灰度图像的sobel边缘检测算法

Posted 晓鹏的博客

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了灰度图像的sobel边缘检测算法相关的知识,希望对你有一定的参考价值。

之前上一篇文章写了如何将图片进行灰度化处理,这篇文章参考CB的文章简单的介绍一下如何进行sobel边缘化处理。

边缘 : 周围像素灰度急剧变化的那些像素的集合,它是图像最基本的特征

公式 : 

    

这里Gx和Gy分别代表横向及纵向边缘检测的图像灰度值,该点灰度值大小为G,式子里A代表经过灰度

处理的原始图像,最终计算出来的结果和设定的阈值进行比较如果大于阈值显示一个颜色,否则就显示其他

颜色即可。

 

 

 

采用流水线的方法:

  1、移位,A是一个3X3的矩阵,需要不断的刷新,我用的是9个寄存器,每一个时钟就刷新一次。

  2、计算Gx 和Gy,矩阵相乘展开以后就是几个数据相乘,因为矩阵因子里面有负数,所以需要

          比较大小,把正值给保留下来。

  3、求平方和

  4、利用altera自带的IP核,实现开根号处理。

  5、跟阈值进行比较

矩阵:

3X3矩阵采用的是altera自带的ip核,移位ip核taps是指有几层,如果把data_in算进去的话,taps两层即可,distance是指距离,每一层的长度是多少,distance

也对应sobel处理的图片长度,移位ip核运行原理类似与弹珠游戏,新的数据把旧的数据向前推。

时钟延时:

  因为流水线数据处理有延时,所以最终vga显示使能也需要将移动相应的时钟来保持同步

/*-----------------------------------------------------------------------

Date                :        2017-XX-XX
Description            :        Design for sobel.

-----------------------------------------------------------------------*/

module sobel
(
    //global clock
    input                    clk                    ,            //system clock
    input                    rst_n                ,             //sync reset
    
    
    //sobel    interface
    output            [10:0]    sobel_data            ,
    
    //matrix     interface
    input            [ 7:0]   matrix_p11 , matrix_p12 , matrix_p13 ,
    input            [ 7:0]   matrix_p21 , matrix_p22 , matrix_p23 ,
    input            [ 7:0]   matrix_p31 , matrix_p32 , matrix_p33 ,

    //en
    input                    mean_en                ,
    output                    display_val        
    
); 


//--------------------------------
//Funtion :  变量声明



reg            [9:0]        gx_temp1                                            ;
reg            [9:0]        gx_temp2                                            ;
reg            [9:0]        gx_data                                                ;

reg            [9:0]        gy_temp1                                            ;
reg            [9:0]        gy_temp2                                            ;
reg            [9:0]        gy_data;             

reg            [20:0]        gxy_square                                            ;
reg            [ 4:0]        delay_en                                            ;

//--------------------------------
//Funtion :  计算Gx Gy

always @(posedge clk or negedge rst_n)
begin
    if(!rst_n)
    begin
        gx_temp1 <= 1\'d0;
        gx_temp2 <= 1\'d0;
        gx_data     <= 1\'d0;
    end
    else
    begin
        gx_temp1 <= matrix_p31 + (matrix_p32 << 1) + matrix_p33;
        gx_temp2 <= matrix_p11 + (matrix_p12 << 1) + matrix_p13;
        gx_data  <= (gx_temp1 >= gx_temp2) ? gx_temp1 - gx_temp2 : gx_temp2 - gx_temp1;
    end
end

always @(posedge clk or negedge rst_n)
begin
    if(!rst_n)
    begin
        gy_temp1 <= 1\'d0;
        gy_temp2 <= 1\'d0;
        gy_data     <= 1\'d0;
    end
    else
    begin
        gy_temp1 <= matrix_p11 + (matrix_p21 << 1) + matrix_p31;
        gy_temp2 <= matrix_p13 + (matrix_p23 << 1) + matrix_p33;
        gy_data  <= (gy_temp1 >= gy_temp2) ? gy_temp1 - gy_temp2 : gy_temp2 - gy_temp1;
    end
end

//--------------------------------
//Funtion :  gx^2 + gy^2

always @(posedge clk or negedge rst_n)
begin
    if(!rst_n)
        gxy_square <= 1\'d0;
    else
        gxy_square <= gx_data * gx_data + gy_data * gy_data;
end


//--------------------------------
//Funtion :  sqrt

sqrt_sobel sqrt_inst(
    .radical(gxy_square),
    .q(sobel_data)
    //remainder
    );

//--------------------------------
//Funtion :  delay_en

always @(posedge clk or negedge rst_n)
begin
    if(!rst_n)
        delay_en <= 1\'d0;
    else
        delay_en <= {delay_en[3:0] , mean_en};
end

assign    display_val = delay_en[4];


endmodule
    

 

以上是关于灰度图像的sobel边缘检测算法的主要内容,如果未能解决你的问题,请参考以下文章

Sobel边缘检测算法(转载)

图像边缘检测:Canny算子、Prewitt算子和sobel算子

OpenCV——Sobel边缘检测

边缘检测基于matlab八方向sobel图像边缘检测含Matlab源码 1865期

sobel边缘检测优缺点与canny算子的优缺点?

图像边缘检测基于matlab自适应阈值的八方向和四方向sobel图像边缘检测含Matlab源码 2058期