2012最新基于FPGA的Sobel边缘检测应用.docVIP

2012最新基于FPGA的Sobel边缘检测应用 　　边缘检测是图像处理、计算机视觉的基础内容；是图像分析与识别的重要环节；是目标检测、图像分割所依赖的重要特征。在 PC机上，MATLAB是图像处理的强大工具，如何将成熟的算法转移到嵌入式系统上实现是急需解决的问题。在实时图像处理中，用Sobel算子进行物体的边缘检测是经常用到的算法，由于对处理速度要求较高且算法处理的数据量较大，用一般的软件实现会比较慢，无法达到实时系统的要求。而使用FPGA芯片，用硬件实现对底层的图像预处理可提高图像处理的速度，满足系统实时要求。FPGA技术的关键就是利用强有力的设计工具以缩短开发周期，提高器件资源利用率，提供综合器的选择(例如在最佳速度和设计规模之间做出选择)。随着FPGA 芯片技术的进步，其价格逐步降低,而性能迅速增强，这为使用 FPGA 芯片搭建图像处理平台提供了可能[1]。 　　1 Sobel边缘检测算法 　　Sobel算法是一种较成熟的微分边缘检测算法，它计算简单，且能产生较好的检测效果，对噪声具有平滑作用，可以提供较为精确的边缘方向信息[2]。 　　Sobel 边缘检测算子使用两个方向算子(垂直算子和水平算子)，如图1所示。其原理是分别用这两个算子对图像进行卷积运算，得到两个矩阵，再求这两个矩阵对应位置的两个数的均方根，得到一个新的矩阵，即为灰度图像矩阵中各个像素点的梯度值。最后将梯度值与门限T进行比较，当梯度值≥T时，规定该点的灰度值为255，反之为0。 　　根据Sobel算子边缘检测的原理可得出如图2所示的Sobel边缘检测算法框图。对一幅图像进行Sobel边缘检测时，首先要利用Sobel算子计算出水平梯度和垂直梯度，这涉及到卷积运算。然后再把两个方向的梯度结合起来，这就涉及到均方根运算，最后进行门限处理来判断图像边缘并输出边缘检测结果，这部分可通过编写Verilog HDL代码实现[3]。 　　2 Sobel 边缘检测的硬件实现 　　Sobel边缘检测的硬件实现系统应包含梯度计算模块和门限处理模块，其中梯度计算模块可分为图像行缓冲模块和卷积计算模块。此外，各个模块功能的实现可通过调用 Quartus II软件提供的各种宏功能模块（Megafunctions）来实现，如图3所示。 　　2.1 图像行缓冲模块器 　　梯度计算模块主要完成两个Sobel算子分别与图像像素矩阵(3×3窗口)的卷积运算。首先要构造3×3图像像素矩阵，要完成这个功能，必须引入一个容量足够大的存储单元来缓冲串行输入的图像数据流，并把串行图像数据转化为并行的3行图像数据，这样在3个像素时钟后就可以得到3×3图像像素矩阵。以往常使用先入先出栈(FIFO)作为图像数据的缓冲器[4]，但对 FIFO的读写操作较为复杂。本文通过调用Quartus II软件提供的基于RAM移位寄存器宏模块altshift_taps也能实现同样功能。 　　altshift_taps宏模块是一个可配置的、具有抽头(Taps)输出的移位寄存器，每个抽头在移位寄存器链的指定位置输出数据。对MATLAB常用的256×256图像进行Sobel边缘检测，altshift_taps模块参数设置为8 bit输入/8 bit输出、3抽头，相邻两个抽头相距256个寄存器，如图4所示。其中相邻两个抽头的距离是根据图像的大小来设置的，例如在硬件下载仿真上，TRDB-LTM液晶屏能正常显示的图像大小是800×480，此时抽头距离应设置为800。 　　2.2 卷积计算模块 　　卷积计算模块是为了得到水平、垂直两个方向的梯度值，要实现卷积运算需要做大量的乘法和加法运算。如果采用以往分立的D触发器和加法器以及乘法器来完成[5]，但其结构复杂。本文通过调用 Quartus II软件提供的宏功能模块中的可编程乘加器 altmult_add和可编程多路并行加法器 parallel_add来实现。 　　卷积运算的具体实现是垂直算子和水平算子使用并行结构，与altshift_taps宏功能模块输出的数据同时相乘并相加，需用到6个可编程乘加器altmult_add模块，其参数设置如图5所示，得到的6个数据可分为水平和垂直两组各3个。再将这两组数据分别送往可编程多路并行加法器parallel_add模块，其参数设置如图6所示，得到两个数据。最后通过调用浮点平方根altfp_sqrt模块来计算这两个数据的均方根，即得到3×3 窗口中心点像素的梯度值，该模块的参数设置如图7所示。该方法可以保证每个周期输出一个像素点的Sobel 梯度值。此外，所用到的这些模块可以根据系统设计需求灵活选用[6]。 　　2.3 门限处理模块 　　门限处理模块编写的Verilog HDL代码实现如下：