大规模动态数字图像的自动生成系统设计

南丽丽

摘 要： 针对传统的图像自动生成系统存在速度慢、效率低、图像自动生成效果差等问题，提出基于图像边缘识别的动态数字图像自动生成系统设计方法。该系统结合数字图像边缘处理机制，详细阐述了图像边缘识别系统设计中的图像預处理、边缘识别、降噪处理、边缘跟踪、动态数字图像缩放与旋转等步骤与原理，还结合相应的数据结构实现了自动生成系统。实验结果表明，该系统能够直接根据动态数字图像自动产生指令，提高了图像生成效率，且速度较快、耗费时间较短，具有较强的实际意义。

关键词： 动态数字图像； 自动生成； 降噪； 缩放； 旋转； 边缘识别

中图分类号： TN911.73?34 文献标识码： A 文章编号： 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

设计大规模动态数字图像的自动生成系统能够广泛应用到金融、工艺品制作、军事秘密数据分析等领域当中，不但能够改变以往手工CAD制度的繁琐，还能缩短耗费的时间，大大提高了图像生成效率[1]。但是传统的图像自动生成系统存在速度慢、效率低、图像自动生成效果差等问题，比如，在金融领域常常会出现盈利绘图不准确，且不能对动态数字图像进行边缘识别，使得图像展示效果较差[2]。

基于上述存在的问题，提出基于图像边缘识别的动态数字图像自动生成系统的设计。该系统结合数字图像边缘处理机制，详细阐述了图像边缘识别系统设计中的图像预处理、边缘的识别、降噪处理、边缘跟踪与细化、动态数字图像缩放与旋转等步骤与原理。经过实验验证得出实验结论。实验结果表明，该系统设计在自动生成图像速度方面具有更快的优势，且耗费时间较短，实时转化为图像模式。

1 动态数字图像自动生成系统框图

大规模动态数字图像的自动生成系统硬件的设计是在相关网络服务的程序下，对数字提供动态的拓展方式，根据需求者的要求，将大规模的动态数字进行分布式配置，系统硬件的设计框图如图1所示。

数字处理器主要对采集到的数字进行处理，采用共享效率高的数字线程对收集到的数字进行处理，该过程也可通过编程实现。

图像自动生成模块采用单片机完成数字的自动存储，并通过内置的程序使之转换成图像，通过软件程序的操作自动生成动态数字图像。

2 基于图像边缘识别的动态数字图像自动生成

动态数字图像自动生成指的是根据提供的数字图像，经过计算机处理，自动识别其中的图案，能够衍生成图像[3]。图像边缘识别是根据图像的线迹重现原始图像轮廓，获取图像边缘信息，因此只需要对灰度级别的图像进行识别即可。

2.1 图像预处理

将彩色图像转化为灰度级别的图像，具体算法如下：

式中：gray为某像素点的灰度值；[R]为红像素；[G]为绿像素；[B]为蓝像素；[k1，][k2，][k3]分别为像素点红、绿、蓝的三分量系数；[k1R]为像素点的红三分量值；同理，[k2G，][k3B]分别为像素点的绿、蓝三分量值。

2.2 边缘识别

动态数字灰度图像中，边缘指的是周围像素灰度值具有阶段性变化像素的集合，而边缘识别方法指的是用结构元素对图案腐蚀[4]和膨胀[5]运算得到的图案边缘，具体步骤如下所示：

1） 将结构元素看作一个模板，是为了考察图像结构而设计的，其尺寸一般小于正常图像。

2） 腐蚀是将图像的边缘向内部收缩，其作用是清除边界的作用点，使外界的扩充变得更加膨胀。

数字动态图像边缘识别的基本依据为：

式中：[g]为结构元素；[S原]为原始图像；[S边]为图像的边缘。式（2）中的图像边缘是由结构元素对原始图像动态腐蚀，然后由原始图像减去腐蚀后的图像而获得。而式（3）中的图像边缘是由结构元素对原始图像进行膨胀处理，然后由膨胀后的图像减去原始图像而获得。

2.3 图像降噪处理及边缘跟踪

对二值图像[6]进行边缘定位的过程中，难免会产生噪音，最常见的现象是使图像的边缘出现毛刺、洞孔以及孤立点的缺陷，而这些噪音对于自动生成系统的设计也具有不容忽视的影响，有时因为噪音过大，会使图像边缘细化时出现原图拓扑结构被篡改的情况，因此需要对图像进行降噪处理。

图像边缘跟踪是对识别出来的图像边缘进行处理并提取，从而获得宽度大于1个像素的边缘，为了能够准确跟踪图像的边界，需要把宽度设为1个像素。针对跟踪问题，需要严格按照顺序依次找出目标图像的边界像素，从而记录相应坐标。根据边缘宽度为1个像素的标准，对8个不同领域像素的位置进行分析，准确追踪到像素所在的方向与偏移量[7]，具体情况如图2所示。

具体的追踪流程如下：

1） 将动态数字图像的左上方依次按照从左至右、由上及下的顺序进行扫描，获取第一个目标图像的边缘点。

2） 假设最初搜索的方向为左下角，将该点作为像素的边界点，然后开始记录边界点的坐标，并将其设置为背景色，标记为当前坐标。

3） 将搜索方向的左下角顺时针旋转90°，找寻后续的边缘点；如果搜索未果，则需将最初的搜索方向逆时针旋转45°，找寻后续的边缘点；如果都未出现新的边界点，那么就说明该范围内并不存在新边界点。

4） 不断重复上述步骤，直到将整个动态数字图像背景色设置完成为止。

2.4 动态数字图像缩放与旋转

根据上述内容中的具体追踪流程，能够自动识别出图像的边缘，但是识别出来的图像尺寸不利于分析，因此需要将图像进行调整，需要采用二次插值法[8]进行处理，具体运算过程如下所示：

假设原始目标图像中像素的坐标为[a，b]，经过方向的转换，能够得到变换后的坐标[a+x，b+y]，其中[a，b]为整数，[x，y]为[0，1]区间内像素存在的浮点数。

目标图像中像素值[Ha，b]是由原始图像中四像素值来确定的，四像素具体值分别为：[pi，j，pi+1，j+1，][pi，j+1，pi+1，j+1]，具体公式为：

2.5 自动生成

大规模动态数字图像自动生成所采用的数据必须具有实时性，其结构为TEdgePoint，记录得到的边界像素信息为[9]：

针对边界的取样点主要根据设定的工作时长对图像边缘的样本进行采集，如图3所示。

根据示意图对数据进行处理，自动生成后就可以完成对动态数字自动生成的设计。

3 实验结果与分析

為了验证基于图像边缘识别的动态数字图像自动生成设计的合理性，以某市金融交易公司的动态数据为例进行实验。

3.1 实验环境与参数设置

根据上述文中构建的自动生成系统进行参数设置，具体设置情况如下：

1） 金融交易公司的动态数据主要存储在环形的缓冲区域当中，因此对采集到的数据浮动范围统计为-40～65 dB；静态数据不具有流动性，因此可直接从数据库中对动态数据进行叠加，其叠加的最大数量为105 dB。

2） 将数据库中的数据收集通道设置为10个，并对动态数据进行同步与异步处理。

3） 将处理后的数据收集到缓冲区域内，并采用循环放大机制对动态数据进行精准采样，该时段的计算机数据处理功率设置为150 Hz。

4） 将图像分辨率设置为18位。

5） 将循环放大机制过程中的计算机图像显示分辨率设置为15位。

3.2 实验结果与分析

为了验证自动生成系统速度的快慢，让金融交易公司若干个员工同时将数据上传，及时记录速度变化情况，如表1所示。

由表1可知，公司1个员工上传数据时系统自动生成的速度与5个、10个、20个、50个员工上传数据时系统自动生成的速度相差并不大。基于表1中上传数据时系统自动生成的速度来对比传统系统自动生成的速度，结果如图4所示。

由图4可知：传统自动生成系统在数据量较小时与本文系统的速度相差并不大，但是随着数据量不断增加，传统自动生成图像的速度逐渐下降，远远小于本文设计的系统。因此，本文设计的系统在自动生成图像速度方面具有更快的优势。

采用本文设计的图像自动生成系统进行实验，图5为实验的效果图。图5b）为金融交易公司盈利手工CAD的图像；图5c）为传统系统自动生成的图像；图5d）为本文设计的自动生成图像。

由图5可知：手工CAD图像能够精准地对数据进行处理，实时转化为图像模式来表示金融公司的盈利情况，但是所耗费的时长却多；传统系统自动生成图像不能准确地表达出数据的分布情况，使没有经过降噪处理的图像在视觉方面表达的不太理想；本文系统自动生成图像不但能够准确地表达出盈利效果，还能对边缘进行精准识别，效率较高。

4 结 语

基于图像边缘识别的动态数字图像自动生成系统的设计能够直接根据动态数字图像自动产生指令，大大提高了自动生成的效率，具有较强的实际意义。而且，通过实验还可以看出，该系统自动生成图像的速度较快，且耗费时间较短，根据快速的边缘识别能够准确地生成图像，效率较高。在该系统的基础上，深入地研究复杂动态数字的图像，进而获取理想的图像自动生成指令。

参考文献

[1] 贺一峰，赵旭东，亚森·艾则孜.精细化自动检测篡改区域的数字图像取证方法[J].现代电子技术，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] 梁东旭，兰旭颖，闫帅，等.一种基于实时数字图像处理的同步辐射微探针自动化扫描新方法[J].核技术，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，邹昆，马慧.基于S3C2440处理器系统的数字图像处理技术和嵌入式技术结合机制[J].现代电子技术，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] 顾寄南，高国伟，丁卫.基于小波模极大值的工件图像边缘检测[J].工具技术，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] 吴鹏，徐洪玲，宋文龙，等.基于非线性四阶图像插值的亚像素边缘检测算法[J].哈尔滨工程大学学报，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] 王晓军，王崴，刘晓卫，等.基于图像复杂度的PCNN边缘检测新算法[J].弹箭与制导学报，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] 乔荣华，董建刚，张永恒.基于RBF网络的焊缝缺陷图像的识别与诊断技术研究[J].热加工工艺，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，郑江滨.基于噪声方差估计的伪造图像盲检测方法[J].计算机应用研究，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，马少杰，屠江锋.基于SSIM算法的动态空化图像处理[J].现代电子技术，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.