FPGA图像处理的Sobel边缘检测
sobel边缘检测
sobel边缘检测原理教材网上一大堆，核心为卷积处理。
sobel卷积因子为：
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，其公式如下：
图像的每一个像素的横向及纵向灰度值通过以下公式结合，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：
最后，当计算出来的值大于某一阈值时即认为为边缘像素点。
归结起来，sobel边缘检测分为三大步：卷积计算、灰度计算、阈值比较处理。结合上文实现的bufwindow，在spinalhdl里实现sobel边缘检测也就几行代码的事情（如果是写verilog我还是拒绝的）。
卷积计算
通过bufwindow，我们可以得到一个3x3的矩阵窗口，拿到结果第一步即是计算卷积，由于卷积因子是带符号的，而在做卷积时又需要考虑位宽扩展的事情，在写verilog时还是需要小心的设计下的，而在spinalhdl里，两行代码：
val gx=（windowbuf.io.dataout.payload（0）（2）.expand.assint-^windowbuf.io.dataout.payload（0）（0）.expand.assint）+| （（windowbuf.io.dataout.payload（1）（2）.expand.assint-^windowbuf.io.dataout.payload（1）（0）.expand.assint）《《1）+| （windowbuf.io.dataout.payload（2）（2）.expand.assint-^windowbuf.io.dataout.payload（2）（0）.expand.assint）val gy=（windowbuf.io.dataout.payload（0）（0）.expand.assint-^windowbuf.io.dataout.payload（2）（0）.expand.assint）+| （（windowbuf.io.dataout.payload（0）（1）.expand.assint-^windowbuf.io.dataout.payload（2）（1）.expand.assint）《《1）+| （windowbuf.io.dataout.payload（0）（2）.expand.assint-^windowbuf.io.dataout.payload（2）（2）.expand.assint）
首先将bufwindow输出的窗口矩阵值扩展一位位宽转换为有符号值，然后进行计算卷积。计算卷积运用了两个运算符“-^”，“+|”来处理加减运算时的位宽处理（可参照spinalhdl手册或本公众号的《spinalhdl—数据类型：uint/sin》）。最终得到gx、gy。
灰度计算
灰度计算这里采用近似值，通过取绝对值的方式进行实现，在spinalhdl里也就一行代码的事情：
sobelresult.payload：= （sobelconv.payload（0）.abs+| sobelconv.payload（1）.abs）.fixto（cfg.datawidth-1 downto 0，roundtype.roundup）
由于在卷积计算时有扩展位宽，这里计算最后调用fixto进行高位饱和处理。最终得到位宽与输入保持一致（想想你在veirlog里实现这一步要做多少事情，少年）。
阈值比较
阈值比较就很简单了，比较两个值大小取两个极端：
when（sobelresult.payload》io.thresholdvalue）{ io.dataout.payload：=（default-》true） }otherwise{ io.dataout.payload：=（default-》false） }
最终实现sobel边缘检测代码如下：
case class sobelproc（cfg:linebuffercfg） extends component{ require（cfg.linenum==3） val io=new bundle{ val thresholdvalue =in uint（cfg.datawidth bits） val datain=slave flow（uint（cfg.datawidth bits）） val dataout=master flow（uint（cfg.datawidth bits）） dataout.valid.setasreg（）.init（false） dataout.payload.setasreg（）.init（0） } noioprefix（） val sobel=new area{ val windowbuf=bufwindow（cfg） val sobelconv=reg（flow（vec（sint（），2））） val sobelresult=reg（flow（uint（cfg.datawidth bits））） sobelconv.valid.init（false） sobelresult.valid.init（false） io.datain《》windowbuf.io.datain val gx=（windowbuf.io.dataout.payload
（0）（2）.expand.assint-^windowbuf.io.dataout.payload（0）（0）.expand.assint）+| （（windowbuf.io.dataout.payload（1）（2）.expand.assint-^windowbuf.io.dataout.payload（1）（0）.expand.assint）《《1）+| （windowbuf.io.dataout.payload（2）（2）.expand.assint-^windowbuf.io.dataout.payload（2）（0）.expand.assint） val gy=（windowbuf.io.dataout.payload（0）（0）.expand.assint-^windowbuf.io.dataout.payload（2）（0）.expand.assint）+| （（windowbuf.io.dataout.payload
（0）（1）.expand.assint-^windowbuf.io.dataout.payload（2）（1）.expand.assint）《《1）+| （windowbuf.io.dataout.payload（0）（2）.expand.assint-^windowbuf.io.dataout.payload（2）（2）.expand.assint） sobelconv.valid：=windowbuf.io.dataout.valid sobelconv.payload（0）：=gx sobelconv.payload（1）：=gy sobelresult.valid：=sobelconv.valid sobelresult.payload：= （sobelconv.payload（0）.abs+| sobelconv.payload（1）.abs）.fixto（cfg.datawidth-1 downto 0，roundtype.roundup） io.dataout.valid：=sobelresult.valid when（sobelresult.payload》io.thresholdvalue）{ io.dataout.payload：=（default-》true） }otherwise{ io.dataout.payload：=（default-》false） } }}
区区不到四十行代码，简洁而优雅，基本上就是描述算法，出错概率应该很小吧！
仿真
做图像处理的小伙伴想想在做仿真验证时需要怎么搞，matlab生成灰度图像二进制数据放在文件里，然后仿真时再导入，仿真完成后将结果保存到文件里，最后再在matlab里做对比。 太麻烦。spinalhdl提供了仿真支持，而spinalhdl是基于scala的，可以完美实现整个仿真验证流程：从图片直接获取数据，然后进行仿真验证，仿真结果直接再次生成图片。
原文标题：fpga图像处理——老戏新说
文章出处：【微信公众号：fpga之家】欢迎添加关注！文章转载请注明出处。
不间断电源的三个分类，切换到电池供电
第二十届电感变压器产业链峰会正式启动！
宋慧乔和宋仲基大婚，玩“太阳的后裔”番外篇，科技界的小米和诺基亚专利授权也“大婚”了
医用氧传感器的介绍，为什么RGM需要氧传感器
华为物联网操作系统LiteOS内核教程06-内存管理
FPGA图像处理的Sobel边缘检测
PCB设计过程中进行回流路径分析：高速信号回流路径
中性点接地电阻柜一般是多大尺寸的
指纹识别或成过去式，苹果备将Face ID应用到所有硬件数码产品中
变频器十大品牌排行榜
德州仪器(TI)推出超节能OMAP4470应用处理器
老邢点评：新一轮投资潮悄然而至，VR市场有望复苏
总结常见的电脑蓝屏的原因和解决措施
墨奇M1智能通行一体机为用户提供方便、安全身份认证体验
数据中心各个阶段元宇宙是什么样
PoE解决方案的关键因素及设计需要考虑哪些问题
华强北破解AirPods了吗？华强北AirPods破解iOS16盗版检测
科裕智能科技感应锁918-3-D介绍
捷易科技2023CPSE安博会圆满落幕！
谁是汽车网络安全的主要参与者？
sobel边缘检测原理教材网上一大堆，核心为卷积处理。
sobel卷积因子为：
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，其公式如下：
图像的每一个像素的横向及纵向灰度值通过以下公式结合，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：
最后，当计算出来的值大于某一阈值时即认为为边缘像素点。
归结起来，sobel边缘检测分为三大步：卷积计算、灰度计算、阈值比较处理。结合上文实现的bufwindow，在spinalhdl里实现sobel边缘检测也就几行代码的事情（如果是写verilog我还是拒绝的）。
卷积计算
通过bufwindow，我们可以得到一个3x3的矩阵窗口，拿到结果第一步即是计算卷积，由于卷积因子是带符号的，而在做卷积时又需要考虑位宽扩展的事情，在写verilog时还是需要小心的设计下的，而在spinalhdl里，两行代码：
val gx=（windowbuf.io.dataout.payload（0）（2）.expand.assint-^windowbuf.io.dataout.payload（0）（0）.expand.assint）+| （（windowbuf.io.dataout.payload（1）（2）.expand.assint-^windowbuf.io.dataout.payload（1）（0）.expand.assint）《《1）+| （windowbuf.io.dataout.payload（2）（2）.expand.assint-^windowbuf.io.dataout.payload（2）（0）.expand.assint）val gy=（windowbuf.io.dataout.payload（0）（0）.expand.assint-^windowbuf.io.dataout.payload（2）（0）.expand.assint）+| （（windowbuf.io.dataout.payload（0）（1）.expand.assint-^windowbuf.io.dataout.payload（2）（1）.expand.assint）《《1）+| （windowbuf.io.dataout.payload（0）（2）.expand.assint-^windowbuf.io.dataout.payload（2）（2）.expand.assint）
首先将bufwindow输出的窗口矩阵值扩展一位位宽转换为有符号值，然后进行计算卷积。计算卷积运用了两个运算符“-^”，“+|”来处理加减运算时的位宽处理（可参照spinalhdl手册或本公众号的《spinalhdl—数据类型：uint/sin》）。最终得到gx、gy。
灰度计算
灰度计算这里采用近似值，通过取绝对值的方式进行实现，在spinalhdl里也就一行代码的事情：
sobelresult.payload：= （sobelconv.payload（0）.abs+| sobelconv.payload（1）.abs）.fixto（cfg.datawidth-1 downto 0，roundtype.roundup）
由于在卷积计算时有扩展位宽，这里计算最后调用fixto进行高位饱和处理。最终得到位宽与输入保持一致（想想你在veirlog里实现这一步要做多少事情，少年）。
阈值比较
阈值比较就很简单了，比较两个值大小取两个极端：
when（sobelresult.payload》io.thresholdvalue）{ io.dataout.payload：=（default-》true） }otherwise{ io.dataout.payload：=（default-》false） }
最终实现sobel边缘检测代码如下：
case class sobelproc（cfg:linebuffercfg） extends component{ require（cfg.linenum==3） val io=new bundle{ val thresholdvalue =in uint（cfg.datawidth bits） val datain=slave flow（uint（cfg.datawidth bits）） val dataout=master flow（uint（cfg.datawidth bits）） dataout.valid.setasreg（）.init（false） dataout.payload.setasreg（）.init（0） } noioprefix（） val sobel=new area{ val windowbuf=bufwindow（cfg） val sobelconv=reg（flow（vec（sint（），2））） val sobelresult=reg（flow（uint（cfg.datawidth bits））） sobelconv.valid.init（false） sobelresult.valid.init（false） io.datain《》windowbuf.io.datain val gx=（windowbuf.io.dataout.payload
（0）（2）.expand.assint-^windowbuf.io.dataout.payload（0）（0）.expand.assint）+| （（windowbuf.io.dataout.payload（1）（2）.expand.assint-^windowbuf.io.dataout.payload（1）（0）.expand.assint）《《1）+| （windowbuf.io.dataout.payload（2）（2）.expand.assint-^windowbuf.io.dataout.payload（2）（0）.expand.assint） val gy=（windowbuf.io.dataout.payload（0）（0）.expand.assint-^windowbuf.io.dataout.payload（2）（0）.expand.assint）+| （（windowbuf.io.dataout.payload
（0）（1）.expand.assint-^windowbuf.io.dataout.payload（2）（1）.expand.assint）《《1）+| （windowbuf.io.dataout.payload（0）（2）.expand.assint-^windowbuf.io.dataout.payload（2）（2）.expand.assint） sobelconv.valid：=windowbuf.io.dataout.valid sobelconv.payload（0）：=gx sobelconv.payload（1）：=gy sobelresult.valid：=sobelconv.valid sobelresult.payload：= （sobelconv.payload（0）.abs+| sobelconv.payload（1）.abs）.fixto（cfg.datawidth-1 downto 0，roundtype.roundup） io.dataout.valid：=sobelresult.valid when（sobelresult.payload》io.thresholdvalue）{ io.dataout.payload：=（default-》true） }otherwise{ io.dataout.payload：=（default-》false） } }}
区区不到四十行代码，简洁而优雅，基本上就是描述算法，出错概率应该很小吧！
仿真
做图像处理的小伙伴想想在做仿真验证时需要怎么搞，matlab生成灰度图像二进制数据放在文件里，然后仿真时再导入，仿真完成后将结果保存到文件里，最后再在matlab里做对比。 太麻烦。spinalhdl提供了仿真支持，而spinalhdl是基于scala的，可以完美实现整个仿真验证流程：从图片直接获取数据，然后进行仿真验证，仿真结果直接再次生成图片。
原文标题：fpga图像处理——老戏新说
文章出处：【微信公众号：fpga之家】欢迎添加关注！文章转载请注明出处。
不间断电源的三个分类，切换到电池供电
第二十届电感变压器产业链峰会正式启动！
宋慧乔和宋仲基大婚，玩“太阳的后裔”番外篇，科技界的小米和诺基亚专利授权也“大婚”了
医用氧传感器的介绍，为什么RGM需要氧传感器
华为物联网操作系统LiteOS内核教程06-内存管理
FPGA图像处理的Sobel边缘检测
PCB设计过程中进行回流路径分析：高速信号回流路径
中性点接地电阻柜一般是多大尺寸的
指纹识别或成过去式，苹果备将Face ID应用到所有硬件数码产品中
变频器十大品牌排行榜
德州仪器(TI)推出超节能OMAP4470应用处理器
老邢点评：新一轮投资潮悄然而至，VR市场有望复苏
总结常见的电脑蓝屏的原因和解决措施
墨奇M1智能通行一体机为用户提供方便、安全身份认证体验
数据中心各个阶段元宇宙是什么样
PoE解决方案的关键因素及设计需要考虑哪些问题
华强北破解AirPods了吗？华强北AirPods破解iOS16盗版检测
科裕智能科技感应锁918-3-D介绍
捷易科技2023CPSE安博会圆满落幕！
谁是汽车网络安全的主要参与者？