算法系列：基于 FPGA 的图像边缘检测系统设计（sobel算法）
今天给大侠带来基于 FPGA 的图像边缘检测设计，话不多说，上货。
设计流程如下：
mif文件的制作→ 调用ip核生成rom以及仿真注意问题→ 灰度处理→ 均值滤波：重点是3*3 像素阵列的生成→ sobel边缘检测→ 图片的显示→ 结果展示 。
一、mif文件的制作
受资源限制，将图片像素定为 160 * 120，将图片数据制成 mif 文件，对 rom ip 核进行初始化。mif文件的制作方法网上有好多办法，因此就不再叙述了，重点说mif文件的格式。
mif文件的格式为：
WIDTH=16 ; //数据位宽DEPTH=19200 ; // rom 深度即图片像素点的个数ADDRESS_RADIX=UNS ; //地址数据格式DATA_RADIX=BIN ; //数据格式CONTENTBEGIN0:1010110011010000 ;// 地址 ：数据 ；注意格式要和上面定义的保持统一1:1010110011010000 ;2:1010010010110000 ;......19198:1110011011111001 ;19199:1110011011011000 ;END;
二、ip 核生成 rom 及仿真时需要注意的问题
ip 核生成 rom
1、Tools -> MegaWizard Plug-In Manager
2、Create a new custom megafuction variation
3、Memory Compier -> ROM -> Verilog HDL -> 自定义名称
仿真注意问题:
1、仿真时要注意是否有 altera_mf 库文件,否则会报错。
Module 'altsyncram' is not define
解决方案：
(1).下载 altera_mf 库文件；
(2). 仿真时将 altera_mf.v 与其他文件一起加入到 project 中。
2、要将 .mif 文件放在仿真工程目录下，即与 .mpf 文件在一起，否则将不会有数据输出。
三、灰度处理
任何颜色都由红、绿、蓝三原色组成，假如原来某点的颜色为( R,G,B )那么，我们可以通过下面几种方法，将其转换为灰度：
浮点算法：Gray=0.299R+0.587G+0.114B
平均值法：Gray=(R+G+B)/3;
仅取单色（如绿色）：Gray=G；
将计算出来的Gray值同时赋值给 RGB 三个通道即RGB为(Gray,Gray,Gray)，此时显示的就是灰度图。通过观察调色板就能看明了。 通过观察可知，当RGB三个通道的值相同时即为灰色，Gray的值越大，颜色越接近白色，反之越接近黑色（这是我自己的理解，不严谨错误之处请大神指正）。
这是在线调色板网址，可以进去自己研究一下。
站长工具颜色代码查询、RGB颜色值：
此次采用是浮点算法来实现灰度图的，我的图片数据是RGB565 格式 ，难点: 如何进行浮点运算。思路：先将数据放大，然后再缩小。
例如：
Gray=0.299R+0.587G+0.114B转化为 Gray=(77R+150G+29B)>>8 即可，这里有一个技巧，若 a 为 16 位即 a [15:0],那么 a>>8 与 a [15：8]是一样的。 核心代码如下：
always @(posedge clk or negedge rst_n)beginif(rst_n==1'b0)beginred_r1 <= 0 ; green_r1 <= 0 ;blue_r1 <= 0 ;endelse beginred_r1 <= red * 77 ; //放大后的值green_r1 <= green * 150;blue_r1 <= blue * 29 ;endendalways @(posedge clk or negedge rst_n)beginif(rst_n==1'b0)beginGray <= 0; // 三个数之和endelse beginGray <= red_r1 + green_r1 + blue_r1; endendalways @(posedge clk or negedge rst_n)beginif(rst_n==1'b0)beginpost_data_in <= 0; //输出的灰度数据endelse beginpost_data_in <= { Gray[13:9], Gray[13:8], Gray[13:9] };//将Gray值赋值给RGB三个通道endend
四、均值滤波
均值滤波的原理
做图像处理， “把每个像素都用周围的8个像素来做均值操作 ”， 比如：
图通常是最能说明问题的东西，非常明显的，这个3*3区域像素的颜色值分别是5,3,6,2,1,9,8,4,7那么中间的1这个像素的过滤后的值就是这些值的平均值，也就是前面的计算方法：(5+3+6+2+1+9+8+4+7)/9=5一目了然。
那么这个均值滤波有什么用处呢？主要还是平滑图像的用处，有的图像的锐度很高，用这样的均值算法，可以把锐度降低。使得图像看上去更加自然，下面就有几幅图我们可以看出一些端倪：
原图：
平滑处理后：
这里还是可以明显的感觉到不同的， 没有好坏之分，就是第二幅图片看上去更为平滑。继续我们的问题， 那这里均值平滑是否具有去除噪声的功能呢？我们搞来了椒盐噪声（就是随机的白点，黑点）来试试手：
噪声图（5%）：
平滑处理之后：
首先这里的噪声还是比较小的， 只有5%，从均值的效果来看的话， 我可以说几乎没有用，其实直观的想也可以判断， 因为这里的处理并没有剔除这些噪声点， 而只是微弱地降低了噪声，所以效果可以想见的。 最后的时候还是贴上一段处理的代码：
void meanFilter (unsigned char* corrupted, unsigned char* smooth, int width, int height){memcpy ( smooth, corrupted, width*height*sizeof(unsigned char) );for (int j=1;j<height-1;j++){for (int i=1;i<width-1;i++){smooth [ j*width+i ] = ( corrupted [ (j-1)*width+(i-1) ] + corrupted [ (j-1)*width+i] + corrupted [ (j-1)*width+(i+1) ] +corrupted [ j*width+(i-1) ] + corrupted [ j*width+i] + corrupted [ j*width+(i+1) ] +corrupted [ (j+1)*width+(i-1) ] + corrupted [ (j+1)*width+i] + corrupted [ (j+1)*width+(i+1) ] ) / 9;}}}
简单的从1...width-1来处理， 所以第一个和最后一个像素就简单的抛掉了， 如果只是简单的看看效果还是没有问题的。
如何生成 3*3 的像素阵列。可以利用 ip 核生成移位寄存器 ，方法与 ip 核生成 rom 一样，详情见 ip 核 生成 rom 操作 。
仿真波形如下 row_1 , row_2 , row_3 是指图像的第一、二、三行的数据，Per_href 是行有效信号（受VGA时序的启发，从 rom 中读取数据时设计了行有效和场有效的控制信号，事半功倍，有了利于仿真查错和数据的控制）。从 3 开始就出现了3*3 的像素阵列，这时候就可以求取周围 8 个像素点的平均值，进行均值滤波。
下面这个图表示的是FPGA 如何将矩阵数据处理成并行的像素点，可以结合下面的代码好好理解，这也是精华所在。
正方形红框框起来的是第一个完整的 3*3 矩阵，长方形红框框起来的是并行的像素点，在此基础上就可以求得平均值，进行均值滤波。
从下图也能看到 3*3 矩阵从左往右滑动。
第一个3*3 阵列。
0 1 2 -- > p11 p12 p13
3 4 5 -- > p21 p22 p23
6 7 8 -- > p31 p32 p33
核心代码如下：
reg [5:0]p_11,p_12,p_13; // 3 * 3 卷积核中的像素点reg [5:0]p_21,p_22,p_23;reg [5:0]p_31,p_32,p_33;reg [8:0]mean_value_add1,mean_value_add2,mean_value_add3;//每一行之和always @(posedge clk or negedge rst_n)beginif(rst_n==1'b0)begin{p_11,p_12,p_13} <= {5'b0,5'b0,5'b0} ;{p_21,p_22,p_23} <= {15'b0,15'b0,15'b0};{p_31,p_32,p_33} <= {15'b0,15'b0,15'b0};endelse beginif(per_href_ff0==1&&flag_do==1)begin{p_11,p_12,p_13}<={p_12,p_13,row_1};{p_21,p_22,p_23}<={p_22,p_23,row_2};{p_31,p_32,p_33}<={p_32,p_33,row_3};endelse begin{p_11,p_12,p_13}<={5'b0,5'b0,5'b0};{p_21,p_22,p_23}<={5'b0,5'b0,5'b0}{p_31,p_32,p_33}<={5'b0,5'b0,5'b0}endendendalways @(posedge clk or negedge rst_n)beginif(rst_n==1'b0)beginmean_value_add1<=0;mean_value_add2<=0;mean_value_add3<=0;endelse if(per_href_ff1)beginmean_value_add1<=p_11+p_12+p_13;mean_value_add2<=p_21+ 0 +p_23;mean_value_add3<=p_31+p_32+p_33;endendwire [8:0]mean_value;//8位数之和wire [5:0]fin_y_data; //平均数，除以8，相当于左移三位。assign mean_value=mean_value_add1+mean_value_add2+mean_value_add3;assign fin_y_data=mean_value[8:3];
五、sobel 边缘检测
边缘检测的原理
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。A代表原始图像的 3*3 像素阵列，Gx及Gy分别代表经横向及纵向边缘检测的图像，其公式如下:
图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。
如果梯度G大于某一阀值则认为该点(x,y)为边缘点。
用的是边缘检测算法。
难点：
(1)掌握了 3*3 像素阵列，Gx 与 Gy 就很好计算了。
注意问题：为了避免计算过程中出现负值，所以将正负值分开单独计算，具体见代码)
(2)G的计算需要开平方，如何进行开平方运算
Quartus ii 提供了开平方 ip 核，因此我们直接调用就好了 。
代码如下：
reg [8:0] p_x_data ,p_y_data ; // x 和 y 的正值之和reg [8:0] n_x_data ,n_y_data ; // x 和 y 的负值之和reg [8:0] gx_data ,gy_data ; //最终结果always @(posedge clk or negedge rst_n)beginif(rst_n==1'b0)beginp_x_data <=0;n_x_data <=0;gx_data <=0;endelse if(per_href_ff1==1) begin p_x_data <= p_13 + (p_23<<1) + p_33 ;n_x_data <= p_11 + (p_12<<1 )+ p_13 ;gx_data <= (p_x_data >=n_x_data)? p_x_data - n_x_data : n_x_data - p_x_data ; endelse beginp_x_data<=0;n_x_data<=0;gx_data <=0;end endalways @(posedge clk or negedge rst_n)beginif(rst_n==1'b0)beginp_y_data <=0;n_y_data <=0;gy_data <=0;endelse if(per_href_ff1==1) beginp_y_data <= p_11 + (p_12<<1) + p_13 ;n_y_data <= p_31 + (p_32<<1) + p_33 ;gy_data <= (p_y_data >=n_y_data)? p_y_data - n_y_data : n_y_data - p_y_data ; endelse beginp_y_data <=0;n_y_data <=0;gy_data <=0;endend//求平方和,调用ip核开平方reg [16:0] gxy; // Gx 与 Gy 的平方和always @(posedge clk or negedge rst_n)beginif(rst_n==1'b0)begingxy<=0;endelse begingxy<= gy_data* gy_data + gx_data* gx_data ;endendwire [8:0] squart_out ; altsquart u1_altsquart (//例化开平方的ip核.radical (gxy),.q (squart_out), //输出的结果.remainder());//与阈值进行比较reg [15:0] post_y_data_r;always @(posedge clk or negedge rst_n)beginif(rst_n==1'b0)beginpost_y_data_r<=16'h00;endelse if(squart_out>=threshold)post_y_data_r<=16'h00 ;elsepost_y_data_r<=16'hffff ;end
六、图片的显示
本来是想用 VGA 来显示图片的，由于条件的限制没能实现，最终只能将处理完的数据输出保存在 .txt 文件中，然后借助网页进行显示。
难点：
(1) 如何将数据流输出保存到 .txt 文件中。
(2) 网页的使用及注意事项。
在testbench里加入下面所示代码即可将图片数据保存到 .txt 文本。
代码如下：
integer w_file; initialw_file = $fopen("data_out_3.txt"); //保存数据的文件名always @(posedge clk or negedge rst_n) begin if(flag_write==1&&post_href==1)//根据自己的需求定义$fdisplay(w_file,"%b",post_y_data); end
网页的界面如下，将参数设置好以后就可以显示图片。
下载链接：
链接：/s/1pwkJHtAxVHWWijSLczH0Ng
提取码：e87j
注意：由于此网站是量身定做的，所以只能显示数据格式为RGB565的16位二进制的数才能正确显示，注意不能有分号，正确格式示例如下，必须严格遵守。
七、结果展示
小结：均值滤波处理后的图片有明显的黑边，产生这一现象的原因就是生成 3x 3 像素矩阵和取像素值时数据有损失造成的，但是这也是可以优化的，后续我会继续努力不断完善。
本次只是简单对一幅图像进行边缘检测，我的后续目标是实现图片的实时处理，这又需要学习很多东西了，SDRAM、摄像头驱动等等等，越学习越发现自己知道的实在是太少了，永远在路上，学无止境。希望我的分享能够帮助一些和我一样热爱FPGA图像处理的朋友。
【QQ交流群】
群号：173560979，进群暗语：FPGA技术江湖粉丝。
多年的FPGA企业开发经验，各种通俗易懂的学习资料以及学习方法，浓厚的交流学习氛围，QQ群目前已有1000多名志同道合的小伙伴，无广告纯净模式，给技术交流一片净土，从初学小白到行业精英业界大佬等，从军工领域到民用企业等，从通信、图像处理到人工智能等各个方向应有尽有。
【微信交流群】
现微信交流群已建立08群，人数已达数千人，欢迎关注“FPGA技术江湖”微信公众号，可获取进群方式。
完
后续会持续更新，带来Vivado、 ISE、Quartus II 、candence等安装相关设计教程，学习资源、项目资源、好文推荐等，希望大侠持续关注。
江湖偌大，继续闯荡，愿大侠一切安好，有缘再见！
如果觉得《算法系列：基于 FPGA 的图像边缘检测系统设计（sobel算法）》对你有帮助，请点赞、收藏，并留下你的观点哦！
