基于FPGA与Sobel算法的实时图像处理

如今,图像处理算法的复杂度越来越高,图像处理的数据量越来越大,图像处理的实时性显得十分重要。为了解 决图像预处理、视频流数据实时性存在的问题,给出了一种基于FPGA和OV5640以Sobel算子进行边缘检测的图像采集与处 理系统设计方法,FPGA将OV5640摄像头采集到的视频流数据传送至SDRAM,由Sobel算子模板处理后通过VGA显示视频 图像。该设计基于Intel公司的Cyclone IV系列FPGA芯片EP4CE10F17C8进行了验证。实验结果表明,基于FPGA和Sobel边 缘检测算法,使用流水线设计和乒乓操作,可实现视频流数据处理的实时性。     

基于FPGA硬件实现的图像边缘检测及仿真

图像边缘检测是图像分割,目标提取等数字图像处理领域中关键的步骤,对于性能和处理时间制约着后续图像处理的性能和整体的处理时间。提出一种FPGA的实时图像边缘检测系统。该系统以FPGA为平台,用VHDL硬件描述语言设计并实现了一种自适应的Canny边缘检测算法。在设计过程中,通过改进算法和优化系统结构,在合理利用硬件资源的基础上采用了流水线技术。之后通过ModelSim软件进行仿真,仿真结果表明,在FPGA中实现算法能够有效实时地检测出复杂图像的边缘。     

基于FPGA的自适应阈值边缘检测系统设计

针对传统的Canny边缘检测算法的阈值需要人为外部设定并且实时性差等问题,提出了一种改进的利用中值滤波算法结合加权平均的方法选取阈值。利用现场可编程门阵列(FPGA)高速并行处理数据的特点,设计了基于FPGA实时图像边缘检测系统,包括视频图像采集、图像处理和图像显示三大模块。实验结果验证了自适应阈值边缘检测算法的有效性,同时满足了实时性的要求。     

基于形态学多尺度算法的肺部CT图像边缘检测

医学图像边缘检测是医学图像处理和分析的基础,传统边缘检测算子对噪声敏感,检测到的图像边缘效果较差.本文提出了一种基于形态学多尺度算法的肺部CT图像边缘检测方法.首先对形态学边缘检测算子进行改进,然后利用形态学多尺度算法检测各尺度下的图像边缘,最后采用非均匀权值方法合成最终边缘.实验结果表明:该方法在检测出肺部图像边缘的同时能够很好地抑制噪声,是一种有效的肺部CT图像边缘检测方法.     

最佳阀值分割和轮廓提取技术及其应用

基于经典边缘检测算子在抗噪声干扰方面存在不足.在经典边缘检测算法的基础上,探讨了利用最佳阀值分割和轮廓提取相结合的方法实现细胞真实边缘的检测,以改善经典边缘检测算子存在的缺陷,并采用VC6.0设计了细胞图像处理平台.实例表明,处理结果与传统边缘检测算子相比,能够有效抑制噪声干扰的影响,具有较强的抗噪声能力,并且保证了细胞边缘图像的连续性、完整性和精确定位.结果表明,该方法改善了经典边缘检测算子存在的缺陷.     

焦块图像边缘检测方法的研究

介绍了利用计算机图像处理技术解决锅炉结焦问题,用几种常用边缘检测算子对焦块图像进行处理,并对其效果进行比较和分析,选择处理效果好的高斯一拉普拉斯算子,采用小波变换技术获取焦块图像边缘信息,并将两种方法的处理结果进行对比.实验表明,这两种边缘检测算法都可用于焦块图像处理,基于小波变换技术图像识别率略有提高,具有图像处理细致、速度快的特点.     

图像模糊边缘检测算法的改进

边缘检测是图像处理的重要内容之一,从算法速度和检测效果等方面分析了Pal.King模糊边缘检测算法的缺陷,提出一种新的快速模糊边缘检测算法,利用遗传算法确定模糊增强变换中最佳隶属度阈值,采用简单的隶属函数,提高了算法速度,优化了传统的边缘检测,避免使用单一算子检测边缘强度较弱的缺点,给出了利用该算法的Lena图像边缘检测实验。仿真结果表明,该算法检测边缘能力较强且提取边缘较精细,是一种实用高效的边缘检测算法。     

常用边缘检测技术的对比

边缘检测是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点.经典的边缘检测算法如canny算子等是通过计算图像中局部小区域的差分来实现边缘检测的.这类算子对噪声非常敏感,并且常常会在检测边缘的同时加强噪声.多尺度形态学边缘检测利用不同的结构元素去作用图像,通过形态腐性和形态膨胀操作,获得了效果很好的图像边缘检测算法.单尺度形态学梯度算子也能很好提检测图像边缘,但结构元素的选取对输出结果影响较大.通过使用多尺度形态学梯度算子,可以弥补结构元素的大小问题.仿真结果表明,该算法能得到较为理想的图像边缘信息,其抗噪声性能明显优于经典的算子检测算法.     

基于FPGA的铁轨检测算法设计与研究

介绍一种基于FPGA的铁轨检测方法,包括嵌入式图像处理系统的硬件平台搭建和基于FPGA的图像处理算法的研究。采用基于FPGA的软核技术,完成图像增强和复原、边缘检测、阈值分割、连通域搜索等图像处理基本算法,实现在图像中完成铁轨区域的提取。     

基于FPGA的图像处理硬件加速系统的设计

为解决图像处理算法越来越复杂,普通的计算平台已满足不了当前需求的问题,根据现场可编程门阵列(field programmable gate array, FPGA)的并行计算特点对FAST角点检测算法和Sobel边缘检测算法进行硬件加速,采用HLS(high-level synthesis, HLS)高层次综合技术对两种算法进行设计并进行相应的优化。为提升系统整体性能,在FPGA上实现全部视频输入输出接口和图像算法的完整通路,通过FPGA算法电路与OpenCV算法程序进行对比,前者的图像处理速度快于后者9～11倍,系统功耗也仅为1.9 W,图像检测可达56 fps,满足实时图像处理要求,为以后设计复杂的图像处理系统提供了参考。     

Prewitt图像边缘检测及边缘细化的FPGA实现

针对实时图像处理的要求,使用FPGA对图像数据流进行在线Prewitt边缘检测。针对传统算法需要人工给定阈值和产生的边缘较宽的不足,用基于FPGA的自适应阈值算法和非极大值抑制方法对边缘检测的结果进行细化处理,提高了边缘检测的精度。     

基于DSP+FPGA结构图像处理系统设计与实现

为了实现视频图像的实时处理，采用基于DSP FPGA的线性流水阵列结构，用现场可编程门阵列FPGA对采集的视频数字图像做预处理，并结合大规模可编程逻辑阵列CPLD进行逻辑控制，实现了视频图像的采集和目标提取的视频数字图像处理系统。介绍了该视频图像处理系统的硬件组成、工作原理和各种视频跟踪算法的应用。该系统与计算机联结，配以适当的图像处理软件和开发系统，即可形成一个通用的实时图像处理平台。     

基于DSP和FPGA的全景图像处理系统设计与实现

设计了基于DSP和FPGA的全景图像处理方案,FPGA完成图像采集,DSP完成图像的各种处理算法。利用FPGA设计了基于乒乓缓存机制的SDRAM控制器;采用EDMA方式,完成了DSP与FPGA的数据交换。测试结果表明,DSP+FPGA折反射全景图像处理系统完成了对分辨率为2 048×2 048、每秒15帧的Camera Link接口的全景图像的实时采集及缓存解算,并以1 024×768的分辨率进行实时显示。     

基于嵌入式处理平台的森林火灾检测系统设计

提出了一种基于嵌入式处理平台的森林火灾检测系统,对系统硬件设计和软件设计两个方面做了详细论述.系统核心采用DSP+FPGA设计方案,设计实现火灾检测与报警系统,FPGA采集数字视频图像并对其进行图像预处理,然后在DSP中结合相应智能图像处理和模式识别算法进行处理,处理结果通过微波通信送至主控室,对森林区域进行实时监控.实验结果表明,该系统相比传统感温、感烟等探测技术,能克服周围环境影响,具有准确性高、响应速度快,监控区域广等特点.     

基于逆透视变换的车辆排队长度检测方法

交通路口的车辆排队长度检测是智能交通系统的重要组成部分,传统的检测方法易受背景噪声、摄像机透视效果等因素的干扰造成检测失败,而且其实现都是基于串行结构的处理器,不能用于实时处理的场合。本文设计了一种充分利用平直道路几何特征并适合FPGA实现的排队长度自动检测算法,该算法利用逆透视变换消除图像几何失真,引入公路的结构性约束有效检测了车道线;接着采用Sobel边缘算子检测出各车道的车辆轮廓,通过一种基于信息量的度量方法提取排队的队尾,从而确定了车辆排队长度,并且通过硬件化设计使得整个检测过程达到实时的处理速度。     

基于FPGA的生产线毯背裂痕的快速检测

采用数字图像处理技术,完成了簇绒地毯的毯背裂痕快速检测算法的研究。由于地毯毯背材质方面凹凸不平,光线对采集图像的质量影响非常强烈,因此设计先利用幂次变换对图像进行增强,同时采用了改进的快速中值滤波算法进行图像的去噪处理,从速度和便于实现两方面考虑,又采用了改进的Canny算子来进行边缘检测,最后利用连通域标记法,依据裂痕的面积等特征实现了毯背的裂痕快速检测。表述了部分模块的FPGA实现,检测算法经MATLAB仿真证实合理可行。     

基于小波变换和曲波变换的图像边缘检测新算法

针对图像处理中的边缘检测问题,提出了一种基于小波变换和曲波变换的图像边缘检测新算法。首先对原始图像进行小波变换得到小波边缘图像;然后对原始图像进行曲波变换并使用Canny算子得到曲波边缘图像;最后基于小波变换的窗口内边缘强度自适应融合算法将小波边缘图像和曲波边缘图像进行融合得到最终边缘图像。该方法结合了小波变换描述图像细节特征的优势和曲波变换处理曲线或直线边缘特征的优势,能全面刻画边缘图像的纹理与细节信息,提高了图像清晰度。仿真实例表明了该算法的有效性。     

FPGA–DSP co-processing for feature tracking in smart video sensors

Motion estimation in videos is a computationally intensive process. A popular strategy for dealing with such a high processing load is to accelerate algorithms with dedicated hardware such as graphic processor units (GPU), field programmable gate arrays (FPGA), and digital signal processors (DSP). Previous approaches addressed the problem using accelerators together with a general purpose processor, such as acorn RISC machines (ARM). In this work, we present a co-processing architecture using FPGA and DSP. A portable platform for motion estimation based on sparse feature point detection and tracking is developed for real-time embedded systems and smart video sensors applications. A Harris corner detection IP core is designed with a customized fine grain pipeline on a Virtex-4 FPGA. The detected feature points are then tracked using the Lucas–Kanade algorithm in a DSP that acts as a co-processor for the FPGA. The hybrid system offers a throughput of 160 frames per second (fps) for VGA image resolution. We have also tested the benefits of our proposed solution (FPGA + DSP) in comparison with two other traditional architectures and co-processing strategies: hybrid ARM + DSP and DSP only. The proposed FPGA + DSP system offers a speedup of about 20 times and 3 times over ARM + DSP and DSP only configurations, respectively. A comparison of the Harris feature detection algorithm performance between different embedded processors (DSP, ARM, and FPGA) reveals that the DSP offers the best performance when scaling up from QVGA to VGA resolutions.