文章目录
- 一、sobel边缘检测算法
-
- 1.1 初识sobel边缘检测
- 1.2 sobel原理
- 1.3 应用
- 二、matlab实现sobel边缘检测
- 三、FPGA实现sobel边缘检测
-
- 3.1 3*3窗口生成
- 3.2 sobel算法模块
- 四、modelsim仿真
- 五、效果对比
基于均值、中值和高斯滤波等的实现，本文对sobel边缘检测进行实现。
一、sobel边缘检测算法 1.1 初识sobel边缘检测 边缘检测是是特征提取中的一个研究领域，它能边缘检测出数字图像中亮度变化明显的点，减少数据量，并剔除不相关的信息，最终保留图像重要的结构属性。常见的常用的边缘检测模板有Laplacian算子、Roberts算子、Sobel算子等。本文介绍Sobel算子。同时，Sobel 边缘检测通常带有方向性，可以只检测竖直边缘或垂直边缘或都检测
1.2 sobel原理 1、Sobel 提供了x水平和y垂直两个方向的滤波模板。
文章图片
采用上面模板对原图像A进行卷积，其中 Gx 为水平横向灰度值，Gy为垂直纵向灰度值
文章图片
2、由Gx和Gy，计算该点的灰度值，公式如下：
文章图片
由于公式涉及到开方运算，我们可调用IP核，也可对公式进行近似简化，以提高运算效率：
文章图片
梯度方向的计算：
文章图片
3、设置阈值，小于阈值的G认为是边缘点。
1.3 应用 sobel边缘检测算法可在SIFT特征提取中使用。因为SIFT提取的特征点中含有边缘点，存在边缘响应的问题（不稳定的边缘点），我们即可在设置阈值，将不稳点边缘点剔除。
文章图片
二、matlab实现sobel边缘检测 设置阈值：120；
clc;
clear all;
close all;
RGB = imread('flower.bmp');
%读取图片
gray = double(rgb2gray(RGB));
%灰度图[ROW,COL, DIM] = size(gray);
%得到图像行列数
value = https://www.it610.com/article/120;
%阈值设置
Sobel_img = zeros(ROW,COL);
for r = 2:ROW-1
for c = 2:COL-1
Gx = gray(r-1,c+1) + 2*gray(r,c+1) + gray(r+1,c+1) - gray(r-1,c-1) - 2*gray(r,c-1) - gray(r+1,c-1);
Gy = gray(r-1,c-1) + 2*gray(r-1,c) + gray(r-1,c+1) - gray(r+1,c-1) - 2*gray(r+1,c) - gray(r+1,c+1);
G = abs(Gx) + abs(Gy);
%G = sqrt(Gx^2 + Gy^2);
if(G> value)
Sobel_img(r,c)=0;
else
Sobel_img(r,c)=255;
end
end
endsubplot(2,2,1);
imshow(RGB);
title('原图');
subplot(2,2,2);
imshow(gray/256);
title('原图');
subplot(2,2,3);
imshow(Sobel_img);
title('Sobel');
imwrite(gray/256,'灰度图.bmp');
imwrite(Sobel_img,'sobel.bmp');
运行结果：
文章图片
三、FPGA实现sobel边缘检测 注意：加入value信号，进行阈值比较。
文章图片
3.1 3*3窗口生成 同高斯滤波，由于sobel边缘检测仍是33卷积运算，因此我们要生成33窗口。
3.2 sobel算法模块 流水并行处理：
第一级流水线并行：计算Gx模板左右列乘积和，计算Gy模板上下行乘积和
第二级流水并行：计算|Gx|和|Gy|——注意正负数的处理
第三级流水线：计算绝对值之和，得到最终的|G| = |Gx| + |Gy|
组合逻辑：阈值比较
【matlab|FPGA实现sobel边缘检测并Modelsim仿真，与MATLAB实现效果对比】
文章图片
verilog代码如下：
module sobel(
inputclk,
inputrst_n,
input[7:0]value,inputiValid,input[7:0]sobel_11,sobel_12,sobel_13, //生成的3*3窗口数据
input[7:0]sobel_21,sobel_22,sobel_23,
input[7:0]sobel_31,sobel_32,sobel_33,outputsobel_de,//de同步信号outputwire[7:0]sobel_data// 高斯卷积：加权平均后的值);
reg [2:0]de_shift1 ;
reg [9:0]Gx1, Gx2 ,Gy1 ,Gy2 ,Gx,Gy;
reg [10:0]G;
reg [7:0]sodel;
//---------------------------------------------------
//sobel三级流水线
//---------------------------------------------------//clk1,计算Gx模板左右列乘积和，计算Gy模板上下行乘积和always @ (posedge clk or negedge rst_n)
if(!rst_n) begin
Gx1 <= 1'b0;
Gx2 <= 1'b0;
Gy1 <= 1'b0;
Gy2 <= 1'b0;
end
else begin
Gx1 <= sobel_11 + (sobel_21 << 1) + sobel_31 ;
Gx2 <= sobel_13 + (sobel_23 << 1) + sobel_33 ;
Gy1 <= sobel_11 + (sobel_12 << 1) + sobel_13 ;
Gy2 <= sobel_31 + (sobel_32 << 1) + sobel_33 ;
end//clk2，计算 |Gx|和|Gy|,正负号的处理要注意
always @ (posedge clk or negedge rst_n)
if(!rst_n) begin
Gx <= 1'b0;
Gy <= 1'b0;
endelse begin
Gx = (Gx1 > Gx2) ? (Gx1 - Gx2) : (Gx2 - Gx1) ;
Gy = (Gy1 > Gy2) ? (Gy1 - Gy2) : (Gy2 - Gy1) ;
end// clk3，计算|Gx|+|Gy|always @(posedge clk or negedge rst_n) begin
if(!rst_n) begin
G <= 1'd0;
end
else begin
G <= Gx+ Gy;
end
end// 阈值比较
always @(*)
if(G > value)
sodel <= 8'b0;
else
sodel <= 8'd255;
assign sobel_data = https://www.it610.com/article/sodel;
// 打拍做同步
always @(posedge clk ornegedge rst_n) begin
if(!rst_n)begin
de_shift1<=3'b0;
end
else begin
de_shift1 <= {de_shift1[1:0], iValid};
end
end
assign sobel_de= de_shift1[2];
endmodule
四、modelsim仿真 阈值设为120
// 实例化
sobel_top sobel_top(
.clk(clk),
.rst_n(rst_n),
.iValid(iValid),
.iData(gray),
.value(8'd120),
.oValid(oValid),
.oData(oData)
);
波形和高斯滤波等分析方式相同。
文章图片
五、效果对比 原图：
文章图片
Matlab实现sobel边缘检测：
文章图片
FPGA实现sobel边缘检测：
文章图片
推荐阅读
- 数据可视化|离散余弦变换进行图像变换Matlab实现
- fpga开发|FPGA高斯滤波实现并Modelsim仿真，与MATLAB高斯滤波进行对比
- 基于matlab因子指标赋权（主成分分析+熵值法+博弈论的组合赋权法）
- 数电|病房呼叫电路multisim仿真
- matlab|【转】电子毕业设计题目
- verilog|Verilog 四层电梯设计
- ★MATLAB算法仿真经验|【眼底检测】视网膜动静脉血管检测和特征计算matlab仿真
- python与matlab一些常用函数互转
- MATLAB SVM寻找最佳参数 c g