目录
1.算法运行效果图预览
2.算法运行软件版本
3.部分核心程序
4.算法理论概述
4.1Otsu方法
4.2 Adaptive Thresholding方法
4.3、FPGA实现过程
5.算法完整程序工程
1.算法运行效果图预览
2.算法运行软件版本
Vivado2019.2
matlab2022a
3.部分核心程序
`timescale 1ns / 1ps
//
// Company:
// Engineer:
//
// Create Date: 2022/07/28 01:51:45
// Design Name:
// Module Name: test_image
// Project Name:
// Target Devices:
// Tool Versions:
// Description:
//
// Dependencies:
//
// Revision:
// Revision 0.01 - File Created
// Additional Comments:
//
//
module test_image;
reg i_clk;
reg i_rst;
reg [7:0] image_buff [0:100000];
reg [7:0] II0;
wire [7:0] o_Ifilter;
wire [7:0] o_Ifilter2;
integer fids,jj=0,dat;
//D:\FPGA_Proj\FPGAtest\codepz
initial
begin
fids = $fopen("D:\\FPGA_Proj\\FPGAtest\\codepz\\data.bmp","rb");
dat = $fread(image_buff,fids);
$fclose(fids);
end
initial
begin
i_clk=1;
i_rst=1;
#2000;
i_rst=0;
end
always #10 i_clk=~i_clk;
always@(posedge i_clk)
begin
II0<=image_buff[jj];
jj<=jj+1;
end
tops tops_u(
.i_clk (i_clk),
.i_rst (i_rst),
.i_I0 (II0),
.o_Ifilter (o_Ifilter) ,
.o_Ifilter2 (o_Ifilter2)
);
integer fout1;
initial begin
fout1 = $fopen("o_Ifilter.txt","w");
end
always @ (posedge i_clk)
begin
if(jj<=66614)
$fwrite(fout1,"%d\n",o_Ifilter);
else
$fwrite(fout1,"%d\n",0);
end
integer fout2;
initial begin
fout2 = $fopen("o_Ifilter2.txt","w");
end
always @ (posedge i_clk)
begin
if(jj<=66614)
$fwrite(fout2,"%d\n",o_Ifilter2);
else
$fwrite(fout2,"%d\n",0);
end
endmodule
0X_017m4.算法理论概述
图像二值化是数字图像处理中的一种常见技术，可以将灰度图像转换为黑白二值图像，突出图像的轮廓和特征。自适应阈值二值化是一种常用的图像二值化方法，能够根据图像局部区域的灰度分布自适应地确定阈值，从而实现更好的二值化效果。
自适应阈值二值化算法的基本原理是将图像分为若干个小的子区域，每个子区域内的像素点使用一个共同的阈值进行二值化处理。这个阈值是根据子区域内像素点的灰度分布自适应计算得到的。常用的自适应阈值二值化方法包括Otsu方法和Adaptive Thresholding方法。
4.1Otsu方法
Otsu方法是一种基于灰度直方图的阈值选择方法，通过优化类间方差来自动确定阈值。设图像的灰度级范围为0~255，灰度直方图表示每个灰度级的像素点数量。Otsu方法的目标是最优地选择一个阈值T，将图像分为前景和背景两部分，使得这两部分的类间方差最大。类间方差公式如下：
σb = w0 * w1 * (μ0 - μ1)²
其中，w0和w1分别是前景和背景的像素点数量所占比例，μ0和μ1分别是前景和背景的灰度平均值。Otsu方法通过求解类间方差的最大值来自动确定最优阈值T。
4.2 Adaptive Thresholding方法
Adaptive Thresholding方法是一种基于局部灰度分布的阈值确定方法。该方法将图像分成若干个小的子区域，每个子区域使用一个共同的阈值进行二值化处理。阈值是根据子区域内像素点的灰度分布计算得到的。具体来说，对于每个子区域，计算其灰度平均值和标准差，将灰度平均值减去一个常数（一般为1/2），得到该子区域的阈值。如果子区域内某个像素点的灰度值大于阈值，则将其置为255（白色），否则置为0（黑色）。
4.3、FPGA实现过程
我们这个课题主要通过4.2的方法来实现基于FPGA的图像自适应阈值二值化算法，其实现过程如下：
- 划分子区域：将图像划分为若干个小的子区域，每个子区域的大小可以自定义。可以使用一个二维数组来表示子区域，数组的每个元素表示一个像素点的位置和灰度值。
- 计算阈值：对于每个子区域，计算其灰度平均值，并根据公式计算出该子区域的阈值。可以使用Verilog中的相关模块来实现计算过程。
- 二值化处理：对于每个像素点，如果其灰度值大于阈值，则将其置为255（白色），否则置为0（黑色）。可以使用一个简单的if-else语句来实现这个过程。
- 输出二值化图像：将处理后的二值化图像数据输出到FPGA的I/O口，以供后续显示或传输使用。
- 时钟信号：在整个实现过程中，需要使用一个时钟信号来同步数据传输和处理过程。可以使用FPGA的时钟源来生成相应的时钟信号。
通过将FPGA的高速并行处理能力与自适应阈值二值化算法相结合，可以实现高性能、高效率的图像处理系统。这种实现方法可以广泛应用于数字图像处理、计算机视觉、安防监控等领域。
5.算法完整程序工程
OOOOO
OOO
O
