基于FPGA的Sobel边缘检测实现

【摘 要】sobel边缘检测是图像分割处理中的一种常用方法，经常用于各种图像处理当中。但是传统的图像处理工具由于大多数都是顺序处理的，图像处理速度偏慢。在要求实时的图像处理中会显得力不从心。而FPGA由于其并行的处理特点，可以并行处理大量的数据。在实时图像处理中可以发挥出巨大的优势。所以用FPGA研究图像处理是很有必要的。本文主要工作是利用FPGA，选择Verilog语言实现了Sobel边缘检测。

【关键词】FPGA，Sobel，Verilog；

在图像处理中边缘蕴含了丰富的信息，是图像的基本特征之一。边缘检测不仅能减少图像处理的工作量，还能保留图像中物体的形状特性。所以研究边缘检测是非常有必要的。FPGA是利用硬件编程语言对图像进行处理，可以同一时间处理大量的数据，在此利用FPGA的并行结构特性和流水线技巧，快速实现了Sobel边缘检测算法 。为图像的后续处理打下了基础。

一、Sobel边缘检测算法

边缘检测算法都是通过梯度算子来实现的。经典的梯度算子有Sobel、Kirsch、Roberts等。在求边缘的梯度时需要对每个像素点进行计算，工作量是比较大的。在这些算法中Sobel具有计算简单、检测效果好的特点，是一种被广泛应用的算法。Sobel算子是一阶导数的边缘算子。是利用水平和垂直方向上3X3的Sobel算子模版，与选定图像中同样大小的窗口中的每个像素点做卷积求和运算，窗口中心点为待求的像素点。计算出图像水平和垂直方向的梯度值，然后对水平和垂直方向的梯度值的平方求和，再开方。与设定的阈值进行比较，如果结果大于阈值边视为边缘点，否者就不是边缘点。

图1为水平方向的Sobel矩阵算子，图2为垂直方向的Sobel矩阵算子。图3为3X3模版的像素灰度值。

利用Sobel算子对图3中的3X3模版做卷积和计算。就可以得到p5像素处水平和垂直方向的梯度值Gx和Gy。最后利用

（1）

算出p5处的灰度值，再与设定的阈值进行比较。若大于阈值就视为边缘点，不然就是普通点。

二、Sobel边缘检测算法的硬件系统实现

（一）Sobel实现方法选择

由于Quartus II 9.0自带有很多的IP核，可以调用IP核进行乘法、并行相加来实现Sobel边缘检测。但是这样就会涉及到补码、负数等。实现方法较为复杂。在本文中提出一种简单的算法实现边缘检测，把复杂的问题简单化。

对于水平模版，把图3中的第1列和第3列像素点分别与其相应的位置做卷积和，并且分别取第1列和第3列的卷积和的绝对值比较大小，把较大值认为Gx。

Gx=max{（p1+2p4+p7），（p3+2p6+p9）} （2）

对于垂直模版，把图2中的第1行和第3行像素点分别与其对应的位置做卷积和，并分别取第1行和第3行的卷积和的绝对值比较大小，把较大值认为Gy。

Gy=max{（p1+2p2+p3），（p7+2p8+p9）} （3）

（二）Sobel的硬件实现

由于Sobel的实现需要3X3的像素模版与水平方向和垂直方向的卷积因子进行卷积求和，所以这里利用Quartus II 9.0自带的IP核Shift Register（RAM-based）构建三行以此为基础获得3X3的像素模版。如图4所示

图4 移位寄存器

在得到3X3模版后利用（2）、（3）进行硬件实现，关键代码如下

begin

Gy1

Gy2

Gy Gy2？ Gy1-Gy2 ： Gy2-Gy1；

end

begin

Gx1

Gx2

Gx Gx2？Gx1-Gx2 ： Gx2-Gx1；

end

经过一系列运算就得到Gx与Gy，再根据公式（1）与自己设置的阈值，就能实现Sobel边缘检测。

三、实验结果

在视频采集系统里面加入Sobel边缘检测模块，编译并下载程序，运行系统，实验结果如图5所示。

实验效果显示可以很好的进行边缘检测，经过边缘检测处理后也为后续更复杂的图像处理打下了基础。

四、结束语

通过利用FPGA的并行特性，完成了3X3模版像素的提取和Sobel边缘检测算子的处理。通过FPGA的流水线结构和并行特点处理了大量的数据，最终实现了Sobel边缘检测。为更加复杂的图像处理进行了铺垫。

参考文献：

[1]冈撒雷斯.数字图像处理.北京：电子工业出版社.

[2]王涛，全书海.基于改进Sobel算子的车牌定位方法.微计算机信息，2008，24（5）：63―65.

[3]夏宇闻.Verilog数字系统设计教程[M].北京：北京航空航天大学出版社，2003.

[4]Ahera Corporation.Embedded Design Handbook，2009.

[5]段瑞玲，李庆祥，李玉和.图像边缘检测方法研究综述[J].光学技术，2005，31（3）：415―419.