(shè)最初搜索的方向?yàn)樽笙陆?，將該點(diǎn)作為像素的邊界點(diǎn)，然后開(kāi)始記錄邊界點(diǎn)的坐標(biāo)，并將其設(shè)置為背景色，標(biāo)記為當(dāng)前坐標(biāo)。

3） 將搜索方向的左下角順時(shí)針旋轉(zhuǎn)90°，找尋后續(xù)的邊緣點(diǎn)；如果搜索未果，則需將最初的搜索方向逆時(shí)針旋轉(zhuǎn)45°，找尋后續(xù)的邊緣點(diǎn)；如果都未出現(xiàn)新的邊界點(diǎn)，那么就說(shuō)明該范圍內(nèi)并不存在新邊界點(diǎn)。

4） 不斷重復(fù)上述步驟，直到將整個(gè)動(dòng)態(tài)數(shù)字圖像背景色設(shè)置完成為止。

2.4 動(dòng)態(tài)數(shù)字圖像縮放與旋轉(zhuǎn)

根據(jù)上述內(nèi)容中的具體追蹤流程，能夠自動(dòng)識(shí)別出圖像的邊緣，但是識(shí)別出來(lái)的圖像尺寸不利于分析，因此需要將圖像進(jìn)行調(diào)整，需要采用二次插值法[8]進(jìn)行處理，具體運(yùn)算過(guò)程如下所示：

假設(shè)原始目標(biāo)圖像中像素的坐標(biāo)為[a，b]，經(jīng)過(guò)方向的轉(zhuǎn)換，能夠得到變換后的坐標(biāo)[a+x，b+y]，其中[a，b]為整數(shù)，[x，y]為[0，1]區(qū)間內(nèi)像素存在的浮點(diǎn)數(shù)。

目標(biāo)圖像中像素值[Ha，b]是由原始圖像中四像素值來(lái)確定的，四像素具體值分別為：[pi，j，pi+1，j+1，][pi，j+1，pi+1，j+1]，具體公式為：

2.5 自動(dòng)生成

大規(guī)模動(dòng)態(tài)數(shù)字圖像自動(dòng)生成所采用的數(shù)據(jù)必須具有實(shí)時(shí)性，其結(jié)構(gòu)為T(mén)EdgePoint，記錄得到的邊界像素信息為[9]：

針對(duì)邊界的取樣點(diǎn)主要根據(jù)設(shè)定的工作時(shí)長(zhǎng)對(duì)圖像邊緣的樣本進(jìn)行采集，如圖3所示。

根據(jù)示意圖對(duì)數(shù)據(jù)進(jìn)行處理，自動(dòng)生成后就可以完成對(duì)動(dòng)態(tài)數(shù)字自動(dòng)生成的設(shè)計(jì)。

3 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證基于圖像邊緣識(shí)別的動(dòng)態(tài)數(shù)字圖像自動(dòng)生成設(shè)計(jì)的合理性，以某市金融交易公司的動(dòng)態(tài)數(shù)據(jù)為例進(jìn)行實(shí)驗(yàn)。

3.1 實(shí)驗(yàn)環(huán)境與參數(shù)設(shè)置

根據(jù)上述文中構(gòu)建的自動(dòng)生成系統(tǒng)進(jìn)行參數(shù)設(shè)置，具體設(shè)置情況如下：

1） 金融交易公司的動(dòng)態(tài)數(shù)據(jù)主要存儲(chǔ)在環(huán)形的緩沖區(qū)域當(dāng)中，因此對(duì)采集到的數(shù)據(jù)浮動(dòng)范圍統(tǒng)計(jì)為-40～65 dB；靜態(tài)數(shù)據(jù)不具有流動(dòng)性，因此可直接從數(shù)據(jù)庫(kù)中對(duì)動(dòng)態(tài)數(shù)據(jù)進(jìn)行疊加，其疊加的最大數(shù)量為105 dB。

2） 將數(shù)據(jù)庫(kù)中的數(shù)據(jù)收集通道設(shè)置為10個(gè)，并對(duì)動(dòng)態(tài)數(shù)據(jù)進(jìn)行同步與異步處理。

3） 將處理后的數(shù)據(jù)收集到緩沖區(qū)域內(nèi)，并采用循環(huán)放大機(jī)制對(duì)動(dòng)態(tài)數(shù)據(jù)進(jìn)行精準(zhǔn)采樣，該時(shí)段的計(jì)算機(jī)數(shù)據(jù)處理功率設(shè)置為150 Hz。

4） 將圖像分辨率設(shè)置為18位。

5） 將循環(huán)放大機(jī)制過(guò)程中的計(jì)算機(jī)圖像顯示分辨率設(shè)置為15位。

3.2 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證自動(dòng)生成系統(tǒng)速度的快慢，讓金融交易公司若干個(gè)員工同時(shí)將數(shù)據(jù)上傳，及時(shí)記錄速度變化情況，如表1所示。

由表1可知，公司1個(gè)員工上傳數(shù)據(jù)時(shí)系統(tǒng)自動(dòng)生成的速度與5個(gè)、10個(gè)、20個(gè)、50個(gè)員工上傳數(shù)據(jù)時(shí)系統(tǒng)自動(dòng)生成的速度相差并不大?；诒?中上傳數(shù)據(jù)時(shí)系統(tǒng)自動(dòng)生成的速度來(lái)對(duì)比傳統(tǒng)系統(tǒng)自動(dòng)生成的速度，結(jié)果如圖4所示。

由圖4可知：傳統(tǒng)自動(dòng)生成系統(tǒng)在數(shù)據(jù)量較小時(shí)與本文系統(tǒng)的速度相差并不大，但是隨著數(shù)據(jù)量不斷增加，傳統(tǒng)自動(dòng)生成圖像的速度逐漸下降，遠(yuǎn)遠(yuǎn)小于本文設(shè)計(jì)的系統(tǒng)。因此，本文設(shè)計(jì)的系統(tǒng)在自動(dòng)生成圖像速度方面具有更快的優(yōu)勢(shì)。

采用本文設(shè)計(jì)的圖像自動(dòng)生成系統(tǒng)進(jìn)行實(shí)驗(yàn)，圖5為實(shí)驗(yàn)的效果圖。圖5b）為金融交易公司盈利手工CAD的圖像；圖5c）為傳統(tǒng)系統(tǒng)自動(dòng)生成的圖像；圖5d）為本文設(shè)計(jì)的自動(dòng)生成圖像。

由圖5可知：手工CAD圖像能夠精準(zhǔn)地對(duì)數(shù)據(jù)進(jìn)行處理，實(shí)時(shí)轉(zhuǎn)化為圖像模式來(lái)表示金融公司的盈利情況，但是所耗費(fèi)的時(shí)長(zhǎng)卻多；傳統(tǒng)系統(tǒng)自動(dòng)生成圖像不能準(zhǔn)確地表達(dá)出數(shù)據(jù)的分布情況，使沒(méi)有經(jīng)過(guò)降噪處理的圖像在視覺(jué)方面表達(dá)的不太理想；本文系統(tǒng)自動(dòng)生成圖像不但能夠準(zhǔn)確地表達(dá)出盈利效果，還能對(duì)邊緣進(jìn)行精準(zhǔn)識(shí)別，效率較高。

4 結(jié) 語(yǔ)

基于圖像邊緣識(shí)別的動(dòng)態(tài)數(shù)字圖像自動(dòng)生成系統(tǒng)的設(shè)計(jì)能夠直接根據(jù)動(dòng)態(tài)數(shù)字圖像自動(dòng)產(chǎn)生指令，大大提高了自動(dòng)生成的效率，具有較強(qiáng)的實(shí)際意義。而且，通過(guò)實(shí)驗(yàn)還可以看出，該系統(tǒng)自動(dòng)生成圖像的速度較快，且耗費(fèi)時(shí)間較短，根據(jù)快速的邊緣識(shí)別能夠準(zhǔn)確地生成圖像，效率較高。在該系統(tǒng)的基礎(chǔ)上，深入地研究復(fù)雜動(dòng)態(tài)數(shù)字的圖像，進(jìn)而獲取理想的圖像自動(dòng)生成指令。

參考文獻(xiàn)

[1] 賀一峰，趙旭東，亞森·艾則孜.精細(xì)化自動(dòng)檢測(cè)篡改區(qū)域的數(shù)字圖像取證方法[J].現(xiàn)代電子技術(shù)，2016，39（7）：83?88.

HE Yifeng， ZHAO Xudong， YASSEN Ezez. Digital image forensics method to refinedly and automatically detect tampering area [J]. Modern electronics technique， 2016， 39（7）： 83?88.

[2] 梁東旭，蘭旭穎，閆帥，等.一種基于實(shí)時(shí)數(shù)字圖像處理的同步輻射微探針自動(dòng)化掃描新方法[J].核技術(shù)，2016，39（1）：5?9.

LIANG Dongxu， LAN Xuying， YAN Shuai， et al. A new synchrotron radiation microprobe automatic scanning method based on real?time digital image processing techniques [J]. Nuclear techniques， 2016， 39（1）： 5?9.

[3] 李蓉，鄒昆，馬慧.基于S3C2440處理器系統(tǒng)的數(shù)字圖像處理技術(shù)和嵌入式技術(shù)結(jié)合機(jī)制[J].現(xiàn)代電子技術(shù)，2016，39（23）：55?57.

LI Rong， ZOU Kun， MA Hui. Combination mechanism of embedded technology and digital image processing technology based on S3C2440 processor system [J]. Modern electronics technique， 2016， 39（23）： 55?57.

[4] 顧寄南，高國(guó)偉，丁衛(wèi).基于小波模極大值的工件圖像邊緣檢測(cè)[J].工具技術(shù)，2016，50（11）：100?103.

GU Jinan， GAO Guowei， DING Wei. Research on algorithms of work?piece image edge detection based on modulus maxima of wavelet transform [J]. Tool engineering， 2016， 50（11）： 100?103.

[5] 吳鵬，徐洪玲，宋文龍，等.基于非線(xiàn)性四階圖像插值的亞像素邊緣檢測(cè)算法[J].哈爾濱工程大學(xué)學(xué)報(bào)，2015，36（2）：243?247.

WU Peng， XU Hongling， SONG Wenlong， et al. A nonlinear quartic image interpolation based subpixel edge detection algorithm [J]. Journal of Harbin Engineering University， 2015， 36（2）： 243?247.

[6] 王曉軍，王崴，劉曉衛(wèi)，等.基于圖像復(fù)雜度的PCNN邊緣檢測(cè)新算法[J].彈箭與制導(dǎo)學(xué)報(bào)，2015，35（4）：154?158.

WANG Xiaojun， WANG Wei， LIU Xiaowei， et al. A novel algorithm for edge detection of PCNN based on image complexity [J]. Journal of projectiles， rockets， missiles and guidance， 2015， 35（4）： 154?158.

[7] 喬榮華，董建剛，張永恒.基于RBF網(wǎng)絡(luò)的焊縫缺陷圖像的識(shí)別與診斷技術(shù)研究[J].熱加工工藝，2016，45（1）：217?220.

QIAO Ronghua， DONG Jiangang， ZHANG Yongheng. Research on identification and diagnosis technology of weld defect image based on RBF network [J]. Hot working technology， 2016， 45（1）： 217?220.

[8] 李杭，鄭江濱.基于噪聲方差估計(jì)的偽造圖像盲檢測(cè)方法[J].計(jì)算機(jī)應(yīng)用研究，2017，34（1）：314?316.

LI Hang， ZHENG Jiangbin. Blind image forgery detection method based on noise variance estimation [J]. Application research of computers， 2017， 34（1）： 314?316.

[9] 昝晶，馬少杰，屠江鋒.基于SSIM算法的動(dòng)態(tài)空化圖像處理[J].現(xiàn)代電子技術(shù)，2016，39（17）：23?25.

ZAN Jing， MA Shaojie， TU Jiangfeng. Dynamic cavitation image processing based on SSIM algorithm [J]. Modern electronics technique， 2016， 39（17）： 23?25.