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

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: 
// 
 
// Design Name: 
// Module Name: test_image
// Project Name: 
// Target Devices: 
// Tool Versions: 
// Description: 
// 
// Dependencies: 
// 
// Revision:
// Revision 0.01 - File Created
// Additional Comments:
// 
//
//MATLAB/verilog/python/opencv/tensorflow/caffe/C/C++等算法仿真


module test_image;

reg i_clk;
reg i_rst;
reg i_ready;
reg [7:0] Tmp[0:100000];
reg [7:0] datas;
wire[15:0]o_histb;

wire[7:0]o_lvl;
wire[7:0]o_y;
 
integer fids,jj=0,dat;
 
//D:\FPGA_Proj\FPGAtest\code2

initial 
begin
	fids = $fopen("D:\\FPGA_Proj\\FPGAtest\\code2\\data.bmp","rb");
	dat  = $fread(Tmp,fids);
	$fclose(fids);
end
 
initial 
begin
i_clk=1;
i_rst=1;
i_ready=0;
#1000;
i_ready=1;
i_rst=0;
#655350;
i_ready=0;
end 

always #5  i_clk=~i_clk;
 
always@(posedge i_clk) 
begin
	datas<=Tmp[jj];
	jj<=jj+1;
end
 

im_hist im_hist_u(
.i_clk    (i_clk),
.i_rst    (i_rst),
.i_ready  (i_ready),
.i_xin    (datas),
.o_histb   (o_histb), 
.o_lvl     (o_lvl),
.o_y       (o_y)
);
 
 
//将数据导出，由MATLAB显示图像分割效果
integer fout1;
initial begin
 fout1 = $fopen("result.txt","w");
end

always @ (posedge i_clk)
 begin
    if(jj>=66613+1 & jj<=66613+65536)
	$fwrite(fout1,"%d\n",o_y);
	else
	$fwrite(fout1,"%d\n",0);
end
 
 
 
 

endmodule
0X_033m

4.算法理论概述

       图像阈值计算和分割是图像处理领域的一项重要任务，它通过设定一个阈值将图像从灰度空间转化为二值空间，从而实现对图像区域的有效划分。基于直方图的阈值选取方法主要依赖于图像的灰度直方图分布特性。

在开始之前，我们需要了解直方图和阈值分割的基本概念：

• 直方图：图像的直方图是表示图像中每个灰度级出现频率的图表。对于灰度图像，直方图显示了从黑到白（通常是0到255）的灰度值分布。

• 阈值分割：阈值分割是指通过一个阈值将图像的像素分为两组（通常是前景和背景），使得两组之间的差异最大化。

5.算法完整程序工程

OOOOO

OOO

O