【摘要】：隨著社會的進步和技術(shù)的發(fā)展,人們對工作、生活的舒適性及便利性需求日趨提高,相應的生活日用品及辦公自動化設備在近20年都有了長足發(fā)展。復印機作為辦公自動化的重要設備之一,其應用已滲透到社會的方方面面。在復印機相關技術(shù)的研發(fā)及產(chǎn)品生產(chǎn)方面,西方國家掌控了從材料到結(jié)構(gòu)、從元件/部件到電控等諸多方面的關鍵技術(shù)。雖然我國是復印機產(chǎn)品的生產(chǎn)及使用大國,但關鍵技術(shù)基本被西方國家壟斷,這將對我國的產(chǎn)業(yè)結(jié)構(gòu)及信息安全帶來極大的隱患。因此,開展復印機關鍵核心技術(shù)的研究對復印機相關產(chǎn)品的國產(chǎn)化及提升國產(chǎn)化產(chǎn)品的市場競爭力具有重要的意義。本課題針對復印圖像傾斜檢測及糾偏的相關技術(shù)進行研究,為國產(chǎn)化激光復印機項目提供支撐。全文主要從以下幾個方面進行論述:(1)在對復印圖像產(chǎn)生傾斜原因進行分析的基礎上,對圖像傾斜糾正的方法進行了研究。結(jié)合復印機產(chǎn)品的實現(xiàn)應用需求,研究了基于FPGA快速處理的圖像傾斜檢測及糾偏方法,并對基于FPGA的復印圖像快速糾偏系統(tǒng)進行了方案設計。(2)在搭建基于“USB+FPGA+DDR2”實驗平臺的基礎上,對基于USB傳輸?shù)膱D像接收及DDR2存儲模塊進行了邏輯設計,實現(xiàn)了圖像的傳輸和存儲;通過對基于圖像邊界點偏移量的圖像傾斜角檢測算法的邏輯設計,實現(xiàn)了圖像傾斜角度的檢測;通過對基于最近鄰插值算法圖像旋轉(zhuǎn)方法的邏輯設計,實現(xiàn)了傾斜圖像的旋轉(zhuǎn)糾偏。利用ModelSim仿真及SignalTap II在線邏輯測試,驗證了各邏輯功能模塊的正確性及有效性。(3)通過各邏輯功能模塊的集成,實現(xiàn)了復印圖像糾偏的實驗系統(tǒng),并借助于PC端的上位機應用程序,實現(xiàn)了圖像下傳。下傳的圖像經(jīng)過圖像糾偏系統(tǒng)的邏輯功能模塊進行接收、存儲、傾斜角度檢測、旋轉(zhuǎn)糾偏等操作,實現(xiàn)了對實驗圖像的傾斜糾正。通過對上傳糾偏后的圖像及各步操作結(jié)果數(shù)據(jù)的分析,驗證了實現(xiàn)系統(tǒng)功能正確,并且糾偏處理的速度相比于軟件實現(xiàn)顯著提高,滿足復印機設備的應用要求。本課題提出的基于FPGA的圖像糾偏方法,能夠提升圖像糾偏處理的速度,為國產(chǎn)復印機核心技術(shù)的研究提供了新的思路和途徑,具有一定的學術(shù)意義和工程應用價值。
【圖文】：

聯(lián)互RS232圖2.1 復印機系統(tǒng)總體架構(gòu)圖整個復印機控制系統(tǒng)采用 ARM 加 FPGA 架構(gòu)，系統(tǒng)中各個模塊之間相互獨立，工作時，相互配合完成復印機的掃描、復印、打印等功能。ARM 處理器是控制復印機整個工作流程的主要處理器，使用 FPGA 芯片的并行處理能力的特性，與 ARM 處理器共同實現(xiàn)復印機控制系統(tǒng)。下面具體介紹各個模塊的功能：（1）PC 機：安裝有 windows 或者 Linux 系統(tǒng)的電腦，主要通過網(wǎng)絡接口和 USB與 AM335x 嵌入式系統(tǒng)進行通信。

圖像數(shù)據(jù)USB圖2.2 圖像糾偏系統(tǒng)的整體架構(gòu)圖上位機軟件將圖像數(shù)據(jù)通過 USB 發(fā)送，通過 FX2 芯片中的 EP2 通道，同時控制DDR2 存儲器的寫邏輯，將圖像數(shù)據(jù)寫入 DDR2 存儲器后，然后通過圖像傾斜糾偏模塊的處理后，將糾偏后的圖像再次存儲到 DDR2 存儲器后，，控制 DDR2 存儲器的讀邏輯，將處理后的數(shù)據(jù)寫入 FX2 芯片的 EP6 輸入通道
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TS951.47;TP391.41

【相似文獻】

相關期刊論文 前10條

1 馮桂蓮;;曲率驅(qū)動擴散圖像邊緣形態(tài)復合濾波方法仿真[J];計算機仿真;2019年09期

2 張錦華;孫挺;;引入像點融合度修補的圖像邊緣化參差拼接實現(xiàn)[J];微電子學與計算機;2014年08期

3 翟逸飛;;基于FPGA的圖像邊緣處理研究[J];企業(yè)技術(shù)開發(fā);2013年12期

4 顧長友;妙用Photoshop處理圖像邊緣[J];電腦知識與技術(shù);2003年08期

5 濮群,余桂;用線性模型檢測圖像邊緣[J];清華大學學報(自然科學版);1988年01期

6 宋建中;;噴霧圖像的自動分析[J];光學機械;1988年04期

7 高華;;關于古建筑圖像中破損點優(yōu)化提取仿真[J];計算機仿真;2017年11期

8 劉娟娟;劉斌;;低照度非線性光學圖像邊緣自適應增強裝置設計[J];激光雜志;2017年03期

9 許志強;張婷;;數(shù)字式多媒體場景圖像準確分類方法仿真[J];計算機仿真;2019年07期

10 張琳梅;;基于圖像邊緣增強的改進方法[J];信息系統(tǒng)工程;2016年03期

相關會議論文 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應用學術(shù)論文集（第四卷）[C];2002年

2 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國圖象圖形學會第十屆全國圖像圖形學術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術(shù)研討會（CVR’2001）論文集[C];2001年

3 王亮亮;李明;高昕;;強模糊空間目標圖像邊緣獲取方法研究[A];第九屆全國光電技術(shù)學術(shù)交流會論文集（下冊）[C];2010年

4 陳煒;張陽陽;孟慶勛;;一種基于Curvelet變換的圖像邊緣增強方法[A];國家安全地球物理叢書（十）——地球物理環(huán)境與國家安全[C];2014年

5 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強[A];第六屆全國信息獲取與處理學術(shù)會議論文集（1）[C];2008年

6 孫增國;師蕊;;基于L_(1/2)范數(shù)的高分三SAR圖像的非局部均值降斑[A];第五屆高分辨率對地觀測學術(shù)年會論文集[C];2018年

7 楊文秀;陸常周;;最優(yōu)小波問題探討[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

8 趙恩良;姜盈帆;孫麗華;曹康敏;金瑞巧;;一種基于變窗口的圖像去噪算法研究[A];第十六屆沈陽科學學術(shù)年會論文集（理工農(nóng)醫(yī)）[C];2019年

9 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測系統(tǒng)研究[A];中國農(nóng)業(yè)工程學會2011年學術(shù)年會論文集[C];2011年

10 胡昌偉;屈小波;郭迪;寧本德;陳忠;;基于邊緣加權(quán)的l_1-l_2范數(shù)MRI欠采重建[A];第十七屆全國波譜學學術(shù)會議論文摘要集[C];2012年

相關重要報紙文章 前7條

1 侯杰;國產(chǎn)芯片進軍移動多媒體市場[N];人民郵電;2003年

2 吳飛;無邊距照片打印三部曲[N];中國電腦教育報;2003年

3 成嶺;消除Premiere中慢鏡頭的圖像抖動[N];電腦報;2003年

4 ;體驗決定一切[N];中國計算機報;2003年

5 Wang JS;摳圖又有新招[N];電腦報;2002年

6 徐和德;從實戰(zhàn)出發(fā)選擇合適鏡頭[N];中國攝影報;2019年

7 ;令挑剔的人也刮目相看[N];中國電子報;2001年

相關博士學位論文 前10條

1 唐國良;視頻監(jiān)控圖像局部特征描述和相機接力研究[D];西安電子科技大學;2019年

2 孫景峰;基于圖像特征的示波屏識別關鍵技術(shù)研究及應用[D];西北工業(yè)大學;2018年

3 歐巧鳳;二維凝膠電泳圖像中一致蛋白質(zhì)斑點集檢測技術(shù)研究[D];西北工業(yè)大學;2018年

4 吳迪;光學遙感圖像典型目標檢測方法研究[D];哈爾濱工業(yè)大學;2019年

5 王瑤;復雜天氣下的道路識別方法研究[D];哈爾濱工業(yè)大學;2019年

6 宋偉先;基于深度學習的豬只目標檢測及狀態(tài)分析[D];東北農(nóng)業(yè)大學;2019年

7 張玲;圖像光照恢復與分解技術(shù)研究[D];武漢大學;2017年

8 蔡博侖;圖像去霧與增強算法的研究[D];華南理工大學;2019年

9 劉飛;透混沌介質(zhì)偏振成像技術(shù)[D];西安電子科技大學;2016年

10 李永軍;圖像與視頻低復雜度壓縮算法研究[D];西安電子科技大學;2017年

相關碩士學位論文 前10條

1 賈玲慧;基于邊緣保持濾波器和顯著性的多模態(tài)醫(yī)學圖像融合方法研究[D];重慶郵電大學;2019年

2 康健;單幅霧天圖像去霧方法研究[D];重慶郵電大學;2019年

3 曾笑云;灰度不均勻圖像的快速分割方法研究[D];湘潭大學;2019年

4 吳鳴;基于卷積神經(jīng)網(wǎng)絡和圖像顯著性的鐵譜磨粒分析[D];南京航空航天大學;2019年

5 汪杰;基于CT圖像的種豬優(yōu)選方法研究與實現(xiàn)[D];安徽工業(yè)大學;2019年

6 趙婷;基于結(jié)構(gòu)特征增強的圖像顯著性檢測方法研究[D];哈爾濱工業(yè)大學;2019年

7 牛皓偉;基于航拍圖像的交通工程施工現(xiàn)場安全監(jiān)督方法研究[D];哈爾濱工業(yè)大學;2019年

8 曹齊;殘損紡織物圖像的修復算法研究與三維重建[D];西安工程大學;2019年

9 鐘曉妮;基于圖像特征的快速匹配算法研究[D];西安工程大學;2019年

10 吳帥;《點石齋畫報》的圖像生產(chǎn)及其技術(shù)[D];中國美術(shù)學院;2019年

本文編號：2682605