FPGA图像处理HLS实现sobel边沿检测，提供HLS工程和vivado工程源码

一、sobel边沿检测原理

所谓边缘是指其周围像素灰度急剧变化的那些象素的集合，它是图像最基本的特征。边缘存在于目标、背景和区域之间，所以，它是图像分割所依赖的最重要的依据。由于边缘是位置的标志，对灰度的变化不敏感，因此，边缘也是图像匹配的重要的特征。
边缘检测和区域划分是图像分割的两种不同的方法，二者具有相互补充的特点。在边缘检测中，是提取图像中不连续部分的特征，根据闭合的边缘确定区域。而在区域划分中，是把图像分割成特征相同的区域，区域之间的边界就是边缘。由于边缘检测方法不需要将图像逐个像素地分割，因此更适合大图像的分割。边缘大致可以分为两种，一种是阶跃状边缘，边缘两边像素的灰度值明显不同；另一种为屋顶状边缘，边缘处于灰度值由小到大再到小的变化转折点处。边缘检测的主要工具是边缘检测模板。边缘检测的有很多，典型的有索贝尔算子、普里维特算子、罗伯茨交叉边缘检测等边缘检测技术，在设计中采用的是索贝尔算子。
索贝尔算子（Sobel operator）主要用作边缘检测，在技术上，它是一离散性差分算子，用来运算图像亮度函数的灰度之近似值。在图像的任何一点使用此算子，将会产生对应的灰度矢量或是其法矢量。Sobel 卷积因子为：

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。如果以 A 代表原始图像，Gx 及 Gy 分别代表经横向及纵向边缘检测的图像灰度值，
其公式如下：

图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小：

通常，为了提高效率 使用不开平方的近似值,但这样做会损失精度，迫不得已的时候可以如下这样子：

如果梯度 G 大于某一阀值，则认为该点(x,y)为边缘点。

二、HLS方案实现sobel边沿检测

在前面的sobel边沿检测原理中详细介绍了sobel边沿检测的算法公式，看起来很复杂很NB对吧？
然并卵！！！！！！！
然并卵！！！！！！！
然并卵！！！！！！！
因为对于HLS来说，干这活儿只需要一句话一行代码即可实现；
因为Xilinx早就帮你做好了sobel边沿检测的库，并且可以综合，既然如此，我还需要去管他怎么实现的，算法公式是怎样的吗？这就是HLS的NB之处。。。
HLS工程如下：

综合后的延时、资源占用等性能参数如下：


头文件如下：

#ifndef _HELAI_HLS_SOBEL_H
#define _HELAI_HLS_SOBEL_H

#include "hls_video.h"

#define MAX_HEIGHT 1080    //图像最大高度
#define MAX_WIDTH  1920    //图像最大宽度

#define INPUT_IMAGE        "luoli.jpg"
#define OUTPUT_IMAGE       "luoli_hls.jpg"

typedef hls::stream<ap_axiu<24,1,1,1> > AXI_STREAM;
typedef hls::Mat<MAX_HEIGHT,MAX_WIDTH,HLS_8UC3> RGB_IMAGE;
typedef hls::Mat<MAX_HEIGHT,MAX_WIDTH,HLS_8UC1> GRAY_IMAGE;

void helai_hls_sobel(AXI_STREAM&INPUT_STREAM,AXI_STREAM&OUTPUT_STREAM,int rows,int cols);
#endif

源文件的核心代码如下：

hls::Sobel<1,0,3>(img_1,img_2);	//将灰度数据与Sobel算子卷积	

核心代码就一句话，BN吧？呵呵。。。。。。

三、HLS在线仿真并导出IP

仿真源文件如下：

#include "helai_hls_sobel.h"
#include "hls_opencv.h"

int main(void)
{
	//获取图像数据
	IplImage* src = cvLoadImage(INPUT_IMAGE);
	IplImage* dst = cvCreateImage(cvGetSize(src),src->depth,src->nChannels);

	//使用HLS库进行处理
	AXI_STREAM src_axi,dst_axi;
	IplImage2AXIvideo(src,src_axi);
	helai_hls_sobel(src_axi,dst_axi,src->height,src->width);
	AXIvideo2IplImage(dst_axi,dst);

	//保存图像
	cvSaveImage(OUTPUT_IMAGE,dst);

	//显示图像
	cvShowImage(INPUT_IMAGE,src);
	cvShowImage(OUTPUT_IMAGE,dst);

	//等待用户按下键盘上的任一按键
	cv::waitKey(0);
}

话不多说直接看HLS仿真结果：


仿真完整成功后即可综合再导出IP：

四、Kintex7开发板vivado工程验证

开发板：Xilinx Kintex7开发板；
开发环境：HLS2019.1；vivado2019.1；
输入：OV5640摄像头，输入分辨率1280x720；
输出：HDMI，输出分辨率1920x1080；
工程BD如下：

生成顶层RTL如下：

SDK主函数源码如下：

#include 
#include "xgpio.h"
#include "oak_iic.h"
#include "unistd.h"
#include "helai_vdma.h"
#include "helai_color_back.h"
#include "helai_hls_sobel.h"

XGpio_Config *XGpioCfg;
XGpio led_gpio;

#define	AXI_GPIO_DEVICE_ID	XPAR_GPIO_0_DEVICE_ID

int main(){
	XGpioCfg = XGpio_LookupConfig(AXI_GPIO_DEVICE_ID);
	XGpio_CfgInitialize(&led_gpio, XGpioCfg, XGpioCfg->BaseAddress);
	XGpio_SetDataDirection(&led_gpio, 1, 0);	//output
	XGpio_DiscreteWrite(&led_gpio, 1, 0);
	oak_i2c_init(OV5640_IIC_BASEADDR, 1000000, 0x78>>1, IIC_REG_LEN16, IIC_DATA_LEN8);
	OV5640_Init(OV5640_IIC_BASEADDR,1280,720);
	helai_hls_sobel(720,1280);
	helai_vdma();
	while(1){
		usleep(500000);
		XGpio_DiscreteWrite(&led_gpio, 1, 1);
		usleep(500000);
		XGpio_DiscreteWrite(&led_gpio, 1, 0);
	}
}

五、zynq7100开发板vivado工程验证

开发板：Xilinx zynq7100开发板；
开发环境：HLS2019.1；vivado2019.1；
输入：OV5640摄像头，输入分辨率1280x720；
输出：HDMI，输出分辨率1920x1080；
工程BD如下：

生成顶层RTL如下：

SDK主函数源码如下：

#include "I2C_16bit.h"
#include "xiicps.h"
#include "xil_io.h"
#include "xparameters.h"
#include "helai_vdma.h"
#include "helai_hls_sobel.h"

void main()
{
	// Initialize OV5640 regesiter
	I2C_config_init();
	helai_hls_sobel(720,1280);
	helai_vdma();
	while (1) ;
}

六、板级调试验证

K7开发板和zynq开发板实物连接如下：图中K7为连接状态

运行结果静态展示：

下载程序后运行结果如下：以K7开发板为例，持续运行48小时无问题

HLS图像处理sobel

七、福利：工程源码获取

福利：工程代码的获取
代码太大，无法邮箱发送，以某度网盘链接方式发送，
资料如下：获取方式：私。
K7开发板网盘资料如下：

zynq开发板网盘资料如下：