[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

本帖最后由 FPGA课程于 2024-10-18 17:31 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：

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); lap_image0 = zeros(size(image_in), 'like', image_in); for i = 2:1:row-1
for j = 2:1:col-1
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;
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;
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;
end end
lap_image = image_in - lap_image0;%去掉背景色
image_in1 = imnoise(image_in,'salt & pepper',0.05); %对图像加入噪声
lap_image1 = zeros(size(image_in), 'like', image_in); lap_image11 = zeros(size(image_in), 'like', image_in); for i = 2:1:row-1
for j = 2:1:col-1
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;
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;
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;
end end
lap_image11 = image_in1 - lap_image1;
image_in2 = imnoise(image_in,'gaussian',0.05);
lap_image2 = zeros(size(image_in), 'like', image_in); lap_image22 = zeros(size(image_in), 'like', image_in); for i = 2:1:row-1
for j = 2:1:col-1
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;
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;
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;
end end
lap_image22 = image_in2 - lap_image2;
figure
subplot(321);
imshow(image_in ), title('the original gray image');
subplot(322);
imshow(lap_image), title('the lap image image'); subplot(323);
imshow(image_in1), title('the salt & pepper image'); subplot(324);
imshow(lap_image11), title('the lap image1 image'); subplot(325);
imshow(image_in2), title('the gaussian image'); subplot(326);
imshow(lap_image22), title('the lap image2 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} + {4'd0,r_temp_22};
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};
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};
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