本文主要内容是实现图像的边缘检测功能
目录
- mif文件的制作
- 调用 ip 核生成rom以及在 questasim 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
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。
1、mif文件的格式为：
WIDTH= ; //数据位宽
DEPTH= ; // 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
: ; // 地址 ：数据 ；注意格式要和上面定义的保持统一
: ;
: ;
......
: ;
: ;
END;
调用ip 核生成 rom 以及在 questasim 仿真注意问题
这部分内容已经在上篇博文中详细描述过，详情请见http://www.cnblogs.com/aslmer/p/5780107.html
灰度处理
- 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；
--------------------------------------------------------------------------------------------------------------------
此次我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。
always @(posedge clk or negedge rst_n)begin
if(rst_n=='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 * ;
blue_r1 <= blue * 29 ;
end
end always @(posedge clk or negedge rst_n)begin
if(rst_n=='b0)begin
Gray <= ; // 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=='b0)begin
post_data_in <= ; //输出的灰度数据
end
else begin
post_data_in <= { Gray[:], Gray[:], Gray[:] };//将Gray值赋值给RGB三个通道
end
end
均值滤波
均值滤波的原理
http://blog.****.net/hhygcy/article/details/4325304 (此处引用 hhygcy 的文章)
难点：如何生成 3*3 的像素阵列。
我们可以利用 ip 核生成移位寄存器 ，方法与 ip 核 生成 rom 一样，详情见目录 2 因此不再赘述 。
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。
下面这个图是我自己画的 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 [:]p_11,p_12,p_13; // 3 * 3 卷积核中的像素点
reg [:]p_21,p_22,p_23;
reg [:]p_31,p_32,p_33;
reg [:]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=='b0)begin
{p_11,p_12,p_13} <= {'b0,5'b0,'b0} ;
{p_21,p_22,p_23} <= {'b0,15'b0,'b0};
{p_31,p_32,p_33} <= {'b0,15'b0,'b0};
end
else begin
if(per_href_ff0==&&flag_do==)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}<={'b0,5'b0,'b0};
{p_21,p_22,p_23}<={'b0,5'b0,'b0}
{p_31,p_32,p_33}<={'b0,5'b0,'b0}
end
end
end always @(posedge clk or negedge rst_n)begin
if(rst_n=='b0)begin
mean_value_add1<=;
mean_value_add2<=;
mean_value_add3<=;
end
else if(per_href_ff1)begin
mean_value_add1<=p_11+p_12+p_13;
mean_value_add2<=p_21+ +p_23;
mean_value_add3<=p_31+p_32+p_33;
end
end wire [:]mean_value;//8位数之和
wire [:]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[:];
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 提供了开平方 ip 核，因此我们直接调用就好了 。
代码：
reg [:] p_x_data ,p_y_data ; // x 和 y 的正值之和
reg [:] n_x_data ,n_y_data ; // x 和 y 的负值之和
reg [:] gx_data ,gy_data ; //最终结果 always @(posedge clk or negedge rst_n)begin
if(rst_n=='b0)begin
p_x_data <=;
n_x_data <=;
gx_data <=;
end
else if(per_href_ff1==) begin
p_x_data <= p_13 + (p_23<<) + p_33 ;
n_x_data <= p_11 + (p_12<< )+ 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<=;
n_x_data<=;
gx_data <=;
end
end always @(posedge clk or negedge rst_n)begin
if(rst_n=='b0)begin
p_y_data <=;
n_y_data <=;
gy_data <=;
end
else if(per_href_ff1==) begin
p_y_data <= p_11 + (p_12<<) + p_13 ;
n_y_data <= p_31 + (p_32<<) + 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 <=;
n_y_data <=;
gy_data <=;
end
end //求平方和,调用ip核开平方
reg [:] gxy; // Gx 与 Gy 的平方和
always @(posedge clk or negedge rst_n)begin
if(rst_n=='b0)begin
gxy<=;
end
else begin
gxy<= gy_data* gy_data + gx_data* gx_data ;
end
end wire [:] 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 [:] post_y_data_r;
always @(posedge clk or negedge rst_n)begin
if(rst_n=='b0)begin
post_y_data_r<='h00;
end
else if(squart_out>=threshold)
post_y_data_r<='h00 ;
else
post_y_data_r<='hffff ; end
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，然后借助好友写的网页进行显示。
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==&&post_href==)//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 http://files.cnblogs.com/files/aslmer/aggregrate.zip
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
结果展示
|
1 原图 |
2 灰度图 |
3 均值滤波 |
|
4 边缘检测 阈值为5 |
5 阈值为 10 |
6 阈值为 16 |
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。
每天进步一点点，开心就好
aslmer