算法系列：基于 FPGA 的图像边缘检测系统设计（sobel算法）

今天给大侠带来基于 FPGA 的图像边缘检测设计，话不多说，上货。

设计流程如下：

mif文件的制作→ 调用ip核生成rom以及仿真注意问题→ 灰度处理→ 均值滤波：重点是3*3 像素阵列的生成→ sobel边缘检测→ 图片的显示→ 结果展示。

一、mif文件的制作

受资源限制，将图片像素定为 160 * 120，将图片数据制成 mif 文件，对 rom ip 核进行初始化。mif文件的制作方法网上有好多办法，因此就不再叙述了，重点说mif文件的格式。

mif文件的格式为：


WIDTH=16 ;    //数据位宽
DEPTH=19200 ;   // rom 深度即图片像素点的个数
ADDRESS_RADIX=UNS ;   //地址数据格式
DATA_RADIX=BIN ;   //数据格式
CONTENT
BEGIN
0:1010110011010000 ;     // 地址 ：数据 ；注意格式要和上面定义的保持统一
1:1010110011010000 ;
2:1010010010110000 ;
......
19198:1110011011111001 ;
19199:1110011011011000 ;
END;

二、ip 核生成 rom 及仿真时需要注意的问题

ip 核生成 rom

1、Tools -> MegaWizard Plug-In Manager

2、Create a new custom megafuction variation

3、Memory Compier -> ROM -> Verilog HDL -> 自定义名称

仿真注意问题:

1、仿真时要注意是否有 altera_mf 库文件,否则会报错。

Module 'altsyncram' is not define

解决方案：

(1).下载 altera_mf 库文件；

(2). 仿真时将 altera_mf.v 与其他文件一起加入到 project 中。

2、要将 .mif 文件放在仿真工程目录下，即与 .mpf 文件在一起，否则将不会有数据输出。

三、灰度处理

任何颜色都由红、绿、蓝三原色组成，假如原来某点的颜色为( R,G,B )那么，我们可以通过下面几种方法，将其转换为灰度：

浮点算法：Gray=0.299R+0.587G+0.114B

平均值法：Gray=(R+G+B)/3;

仅取单色（如绿色）：Gray=G；

将计算出来的Gray值同时赋值给 RGB 三个通道即RGB为(Gray,Gray,Gray)，此时显示的就是灰度图。通过观察调色板就能看明了。通过观察可知，当RGB三个通道的值相同时即为灰色，Gray的值越大，颜色越接近白色，反之越接近黑色（这是我自己的理解，不严谨错误之处请大神指正）。

这是在线调色板网址，可以进去自己研究一下。

站长工具颜色代码查询、RGB颜色值：

此次采用是浮点算法来实现灰度图的，我的图片数据是RGB565 格式，难点: 如何进行浮点运算。思路：先将数据放大，然后再缩小。

例如：

Gray=0.299R+0.587G+0.114B转化为 Gray=(77R+150G+29B)>>8 即可，这里有一个技巧，若 a 为 16 位即 a [15:0],那么 a>>8 与 a [15：8]是一样的。核心代码如下：


always  @(posedge clk or negedge rst_n)beginif(rst_n==1'b0)beginred_r1   <= 0 ;  green_r1 <= 0 ;blue_r1  <= 0 ;endelse beginred_r1   <= red   * 77 ;        //放大后的值green_r1 <= green * 150;blue_r1  <= blue  * 29 ;end
endalways  @(posedge clk or negedge rst_n)beginif(rst_n==1'b0)beginGray <= 0;    // 三个数之和endelse beginGray <= red_r1 + green_r1 + blue_r1;        end
endalways  @(posedge clk or negedge rst_n)beginif(rst_n==1'b0)beginpost_data_in <= 0;  //输出的灰度数据endelse beginpost_data_in <= { Gray[13:9], Gray[13:8], Gray[13:9] };//将Gray值赋值给RGB三个通道end
end

四、均值滤波

均值滤波的原理

做图像处理， “把每个像素都用周围的8个像素来做均值操作 ”，比如：

图通常是最能说明问题的东西，非常明显的，这个3*3区域像素的颜色值分别是5,3,6,2,1,9,8,4,7那么中间的1这个像素的过滤后的值就是这些值的平均值，也就是前面的计算方法：(5+3+6+2+1+9+8+4+7)/9=5一目了然。

那么这个均值滤波有什么用处呢？主要还是平滑图像的用处，有的图像的锐度很高，用这样的均值算法，可以把锐度降低。使得图像看上去更加自然，下面就有几幅图我们可以看出一些端倪：

原图：

平滑处理后：

这里还是可以明显的感觉到不同的，没有好坏之分，就是第二幅图片看上去更为平滑。继续我们的问题，那这里均值平滑是否具有去除噪声的功能呢？我们搞来了椒盐噪声（就是随机的白点，黑点）来试试手：

噪声图（5%）：

平滑处理之后：

首先这里的噪声还是比较小的，只有5%，从均值的效果来看的话，我可以说几乎没有用，其实直观的想也可以判断，因为这里的处理并没有剔除这些噪声点，而只是微弱地降低了噪声，所以效果可以想见的。最后的时候还是贴上一段处理的代码：


void meanFilter (unsigned char* corrupted, unsigned char* smooth, int width, int height)
{memcpy ( smooth, corrupted, width*height*sizeof(unsigned char) );for (int j=1;j<height-1;j++){for (int i=1;i<width-1;i++){smooth [ j*width+i ] = (  corrupted [ (j-1)*width+(i-1) ] + corrupted [ (j-1)*width+i] + corrupted [ (j-1)*width+(i+1) ] +corrupted [ j*width+(i-1) ]    + corrupted [ j*width+i]   + corrupted [ j*width+(i+1) ] +corrupted [ (j+1)*width+(i-1) ] + corrupted [ (j+1)*width+i] + corrupted [ (j+1)*width+(i+1) ] ) / 9;}}
}

简单的从1...width-1来处理，所以第一个和最后一个像素就简单的抛掉了，如果只是简单的看看效果还是没有问题的。

如何生成 3*3 的像素阵列。可以利用 ip 核生成移位寄存器，方法与 ip 核生成 rom 一样，详情见 ip 核生成 rom 操作。

仿真波形如下 row_1 , row_2 , row_3 是指图像的第一、二、三行的数据，Per_href 是行有效信号（受VGA时序的启发，从 rom 中读取数据时设计了行有效和场有效的控制信号，事半功倍，有了利于仿真查错和数据的控制）。从 3 开始就出现了3*3 的像素阵列，这时候就可以求取周围 8 个像素点的平均值，进行均值滤波。

下面这个图表示的是FPGA 如何将矩阵数据处理成并行的像素点，可以结合下面的代码好好理解，这也是精华所在。

正方形红框框起来的是第一个完整的 3*3 矩阵，长方形红框框起来的是并行的像素点，在此基础上就可以求得平均值，进行均值滤波。

从下图也能看到 3*3 矩阵从左往右滑动。

第一个3*3 阵列。

0 1 2 -- > p11 p12 p13

3 4 5 -- > p21 p22 p23

6 7 8 -- > p31 p32 p33

核心代码如下：


reg [5:0]p_11,p_12,p_13;  // 3 * 3 卷积核中的像素点
reg [5:0]p_21,p_22,p_23;
reg [5:0]p_31,p_32,p_33;
reg [8:0]mean_value_add1,mean_value_add2,mean_value_add3;//每一行之和always  @(posedge clk or negedge rst_n)beginif(rst_n==1'b0)begin{p_11,p_12,p_13} <= {5'b0,5'b0,5'b0}   ;{p_21,p_22,p_23} <= {15'b0,15'b0,15'b0};{p_31,p_32,p_33} <= {15'b0,15'b0,15'b0};endelse  beginif(per_href_ff0==1&&flag_do==1)begin{p_11,p_12,p_13}<={p_12,p_13,row_1};{p_21,p_22,p_23}<={p_22,p_23,row_2};{p_31,p_32,p_33}<={p_32,p_33,row_3};endelse begin{p_11,p_12,p_13}<={5'b0,5'b0,5'b0};{p_21,p_22,p_23}<={5'b0,5'b0,5'b0}{p_31,p_32,p_33}<={5'b0,5'b0,5'b0}endend
endalways  @(posedge clk or negedge rst_n)beginif(rst_n==1'b0)beginmean_value_add1<=0;mean_value_add2<=0;mean_value_add3<=0;endelse if(per_href_ff1)beginmean_value_add1<=p_11+p_12+p_13;mean_value_add2<=p_21+   0   +p_23;mean_value_add3<=p_31+p_32+p_33;end
endwire [8:0]mean_value;//8位数之和
wire [5:0]fin_y_data; //平均数，除以8，相当于左移三位。assign mean_value=mean_value_add1+mean_value_add2+mean_value_add3;
assign fin_y_data=mean_value[8:3];

五、sobel 边缘检测

边缘检测的原理

该算子包含两组 3x3 的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。A代表原始图像的 3*3 像素阵列，Gx及Gy分别代表经横向及纵向边缘检测的图像，其公式如下:

图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。

如果梯度G大于某一阀值则认为该点(x,y)为边缘点。

用的是边缘检测算法。

难点：

(1)掌握了 3*3 像素阵列，Gx 与 Gy 就很好计算了。

注意问题：为了避免计算过程中出现负值，所以将正负值分开单独计算，具体见代码)

(2)G的计算需要开平方，如何进行开平方运算

Quartus ii 提供了开平方 ip 核，因此我们直接调用就好了。

代码如下：


reg [8:0] p_x_data ,p_y_data ;  // x 和 y 的正值之和
reg [8:0] n_x_data ,n_y_data ; // x 和 y 的负值之和
reg [8:0] gx_data  ,gy_data  ; //最终结果always  @(posedge clk or negedge rst_n)beginif(rst_n==1'b0)beginp_x_data <=0;n_x_data <=0;gx_data   <=0;endelse if(per_href_ff1==1) begin p_x_data <= p_13 + (p_23<<1) + p_33 ;n_x_data <= p_11 + (p_12<<1 )+ p_13 ;gx_data   <= (p_x_data >=n_x_data)? p_x_data - n_x_data : n_x_data - p_x_data ; endelse beginp_x_data<=0;n_x_data<=0;gx_data <=0;end
endalways  @(posedge clk or negedge rst_n)beginif(rst_n==1'b0)beginp_y_data <=0;n_y_data <=0;gy_data   <=0;endelse if(per_href_ff1==1) beginp_y_data <= p_11 + (p_12<<1) + p_13 ;n_y_data <= p_31 + (p_32<<1) + p_33 ;gy_data   <= (p_y_data >=n_y_data)? p_y_data - n_y_data : n_y_data - p_y_data ; endelse beginp_y_data <=0;n_y_data <=0;gy_data   <=0;end
end//求平方和,调用ip核开平方
reg [16:0] gxy; // Gx 与 Gy 的平方和
always  @(posedge clk or negedge rst_n)beginif(rst_n==1'b0)begingxy<=0;endelse begingxy<= gy_data* gy_data + gx_data* gx_data ;end
endwire [8:0] squart_out ;
altsquart  u1_altsquart (     //例化开平方的ip核.radical (gxy),.q       (squart_out),  //输出的结果.remainder());//与阈值进行比较
reg [15:0] post_y_data_r;
always  @(posedge clk or negedge rst_n)beginif(rst_n==1'b0)beginpost_y_data_r<=16'h00;endelse if(squart_out>=threshold)post_y_data_r<=16'h00  ;elsepost_y_data_r<=16'hffff  ;end

六、图片的显示

本来是想用 VGA 来显示图片的，由于条件的限制没能实现，最终只能将处理完的数据输出保存在 .txt 文件中，然后借助网页进行显示。

难点：

(1) 如何将数据流输出保存到 .txt 文件中。

(2) 网页的使用及注意事项。

在testbench里加入下面所示代码即可将图片数据保存到 .txt 文本。

代码如下：

integer w_file;  initialw_file = $fopen("data_out_3.txt");   //保存数据的文件名always @(posedge clk or negedge rst_n)  begin  if(flag_write==1&&post_href==1)//根据自己的需求定义$fdisplay(w_file,"%b",post_y_data);   end

网页的界面如下，将参数设置好以后就可以显示图片。

下载链接：

链接：https://pan.baidu.com/s/1pwkJHtAxVHWWijSLczH0Ng

提取码：e87j

注意：由于此网站是量身定做的，所以只能显示数据格式为RGB565的16位二进制的数才能正确显示，注意不能有分号，正确格式示例如下，必须严格遵守。

七、结果展示

小结：均值滤波处理后的图片有明显的黑边，产生这一现象的原因就是生成 3x 3 像素矩阵和取像素值时数据有损失造成的，但是这也是可以优化的，后续我会继续努力不断完善。

本次只是简单对一幅图像进行边缘检测，我的后续目标是实现图片的实时处理，这又需要学习很多东西了，SDRAM、摄像头驱动等等等，越学习越发现自己知道的实在是太少了，永远在路上，学无止境。希望我的分享能够帮助一些和我一样热爱FPGA图像处理的朋友。

【QQ交流群】

群号：173560979，进群暗语：FPGA技术江湖粉丝。

多年的FPGA企业开发经验，各种通俗易懂的学习资料以及学习方法，浓厚的交流学习氛围，QQ群目前已有1000多名志同道合的小伙伴，无广告纯净模式，给技术交流一片净土，从初学小白到行业精英业界大佬等，从军工领域到民用企业等，从通信、图像处理到人工智能等各个方向应有尽有。

【微信交流群】

现微信交流群已建立08群，人数已达数千人，欢迎关注“FPGA技术江湖”微信公众号，可获取进群方式。

完

后续会持续更新，带来Vivado、 ISE、Quartus II 、candence等安装相关设计教程，学习资源、项目资源、好文推荐等，希望大侠持续关注。

江湖偌大，继续闯荡，愿大侠一切安好，有缘再见！

算法系列：基于 FPGA 的图像边缘检测系统设计（sobel算法）相关推荐

Matlab与FPGA图像处理系列——基于FPGA的实时边缘检测系统设计，sobel边缘检测流水线实现
注:下载链接的资源是图片存 ROM 后读取进行 Sobel 检测显示在 VGA上,可供参考. 摘要:本文设计了一种基于 FPGA 的实时边缘检测系统,使用OV5640 摄像头模块获取实时的视频图像数据 ...
基于FPGA的图像边缘检测系统设计
边缘检测算法的实现 Sobel和Prewitt算子都是基于3*3模板的,所以我们再进行边缘检测的时候,也需要产生一个3*3的模板.本次毕业设计产生3*3的模板的办法是,用RAM来存储图像的前两行数据, ...
基于FPGA的图像中值滤波原理与实现
图像中值滤波的FPGA实现项目简述中值滤波器原理中值滤波器的实现测试模块的代码仿真结果下板结果总结项目简述中值滤波器在去除尖端噪声中非常重要,是信号处理中最长用到的滤波器.图像中的一 ...
基于FPGA的实时图像边缘检测系统设计（上）
今天给大侠带来基于FPGA的实时图像边缘检测系统设计,由于篇幅较长,分三篇.今天带来第一篇,上篇,话不多说,上货. 导读随着科学技术的高速发展,FPGA在系统结构上为数字图像处理带来了新的契机.图像 ...
verilog 算法加速模块设计流程_基于FPGA的图像加速器的设计
基于 FPGA 的图像加速器的设计摘要介绍了一种基于 FPGA 的图像加速器的设计.本文硬件加速器的实质是通过流水线设计来减少多余的操作达到加速的目的的, 内存是由 DMA 控制器访问, 之后 ...
基于FPGA的图像浮雕效果实现
基于FPGA的图像浮雕效果实现项目简述算法原理及MATLAB实现浮雕效果的FPGA实现 FPGA工程代码下板效果参考文献总结项目简述为什么要做这个小项目,因为最近正在在学习FPGA开源 ...
图像的梯度方向matlab,基于梯度方向的图像边缘检测方法与流程
本发明具体涉及一种基于梯度方向的图像边缘检测方法. 背景技术: 边缘检测是图像处理的基本问题,在图像分割.特征提取.视觉导航等领域有广泛的应用.基于微分的边缘检测算法如Sobel算子.Prewitt算 ...
毫米波雷达系列 | 基于前后向空间平滑的MUSIC算法详解
毫米波雷达系列 | 基于前后向空间平滑的MUSIC算法详解文章目录毫米波雷达系列 | 基于前后向空间平滑的MUSIC算法详解 DOA阵列模型 MUSIC算法空间平滑算法整体流程仿真代码忙了 ...
基于FPGA的通信显示系统设计
一.系统介绍本设计给出了一种基于FPGA的通信显示系统设计方法,采用EDA作为开发工具,QuartusII作为运行程序的平台,结合所学知识设计一个基于FPGA的通信显示系统设计,通过串口调试器发送图 ...
路径规划算法：基于灰狼优化(GWO)的路径规划算法- 附代码
路径规划算法:基于灰狼优化(GWO)的路径规划算法- 附代码文章目录路径规划算法:基于灰狼优化(GWO)的路径规划算法- 附代码 1.算法原理 1.1 环境设定 1.2 约束条件 1.3 适应度函 ...

算法系列：基于 FPGA 的图像边缘检测系统设计（sobel算法）

算法系列：基于 FPGA 的图像边缘检测系统设计（sobel算法）

算法系列：基于 FPGA 的图像边缘检测系统设计（sobel算法）相关推荐

最新文章

热门文章