完善资料让更多小伙伴认识你,还能领取20积分哦, 立即完善>
``基于FPGA的图像FFT滤波处理 AT7_Xilinx开发板(USB3.0+LVDS)资料共享 腾讯链接:https://share.weiyun.com/5GQyKKc 百度网盘链接:https://pan.baidu.com/s/1M7PLzRs-yMJv7NFJE8GVAw 提取码:qr0t 关于傅里叶变换,这么一个神奇的变换,其基本原理和应用在教科书、网络上漫天飞舞,这里就不赘述了,以免有凑字数的嫌疑。前面的例子我们已经使用matlab和Vivado的FFT IP核进行了初步的验证,掌握的FFT/IFFT IP核的脾气,那么接下来我们要玩点真的了,基于我们STAR/SF-AT7板采集到的MT9V034图像,我们要进行每个行的FFT和IFFT变换,当然,生成的FFT结果我们可以进行必要的滤波,然后再进行IFFT查看滤波效果。 使用at7_img_ex06matlab文件夹下的Matlab源码image_1D_fft_ifft.m或L1024_of_image_1D_fft_ifft.m(将640个点扩展为1024个点进行FFT变换,扩展的点以0填充,模拟FPGA的FFT IP核实际工作状况),对测试图像test进行FFT变换,进行必要的滤波,然后IFFT逆变换。 测试图像为彩色图像,原始图像如下。
首先进行彩色转灰度的变换,灰度图像如下。
提取出其中1行进行FFT变换后的图像频谱如下。很明显,大部分高频分量集中在前面几个点,而后面的点几乎频率都很小。
放大频谱图,看到细节如下。这里绘制了一条取值为300的直线,有将近50%的频谱集中在这条线以下。若是做图像压缩,其实我们可以把这些低频分量忽略了,那么数据量可能会大大降低,当然了,副作用是图像可能会有一定程度的失真,有失必有得嘛。滤除这些低频分量,也会使图像更锐一些。话说做FFT变换的目的可远不止这些,在一些特殊的应用场景中,我们总是希望从原始图像中提取出一些和应用直接相关的特征信息,那么做了FFT后的图像常常非常有益于这些操作。为了演示,这里我们的代码里面就将这些低于300的点都滤除,即取0。
从频谱图上看,如图所示,右侧的滤波后明显图像偏黑(很多值取0了)了。
我们重新把原图放到这里,和FFT滤波并IFFT以后的图像做比对,图像整体仍然保持不变,但是查看细节,可以发现处理后的图像明显锐了一些。
Matlab源码如下: clc;clear `all;closeall; IMAGE_WIDTH = 640; IMAGE_HIGHT = 480; %load origin image %I = imread('Lena_gray_niose.bmp'); I = imread('test.bmp'); I = rgb2gray(I); %fclose(fid1); %% output image data in hex file raw_image = reshape(I, IMAGE_HIGHT, IMAGE_WIDTH); raw_image = raw_image'; fid2 = fopen('image_in_hex.txt', 'wt'); fprintf(fid2, '%04x ', raw_image); fid2 = fclose(fid2); %show origin image figure,imshow(I); title('Original image'); %1D fft base on every image line II = zeros(IMAGE_HIGHT,1024); J = zeros(IMAGE_HIGHT,1024); for i = 1:IMAGE_HIGHT for j = 1:IMAGE_WIDTH II(i,j) =I(i,j); end J(i,:) = fft(II(i,:));%fft(I(i,:)); end %show 1 linefft result t1 = (0:IMAGE_WIDTH); % Time vector line = ones(IMAGE_WIDTH) * 200; figure; plot(t1(1:IMAGE_WIDTH),abs(J(50,1:IMAGE_WIDTH)),t1(1:IMAGE_WIDTH),line(1:IMAGE_WIDTH)) title(['1 line image in the Frequency Domain']) %show fft of origin image figure,imshow(log(abs(J)),[]); title('1D fft image base on every image line'); %colormap(jet(64)),colorbar; %fftfiter J(abs(J) < 300) = 0; %J(abs(J) > 1000) = 1000; %show fft of fft filter image figure,imshow(log(abs(J)),[]); title('1D fft image after filter'); %1D ifft base on every image line K = zeros(IMAGE_HIGHT,1024); for i = 1:IMAGE_HIGHT K(i,:) = real(ifft(J(i,:))); end KK = zeros(IMAGE_HIGHT,IMAGE_WIDTH); for i = 1:IMAGE_HIGHT for j =1:IMAGE_WIDTH KK(i,j) =K(i,j); end end %show ifft image figure,imshow(KK,[]) title('1D ifft image'); 在Sources面板中,展开SimulationSources à sim_1,将sim_fft.v文件设置为top module。同样是对前面的测试图像,经过FFT和IFFT变换后存储在image_view0.txt文本中(仿真测试结果位于at7_img_ex06at7.simsim_1ehav文件夹下)。为了确认FFT和IFFT IP核运算的精度和效果,这里没有做任何的滤波处理。
使用draw_image_from_FPGA_result.m脚本(at7_img_ex06matlab文件夹下)导入image_view0.txt文本的图像,和原始图像比对如下所示。看到图像几乎没有任何失真。 工程文件夹at7_img_ex06zstar.srcssources_1 ew下的image_fft_filter.v模块以及3个子模块image_fft_controller.v、image_filter.v和image_ifft_controller.v实现了图像的FFT变换、滤波和IFFT变换处理。FPGA设计的功能框图如下。 image_fft_controller.v模块例化FFT IP核,将采集的图像留以行为单位输入到FFT IP核,输出FFT频域数据。 image_filter.v模块对FFT频域数据计算绝对值并进行必要的滤波处理,假设FFT结果的实部值为a,虚部值为b,那么其绝对值abs =sqrt(a^2+b^2)。如下代码,注释部分可以滤除低频分量,当前例程中为了验证FFT和IFFT变换后精度没有损失,未作滤波。 always @(posedgeclk or negedgerst_n) if(!rst_n)begin o_image_filter_data_image<=20'd0; o_image_filter_data_real<=20'd0; end /*elseif(sqrt_fft[19:0] < 20'd300) begin //此处可以做必要的高频或低频滤波处理 o_image_filter_data_image<=20'd0; o_image_filter_data_real<=20'd0; end*/ else begin o_image_filter_data_image<=r_image_fft_data_image[TOTAL_LATENCY-1]; o_image_filter_data_real<=r_image_fft_data_real[TOTAL_LATENCY-1]; end image_ifft_controller.v模块将滤波处理后的FFT结果进行IFFT变换,图像转回时域值,供后续模块缓存DDR3并显示。 AT7_Xilinx开发板(USB3.0+LVDS)资料共享 腾讯链接:https://share.weiyun.com/5GQyKKc 百度网盘链接:https://pan.baidu.com/s/1M7PLzRs-yMJv7NFJE8GVAw 提取码:qr0t `` |
|
相关推荐
2 个讨论
|
|
资料链接过期了 能重新发一个吗
|
|
|
|
|
|
资料链接失效,能重新发一个吗
|
|
|
|
|
|
只有小组成员才能发言,加入小组>>
885个成员聚集在这个小组
加入小组4533 浏览 0 评论
特权同学 Verilog边码边学 Lesson01 Vivado下载与安装
2646 浏览 1 评论
玩转Zynq连载50——[ex69] FIR滤波器IP仿真实例
4330 浏览 2 评论
玩转Zynq连载49——[ex68] MT9V034摄像头的图像FFT滤波处理
5268 浏览 1 评论
玩转Zynq连载48——[ex67] Vivado FFT和IFFT IP核应用实例
5314 浏览 0 评论
1943浏览 0评论
小黑屋| 手机版| Archiver| 电子发烧友 ( 湘ICP备2023018690号 )
GMT+8, 2024-12-21 23:39 , Processed in 0.571629 second(s), Total 50, Slave 39 queries .
Powered by 电子发烧友网
© 2015 bbs.elecfans.com
关注我们的微信
下载发烧友APP
电子发烧友观察
版权所有 © 湖南华秋数字科技有限公司
电子发烧友 (电路图) 湘公网安备 43011202000918 号 电信与信息服务业务经营许可证:合字B2-20210191 工商网监 湘ICP备2023018690号