phpcms v9企业网站模板(简洁利于优化),重庆设计集团,腾讯cdn加速优化wordpress,张家港建设局门户网站文章目录 前言一、sobel边缘检测二、Python sobel边缘检测三、FPGA sobel边缘检测总结 前言 边缘存在于目标、背景区域之间#xff0c;它是图像分割所依赖的较重要的依据#xff0c;也是图像匹配的重要特征。边缘检测在图像处理和计算机视觉中#xff0c;尤其在图像的特征提… 文章目录 前言一、sobel边缘检测二、Python sobel边缘检测三、FPGA sobel边缘检测总结 前言 边缘存在于目标、背景区域之间它是图像分割所依赖的较重要的依据也是图像匹配的重要特征。边缘检测在图像处理和计算机视觉中尤其在图像的特征提前、对象检测以及模式识别等方面都有重要的作用。 一、sobel边缘检测 下图是Gx的计算Gy的计算类似。 为什么要乘以一个像Gx的矩阵呢其实就是在求上图中像素6周围像素的变化率求导的另外一种表示方法就是变化率。 ▽ f ( x , y ) ( ∂ f ∂ x , ∂ f ∂ y ) ( ∂ f ∂ x ) 2 ( ∂ f ∂ y ) 2 \bigtriangledown f(x, y) \Big(\frac{\partial f}{\partial x}, \frac{\partial f}{\partial y}\Big) \sqrt{\Big(\frac{\partial f}{\partial x}\Big)^2 \Big(\frac{\partial f}{\partial y}\Big)^2} ▽f(x,y)(∂x∂f,∂y∂f)(∂x∂f)2(∂y∂f)2 G x [ − 1 0 1 − 2 0 2 − 1 0 1 ] G y [ − 1 − 2 − 1 0 0 0 1 2 1 ] G_x \begin{bmatrix} -1 0 1\\ -2 0 2\\ -1 0 1 \end{bmatrix} \quad\quad\quad G_y \begin{bmatrix} -1 -2 -1\\ 0 0 0\\ 1 2 1 \end{bmatrix} Gx⎣⎡−1−2−1000121⎦⎤Gy⎣⎡−101−202−101⎦⎤ Gx与Gy算出了过后再进行如下运算计算出G。设置一个阈值threshold如果Gthreshold就将窗口中心对应的图像像素设置为255否则设置为0。 G G x 2 G y 2 G \sqrt{G_x^2 G_y^2} GGx2Gy2
二、Python sobel边缘检测
import numpy as np
import matplotlib.pyplot as plt
img plt.imread(lenna.png)
gray 0.299 * img[:, :, 0] 0.587 * img[:, :, 1] 0.114 * img[:, :, 2]
gray gray * 255#图像是[0-1]---[0-255]def kernel_mutiply(win, kernel):value np.sum(np.multiply(win, kernel))return valuedef sobel_detect(gray, gx, gy, threshold):h, w gray.shapen, n gx.shapem int((n - 1) / 2)sobel_image np.zeros((h, w))for i in range(m, h - m):for j in range(m, w - m):gx2 (kernel_mutiply(gray[i - m: i m 1, j - m: j m 1], gx)) ** 2gy2 (kernel_mutiply(gray[i - m: i m 1, j - m: j m 1], gy)) ** 2value np.sqrt(gx2 gy2)if value threshold:sobel_image[i, j] 255else:sobel_image[i, j] 0return sobel_image.astype(np.uint8)gx np.array([[-1, 0, 1],[-2, 0, 2],[-1, 0, 1]])
gy np.array([[-1, -2, -1],[0, 0, 0],[1, 2, 1]])
sobel_image sobel_detect(gray, gx, gy, 95)
fig plt.figure(figsize(8, 8))
ax fig.add_subplot(1, 2, 1)
ax.set_title(gray image)
ax.set_xlabel(width)
ax.set_ylabel(height)
plt.imshow(gray, cmapgray)
ax fig.add_subplot(1, 2, 2)
ax.set_title(sobel image)
ax.set_xlabel(width)
ax.set_ylabel(height)
plt.imshow(sobel_image, cmapgray)三、FPGA sobel边缘检测 在FPGA的sobel边缘检测中增加了移位寄存器IPsqrt数学运算IP。
//3*3图像
//P11 P12 P13
//P21 P22 P23
//P31 P32 P33//Gx算子
//-1 0 1
//-2 0 2
//-1 0 1
//Gx -P11 P13 - 2*P21 2*P23 - P31 P33
//Gx (P13 - P11) 2*(P23 - P21) (P33 - P31)//Gy算子
//1 2 1
//0 0 0
//-1 -2 -1
//Gy P11 2*P12 P13 - P31 - 2*P32 - P33
//Gy (P11 - P31) 2*(P12 - P32) (P13 - P33)
module ycbcr_to_sobel
(input wire sys_clk , //系统时钟频率为50MHZinput wire sys_rst_n , //系统复位低电平有效input wire rgb_valid , //RGB565图像显示有效信号input wire [7:0] th_data , //阈值数据input wire [7:0] y_data , //Y分量input wire [11:0] pixel_x , //有效显示区域横坐标input wire [11:0] pixel_y , //有效显示区域纵坐标output reg [15:0] sobel_data //Sobel算法处理后的图像数据
);reg y_valid ; //Y分量有效信号
//shift ram
wire [7:0] data_row1 ; //移位寄存器第一行数据
wire [7:0] data_row2 ; //移位寄存器第二行数据
wire [7:0] data_row3 ; //移位寄存器第三行数据
//3*3像素数据左上角至右下角共9个数据
reg [7:0] p11 ; //3*3第1个像素数据
reg [7:0] p12 ; //3*3第2个像素数据
reg [7:0] p13 ; //3*3第3个像素数据
reg [7:0] p21 ; //3*3第4个像素数据
reg [7:0] p22 ; //3*3第5个像素数据
reg [7:0] p23 ; //3*3第6个像素数据
reg [7:0] p31 ; //3*3第7个像素数据
reg [7:0] p32 ; //3*3第8个像素数据
reg [7:0] p33 ; //3*3第9个像素数据
//Sobel算子
wire [15:0] Gx ; //水平梯度值
wire [15:0] Gy ; //数值梯度值
wire [7:0] Gxy ; //总体梯度值assign data_row3 y_data ;
assign Gx (p13 - p11) 2*(p23 - p21) (p33 - p31) ;
assign Gy (p11 - p31) 2*(p12 - p32) (p13 - p33) ;//设定第一行、第二行第一列、第二列显示全白色
always(*)if((pixel_y 12d0)||(pixel_y 12d1)||(pixel_x 12d2)||(pixel_x 12d3))sobel_data 16hffff ;elsesobel_data (Gxy th_data) ? 16hffff : 16d0 ; always(posedge sys_clk or negedge sys_rst_n)if(sys_rst_n 1b0)y_valid 1b0 ;elsey_valid rgb_valid ;always(posedge sys_clk or negedge sys_rst_n)if(sys_rst_n 1b0)begin{p11,p12,p13} 24d0 ;{p21,p22,p23} 24d0 ;{p31,p32,p33} 24d0 ;endelse if(y_valid 1b1)begin{p11,p12,p13} {p12,p13,data_row1} ;{p21,p22,p23} {p22,p23,data_row2} ;{p31,p32,p33} {p32,p33,data_row3} ;end elsebegin{p11,p12,p13} 24d0 ;{p21,p22,p23} 24d0 ;{p31,p32,p33} 24d0 ;end shift_ram_gen shift_ram_gen_inst
(.clock (sys_clk ),.shiftin (data_row3 ),.shiftout ( ),.taps0x (data_row2 ),.taps1x (data_row1 )
);sqrt_gen sqrt_gen_inst
(.radical (Gx*Gx Gy*Gy),.q (Gxy ),.remainder ()
);endmodule 阈值还是保持95和Python中的阈值设置一样。处理结果如下。 总结 sobel边缘检测就到此结束可以看到FPGA处理过后存在噪音可以采用中值滤波进行处理感兴趣的小伙伴自行实现。下一期带来膨胀腐蚀算法敬请期待。
