基于FPGA图像边缘处理研究.docVIP

基于FPGA图像边缘处理研究 　　摘 要：对于图像来说，边缘是其最基本的特征。图像边缘是指灰度有明显反差变化的周围像素的集合，它是一种具有方向和幅值的矢量，是进行图像分割、图像识别以及纹理分析的重要基础，灰度的突变是其在图像中的主要表现。要正确检测出这种灰度的非连续性，确定其在图像中的准确位置，就需要采取相应的边缘检测方法。文章介绍了基于FPGA的图像边缘检测器的研究和设计过程，这种处理方式一方面显著提高了图像边缘处理的水平，另一方面还提高了图像处理的速度。另外，还根据边缘检测结果提出了具体的后续处理方法，以供参考。 　　关键词：图像边缘处理；边缘检测；FPGA 　　中图分类号：TP391.41 文献标识码：A 文章编号：1006-8937（2013）12-0071-02 　　在描述物体特征时，物理边界是一类重要的描述因子，在成像过程中这些边界可能会产生边缘信息。边缘在图像中往往表现为灰度的突变，而边缘检测主要是为了检测出这种灰度的非连续性，同时对其在图像中的准确位置进行确定。在图像测量和分析中，边缘检测是基础性的研究领域，它可以为后续处理提供必要的信息，边缘提取的好坏在很大程度上决定着后续处理的难易度和准确性。在嵌入式图像处理领域，一旦遇到实时性要求高、数据处理量大的场合，传统的MCU根本就难以满足要求，而DSP的图像处理速度受到的限制很大。因此，基于速度、产品升级和系统集成等方面的考虑，应采用EDA技术，使用CPLD/FPGA自行开发相关处理芯片可以很好的解决上述问题。 　　1 边缘检测技术 　　1.1 边缘检测概述 　　边缘检测方法主要包括以下几种：第一，检测梯度的最大值。在图像中，灰度值变化较大的地方就是边缘发生的地方，与此相对应的连续情形就是函数梯度较大的地方，由此研究较好的求导算子成为一种新的思路，比较常用而简单的例子有prewitte算子、sobel算子和roberts算子。另外，利用像素临域中的像素值拟合曲面然后求其在当前像素处的梯度也是一种较为直观的方法。第二，检测二阶导数的零交叉点。由于边缘是灰度图像的拐点，而拐点则是边缘处梯度的最大值。从分析学的角度来看，拐点处的二阶导数为0。第三，统计型方法。对二阶导数的零交叉点进行统计分析可以计算出像素为边缘的概率，从而得到边缘。第四，小波检测。小波作为一种研究非平稳信号，在进行边缘检测时具有较大的优势。此外，还有模糊数学的方法、边缘流检测、基于积分变换的方法以及基于张量的检测方法等。本文分析和研究了基于FPGA的图像边缘检测方法，在完成图像处理任务的时候充分发挥了两个处理器的作用。其中，数字信号处理器DSP为图像主处理器，而FPGA的协处理器则用于重要的边缘检测。主处理器传来数据之后，协处理器负责判别边界像素，然后将结果返回， 这种相互协作的工作方式可以大大提高处理速度。 　　在图像边缘处理过程中，边缘检测结果并不是最终的目的，如果需要使用边缘，我们还需要根据实际需要，进行相应的后续处理。 　　1.2 边缘连接 　　由于边缘检测算法容易产生不连续的边界，因而进行边缘连接后处理是十分必要的。对图像中的点（x，y）的小临域内像素的特点进行分析，而该点是使用边缘检测技术标记过了的边缘点。连接这些按预定的准则认定为是相似的点，可形成一条由共同满足以上准则的像素组成的边缘。在分析过程中，要确定边缘像素的相似性需要满足相应的性质。如果满足了大小和方向准则，则可以将已定义的（x，y）临域中的点和像素连接起来。在每个位置进行这一操作，就可以将边缘连接起来。在边缘连接方面，还有启发式搜索、霍夫变换整体处理以及曲线拟合等方法。但是，启发式搜索存在着难以确定阀值的问题；霍夫变换需要提供边缘特定形状等信息；曲线拟合的方法则存在着对应参加边缘拟合的边缘点难以准确确定的问题。 　　1.3 多响应处理 　　如果边缘是通过模板卷积之后得到的，那就可能不是一个点。由于跨跃了几个点，边界会因此变粗，而不是简单的边界。为了获得简单的边界，还需要进行多响应处理：边缘像素除了要大于阀值之外，还应在梯度方向上使梯度的大小大于其前者和后者，这就是非极值抑制，具体算法如下：将边缘方向量化为8个方向；对非0幅值的每一个像素均应对边缘方向指出的两个邻接像素进行考察；如果当前考察像素的幅值低于两个邻接像素的幅值，应对邻接像素进行标记并删除；考察完所有像素之后，对图像进行重新扫描，将标记过的所有像素以0抹去。这是一种基于8邻接的算法，可将其简化为4邻接，也可以将其开放为更复杂的边缘方向。 　　2 边界方法 　　边缘检测方法需要检出图像目标的边缘及其内部结构特征，而边界跟踪方法针对的是二值化之后的图像，它只需检出图像的轮廓。 　　①边界追踪法。边界跟踪法主要是指八临域追踪法，其中顺时针边界追踪算法描述如下：以边界上的追踪