近三十年来, DSP技术的飞速发展给图像处理各领域带来了巨大的生机,基于DSP的数字图像处理技术已经广泛应用在日常生产生活中。目标检测和跟踪技术渐渐地成为数字图像处理和机器视觉领域研究的热点。本文着重研究了三个方面的内容:TDS642EVM的开发、图像预处理的应用和运动目标检测和跟踪算法的研究。首先,分析了TDS642EVM的开发设计流程,重点分析了DM642的总线结构、中断系统、外设接口和工作原理等。着重利用已有的642EVM在视频图像处理过程中的硬件设计和程序设计方法,构建了一套实时运动目标检测及跟踪实验系统。其次,在图像的生成、变化和传输过程中存在的噪声(硬件设备不精确、外部光线等的干扰)降低了图像质量,因此在进一步处理图像之前需要进行预处理改善图像质量。有的实验需要平滑处理,削弱某些不必要的信息;有的实验需要锐化增强来突出边缘信息。本文第三章讨论了几种用于图像平滑和锐化增强的方法,该方法在实验当中取得较好效果。在运动目标检测和跟踪部分,本文详细介绍了三种运动检测算法、三种分割算法并且提出一种针对差分图像的分割方法,详细介绍了卡尔曼滤波、粒子滤波、Mean Shift和目标轮廓线的四种跟踪算法。最后,综合运用以上方法实现了基于DSP的目标跟踪。本文的创新点包括:1.图像平滑在三维形貌测量过程的应用:实际存在的随机噪声使得恢复的物体形貌存在误差,本文针对标准投影光栅呈正弦曲线分布的特点,提出用最小二乘拟合法平滑含噪声的曲线,去除毛刺,该方法有效滤除噪声的同时保留了物体的边缘信息,使得恢复物体的精度提高。2.锐化增强在运动目标检测中的应用:在用差分法检测运动物体时,需要突出运动物体的边缘轮廓线,因此本文提出了一种基于梯度算子的差分法运动检测。差分法消除了背景信息,梯度算子能够检测边缘信息,两种算法相结合,可以准确地检测出运动物体的轮廓。3.适于目标检测的自动阈值分割算法:针对差分图像的直方图呈单调下降的趋势,不满足OTSU分割法对直方图分布呈双峰状的要求,提出根正态分布的经验法则自动选取阈值进行分割。该方法比OTSU分割的更准确。4.搭建DSP平台:在DSP上实现运动目标的自动检测和跟踪。