基于FPGA的图像边缘检测设计

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：

http://tool.chinaz.com/tools/selectcolor.aspx

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)begin
    if(rst_n==1'b0)begin
       red_r1   <= 0 ;  
       green_r1 <= 0 ;
       blue_r1  <= 0 ;
    end
    else begin
       red_r1   <= red   * 77 ;        //放大后的值
       green_r1 <= green * 150;
       blue_r1  <= blue  * 29 ;
    end
end


always  @(posedge clk or negedge rst_n)begin
    if(rst_n==1'b0)begin
        Gray <= 0;    // 三个数之和
    end
    else begin
        Gray <= red_r1 + green_r1 + blue_r1;        
    end
end


always  @(posedge clk or negedge rst_n)begin
    if(rst_n==1'b0)begin
       post_data_in <= 0;  //输出的灰度数据
    end
    else begin
       post_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：

voidmeanFilter(unsignedchar*corrupted,unsignedchar*smooth,intwidth,intheight)
{


  memcpy ( smooth, corrupted, width*height*sizeof(unsigned char) );


  for (int j=1;j

	

	

	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)begin
    if(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};
    end
    else  begin
     if(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};
     end
     else 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}
     end
   end
end


always  @(posedge clk or negedge rst_n)begin
    if(rst_n==1'b0)begin
        mean_value_add1<=0;
        mean_value_add2<=0;
        mean_value_add3<=0;
    end
    else if(per_href_ff1)begin
        mean_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
end


wire [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)begin
    if(rst_n==1'b0)begin
       p_x_data <=0;
       n_x_data <=0;
       gx_data   <=0;
    end
    else 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 ; 
    end
    else begin
         p_x_data<=0;
         n_x_data<=0;
         gx_data <=0;
    end  
end


always  @(posedge clk or negedge rst_n)begin
    if(rst_n==1'b0)begin
       p_y_data <=0;
       n_y_data <=0;
       gy_data   <=0;
    end
    else if(per_href_ff1==1) begin
        p_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 ; 
    end
    else begin
        p_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)begin
    if(rst_n==1'b0)begin
        gxy<=0;
    end
    else begin
        gxy<= gy_data* gy_data + gx_data* gx_data ;
    end
end


wire [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)begin
    if(rst_n==1'b0)begin
        post_y_data_r<=16'h00;
    end
    else if(squart_out>=threshold)
         post_y_data_r<=16'h00  ;
    else
         post_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;  
     initial
     w_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 3*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。