FPGA在缘检测中的应用.doc

FPGA在边缘检测中的应用 摘 要：目前，FPGA以其算法硬件处理速度快、可编程、可重配置等特性，非常适合图像处理系统。本文针对边缘检测算法实现方法的研究，利用FPGA这一平台进行了实现。文章分析了FPGA在边缘检测中的应用，主要是Sobel边缘检测算子、Prewitt边缘检测算子。在论文中，根据FPGA的并行流水线性，对Sobel、Prewitt边缘检测算子分别进行了FPGA设计与实现，并进行了仿真，并且利用两种边缘检测算子对图像进行了处理比较。最后，从时间和效果与软件处理的结果方面，对两种边缘检测算子进行了比较。 关键词 数字图像处理 Sobel边缘检测法 Prewitt边缘检测算法 现场可编程逻辑门阵列（FPGA） 0 引言 所谓的数字图像处理技术，就是我们利用计算机对图像进行加工处理，并从中获取一些对我们来说有用的信息。在现实生活中，我们也亲身体会到我们是通过图像获取视觉信息的。伴随着计算机信息技术、集成电路技术的飞速发展，数字图像处理技术也得到了很大的发展，并且也出现了许多与数字图像处理技术相关的新理论、新技术、新设备。这些新理论、新技术、新技术在工业生产、科学研究、医疗卫生等领域得到了广泛应用，也对人类社会的发展以及人类生活水平的提高做出了巨大的贡献。 我们知道边缘一般是指图像灰度变化率最大的位置，图像的边缘是图像最重要的特征，它是由于图像局部特征的不连续形成的。边缘的表现形式有图像灰度级与纹理结构的突变、彩色变化等等，在图像的边缘信息里含有许多对图像分析特别重要的特征信息。在利用计算机进行数字图像处理的过程中，为了使图像的轮廓更加突出，容易辨别，而采取的一种图像处理方法就是边缘检测，有时也称其为边缘增强。 在图像处理的过程中，边缘检测主要运用于图像中的目标与图像的背景、图像中的不同区域之间、图像中的一个目标与另一个目标之间，是人们描述、识别目标以及解释图像的一个非常重要的参数。边缘包含了图像丰富的信息，它是完实现图像分割、图像配准、图像分类以及图像识别的重要保障，如果边缘检测能够成功，那么图像分析就会变得很方便很简单，并且其精度也会得到相应的提高。 边缘检测算子分为一阶微分算子和二阶微分算子。常见的一阶微分算子有Prewitt算子，Canny算子、Sobel算子、Roberts Cross算子，Kirsch算子，罗盘算子等等。二阶微分算子包括Laplacian算子和LOG算子等等。本文主要介绍了Prewitt边缘检测算子的原理以及基于FPGA的Prewitt边缘检测算法的实现。 1边缘检测算子介绍 图像的边缘是图像最基本的特征之一，边缘检测是模式识别、图像分析重要部分视觉图像处理等领域中起着重要的作用。 ，总存在两个相邻具有不同灰度值的区域之间。通常情况下，附近灰度的变换可以相邻象素灰度分布的梯度。Sobel Operator）是数字图像处理中的常用算子之一，主要应用于边缘检测。在技术上，它是一离散型差分算子，用来运算图像亮度函数的梯度近似值。在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量。 现在假设在图像平面上有一个9个点的小区域： （1-1） 现用一个二次曲面来拟合这9个点的灰度值，即用 （1-2） 来近似图像灰度函数，并使均方误差 （1-3） 最小。令分别为零，联立解得各系数。将二次曲面对，求偏导数，得到梯度的幅值为： （1-4） 它的两个卷积模板为： （1-5） （1-6） 1.2 Prewitt边缘检测算子 Prewitt算子是一种边缘模板算子，这种算法是利用局部差分平均方法来寻找边缘的，该算法体现了三对像素点像素值之差的平均概念。首先这些算子的模板是由理想的边缘算子图像构成的，然后依次用边缘模板去检测待检测的图像，再由与被检测区域最为相似的模板给出检测的最大值，并且用这个最大值代替算子的输出值，这样边缘像素就被检测出来了。 在这里我们假设在图像平面上有一个9个点的小区域： （1-7） Prewitt算子是通过对平面上9个点进行曲面拟合进而求拟合曲面偏导数，最后再计算梯度的幅值。根据Prewitt的定义可以得到Prewitt算子： （1-8） 其中两个卷积为： （1-9） （1-10） 2. 基于FPGA的设计思路 FPGA设计流程如图2所示 图-1 FPGA典型设计流sobel算子和Prewitt算子的实现思路是类似的，他们的区别只是在于算子的不同。这里我们以sobel算子为例介绍，Prewitt算子是一样的。 Sobel边缘检测的