随着科技的进步和需求的增加,小平台图像声纳逐渐成为声纳一族的重要成员,而实时的声学图像处理则是其中的关键技术。在整个图像处理过程中,图像分割和边缘检测是重要环节,是图像识别的前提和基础。本文着重从实时性及图像分割这两个方面入手,对声图像处理进行研究实现。由于灰度是声学图像的主要特性,因此基于灰度阈值的图像分割技术和基于灰度梯度的边缘检测技术可以用于声学图像的处理。本文采用了最大类间方差法进行灰度阈值的选取,它的基本思想是利用图像的灰度直方图,将目标和背景的灰度分为两个部分,使两部分方差最大来动态地确定图像的分割阈值。本文采用了Sobel和Prewitt方法进行边缘检测,它的基本思想是利用边缘灰度的突变性,将灰度梯度最大的像素作为边缘保存下来。除此之外,还对图像进行中值滤波和对比度增强的图像质量增强处理。为了实现实时图像处理,本文选用了达芬奇技术。该项技术的核心是TI公司最新推出的高性能多核处理器,它集成了DSP的高速运算功能和ARM的控制功能。另外,达芬奇技术还包含了大量的接口及存储器等外围设备。达芬奇技术的这些优势使它适合于大规模的视频、图像处理。本文要在该技术平台上实现对声学图像的实时处理。