李余钱，苏光大

（清华大学 电子工程系，北京 100084）

基于邻域处理器自适应图像分割高速实现

李余钱，苏光大

（清华大学 电子工程系，北京 100084）

在数字图像处理技术中，图像分割质量直接影响到后续算法的效果，因此图像分割技术作为其主要技术之一占有重要的地位。针对非均匀光照下图像分割问题，采用Sobel算子和Bernsen算法相结合的自适应阈值分割方法，结合现场可编程门阵列的特点，在图像邻域处理器实现了该算法。经过实际测试验证，该方法能够很好地实现对非均匀光照下图像的分割问题，而且处理时间较短，仅为0.308 ms，完全满足实际应用的需求。

邻域处理器；自适应阈值；图像分割；边缘检测

0　引言

随着数字图像处理及计算机技术的不断发展，使得计算机视觉的应用领域更加广泛。计算机视觉中常用特征提取、目标跟踪、目标识别等关键技术，这些技术对图像分割的质量依赖性较强[1]。图像分割是图像处理中的重要研究方向，分割质量的好坏直接关系到后续高级算法的应用效果。

典型的图像分割算法可分为基于阈值、基于边缘和基于区域等3类，其中，常用的是基于阈值的图像分割。由于图像特征和图像信息不同，可以对基于阈值的图像分割算法进行分类，可分为基于全局的阈值分割和局部的阈值分割法[2]。

全局阈值算法中比较典型的代表是最大类间方差法（Otsu法，也称大津算法），该方法使用聚类思想，按灰度级把图像分成两类，让这两类满足灰度值差异最大，同时每个部分之间的灰度差异最小，利用方差来寻找出一个合适的灰度级别。……