数字图像处理中FPGA图形化编程设计

本文首先比较了现有的两种FPGA设计方法,重点介绍了图形化编程的优点,然后基于System Generator设计工具.以Sobel边缘检测算法为例,在Matlab/Simulink平台上构建了数字图像处理系统.将该算法进行图形化建模及在线仿真,并将设计结果编译为硬件描述语言（HDL）.最后对系统进行了功能验证和测试结果分析,讨论了图形化建模的直观处理结果、RTL级视图、实际消耗资源情况以及运行速度等情况.     

基于改进的Sobel算子边缘检测算法

为了解决传统的Sobel算子算法存在的斜向方向不敏感问题,提出了一种改进的Sobel算法。该算法在Sobel 算子基础上,增加了45°和135°2个方向模板,并且以斜向边缘为主重新分配了算子模板的权重。算法先将图像转换为灰度图像,然后用改进的Sobel算子得到梯度图像,再采用局部梯度阈值对梯度图像进行细化处理,最后结合斜向边缘方向域值进行二值化,得到边缘图像。仿真实验表明,与传统Sobel算法相比,该算法提高了检测精度,使得边缘细节更丰富、更连续。     

基于改进的Sobel算子边缘检测算法

为了解决传统的Sobel算子算法存在的斜向方向不敏感问题,提出了一种改进的Sobel算法。该算法在Sobel算子的基础上,增加了45°和135° 2个方向模板,并且以斜向边缘为主重新分配了算子模板的权重。算法先将图像转换为灰度图像,然后用改进的Sobel算子得到梯度图像,再采用局部梯度阈值对梯度图像进行细化处理,最后结合斜向边缘方向域值进行二值化,得到边缘图像。仿真实验表明,与传统Sobel算法相比,该算法提高了检测精度,使得边缘细节更丰富、更连续。     

车道偏离预警系统关键技术设计

车道偏离系统是一种安全辅助驾驶系统,针对传统车道偏离预警系统实时性不足,设计了基于改进Sobel算法和Hough变换识别车道线的实时车道偏离预警系统。系统将摄像机采集的道路图像经过改进Sobel算法处理,能更快得到车道线边缘像素信息,再应用Hough变换连接有效边缘像素确定车道线位置,最后通过与预警决策模块的匹配度实现车道偏离的预警判定。经测试系统性能良好。     

边缘检测算子在车标识别中的应用

在数字图像知识的指导下,研究车标的边缘检测算法,分析Sobel算子和Laplacian-Gaussian微分算子的处理效果.针对以上两种算子的不足之处,提出一种改进的Sobel算子.     

机器视觉中边缘检测算法的SDSoC加速实现

针对机器视觉图像处理中边缘检测算法要求越来越高的实时性，提出使用SDSoC加速实现机器视觉中的边缘检测算法。基于SDSoC开发环境，选用ZC706作为开发平台对Canny边缘检测和Sobel边缘检测进行加速。SDSoC环境支持处理器系统（Processing System，PS）和可编程逻辑（Programmable Logic，PL），根据PS和PL的特性，将两种边缘检测算法中的模块分配在各自适用的硬件架构上运行，即在PS端使用优化的数据分配方法，在PL端使用缓冲区结构及优化指令。实验结果表明，对于512×512的图像，Canny算法用时4.61 ms，Sobel算法用时3.20 ms，满足了机器视觉算法实时性的要求。     

基于红外图像特征匹配的图像处理系统

基于特征的图像匹配算法在图像处理系统中有重要的应用.文中以TMS320 DM648型号的数字信号处理器(DSP)为核心,组建红外图像匹配系统.系统首先预处理红外图像,然后采用Sobel算法提取图像边缘,接着提取图像共生矩阵作为特征向量,最后找出匹配图片.试验表明,此系统在精度和速度方面都满足要求,是一套切实可行的方案.     

一种基于数学形态学的含噪、低对比度图像的边缘检测方法

提出了一种基于多方位小结构元素的抗噪膨胀腐蚀算法,通过实验证明,该算法对噪声图像和低对比度图像都能达到令人满意的检测效果,与经典的Sobel算子、Canny算子相比,具有定位准确,边缘连续、清晰,运行效率高等特点。     

基于改进Sobel算子的车牌定位方法

车牌定位作为车牌识别系统中的一个重要环节,定位算法的好坏直接影响到识别的效果.本文针对不同背景和光照条件下的车辆图像,提出一种改进Sobel算子的车牌定位算法,首先对已经过预处理的车牌图像进行改进的Sobel运算.然后使用迭代求图像最佳分割阈值的算法二值化出前景,根据车牌区域纹理丰富的特点.采用水平梯度算子求得图像的水平投影图,再运用数学形态学的开闭运算进行车牌垂直定位,最终定位车牌位置.经过大量试验证明,该算法准确率高、定位速度快.具有较好的实用价值.     

面向FT-M7002的Sobel边缘检测算法优化实现

边缘检测是图像处理与计算机视觉领域中一种重要的图像分析方法,Sobel算子常用于粗精度的边缘提取,在图像边缘检测中被广泛应用。随着国产飞腾（FT）系列高性能数字信号处理器的发展,图像处理领域对FT平台的需求日益提高,同时急需实现面向FT平台的高性能图像处理算法。针对上述问题,在FT-M7002平台上对Sobel边缘检测算法进行向量并行优化,使用FT-M7002处理器内嵌SIMD指令,挖掘Sobel边缘检测算法中的数据级并行性,同时设计并实现一种字符型与整型数据间的并行化转换接口,使用循环展开优化方法提升指令节拍数,通过DMA矩阵转置解决数据访存不连续的问题。采用双缓冲技术实现数据传输与内核计算的并行,从而隐藏数据传输与计算之间的时间间隙。对比分析多种卷积核大小及图片规模下原Sobel算法与优化算法的性能,结果表明,与原始算法相比,该优化算法能取得1.66~3.14倍的加速比,此外,相较TMS320C6678处理器上的运行结果,在FT-M7002平台上优化算法可达到1.87~2.08倍的加速效果。     

基于FPGA联合Sobel算法的实时图像边沿检测系统的设计与实现

边沿检测技术作为数字图像处理领域的重要一支,在目标匹配,交通管控,国防安全等多个领域有着广泛的应用,能够精确高效地实现边沿检测对于后续进行更高层次的图像识别以及图像处理有着密切的联系;为了实现实时有效的图像边沿检测提出了基于FPGA结合Sobel算法的实时图像边沿检测系统,硬件使用流水线结合并行处理的解决方案,能够有效提高图像处理的速度;算法设计采用Sobel算法,不但简化了运算同时获得了不错的检测效果;实验结果显示,系统可高效地达成实时图像边沿检测的设计目的,而且提升了图像的处理效率与边沿检测的效果,便于满足后续图像处理的要求。     

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Sobel算子的金相图边缘提取新算法

针对传统Sobel算法存在定位不精确、提取边缘不连续等不足,提出在传统Sobel算子模板基础上增加了45°和135°两个模板,提高了边缘定位的精度;采用局部梯度均值作为阈值对梯度图像进行局部梯度筛选,然后进行边缘提取及细化。实验证明,算法获取的图像边缘与传统Sobel算法相比,具有定位准确、边缘连续性好、噪声少等优点,在金相图片处理中有一定的实用性。     

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。     

High performance and energy efficient sobel edge detection

Sobel edge detection is widely used in computer vision and image processing but its processing time becomes a serious problem in real-time environments, especially when an image is very large. Instead of utilizing a hardware-accelerated approach, we propose a purely software-based method which is simpler and cheaper. Our algorithm reduces the number of arithmetic operations and data loads, so that processing speed is increased and energy consumption reduced. The processing time is further reduced by the use of AVX intrinsics and OpenMP directives which distribute the workload among the AVX engines in a multi-core architecture. Our algorithm reduces the number of arithmetic operations by 22.73% compared to that of the state-of-the-art Sobel (SOAS) algorithm, while the number of data loads are reduced by 43.75% compared to SOAS. Performance and energy consumption comparisons between our algorithm and SOAS, as well as with the Sobel functions offered by the OpenCV and IPP libraries are investigated, and the results demonstrate that a multi-core version of our algorithm, implemented by AVX intrinsics, is on average 3.20, 9.34, and 13.99 times faster than IPP, SOAS, and OpenCV respectively. Also, it consumes an average of 2.91, 8.43, and 11.21 times less energy than IPP, SOAS, and OpenCV. Our algorithm, utilizing software modifications alone, benefits from both shorter development time and reduced cost compared to hardware approaches relying on an FPGA, ASIC, or GPU, making it more suitable for resource-constrained environments.     

边缘检测算法的FPGA实现

边缘检测算法是最常见的图像处理算法. 分析了Prewitt算子和Sobel算子两种边缘检测算法的原理, 利用DSP Builder工具在MATLAB/Simulink下完成了这两种算子的图像边缘检测算法的设计, 并将该设计直接在FPGA中实现. 利用FPGA的并行处理能力, 大大缩短了图像处理所需的时间.     

离散过程神经网络和CGA相融合的边缘检测

针对图像处理中的边缘检测问题,提出一种基于离散过程神经网络(DNPP)与混沌遗传算法(CGA)相融合的模型和算法。DNPP的输入可以直接为数据矩阵,实现二维图像关联信息网格化的整体输入和处理。以图像网格灰度值作为DPNN处理数据集合,利用Sobel算子检测的技术原理和DPNN的判别能力,实现图像边界线的自动辨识和追踪。文中给出基于混沌遗传搜索的DNPP求解算法,以油田地震数据体切片中砂体的识别和追踪为例,实际资料处理结果验证了检测模型和算法的有效性。