[米联客-XILINX-H3_CZ08_7100] FPGA_图像入门连载-13FPGA 实现图像拉普拉斯边缘提取处

本帖最后由 FPGA课程于 2024-10-19 16:05 编辑

软件版本：VIVADO2021.1
操作系统：WIN10 64bit
硬件平台：适用 XILINX A7/K7/Z7/ZU/KU 系列 FPGA
实验平台：米联客-MLK-H3-CZ08-7100开发板
板卡获取平台：https://milianke.tmall.com/
登录“米联客”FPGA社区 http://www.uisrc.com 视频课程、答疑解惑！

1 图像拉普拉斯边缘提取算法简介

算子简介

在一维连续集上有函数 f(x), 我们可以通过求导获得该函数在任一点的斜率，根据导数的定义有：

在二维连续数集上有函数 f(x,y)，我们也可以通过求导获得该函数在 x ，y 分量的偏导

数，根据定义有

边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括：

l 图像深度上的不连续

l 二维面方向不连续

l 物质属性变化

l 场景照明变化

边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。

图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。有许多方法用于边缘检测，它们的绝大部分可以划分为两类：基于查找一类和基于零穿越的一类。基于查找的方法通过寻找图像一阶导数中的最大和最小值来检测边界，通常是将边界定位在梯度最大的方向。基于零穿越的方法通过寻找图像二阶导数零穿越来寻找边界，通常是 Laplacian 过零点或者非线性差分表示的过零点。

拉普拉斯提取边缘属于使用二阶导提取边缘，它是一种各向同性的边缘提取算子。各向同性和就是指使用这一个算子，就能对任何走向的界线和线条锐化，无方向。但他的缺点相比于一阶微分对噪声敏感。它对孤立像素的响应要比边缘或线的响应更强烈，因此只适用于无噪声图像。一般在使用拉普拉斯算子提取边缘之前，先使用高斯平滑图像，这一过程就称为 log 算子，拉普拉斯算子计算方法

La plac ian=(x+1,)+f(x-1,)+(x, y+1)+f(x,y-1)-4(x, y)

拉普拉斯边缘提取 3x3 的匹配模板如下：

I(i-1,j-1)*0	I(i-1,j) * -1	I(i-1,j+1)*0
I(i ,j-1) * -1	I(i,j ) * 4	I(i ,j+1) * -1
I(i+1,j-1)*0	I(i+1,j) * -1	I(i+1,j+1)*0

2 设计分析

2.1Matlab代码分析

源代码如下：

clear;clear all;clc;
image_in = imread('lena_1280x720.jpg'); [row,col,n] = size(image_in);
lap_image = zeros(size(image_in), 'like', image_in); for i = 2:1:row-1
for j = 2:1:col-1
lap_image(i,j,1)= ... image_in(i-1,j,1)+... image_in(i,j-1,1)+... image_in(i,j+1,1)+... image_in(i+1,j,1)-... image_in(i,j ,1)*4;
lap_image(i,j ,2)= ... image_in(i-1,j,2)+... image_in(i,j-1,2)+... image_in(i,j+1,2)+... image_in(i+1,j,2)-... image_in(i,j ,2)*4;
lap_image(i,j ,3)= ... image_in(i-1,j,3)+... image_in(i,j-1,3)+... image_in(i,j+1,3)+... image_in(i+1,j,3)-... image_in(i,j ,3)*4;
end end
figure
subplot(121);
imshow(image_in ), title('the original gray image');
subplot(122);
imshow(lap_image), title('the lap image image');

复制代码

2.2Verilog代码分析

always@(posedge i_clk ornegedge i_rst_n) begin
if(!i_rst_n) begin
sum_r1 <= 12'd0; sum_g1 <= 12'd0; sum_b1 <= 12'd0;
sum_r2 <= 12'd0; sum_g2 <= 12'd0; sum_b2 <= 12'd0;
end
else
begin
sum_r1 <= r_temp_ 12 + r_temp_21 + r_temp_23 + r_temp_32; sum_r2 <= {2'd0,r_temp_22,2'd0};
sum_g1 <= g_temp_ 12 + g_temp_21 + g_temp_23 + g_temp_32; sum_g2 <= {2'd0,g_temp_22,2'd0};
sum_b1 <= b_temp_ 12 + b_temp_21 + b_temp_23 + b_temp_32; sum_b2 <= {2'd0,b_temp_22,2'd0};
end end
assign sum_r = sum_r2 - sum_r1;
assign sum_g = sum_g2 - sum_g1;
assign sum_b = sum_b2 - sum_b1;
always@(posedge i_clk ornegedge i_rst_n) begin
if(!i_rst_n) begin
lap_r <= 8'd0; end
else if(sum_r[11:8] > 0) begin
lap_r <= 8'd255; end
else if(sum_r2 < sum_r1) begin
lap_r <= 8'd0; end
else begin
lap_r <= sum_r[7:0];
end end
always@(posedge i_clk ornegedge i_rst_n) begin
if(!i_rst_n) begin
lap_g <= 8'd0; end
else if(sum_g[11:8] > 0) begin
lap_g <= 8'd255; end
else if(sum_g2 < sum_g1) begin
lap_g <= 8'd0;
end
else begin
lap_g <= sum_g[7:0]; end
end
always@(posedge i_clk ornegedge i_rst_n) begin
if(!i_rst_n) begin
lap_b <= 8'd0; end
else if(sum_b[11:8] > 0) begin
lap_b <= 8'd255; end
else if(sum_b2 < sum_b1) begin
lap_b <= 8'd0;
end
else begin
lap_b <= sum_b[7:0]; end
end

复制代码

2.3 工程结构分析

我们将图像算法的模块做成 IP 后，在vivado 中进行工程的搭建，工程结构如图所示：

3 仿真及结果

3.1Matlab实验结果

3.2Modelsim实验结果

4 搭建 Vitis-sdk 工程

创建 soc_base sdk platform 和 APP 工程的过程不再重复，可以阅读 3-3-01_sdk_base_app。以下给出创建好 soc_base sdk platform 的截图和对应工程 APP 的截图。

4.1 创建 SDKPlatform工程

4.2SDKAPP工程

5 硬件连接

硬件连接如图所示：

6 上板实验结果

实验结果如图所示：

您还未登录

登录后即可体验更多功能