摘要：本文設計了一種基於 FPGA 的實時邊緣檢測系統，使用OV5640 攝像頭模塊獲取實時的視頻圖像數據，提取圖像邊緣信息並通過 VGA顯示。FPGA 內部使用流水線設計和並行運算加速算法，利用乒乓操作和 SDRAM 緩存圖像，可以實時提取視頻圖像的邊緣特徵。文中對比了 MATLAB 和 FPGA 的處理效果，由於 FPGA 對算法採取了硬件加速，所以相較於 MATLAB 等計算機軟件實現方式有更快的處理速度。經驗證，系統工作穩定，滿足實時性要求。
MATLAB 與 FPGA無線通信、圖像處理、數字信號處理系列
引言
圖像的邊緣包含一副圖像的大部分信息，是圖像分析和模式識別的主要特徵提取手段 。由於實時視頻圖像的邊緣檢測需要處理的數據量非常大，所以採用一般的軟件方法實現起來處理速度慢，無法滿足實時性的要求。
隨着可編程邏輯器件（FPGA）的高速發展，使用 FPGA 芯片搭建圖像處理硬件平臺成爲圖像處理的發展趨勢。FPGA在運算性能方面的具有較大優勢，使用FPGA並行加速圖像處理算法，既滿足了運算量和運行速度的要求，又具有較高的集成度。
所以，研究基於 FPGA 的圖像邊緣檢測解決方案具有重要的實際意義，在醫學影像處理、工業器件探傷、目標識別等邊緣檢測領域有着非常廣闊的應用。
1 系統方案與設計
本系統基於 Altera 公司 Cyclone IV 系列的 EP4CE6F17C8 型號的 FPGA ，系統整體框圖如圖1所示，主要包括 FPGA 並行運算平臺、攝像頭採集模塊、存儲模塊和顯示模塊，設計時採用自頂向下的設計模式，使用全局復位和跨時鐘域處理。
系統運行時， FPGA 並行運算平臺首先完成對攝像頭的初始化和寄存器配置，配置完成之後讀取實時的圖像數據存入 SDRAM 存儲器中，在 FPGA 芯片內部並行實現圖像處理算法，對從 SDRAM 中讀出的數據進行 Sobel 邊緣檢測並送入 VGA 顯示，通過獨立按鍵可以切換顯示模式和設定邊緣檢測閾值。
2 圖像預處理
由於 Sobel 算子是針對灰度圖像的邊緣檢測，所以先把彩色圖像轉爲灰度圖像。將 RGB565 轉化爲 RGB888，再將 RGB888 轉爲 YCbCr 格式，最後提取其中的 Y 分量即可得到灰度圖像。RGB888與 YCbCr 轉換公式如下：
由於 FPGA 無法直接運算浮點數，所以先擴大系數近似爲整數再運算。此處擴大256 倍後取整，將運算結果右移 8 位，提取 Y 分量即可得到灰度圖像，即
從 RGB888 圖像中得到 YCbCr 圖像的 Y 分量的並行運算示意圖如圖3所示。
3 邊緣檢測算法設計
如圖4所示爲待處理的3×3 像素點，使用 Sobel 算子處理中心像素點 P5，
使用 X、Y 方向的算子處理可得X、Y方向的梯度值 GX1、GY1 分別爲：
整體梯度值 G 爲：
在 FPGA 中，開平方運算非常消耗資源，可以使用絕對值近似開平方，即：
由於P1 ~ P9均爲灰度像素點，範圍在0 ~ 255，可用無符號數左移代替乘法，即：
由上式可知GX11、GX12、GY11、GY12 均爲正值，因此簡化絕對值：
由上可計算GX11、GX12、GY11、GY12，繼而求 G，當 G 大於設定的閾值時判定爲圖像的邊緣。
如圖5 所示爲Sobel 算子並行實現示意圖，使用3個 Shift_ram 實現移位操作，使用三級流水線計算邊緣檢測值 G。判斷 G 是否大於閾值，若大於閾值則輸出0（8位數據0X00）否則輸出 255（8位數據0XFF），即邊緣處爲黑色其餘位置爲白色。
4 邊緣檢測算法性能對比
（1）MATLAB與FPGA處理效果對比
使用 MATLAB讀取一張1024*768分辨率的灰度圖片如圖6所示，對比MATLAB 與 FPGA 處理效果的不同。MATLAB和 FPGA進行邊緣檢測後的均以 40 爲閾值進行二值化，對應的二值化圖像如圖7（a）和（b）所示，兩者均以 60 爲閾值得到圖8（a）和（b）。
**通過對比可以看出，使用 FPGA 進行Sobel邊緣檢測能夠實現與 MATLAB 相近的檢測效果，驗證了算法的可行性。**相對於 MATLAB，FPGA檢測在同樣的與之情況下檢測出更多的邊緣和噪聲，在閾值爲40時的圖片右上角和在建築物頂部球狀物、針狀物處比較明顯，分析其原因和 FPGA 在計算時候的數據舍入有關。總體評價來看，FPGA能夠實現較好的邊緣檢測效果。
（2）MATLAB與FPGA運行時間對比
在MATLAB使用本文所述的 Sobel 邊緣檢測算法，提取一張1024720分辨率的灰度圖像的邊緣，經過計時發現僅實現 Sobel 邊緣檢測需要597.451 ms（使用 MATLAB 2016a，CPU主頻1.8GHz），即每秒鐘僅能處理約 1.67 張圖片。
使用 FPGA運行本文所述的 Sobel邊緣檢測算法，使用50 MHz時鐘（週期20 us），在1024個時鐘週期後得到 LineBuffer 緩衝出的第一行數據，4個時鐘週期後開始輸出邊緣檢測後的數據，處理完一副1024720分辨率的圖片需要的時間 T 爲
由以上對比可知，FPGA並行運算在算法加速上面有着非常好的性能，處理速度遠超 MATLAB 這種串行處理方式，使用FPGA方式每秒鐘大約可以處理67張圖片，滿足實時性的要求。
總結
本文在 FPGA 平臺上中並行實現了實時圖像的 Sobel 邊緣檢測算法，從公式上進行化簡近似得到本系統所用的Sobel實現方式；通過對比MATLAB和FPGA的計算用時，可以看出FPGA的並行運算將速度提升了40倍以上，實現了算法的硬件加速，處理效果也能夠滿足系統的實時性要求。使用該算法處理攝像頭獲取的實時圖像，能夠達到良好的檢測效果。
當然，本系統仍然後很多的不足，比如在抗噪聲性能以及邊緣的連續性方面仍有很大的改進空間，後續可以在這方面繼續進行優化。
說明
轉載請先聯繫作者，並註明出處，未經允許請勿轉載；
博主：等風來123（DengFengLai123）
QQ：3053749041 阿修羅