圖像處理系統(tǒng)設(shè)計(jì)注意點(diǎn)：1.將算法開(kāi)發(fā)和FPGA實(shí)現(xiàn)分離用軟件的圖像處理環(huán)境可以使用大批量的圖像樣本進(jìn)行測(cè)試及調(diào)試算法，再將算法映射到硬件上，這樣大大節(jié)省了硬件調(diào)試周期。
2.算法的精度圖像處理的算法中，大部分需要采用浮點(diǎn)數(shù)運(yùn)算，而浮點(diǎn)數(shù)運(yùn)算再FPGA中是非常不劃算的，因此需要轉(zhuǎn)換成定點(diǎn)數(shù)計(jì)算，此時(shí)會(huì)設(shè)計(jì)到浮點(diǎn)運(yùn)算轉(zhuǎn)定點(diǎn)運(yùn)算時(shí)精度下降的問(wèn)題。
3.軟件和硬件的合理劃分這里的軟件是指DSP，CPU，硬件是指FPGA；一般 結(jié)構(gòu)規(guī)則 計(jì)算量大的操作如sobel算子 均值濾波可以采用硬件進(jìn)行，不規(guī)則的動(dòng)態(tài)可變長(zhǎng)度循環(huán)的底層算法由軟件進(jìn)行；
圖像處理FPGA 設(shè)計(jì)基本方法：1.陣列結(jié)構(gòu)結(jié)合流水線(xiàn)處理設(shè)計(jì)例如RGB圖像，包括三組數(shù)據(jù)，處理時(shí)需要并行三通道后，每個(gè)通道進(jìn)行分別的串行流水處理。2.緩存設(shè)計(jì)幀緩存 行緩存 列對(duì)齊3.資源分辨率 處理窗口 對(duì)資源影響成倍增加
基于FPGA設(shè)計(jì)框架舉例：
1、灰度直方圖統(tǒng)計(jì)直方圖是圖像的灰度分布統(tǒng)計(jì)的一種表示方法，統(tǒng)計(jì)目標(biāo)圖像中各個(gè)灰度點(diǎn)的像素個(gè)數(shù)，很多對(duì)于圖像的調(diào)整算法都是基于此進(jìn)行的；如何基于FPGA進(jìn)行統(tǒng)計(jì)呢？ 1）由于是統(tǒng)計(jì)圖像的直方圖，所以一定是統(tǒng)計(jì)結(jié)果會(huì)在圖像經(jīng)過(guò)之后才能產(chǎn)生，因此需要進(jìn)行緩存；
緩存一：統(tǒng)計(jì)后的結(jié)果；
緩存二：經(jīng)過(guò)統(tǒng)計(jì)處理器的圖像數(shù)據(jù)，以便后面和直方圖做同步處理。 2）圖像常常用8位、24位、32位來(lái)表示一個(gè)像素的灰度值， 因此，統(tǒng)計(jì)種類(lèi)分別為2^8=256/2^24=16777216/2^32=4294967296，地址位寬根據(jù)此進(jìn)行選擇設(shè)定； 根據(jù)不同的精度選擇不同的緩存方式：片內(nèi)或片外緩存；3）處理流程： 首先根據(jù)當(dāng)前來(lái)的灰度值做為讀RAM地址，讀出RAM中對(duì)應(yīng)灰度值的的統(tǒng)計(jì)值；
第二將讀出結(jié)果加一并回寫(xiě)回RAM的當(dāng)前地址中； 第三重復(fù)操作至當(dāng)前圖像處理結(jié)束； 第四下一幅圖像到來(lái)之前順序按灰度值從0到最大的順序?qū)⒆罱K結(jié)果讀出； 第五讀出最終結(jié)果后，將RAM清空。4）處理細(xì)節(jié) 定義參數(shù) 圖像高度IH 圖像寬度IW 像素逐行輸入 因此以行同步脈沖的上升沿作為統(tǒng)計(jì)開(kāi)始，行同步脈沖作為行統(tǒng)計(jì)計(jì)數(shù)器 行統(tǒng)計(jì)計(jì)數(shù)器達(dá)到最大高度時(shí)，作為統(tǒng)計(jì)結(jié)束標(biāo)志。
2.灰度直方圖均衡化處理
1.統(tǒng)計(jì)出直方圖，獲取各個(gè)像素灰度累加和2.乘以均衡系數(shù)：（2^DW-1）/IW*IH（像素最大值/圖像的面積）
3.直方圖線(xiàn)性拉伸處理
此節(jié)暫時(shí)略過(guò)；
4.線(xiàn)性濾波器
首先需要區(qū)分線(xiàn)性和非線(xiàn)性濾波器的區(qū)別，區(qū)別在于其輸出與輸入之間是否有唯一且確定的函數(shù)傳遞。 線(xiàn)性濾波器分類(lèi)： 平滑濾波器：主要包括均值濾波器和高斯濾波器等 銳化濾波器：主要包括SOBEL算子 LAPLAS算子 梯度運(yùn)算等 濾波器的物理意義主要是響應(yīng)信號(hào)對(duì)目標(biāo)信號(hào)響應(yīng)后的樣子，也就是響應(yīng)函數(shù)g（i，j） 滑過(guò)整個(gè)圖像，即對(duì)圖像做一個(gè)卷積處理，就得到了濾波結(jié)果。
1）均值濾波器概述
用一個(gè)圖像區(qū)域的各個(gè)像素的平均值來(lái)代替原圖像的各個(gè)像素值，主要作用是減小銳度，減小噪聲。 均值濾波一般出現(xiàn)在圖像處理的預(yù)處理步驟， 預(yù)處理后，根據(jù)噪聲來(lái)源，例如針對(duì)椒鹽噪聲做中值濾波處理，針對(duì)高斯噪聲做高斯濾波處理 后續(xù)可能繼續(xù)做邊緣提取等復(fù)雜操作處理。
2）均值濾波器設(shè)計(jì)
設(shè)計(jì)一個(gè)濾波器可以理解成設(shè)計(jì)一個(gè)響應(yīng)函數(shù)g（x，y）=Σi=-rrΣj=-rr I（x+i，y+j）） / （2r+1）2 數(shù)學(xué)公式很好理解，就是求一個(gè)窗口的所有像素灰度值之后后再除以整個(gè)窗口的面積也就是像素點(diǎn)個(gè)數(shù)，求出平均值； 均值濾波的方法將數(shù)據(jù)存儲(chǔ)成3x3的矩陣，然后求這個(gè)矩陣。在圖像上對(duì)目標(biāo)像素給一個(gè)模板， 該模板包括了其周?chē)呐R近像素（以目標(biāo)象素為中心的周?chē)?8 個(gè)像素，構(gòu)成一個(gè)濾波模板，即去掉目標(biāo)像素本身），再用模板中的全體像素的平均值來(lái)代替原來(lái)像素值。
（參考：http://www.cnblogs.com/ninghechuan/p/6789399.html）
（參考：http://www.cnblogs.com/aslmer/p/5779079.html#undefined） shift_ram 進(jìn)行數(shù)據(jù)矩陣化，將3x3矩陣的中心像素的周?chē)藗€(gè)點(diǎn)求和，采取了流水線(xiàn)的設(shè)計(jì)方法，來(lái)增加吞吐量，然后再求平均值代替目標(biāo)像素的值。
1 //矩陣元素移位賦值
2 always @（posedge clk or negedge rst_n）begin
3 if（rst_n==1'b0）begin
4 {p_11，p_12，p_13} 《= {5'b0，5'b0，5'b0} ;
5 {p_21，p_22，p_23} 《= {15'b0，15'b0，15'b0};
6 {p_31，p_32，p_33} 《= {15'b0，15'b0，15'b0};
7 end
8 else begin
9 if（per_href_ff0==1&&flag_do==1）begin
10 {p_11，p_12，p_13}《={p_12，p_13，row_1};
11 {p_21，p_22，p_23}《={p_22，p_23，row_2};
12 {p_31，p_32，p_33}《={p_32，p_33，row_3};
13 end
14 else begin
15 {p_11，p_12，p_13}《={5'b0，5'b0，5'b0};
16 {p_21，p_22，p_23}《={5'b0，5'b0，5'b0}
17 {p_31，p_32，p_33}《={5'b0，5'b0，5'b0}
18 end
19 end
20 end
23 always @（posedge clk or negedge rst_n）begin
24 if（rst_n==1'b0）begin
25 mean_value_add1《=0;
26 mean_value_add2《=0;
27 mean_value_add3《=0;
28 end
29 else if（per_href_ff1）begin
30 mean_value_add1《=p_11+p_12+p_13;
31 mean_value_add2《=p_21+ 0 +p_23;
32 mean_value_add3《=p_31+p_32+p_33;
33 end
34 end
35
36 wire ［8:0］mean_value;//8位數(shù)之和
37 wire ［5:0］fin_y_data; //平均數(shù)，除以8，相當(dāng)于左移三位。
38
39 assign mean_value=mean_value_add1+mean_value_add2+mean_value_add3;
40 assign fin_y_data=mean_value［8:3］；
View Code
3）sobel算子 | -1 0 +1 |
Gx= | -2 0 +2 |
| -1 0 +1 |
| -1 -2 -1 |
Gy= | 0 0 0 |
| +1 +2 +1 |
包括X和Y兩個(gè)方向的兩套3X3矩陣，使其分別和圖像的X和Y方向進(jìn)行卷積計(jì)算（矩陣的卷積計(jì)算即將所有元素做乘加計(jì)算）； 兩個(gè)方向的卷積結(jié)果求平方根計(jì)算； 計(jì)算結(jié)果如果大于閾值則等于0xffff，如果小于閾值則等于0； 最終輸出則是圖像的邊緣。
參考代碼如下：由于算子簡(jiǎn)單以及有正負(fù)區(qū)分，因此需要做正值和負(fù)值分別計(jì)算后再進(jìn)行相減計(jì)算。
1 //矩陣元素移位賦值
2 always @（posedge clk or negedge rst_n）begin
3 if（rst_n==1'b0）begin
4 {p_11，p_12，p_13} 《= {5'b0，5'b0，5'b0} ;
5 {p_21，p_22，p_23} 《= {15'b0，15'b0，15'b0};
6 {p_31，p_32，p_33} 《= {15'b0，15'b0，15'b0};
7 end
8 else begin
9 if（per_href_ff0==1&&flag_do==1）begin
10 {p_11，p_12，p_13}《={p_12，p_13，row_1};
11 {p_21，p_22，p_23}《={p_22，p_23，row_2};
12 {p_31，p_32，p_33}《={p_32，p_33，row_3};
13 end
14 else begin
15 {p_11，p_12，p_13}《={5'b0，5'b0，5'b0};
16 {p_21，p_22，p_23}《={5'b0，5'b0，5'b0}
17 {p_31，p_32，p_33}《={5'b0，5'b0，5'b0}
18 end
19 end
20 end
23 always @（posedge clk or negedge rst_n）begin
24 if（rst_n==1'b0）begin
25 mean_value_add1《=0;
26 mean_value_add2《=0;
27 mean_value_add3《=0;
28 end
29 else if（per_href_ff1）begin
30 mean_value_add1《=p_11+p_12+p_13;
31 mean_value_add2《=p_21+ 0 +p_23;
32 mean_value_add3《=p_31+p_32+p_33;
33 end
34 end
36 wire ［8:0］mean_value;//8位數(shù)之和
37 wire ［5:0］fin_y_data; //平均數(shù)，除以8，相當(dāng)于左移三位。
39 assign mean_value=mean_value_add1+mean_value_add2+mean_value_add3;
40 assign fin_y_data=mean_value［8:3］；
View Code 3）sobel算子 | -1 0 +1 |
Gx= | -2 0 +2 |
| -1 0 +1 |
| -1 -2 -1 |
Gy= | 0 0 0 |
| +1 +2 +1 |
5.非線(xiàn)性濾波器
非線(xiàn)性濾波器通常下是沒(méi)有特定的轉(zhuǎn)移函數(shù)，統(tǒng)計(jì)排序?yàn)V波器；
中值濾波
將 3*3 滑動(dòng)塊中的灰度值進(jìn)行排序，然后用排序的中間值取代 3*3 滑塊中心的值。示意圖如下圖所示。
第一步：將每一行按最大值、中間值、最小值排列 第二步：提取出最大值的最小值，中間值的中間值，最小值的最大值 第三步：將第二步提取出來(lái)的三個(gè)數(shù)進(jìn)行排序，中間值即我們要求的中間值。
6.圖像分割
圖像分割是將圖像劃分成若干個(gè)互不相交的小區(qū)域的過(guò)程，將圖像中有意義的特征或應(yīng)用所需要的特征信息提取出來(lái)，最終結(jié)果是分割成一些具有 某種特征的單元，稱(chēng)為圖像的基元。
更多信息可以來(lái)這里獲取==>>電子技術(shù)應(yīng)用-AET<<
