[米联客-XILINX-H3_CZ08_7100] FPGA_图像入门连载-12FPGA 实现图像拉普拉斯锐化处理

​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 图像拉普拉斯锐化算法简介

图像的拉普拉斯锐化是根据图像每个像素领域内的像素到该像素的突变程度来计算的，计算的是图像像素的变 化程度。我们知道，一阶微分函数描述了函数图像是朝哪个方向变化的，或增长或降低。二阶微分函数描述的则是 图像变化的速度，是急剧增长（下降）还是平缓的增长（下降）。根据上述的描述，可以知道二阶微分可以得到图 像色彩的过渡程度，比如白色与黑色的过渡。

换句话说，当邻域中心像素灰度低于它所在的领域内其它像素的平均灰度时，此中心像素的灰度应被进一步降 低，当邻域中心像素灰度高于它所在的邻域内其它像素的平均灰度时，此中心像素的灰度应被进一步提高，以此实 现图像的锐化处理。

拉普拉斯锐化 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  ) *5	I(i  ,j+1) * -1
I(i+1,j-1)*0	I(i+1,j) * -1	I(i+1,j+1)*0

其中， I(i,j  ) 表示当前像素。

拉普拉斯算子是一个是 n 维欧几里德空间中的一个二阶微分算子，它的定义如下：

在 x 方向上

在 y 方向上

合起来就是

拉普拉斯强调的是图像中灰度的突变，并不强调图像的灰度缓变

2 设计分析

2.1Matlab代码分析

源代码如下：

1. clear;clear all;clc;
   
2. 
   
3. image_in = imread('lena_1280x720.jpg'); [row,col,n] = size(image_in);
   
4. 
   
5. lap_image       = zeros(size(image_in), 'like', image_in); lap_image0     = zeros(size(image_in), 'like', image_in); for i = 2:1:row-1
   
6. for j = 2:1:col-1
   
7. lap_image0(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;
   
8. 
   
9. lap_image0(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;
   
10. 
    
11. lap_image0(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;
    
12. end end
    
13. lap_image = image_in - lap_image0;%去掉背景色
    
14. 
    
15. image_in1       = imnoise(image_in,'salt & pepper',0.05); %对图像加入噪声
    
16. lap_image1    = zeros(size(image_in), 'like', image_in); lap_image11 = zeros(size(image_in), 'like', image_in);  for i = 2:1:row-1
    
17. for j = 2:1:col-1
    
18. lap_image1(i,j ,1)=...  image_in1(i-1,j,1)+...  image_in1(i,j-1,1)+...  image_in1(i,j+1,1)+... image_in1(i+1,j,1)-...  image_in1(i,j    ,1)*4;
    
19. 
    
20. lap_image1(i,j ,2)=...  image_in1(i-1,j,2)+...  image_in1(i,j-1,2)+...  image_in1(i,j+1,2)+... image_in1(i+1,j,2)-...  image_in1(i,j    ,2)*4;
    
21. 
    
22. lap_image1(i,j ,3)=...  image_in1(i-1,j,3)+...  image_in1(i,j-1,3)+...  image_in1(i,j+1,3)+... image_in1(i+1,j,3)-...  image_in1(i,j    ,3)*4;
    
23. end end
    
24. lap_image11 = image_in1 - lap_image1;
    
25. 
    
26. image_in2       = imnoise(image_in,'gaussian',0.05);
    
27. lap_image2    = zeros(size(image_in), 'like', image_in); lap_image22 = zeros(size(image_in), 'like', image_in);  for i = 2:1:row-1
    
28. for j = 2:1:col-1
    
29. lap_image2(i,j ,1)=...  image_in2(i-1,j,1)+...  image_in2(i,j-1,1)+...  image_in2(i,j+1,1)+... image_in2(i+1,j,1)-...  image_in2(i,j    ,1)*4;
    
30. 
    
31. lap_image2(i,j ,2)=...  image_in2(i-1,j,2)+...  image_in2(i,j-1,2)+...  image_in2(i,j+1,2)+... image_in2(i+1,j,2)-...  image_in2(i,j    ,2)*4;
    
32. lap_image2(i,j ,3)=...  image_in2(i-1,j,3)+...  image_in2(i,j-1,3)+...  image_in2(i,j+1,3)+... image_in2(i+1,j,3)-...  image_in2(i,j    ,3)*4;
    
33. end end
    
34. lap_image22 = image_in2 - lap_image2;
    
35. 
    
36. figure
    
37. subplot(321);
    
38. imshow(image_in    ), title('the original gray image');
    
39. subplot(322);
    
40. imshow(lap_image), title('the lap image image'); subplot(323);
    
41. imshow(image_in1), title('the salt & pepper image'); subplot(324);
    
42. imshow(lap_image11), title('the lap image1 image'); subplot(325);
    
43. imshow(image_in2), title('the gaussian image'); subplot(326);
    
44. imshow(lap_image22), title('the lap image2 image');

复制代码

2.2Verilog代码分析

1. always@(posedge i_clk ornegedge i_rst_n) begin
   
2. if(!i_rst_n) begin
   
3. sum_r1 <= 12'd0;  sum_g1 <= 12'd0; sum_b1 <= 12'd0; sum_r2 <= 12'd0;  sum_g2 <= 12'd0; sum_b2 <= 12'd0;
   
4. end    else    begin
   
5. sum_r1 <= r_temp_ 12 + r_temp_21 + r_temp_23 + r_temp_32; sum_r2 <= {2'd0,r_temp_22,2'd0} + {4'd0,r_temp_22};
   
6. 
   
7. sum_g1 <= g_temp_ 12 + g_temp_21 + g_temp_23 + g_temp_32; sum_g2 <= {2'd0,g_temp_22,2'd0} + {4'd0,g_temp_22};
   
8. sum_b1 <= b_temp_ 12 + b_temp_21 + b_temp_23 + b_temp_32; sum_b2 <= {2'd0,b_temp_22,2'd0} + {4'd0,b_temp_22};
   
9. end end
   
10. 
    
11. assign    sum_r = sum_r2 - sum_r1;
    
12. assign      sum_g = sum_g2 - sum_g1;
    
13. assign      sum_b = sum_b2 - sum_b1;
    
14. 
    
15. always@(posedge i_clk ornegedge i_rst_n) begin
    
16. if(!i_rst_n) begin
    
17. lap_r <= 8'd0; end
    
18. else if(sum_r[11:8] > 0) begin
    
19. lap_r <= 8'd255; end
    
20. else if(sum_r2 < sum_r1) begin
    
21. lap_r <= 8'd0;
    
22. end    else    begin
    
23. lap_r <= sum_r[7:0]; end
    
24. end
    
25. 
    
26. always@(posedge i_clk ornegedge i_rst_n) begin
    
27. if(!i_rst_n) begin
    
28. lap_g <= 8'd0; end
    
29. else if(sum_g[11:8] > 0) begin
    
30. lap_g <= 8'd255; end
    
31. else if(sum_g2 < sum_g1) begin
    
32. lap_g <= 8'd0;
    
33. end    else    begin
    
34. lap_g <= sum_g[7:0];
    
35. end end
    
36. 
    
37. always@(posedge i_clk ornegedge i_rst_n) begin
    
38. if(!i_rst_n) begin
    
39. lap_b <= 8'd0; end
    
40. else if(sum_b[11:8] > 0) begin
    
41. lap_b <= 8'd255; end
    
42. else if(sum_b2 < sum_b1) begin
    
43. lap_b <= 8'd0;
    
44. end    else    begin
    
45. lap_b <= sum_b[7:0];
    
46. 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：

​