FPGA图像处理的Sobel边缘检测
Sobel边缘检测
Sobel边缘检测原理教材网上一大堆，核心为卷积处理。
Sobel卷积因子为：
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。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：
图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小：
通常，为了提高效率 使用不开平方的近似值：
最后，当计算出来的值大于某一阈值时即认为为边缘像素点。
归结起来，Sobel边缘检测分为三大步：卷积计算、灰度计算、阈值比较处理。结合上文实现的bufWindow，在SpinalHDL里实现Sobel边缘检测也就几行代码的事情（如果是写Verilog我还是拒绝的）。
卷积计算
通过bufWindow，我们可以得到一个3x3的矩阵窗口，拿到结果第一步即是计算卷积，由于卷积因子是带符号的，而在做卷积时又需要考虑位宽扩展的事情，在写Verilog时还是需要小心的设计下的，而在SpinalHDL里，两行代码：
val Gx=（windowbuf.io.dataOut.payload（0）（2）.expand.asSInt-^windowbuf.io.dataOut.payload（0）（0）.expand.asSInt）+| （（windowbuf.io.dataOut.payload（1）（2）.expand.asSInt-^windowbuf.io.dataOut.payload（1）（0）.expand.asSInt）《《1）+| （windowbuf.io.dataOut.payload（2）（2）.expand.asSInt-^windowbuf.io.dataOut.payload（2）（0）.expand.asSInt）val Gy=（windowbuf.io.dataOut.payload（0）（0）.expand.asSInt-^windowbuf.io.dataOut.payload（2）（0）.expand.asSInt）+| （（windowbuf.io.dataOut.payload（0）（1）.expand.asSInt-^windowbuf.io.dataOut.payload（2）（1）.expand.asSInt）《《1）+| （windowbuf.io.dataOut.payload（0）（2）.expand.asSInt-^windowbuf.io.dataOut.payload（2）（2）.expand.asSInt）
首先将bufWindow输出的窗口矩阵值扩展一位位宽转换为有符号值，然后进行计算卷积。计算卷积运用了两个运算符“-^”，“+|”来处理加减运算时的位宽处理（可参照SpinalHDL手册或本公众号的《SpinalHDL—数据类型：UInt/SIn》）。最终得到Gx、Gy。
灰度计算
灰度计算这里采用近似值，通过取绝对值的方式进行实现，在SpinalHDL里也就一行代码的事情：
sobelResult.payload：= （sobelConv.payload（0）.abs+| sobelConv.payload（1）.abs）.fixTo（cfg.dataWidth-1 downto 0，RoundType.ROUNDUP）
由于在卷积计算时有扩展位宽，这里计算最后调用fixTo进行高位饱和处理。最终得到位宽与输入保持一致（想想你在Veirlog里实现这一步要做多少事情，少年）。
阈值比较
阈值比较就很简单了，比较两个值大小取两个极端：
when（sobelResult.payload》io.thresholdValue）{ io.dataOut.payload：=（default-》true） }otherwise{ io.dataOut.payload：=（default-》false） }
最终实现Sobel边缘检测代码如下：
case class sobelProc（cfg:lineBufferCfg） extends Component{ require（cfg.lineNum==3） val io=new Bundle{ val thresholdValue =in UInt（cfg.dataWidth bits） val dataIn=slave Flow（UInt（cfg.dataWidth bits）） val dataOut=master Flow（UInt（cfg.dataWidth bits）） dataOut.valid.setAsReg（）.init（False） dataOut.payload.setAsReg（）.init（0） } noIoPrefix（） val sobel=new Area{ val windowbuf=bufWindow（cfg） val sobelConv=Reg（Flow（Vec（SInt（），2））） val sobelResult=Reg（Flow（UInt（cfg.dataWidth bits））） sobelConv.valid.init（False） sobelResult.valid.init（False） io.dataIn《》windowbuf.io.dataIn val Gx=（windowbuf.io.dataOut.payload
（0）（2）.expand.asSInt-^windowbuf.io.dataOut.payload（0）（0）.expand.asSInt）+| （（windowbuf.io.dataOut.payload（1）（2）.expand.asSInt-^windowbuf.io.dataOut.payload（1）（0）.expand.asSInt）《《1）+| （windowbuf.io.dataOut.payload（2）（2）.expand.asSInt-^windowbuf.io.dataOut.payload（2）（0）.expand.asSInt） val Gy=（windowbuf.io.dataOut.payload（0）（0）.expand.asSInt-^windowbuf.io.dataOut.payload（2）（0）.expand.asSInt）+| （（windowbuf.io.dataOut.payload
（0）（1）.expand.asSInt-^windowbuf.io.dataOut.payload（2）（1）.expand.asSInt）《《1）+| （windowbuf.io.dataOut.payload（0）（2）.expand.asSInt-^windowbuf.io.dataOut.payload（2）（2）.expand.asSInt） sobelConv.valid：=windowbuf.io.dataOut.valid sobelConv.payload（0）：=Gx sobelConv.payload（1）：=Gy sobelResult.valid：=sobelConv.valid sobelResult.payload：= （sobelConv.payload（0）.abs+| sobelConv.payload（1）.abs）.fixTo（cfg.dataWidth-1 downto 0，RoundType.ROUNDUP） io.dataOut.valid：=sobelResult.valid when（sobelResult.payload》io.thresholdValue）{ io.dataOut.payload：=（default-》true） }otherwise{ io.dataOut.payload：=（default-》false） } }}
区区不到四十行代码，简洁而优雅，基本上就是描述算法，出错概率应该很小吧！
做图像处理的小伙伴想想在做仿真验证时需要怎么搞，matlab生成灰度图像二进制数据放在文件里，然后仿真时再导入，仿真完成后将结果保存到文件里，最后再在matlab里做对比。 太麻烦。SpinalHDL提供了仿真支持，而SpinalHDL是基于Scala的，可以完美实现整个仿真验证流程：从图片直接获取数据，然后进行仿真验证，仿真结果直接再次生成图片。
原文标题：FPGA图像处理——老戏新说
文章出处：【微信公众号：FPGA之家】欢迎添加关注！文章转载请注明出处。
责任编辑：haq
-
FPGA
+关注
关注
1629文章
21729浏览量
602972 -
仿真
+关注
关注
50文章
4070浏览量
133551
原文标题：FPGA图像处理——老戏新说
文章出处：【微信号：zhuyandz，微信公众号：FPGA之家】欢迎添加关注！文章转载请注明出处。
发布评论请先 登录
相关推荐
友思特方案 精析“蝉翼”：FPGA图像处理方案助力锂电池高速产线检测新升级
工商网监
评论