基于FPGA边缘检测算法研究.docVIP

基于FPGA边缘检测算法研究 　　[摘要]当前，基于计算机的图像边缘检测在各领域中占有重要环节，通过有效的边缘检测，可以大大简化后续图像处理过程对图像信息的分析工作。因此，基于FPGA的实时图像边缘检测的研究与设计已经倍受人们的关注。本文主要研究基于FPGA图像边缘检测的算法。 　　[关键词]图像处理；FPGA 　　中图分类号：1P391.4l 文献标识码：A 文章编号： 　　Abstract： Currently， computer-based image edge detection in various fields occupy an important part， through effective edge detection， can greatly simplify the subsequent image processing of the image information analysis. Therefore， real-time image edge detection based FPGA research and design has been received much attention. This paper studies the FPGA-based image edge detection algorithm. 　　Keywords： image processing；FPGA 　　1边缘检测算法 　　图像锐化就是增强图像的边缘或轮廓[1]。图像边缘是图像的基本特征之一，它包含了图像中丰富的信息，图像边缘增强广泛应用于监控、安防即医疗等领域。20世纪70年代末，美国的麻省理工学院的Marr和HiWretdi提出了一种类似于人类视觉的“边缘检测理论”，从而解开了图像锐化算子研究的序幕[2]。之后，图像边缘特征的提取方法一直是图像处理和分析领域的研究热点。 　　常见的锐化算子还有罗伯特（Robert）算子，普瑞维特（Prewitt）算子，索贝尔（Sobel）算子，以及拉普拉斯（Laplacian）算子[3]。所有基于梯度的锐化算法之间的根本区别是算子应用的方向，以及在这些方向上逼近图像一维导数的方式和把这些近似值合称为梯度值的方法。 　　图1-1 Robert算子 　　罗伯特（Robert）算子是在2×2窗口邻域中计算对角导数，Robert对应的模板如图1-1 所示，差分计算式如下式示： 　　（1-1） 　　上式能够提供较好的不变形边缘取向。对于同等长度但取向不同的边缘，用罗伯特算子能获得较好的处理效果[4]。但是由于采用的2×2窗口较小，所以图像处理精度不高。 　　采用更大窗口的Prewitt算子处理结果相对Robert算子获得了更多的图像边缘信息。另外，罗伯特算子的一个重要问题是由于不包括平滑，所以对于噪声比较敏感，为了解决上述导数算子对噪声相应敏感的问题，可以在图像进行导数运算之前，先对图像进行平滑处理（如局部平均）以减少噪声[5]。普瑞维特（Prewitt）算子从加大边缘增强算子的模板大小出发，由图1-1的2×2模板扩大到图1-2的3×3模板来计算差分。 　　图1-2 Prewitt算子 　　依据图1-2的两个模板卷积形成该算子，图像中的每个像素都用这两个核做卷积，一个核对垂直边缘影响最大，另一个对水平边缘影响最大。两个卷积的最大值作为该点的输出值。 　　两个方向的差分计算式如下： 　　（1-2） 　　（1-3） 　　普瑞维特（Prewitt）算子的差分运算为不加权的平均值差分算子，属于两个互相垂直的平均值差分算子组合。为了增强靠近中心像素点像素值的权重，提出了索贝尔（Sobel）锐化算子。索贝尔（Sobel）算子是一种加权平均算法，该算法理论认为邻域的像素对当前像素产生的影响不是等价的，所以距离不同的像素点具有不同的权值[6]，对结果产生的影响也不同，因而具有更好的抑制噪声能力。对应模板如图1-3所示。 　　图1-3 Sobel算子 　　具体定义为： 　　（1-4） 　　（1-5） 　　（1-5） 　　其中， 是图像中对应于3×3像素窗口中心点（x，y）的二维梯度绝对值，Gx是该点水平方向梯度值，Gy是垂直方向梯度值。为便于硬件实现，上式修正为： 　　（1-7） 　　拉普拉斯（Laplacian）算子是一种二阶的微分算子，其定义图像 （x，y）的梯度为： 　　（1-8） 　　对于离散数字图像，二阶微分算子可用二阶差分来代替，从而拉普拉斯算子可以表示为： 　　（1-9） 　　相应的有拉普拉斯算子对应的模板如下图1-4所示： 　　图1-4 拉普拉斯算子 　　拉普拉斯算子是一个各向同性、线性和位移不变的边缘检测算子，对细线和孤立的点检测效果好，但拉普拉斯算子丢失了边缘方向信息，常产生