一、sobel边缘检测的基本原理

所谓边缘是指其周围像素灰度急剧变化的那些象素的集合，它是图像最基本的特征。边缘存在于目标、背景和区域之间，所以，它是图像分割所依赖的最重要的依据。由于边缘是位置的标志，对灰度的变化不敏感，,因此，边缘也是图像匹配的重要的特征。边缘检测和区域划分是图像分割的两种不同的方法，二者具有相互补充的特点。在边缘检测中，是提取图像中不连续部分的特征，根据闭合的边缘确定区域。而在区域划分中，是把图像分割成特征相同的区域，区域之间的边界就是边缘。由于边缘检测方法不需要将图像逐个像素地分割，因此更适合大图像的分割。边缘大致可以分为两种，一种是阶跃状边缘，边缘两边像素的灰度值明显不同；另一种为屋顶状边缘，边缘处于灰度值由小到大再到小的变化转折点处。边缘检测的主要工具是边缘检测模板。sobel算子是边缘检测有效的算子，主要是以下这两个矩阵，Gx=AxP，Gy=AyP。意思就是说，P矩阵是图像的3*3矩阵，然后用图像矩阵的每个像素分别去乘Ax和Ay的每个像素。Ax是行边缘检测模块，Gx代表的意思就是P矩阵右边行减去左边行，得到一个阈值，Gy也是同理。

得到了Gx和Gy之后，相当于是得到了行边缘阈值以及列边缘阈值，计算两者的平方和G，如果G是大于设定的阈值，则表示这是边缘，否则就不是。

二、sobel边缘检测的verilog实现

在对图像进行边缘检测之前需要将图像转换成灰度的，这在前面以净实现。此外，sobel边缘检测的前提同样也是需要对3×3图像矩阵进行操作，对于如何得到3×3图像的矩阵，在上一节中也实现了。接下来是实现sobel边缘检测的步骤。

2.1、计算Gx与Gy

sobel边缘检测的第一步是计算竖直方向梯度和水平方向梯度，实现的代码如下图所示。其实就是对像素进行运算，之后判断正负，然后相减得到梯度。这一步骤消耗了一个时钟周期。

//---------------------------------------------------
//              sobel edge function
//---------------------------------------------------
//          step1:calculate the Gx and Gy
//   [-1 0 1] [P1 P2 P3]    [ 1  2  1] [P1 P2 P3]
//Gx=[-2 0 2]*[P4 P5 P6] GY=[ 0  0  0]*[P4 P5 P6]
//   [-1 0 1] [P7 P8 P9]    [-1 -2 -1] [P7 P8 P9]
//a clock to finish
reg [9:0] Gx1;
reg [9:0] Gx2;
reg [9:0] Gy1;
reg [9:0] Gy2;
wire [9:0] Gx;
wire [9:0] Gy;
assign Gx=(Gx1>Gx2)? (Gx1-Gx2):(Gx2-Gx1);
assign Gy=(Gy1>Gy2)? (Gy1-Gy2):(Gy2-Gy1);
always @(posedge clk or negedge rst_n) beginif(~rst_n)beginGx1<=10'd0;Gx2<=10'd0;Gy1<=10'd0;Gy2<=10'd0;endelse beginGx1<=matrix_p11+matrix_p21+matrix_p21+matrix_p31;Gx2<=matrix_p13+matrix_p23+matrix_p23+matrix_p33;Gy1<=matrix_p11+matrix_p12+matrix_p12+matrix_p13;Gy2<=matrix_p31+matrix_p32+matrix_p32+matrix_p33;end
end

2.2、计算梯度的平方和G2

在得到了梯度后，需要计算其平方和，相关代码如下很简单，消耗一个时钟周期的时间。

//          step2:cal Gx^2 and Gy^2 and add all
//G2=Gx^2+Gy^2
//a clk delay to finish
reg [19:0] G2;
always @(posedge clk or negedge rst_n) beginif(~rst_n)beginG2<=20'd0;endelse beginG2<=Gx*Gx+Gy*Gy;end
end

2.3、计算梯度的平方根G

得到了梯度的平方和之后，需要对其开平方运算，开平方运算这里使用到了vivado的一个ip核cordic。相关的配置信息如下图所示。一个比较关键的信息是latency延迟了6个周期。

创建好了开平方模块后，对其进行例化操作，如下所示。

//          step3:cal sqrt G
//G=sqrt(G2)
//input width 20
//output width 11
//delay 6 clk
wire [10:0] G;
wire dout_valid;
cordic_0 u_cordic_0 (.aclk(clk),                                      .aresetn(rst_n),                               .s_axis_cartesian_tvalid(1'b1),  .s_axis_cartesian_tdata(G2),    .m_axis_dout_tvalid(dout_valid),           .m_axis_dout_tdata(G)
);

2.4、根据阈值判断输出

在得到了梯度G之后，通过G与阈值进行比较，当G大于阈值那么输出1，当G小于阈值则输出0。代码如下，消耗了一个时钟周期。

//          step4:compare with threshold data
//if G<SOBEL_THRESHOLD then 0
//if G>SOBEL_THRESHOLD then 1
//a clk to finish
reg data_sobel;
parameter SOBEL_THRESHOLD=8'd50;
always @(posedge clk or negedge rst_n) beginif(~rst_n)begindata_sobel<=1'b0;endelse beginif(G>SOBEL_THRESHOLD)begindata_sobel<=1'b1;endelse data_sobel<=1'b0;end
end

2.5、信号同步

由于完成整个sobel边缘检测消耗了10个时钟周期，因此，这里将其延迟了9拍来做信号的同步。

//-----------------------------
//   signal synchronization
//-----------------------------
always @(posedge clk or negedge rst_n) beginif(~rst_n)beginpost_clken_dy<=9'd0;post_href_dy<=9'd0;post_vsync_dy<=9'd0;endelse beginpost_clken_dy<={post_clken_dy[7:0],matrix_frame_clken};post_href_dy<={post_href_dy[7:0],matrix_frame_href};post_vsync_dy<={post_vsync_dy[7:0],matrix_frame_vsync};end
endassign post_clken=post_clken_dy[8];
assign post_href=post_href_dy[8];
assign post_vsync=post_vsync_dy[8];
assign post_data={24{data_sobel}};

三、sobel边缘检测的仿真验证

下面这张图是sobel边缘检测的仿真图，左边上面是当前周期的3×3图像矩阵，然后一个时钟周期后计算得到Gx1=773、Gx2=885、Gy1=543以及Gy2=1019。之后Gx=112和Gy=476同步得到。在一个时钟周期之后，梯度平方和G2=239120被得到。之后在经过6个周期后，平方根G=488被得到。可见，sobel边缘检测代码是对的。

下图给出了sobel边缘检测前的图和之后的图。可以看到，仿真结果成功提取了图片的边缘信息。通信行程卡居然提示违规hhh，只好纯色填充了。

三、sobel边缘检测的上板验证

相关的block design如下图所示，只是在原来的灰度显示基础上添加了sobel边缘检测模块。之后进行综合布局布线生成比特流文件。验证结果表明可以检测图片的边缘。后期我会整理下代码然后开源这部分的vivado工程和代码。

ZYNQ图像处理(7)——sobel边缘检测相关推荐

图像处理中各种边缘检测的微分算子简单比较(Sobel，Robert， Prewitt，Laplacian，Canny)
图像处理中各种边缘检测的微分算子简单比较(Sobel,Robert, Prewitt,Laplacian,Canny) 不同图像灰度不同,边界处一般会有明显边缘,利用此特征可以分割图像.需要说明的是: ...
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MATLAB的三种边缘检测数字图像处理（sobel、Marr-Hildreth、Canny）
资源下载地址:https://download.csdn.net/download/sheziqiong/85683013 资源下载地址:https://download.csdn.net/downl ...
FPGA设计——图像处理(Sobel边缘检测)
1. 概述本设计采用FPGA技术,实现CMOS视频图像的边缘检测(sobel),并通过以太网传输(UDP方式)给PC实时显示. 2. 硬件系统框图 CMOS采用MT9V011(30万像素),FPGA ...
Win8Metro(C#)数字图像处理--2.12Sobel边缘检测
原文:Win8Metro(C#)数字图像处理--2.12Sobel边缘检测 [函数名称] 图像Sobel边缘检测函数SobelEdgeProcess(WriteableBitmap src) [ ...
opencv:卷积涉及的基础概念，Sobel边缘检测代码实现及Same（相同）填充与Vaild（有效）填充
滤波线性滤波可以说是图像处理最基本的方法,它可以允许我们对图像进行处理,产生很多不同的效果. 卷积卷积的概念: 卷积的原理与滤波类似.但是卷积却有着细小的差别. 卷积操作也是卷积核与图像对应位置的 ...
基于MATLAB的Sobel边缘检测算法实现
图像边缘就是图像灰度值突变的地方,也就是图像在该部分的像素值变化速度非常之快,就比如在坐标轴上一条曲线有刚开始的平滑突然来个大转弯,在变化出的导数非常大. Sobel算子主要用作边缘检测,它是一离散型 ...
图像处理---《Canny 边缘检测》
图像处理---<Canny 边缘检测> 很想系统的把图像处理之边缘检测部分详细的过一遍,对比一个各个算子的优良性能.时间紧,精力有限,现在只能走哪补哪,随手记. 有几个简单的场景,有需要, ...
dsp图像处理Prewitt算子边缘检测
--(完整工程文件到我的资源下载) Prewitt算子边缘检测一.实验背景与意义图像处理就是对信息加工以满足人的视觉心理或应用需求的方法.图像处理的方法有光学方法和电子学方法.从20世纪60年代起 ...
OpenCV Sobel 边缘检测
Sobel算子检测方法对灰度渐变和噪声较多的图像处理效果较好,sobel算子对边缘定位不是很准确,图像的边缘不止一个像素:当对精度要求不是很高时,是一种较为常用的边缘检测方法. OpenCV中sobe ...

ZYNQ图像处理(7)——sobel边缘检测