系統上電后，由DSP先從FLASH中加載程序，完成系統初始化及相關寄存器和外圍器件的配置。由CCD攝像頭采集的視頻圖像傳送到TVP5150解碼器，將視頻模擬信號經過A/D轉換成BT.656視頻數據流，接著送入DM642視頻口；然后視頻口解碼該視頻數據流，得到YUV(4:2:2)格式的圖像，并通過EDMA傳輸到SDRAM中存儲。CPU通過訪問SDRAM中的圖像數據，根據圖像處理算法對圖像數據進行實時處理和計算。一方面將計算結果通過串口發送出去，另一方面將視頻數據送到SAA7121編碼器，實現D/A轉換并實時顯示。
3 圖像處理算法的應用
3.1 經典Prewitt邊緣檢測算法
經典的Prewitt算子是利用像素點上下、左右鄰點灰度差在邊緣處達到極值檢測邊緣，去掉部分偽邊緣，對噪聲具有平滑作用。其原理是在圖像空間利用2個方向模板與圖像進行鄰域卷積完成。這2個方向模板中一個是垂直梯度方向，檢測水平邊緣；另一個是水平梯度方向，檢測垂直邊緣，如圖5所示。

Prewitt算法步驟：(1)分別將2個方向模板沿圖像從一個像素移到另一個像素，并將像素的中心與圖像中的某個像素位置重合；(2)將模板內的系數與其圖像上相對應的像素值相乘，并將所有相乘的值相加；(3)將兩個卷積的最大值賦給圖像中對應模板中心位置的像素，作為該像素新的灰度值；(4)選取合適的閾值，若新像素灰度值大于等于所設閾值，則判斷該像素點為圖像邊緣點。
3.2 改進的Prewitt邊緣檢測算法
經典的Prewitt邊緣檢測算法只檢測水平和垂直2個方向的邊緣，通常圖像的邊緣還有其他的方向。為了能夠在不影響實時性的前提下將邊緣提取得更精確，本文將Prewitt算子擴張到8個方向的邊緣樣板算子。這些樣板算子由理想的邊緣子圖像構成，依次用邊緣樣板去檢測圖像，與被檢測區域最為相似的樣板給出最大值，用這個最大值作為輸出值，并將此輸出值與所設的閾值進行比較，大于閾值即為邊緣點，這樣就可以更精確地檢測出邊緣。8個方向的Prewitt邊緣檢測算子模板如圖6所示。8算子樣板對應的邊緣方向如圖7所示。

3.3 軟件實現步驟
本文使用CCS2.2開發環境進行軟件開發，采用C語言編程。CCS具有實時、多任務、可視化的軟件開發特點。使用CCS提供的工具，可以方便地對DSP軟件進行設計、編碼、編譯、調試、跟蹤和實時性分析。系統程序的具體實現步驟為：
(1)初始化并配置資源庫，包括片內外設的選取，DSP的片上支持庫提供了一系列的C語言程序接口，可以設置或者控制外設；
(2)實現對EMIFA的初始化，CE0子空間被配置為64 bit的SDRAM空間，具體定位：0x80000000H-0x81FFF-
FFFH。CE1子空間被配置為8 bit Flash空間，具體定位：0x90000000H-0x9007FFFFH。
(3)對I²C總線進行初始化；
(4)TVP5150和SAA7121的初始化,選擇I2C總線，并設置為相應的數據通路；
(5)初始化視頻口Video Port1，設為視頻輸入；
(6)利用bt656_capture_start()函數采集一幀圖像，并將其存入顯示緩沖區；
(7)完成一幀圖像的采集，使用DAT_copy()函數將圖像數據送SDRAM暫存；
(8)對存儲區數據進行算法處理；
(9)對處理的數據使用DAT_copy()函數，送顯存進行顯示。
3.4 實驗結果
采用系統在線編程技術，對系統的性能進行測試。為了減少運算量，算法只對圖像的中心部分進行2種算法處理。CCD采集的PAL制式的圖像，對圖像中心的80×100的區域進行計算。其結果表明：改進的算法比傳統的算法能提取更多的邊緣細節，對目標識別更有利。在實時性上，傳統算法處理時間為0.02 s，而改進算法的處理時間為0.1 s。因此，該算法具有準實時性，基本能夠達到仿生眼球對圖像識別的要求。
系統CPU的開銷主要耗費在算法處理上，因此，未來的工作可以針對算法進行不斷改進，以提高系統的實時性。
本文成功設計了一個以TMS320DM642為核心的嵌入式視覺圖像處理系統，并創新地將其作為仿生眼球的視覺部分嵌入到眼球結構中。系統具有處理速度快、接口簡單、集成度高、電路穩定、體積小等優點。在此系統上實現了對經典的2模板Prewitt算法與改進的8模板算法的邊緣檢測。結果表明，改進的算法具有精確度高、檢測效果好等優點，為視覺識別提供了算法基礎。