【Z-turn Board试用体验】+ 基于Z-turn的图像边缘检测系统（三）

mao399498400 · 2015-7-7 20:41:34

mao399498400 ( 楼主 ) 2015-7-7 20:41:34 只看该作者 5583 | 4 倒序浏览

本帖最后由 mao399498400 于 2015-7-7 20:41 编辑

算法流程设计

本算法利用了OpenCV提供了相关函数，实现了图像读取写入。其中Vivado HLS包含大量的视频库函数，当中的HLS OpenCV library可应用于Zynq系列中ARM处理器的任务中。HLS OpenCV Library是可综合的图像处理库，本算法中的OpenCV功能函数被HLS OpenCV Library视频库替换，实现读取功能，将其送入到加速模块中，进行边缘检测算法处理。处理后结果利用HLS OpenCV Library库函数进行写入。算法流程框图如所示。

接下来分模块介绍下里面的各个部分，首先是最重要的部分，sobel边缘检测（硬件加速模块）

Sobel算子主要用作边缘检测，在技术上，它是一离散性一阶差分算子，用来运算图像亮度函数的一阶梯度之近似值。在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量。

Sobel卷积因子如图

该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，由下式可见

图像的每一个像素的横向及纵向灰度值由式（1-2）结合来计算该点灰度的大小

通常，为了提高效率使用不开平方的近似值，由下式可见

如果梯度G大于某一阀值则认为该点(x,y)为边缘点。然后可用下式计算梯度方向：

完成对算法的解说后，接下来就要将用C语言写的算法用HLS高级综合工具综合

首先利用C语言将Sobel（索贝尔）算法描述出来[9]，不难发现该算法核心内容就是将两个横向与纵向的3*3矩阵与原始图像进行卷积，你能够得到的横向和纵向亮度差分近似。其实这样的矩阵卷积非常适合采用FPGA进行加速。本设计充分利用了Xilinx（赛灵思）公司的新的高级综合工具HLS 将从C语言描述的源代码的水平创造了从C源代码提取RTL级的控制流和数据流。其中从从C代码中提取硬件的思路包括：

（1）在顶层，从C代码中提取控制和数据通道。

（2）在顶层控制流的一些点，将控制传递到子程序，让其能够并行地执行子程序。

（3）通过调度和绑定过程，HLS将C代码映射到硬件。

其中调度和绑定是HLS工具的核心，流程图如图

接着介绍图像采集读取模块

图像采集是一个采样和量化步长。这个过程是通过USB摄像头完成。这一过程通过USB摄像头完成。在Zynq上，由于内部运行的是Ubuntu12.04LTS系统，所以对摄像头的调用以及读取工作是通过Linnux底层的V4L2（Video for Linux）库的API完成的。但是V4L2库操作繁琐，涉及到很多参数配置以及系统函数调用操作，对UNIX系统编程不是很了解的人难以操作。幸运的是在OpenCV中提供了VideoCapture类来读取摄像头甚至视频。它隐去了V4L2的繁琐操作，只需要执行VideoCapture类中的open方法就可以开启摄像头，通过read方法就可以读摄像头，非常方便。