1 Sobel边缘检测算法
图1给出了Sobel边缘检测算法框图。从图中可以看出对一副图像进行Sobel边缘检测时首先要利用Sobel算子计算出水平梯度和垂直梯度,然后再把两个方向的梯度结合起来,最后应用门限处理模块判断图像边缘并输出边缘检测结果。
图2(a)为一副图像的3×3区域,图2(b)和图2(c)分别为Sobel算子的x方向(垂直方向)梯度算子和y方向(水平方向)梯度算子。当采用Sobel算子对图2(a)所示的3×3区域做梯度计算时,可得标记为z5的像素点x方向梯度和y方向的梯度分量分别为:
梯度的计算需要Gx,Gy这两个分量按公式联合使用。然而实际执行时,为了运算方便可以采用公式f△|Gx|+|Gy|对梯度进行近似。
该设计在门限处理时,采用基本全局门限:当某像素点(x,y)的梯度值XXXXf(x,y)大于或等于设定的门限T时,规定该点的灰度值为255,反之则为0。即:
2 Sobel边缘检测的硬件实现
根据图1所示的Sobel边缘检测算法框图,可得FPGA硬件实现Sobel边缘检测时应该包含梯度计算模块和门限处理模块。此外在硬件实现时还要采用图像数据缓冲模块对图像做缓冲处理,以便进一步对图像数据做模板处理。门限处理模块可以通过编写VerilogHDL代码实现。以下主要介绍图像数据缓冲模块和梯度计算模块。
2.1 图像数据缓冲模块器
在图像的空域滤波中,为了得到3×3的方形模板窗,常使用FIFO(First In First Out)模块作为图像数据的缓冲器。这里通过应用基于RAM的移位寄存器宏模块altshift taps实现了同样的功能,而且还省去了一些控制信号,使用十分方便。
altshift_taps宏功能模块是一个可配置的、具有抽头(Taps)输出的移位寄存器,每个抽头在移位寄存器链的指定位置输出数据。图3(a)和图3(b)分别为定制的8位输入/8位输出、3抽头,且相邻两个抽头相距256个寄存器的altshift_taps0功能模块及其内部寄存器链结构图,图3(b)中的Buffer0,Buffer1,Buffer2分别为由256个8位移位寄存器构成的寄存器链。当图像的第N行数据在像素时钟同步下从shiftin[7:0]端输入到altshift_taps0的Buffer0后,随着第N+1行图像数据输入到Buffer0中,第N行的图像数据依次存入Buffer1中,而当第N十2行图像数据存入Buffer0后,Buffer1和Buffer2中分别存放的是第N+1行和第N行的图像数据,从而实现缓冲图像数据的功能。这样在像素时钟的同步下,第N+2,N+1,N行的同一列数据分别从tap0x[7:0],taplx[7:0],tap2x[7:0]端输出给梯度计算模块,进行梯度计算。
2.2 梯度计算模块
Sobel边缘检测中,图像像素点梯度的计算可由So-bel算子与图像像素卷积运算的输出经梯度计算公式计算获得。图5是图4所示的3×3空间滤波模板与图2(a)所示的3×3图像区域卷积运算的原理图。从中可以看出,为了实现卷积运算需要做乘法和加法运算,之前的文献中大都采用分立的D触发器和加法器以及乘法器来完成卷积运算,它的结构复杂。在此采用可编程乘加器altmult_add模块和可编程多路并行加法器par-allel_add模块实现卷积运算,大大简化了设计。