算法系列：基于 FPGA 的图像边缘检测系统设计（sobel算法）

​大侠好，欢迎来到FPGA技术江湖，江湖偌大，相见即是缘分。大侠可以关注FPGA技术江湖，在“闯荡江湖”、"行侠仗义"栏里获取其他感兴趣的资源，或者一起煮酒言欢。

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CONTENTBEGIN0:1010110011010000 ;     // 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 ;    endend​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;            endend​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    endend

 

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：

void meanFilter (unsigned char* corrupted, unsigned char* smooth, int width, int height){​  memcpy ( smooth, corrupted, width*height*sizeof(unsigned char) );​  for (int j=1;j  {    for (int i=1;i    {      smooth [ j*width+i ] = (  corrupted [ (j-1)*width+(i-1) ] + corrupted [ (j-1)*width+i] + corrupted [ (j-1)*width+(i+1) ] +                    corrupted [ j*width+(i-1) ]    + corrupted [ j*width+i]   + corrupted [ j*width+(i+1) ] +                    corrupted [ (j+1)*width+(i-1) ] + corrupted [ (j+1)*width+i] + corrupted [ (j+1)*width+(i+1) ] ) / 9;    }  }}

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   endend​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;    endend​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;   endend​//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 ;    endend​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。

 

 

END

后续会持续更新，带来Vivado、 ISE、Quartus II 、candence等安

装相关设计教程，学习资源、项目资源、好文推荐等，希望大侠持续关注。

大侠们，江湖偌大，继续闯荡，愿一切安好，有缘再见！