基于SoPC的边缘图像连通区域标记的算法
本文所标记的图像是经过边缘检测得的二值边缘图像。相对于原始图像(或其二值图像)，边缘图像保留了轮廓信息，目标点数大大减小，适合使用区域生长标记算法。但是，现有的区域生长标记算法一方面需要对每一个目标点进行n×n窗口搜索，搜索效率低并会出现同一像素重复扫描现象;另一方面，如果搜索窗口较小(如最常用的3×3，也称8邻域)，虽然干扰少，但是同一个连通区很容易被标记成若干个不同的连通区;而如果增大搜索窗口(如7×7)，虽然得到的标记图像连通性好，但是会引入较多干扰点。
1 基于生长算法的区域标记
像素p的上、下、左、右、左上、左下、右上、右下的像素集合为像素p的8邻域，邻域内所有目标点同属于一个连通区。通常采用8邻域生长法则进行连通区域标记。
1.1 8邻域区域生长算法
设边缘图像的背景像素为255，目标像素为0，对其进行8邻域区域生长标记的步骤如下：
(1)按从上到下、从左到右的顺序扫描图像，遇到目标像素p时，标记为新的标记值l;
(2)以p为种子点，将其8邻域内的目标像素标记为l;
(3)将所有与l像素8邻域内相邻的目标像素标记为l，直到该连通区域标记完毕;
(4)继续按顺序扫描图像，重复前三步，直到图像中所有目标像素都标记完毕。
每个连通区域的起始点是按顺序扫描整个图像得到的，而各个连通区域的标记过程是递归调用生长函数的过程。生长函数依次扫描目标点的8邻域，若遇到新的目标点，则将当前目标点的处理过程压栈，转而扫描新目标点的8邻域，如此不断地将目标点压栈。当某一目标点的8邻域内没有新的目标点，则将其弹栈，当所有目标点都弹栈完毕，则该连通区域标记完毕。
1.2 邻域重复扫描问题
在图1中，p0的8邻域和p1、p2、p3、p4的8邻域有4个像素的重叠，与p5、p6、p7、p8的8邻域有2个像素的重叠。按上述的8邻域区域生长算法，当p0与p4均为目标点时(设递归过程由p0 向p4传递)，p0、p1、p8、p3、p7这5个像素点被扫描了2次;当p0与p5均为目标点时(设递归过程由p0 向p5传递)，p0、p1、p2这3个像素点被扫描了2次。
1.3 8方向邻域生长算法
8方向邻域生长算法的思路是：目标点a和目标点b相邻，从a到b有8个方向，当按某个方向从a传递到b的8邻域搜索时，只搜索b的8邻域中未被a的8邻域覆盖的部分。例如，图1中从p0传递到p4的8邻域搜索时，只搜索p18、p04、p37;从p0传递到p5的8邻域搜索时，只搜索p05、p25、p01、p15、p02。即：
8方向邻域生长算法由9个生长函数组成。对于连通区域的起点，必须搜索8个方向，此时调用主生长函数。在目标点传递的过程中，按其传递方向，按式(1)调用相应的生长函数搜索邻域点。区域标记从起点调用主生长函数开始，过程是8个生长函数互相调用，最后这些函数都返回时，区域标记完毕。
该方法充分利用了从目标点a到目标点b的方向信息，从而在搜索b的邻域时，搜索个数降低为原来的3/8或5/8，平均效率提高了50%。
1.4 边缘端点与区域合并
仅用8邻域搜索连通区，往往得到的连通区域并不完整，连通性不好。图2(a)中，右半部分是圆形左下局部放大图。当按逆时针搜索到图中圆圈标识的“11”时，在其8邻域内没有新的目标点，因此也就和区域“15”断开了。当搜索到某个目标点时，其8邻域内没有新的目标点，则该点就是边缘的“末端”。一个区域可能有多个末端。
在图2(b)中，右半部分是“米”字中心局部放大图。图中圆圈标识的“4”点，其8邻域内有新的目标点(左下点)，但最近的“3”点并不在其邻域内，因此两个连通区断开。对于单个像素宽的边缘图像，其走向基本一致;而走向改变较大的点，就是图形的“拐点”，此时容易出现区域断开的现象。
图1中，假设三个目标点的传递顺序是p0到p5，p5再到p02，则p5就是走向拐点。
要改善连通性，可以增大搜索范围，如增大到7×7范围。这样虽然在一定程度上改善了连通性，但是会引入更多的干扰点。而本文的思路是：首先按照上述8方向邻域生长算法搜索连通区域，同时记录边缘“端点”，然后通过比较各个区域的端点，将端点较近的两个区域合并。结合前文的分析，本文认为边缘端点包括3类：区域起点;边缘末端;边缘拐点。这样得到的端点个数少，包含了绝大部分的“断点”。通过不断比较各个区域的端点，相近则将区域合并，最终得到合并后的标记图像。
该方法实质上是在小尺度内搜索连通区，并利用得到的边缘端点在大尺度内进行区域合并，既不引入更多的杂点，又改善了标记图像的连通性，并在保证区域合并正确率的同时，提高了合并效率。
2 区域标记及合并的sopc实现
本文以fpga为核心，利用sopc技术，实现了对320×240图像的8方向生长连通区域标记。系统使用fpga逻辑硬件进行边缘检测[3]，使用niosii软核处理器进行连通区域标记，用avalon总线将两者结合起来，实现了硬件加速，软硬件协同工作，既提高了实时性又保证了灵活性。
2.1 sopc系统的结构设计
系统结构图如图3所示，主要模块的功能简述如下：
(1)niosii cpu模块。该模块是整个系统运算和调度的中心，完成系统工作流程的控制;图像处理中区域标记和区域合并算法的实现;图形用户接口(gui)的实现。
(2)image模块。图像采集部分负责按照320×240大小采集摄像头的数据，由dma控制器通过avalon总线将原始图像数据存储到ddr sdram中。边缘检测部分同步地将原始图像数据边缘化，生成边缘图像数据，并通过dma控制器和avalon总线存储到ddr sdram中。
(3)display模块。负责驱动lcd液晶显示屏显示原始图像、标记图像以及处理信息。
2.2 区域标记及合并的算法实现
图像处理过程分为连通区域标记、区域合并和区域排序三步。
(1)连通区域标记：按照改进后的8方向邻域生长算法进行连通区域标记，为每个连通区分配一个链表数组元素，用链表记录该连通区的目标点和端点。
(2)区域合并：逐个比较任意两个连通区域的端点链表，在大尺度范围内(本文采用9×9范围)，若其中有相邻的端点，则合并这两个连通区。
(3)区域排序：按照目标点的个数，从大到小对合并后的连通区域排序，取前n个目标点数大于x的连通区域作为后续特征提取的对象(本文n的最大取值为10，x取值20)，其余的视为干扰去掉。取形状较大的n个连通区进行下一步的特征提取，可以节省处理时间。
3 实验结果及分析
本文使用altera公司的高性价比cycloneiii系列的fpga ep3c25f324c8。sopc系统共用逻辑单元8916/24624(36%)，寄存器5 415个，引脚101个，片内sram位数421 248/608 256(69%)，内置乘法器4个，pll锁相环1个。系统时钟为100 mhz，niosii软核处理器的性能为113 dmips。
实验结果如图4所示。图4(a)为实验用开发板和摄像头，图4(b)、(c)、(d)是不同图像在lcd液晶屏上显示的实验结果。显示分为三部分：左侧上部为原始灰度图像，大小为320×240;左侧下部为标记图像(不同区域由不同颜色显示)，大小为320×240;右侧为处理信息，大小为480×480。处理信息包括：connection num为连通区域个数;merge num为合并后的区域数;region num为排序后的区域数;process time为图像处理时间，单位为ms。
实验结果表明，本文算法得出的标记图像结果正确、边缘清晰、去掉了杂点、提高了区域的连通性。在sopc系统上实现时，对复杂图像的处理速度约30帧/s，满足了实时性要求。
实验结果表明了算法的有效性和实时性。基于sopc技术的图像处理系统，软硬件协同工作，提高了系统的并行性和灵活性，便携性好，成本低。
消费者买平板电视该注意什么
泰克TEKTRONIX高压探头P5100A的连接与补偿方法
48V 电气系统进入高速档
Cirrus Logic双通道功率放大器助力半导体和平板显示器测试设备
澳大利亚公司研发出自动发电技术，绿色又环保
基于SoPC的边缘图像连通区域标记的算法
过电流保护原理
恩智浦首次参展2019上海车展,智能概念车抢眼
高压电线工作原理与传输损耗
无源低通滤波器电路
区块链大火的同时需要防范怎样的骗术
路由器的最快速率能达到多少？
MOS管与三极管电压增益比较
地平线B轮融资估值达30亿美金，半导体巨头和顶尖汽车集团联合领投
LED显示屏的色度处理技术
四相步进电机原理图
自制车载电源直流变换器
100G QSFP28 LR4光模块特点及工作原理
微软发布新版 Surface Pro平板电脑真机上手图赏，简直美的不要太过！
利用锁相时钟抑制串模干扰
1 基于生长算法的区域标记
像素p的上、下、左、右、左上、左下、右上、右下的像素集合为像素p的8邻域，邻域内所有目标点同属于一个连通区。通常采用8邻域生长法则进行连通区域标记。
1.1 8邻域区域生长算法
设边缘图像的背景像素为255，目标像素为0，对其进行8邻域区域生长标记的步骤如下：
(1)按从上到下、从左到右的顺序扫描图像，遇到目标像素p时，标记为新的标记值l;
(2)以p为种子点，将其8邻域内的目标像素标记为l;
(3)将所有与l像素8邻域内相邻的目标像素标记为l，直到该连通区域标记完毕;
(4)继续按顺序扫描图像，重复前三步，直到图像中所有目标像素都标记完毕。
每个连通区域的起始点是按顺序扫描整个图像得到的，而各个连通区域的标记过程是递归调用生长函数的过程。生长函数依次扫描目标点的8邻域，若遇到新的目标点，则将当前目标点的处理过程压栈，转而扫描新目标点的8邻域，如此不断地将目标点压栈。当某一目标点的8邻域内没有新的目标点，则将其弹栈，当所有目标点都弹栈完毕，则该连通区域标记完毕。
1.2 邻域重复扫描问题
在图1中，p0的8邻域和p1、p2、p3、p4的8邻域有4个像素的重叠，与p5、p6、p7、p8的8邻域有2个像素的重叠。按上述的8邻域区域生长算法，当p0与p4均为目标点时(设递归过程由p0 向p4传递)，p0、p1、p8、p3、p7这5个像素点被扫描了2次;当p0与p5均为目标点时(设递归过程由p0 向p5传递)，p0、p1、p2这3个像素点被扫描了2次。
1.3 8方向邻域生长算法
8方向邻域生长算法的思路是：目标点a和目标点b相邻，从a到b有8个方向，当按某个方向从a传递到b的8邻域搜索时，只搜索b的8邻域中未被a的8邻域覆盖的部分。例如，图1中从p0传递到p4的8邻域搜索时，只搜索p18、p04、p37;从p0传递到p5的8邻域搜索时，只搜索p05、p25、p01、p15、p02。即：
8方向邻域生长算法由9个生长函数组成。对于连通区域的起点，必须搜索8个方向，此时调用主生长函数。在目标点传递的过程中，按其传递方向，按式(1)调用相应的生长函数搜索邻域点。区域标记从起点调用主生长函数开始，过程是8个生长函数互相调用，最后这些函数都返回时，区域标记完毕。
该方法充分利用了从目标点a到目标点b的方向信息，从而在搜索b的邻域时，搜索个数降低为原来的3/8或5/8，平均效率提高了50%。
1.4 边缘端点与区域合并
仅用8邻域搜索连通区，往往得到的连通区域并不完整，连通性不好。图2(a)中，右半部分是圆形左下局部放大图。当按逆时针搜索到图中圆圈标识的“11”时，在其8邻域内没有新的目标点，因此也就和区域“15”断开了。当搜索到某个目标点时，其8邻域内没有新的目标点，则该点就是边缘的“末端”。一个区域可能有多个末端。
在图2(b)中，右半部分是“米”字中心局部放大图。图中圆圈标识的“4”点，其8邻域内有新的目标点(左下点)，但最近的“3”点并不在其邻域内，因此两个连通区断开。对于单个像素宽的边缘图像，其走向基本一致;而走向改变较大的点，就是图形的“拐点”，此时容易出现区域断开的现象。
图1中，假设三个目标点的传递顺序是p0到p5，p5再到p02，则p5就是走向拐点。
要改善连通性，可以增大搜索范围，如增大到7×7范围。这样虽然在一定程度上改善了连通性，但是会引入更多的干扰点。而本文的思路是：首先按照上述8方向邻域生长算法搜索连通区域，同时记录边缘“端点”，然后通过比较各个区域的端点，将端点较近的两个区域合并。结合前文的分析，本文认为边缘端点包括3类：区域起点;边缘末端;边缘拐点。这样得到的端点个数少，包含了绝大部分的“断点”。通过不断比较各个区域的端点，相近则将区域合并，最终得到合并后的标记图像。
该方法实质上是在小尺度内搜索连通区，并利用得到的边缘端点在大尺度内进行区域合并，既不引入更多的杂点，又改善了标记图像的连通性，并在保证区域合并正确率的同时，提高了合并效率。
2 区域标记及合并的sopc实现
本文以fpga为核心，利用sopc技术，实现了对320×240图像的8方向生长连通区域标记。系统使用fpga逻辑硬件进行边缘检测[3]，使用niosii软核处理器进行连通区域标记，用avalon总线将两者结合起来，实现了硬件加速，软硬件协同工作，既提高了实时性又保证了灵活性。
2.1 sopc系统的结构设计
系统结构图如图3所示，主要模块的功能简述如下：
(1)niosii cpu模块。该模块是整个系统运算和调度的中心，完成系统工作流程的控制;图像处理中区域标记和区域合并算法的实现;图形用户接口(gui)的实现。
(2)image模块。图像采集部分负责按照320×240大小采集摄像头的数据，由dma控制器通过avalon总线将原始图像数据存储到ddr sdram中。边缘检测部分同步地将原始图像数据边缘化，生成边缘图像数据，并通过dma控制器和avalon总线存储到ddr sdram中。
(3)display模块。负责驱动lcd液晶显示屏显示原始图像、标记图像以及处理信息。
2.2 区域标记及合并的算法实现
图像处理过程分为连通区域标记、区域合并和区域排序三步。
(1)连通区域标记：按照改进后的8方向邻域生长算法进行连通区域标记，为每个连通区分配一个链表数组元素，用链表记录该连通区的目标点和端点。
(2)区域合并：逐个比较任意两个连通区域的端点链表，在大尺度范围内(本文采用9×9范围)，若其中有相邻的端点，则合并这两个连通区。
(3)区域排序：按照目标点的个数，从大到小对合并后的连通区域排序，取前n个目标点数大于x的连通区域作为后续特征提取的对象(本文n的最大取值为10，x取值20)，其余的视为干扰去掉。取形状较大的n个连通区进行下一步的特征提取，可以节省处理时间。
3 实验结果及分析
本文使用altera公司的高性价比cycloneiii系列的fpga ep3c25f324c8。sopc系统共用逻辑单元8916/24624(36%)，寄存器5 415个，引脚101个，片内sram位数421 248/608 256(69%)，内置乘法器4个，pll锁相环1个。系统时钟为100 mhz，niosii软核处理器的性能为113 dmips。
实验结果如图4所示。图4(a)为实验用开发板和摄像头，图4(b)、(c)、(d)是不同图像在lcd液晶屏上显示的实验结果。显示分为三部分：左侧上部为原始灰度图像，大小为320×240;左侧下部为标记图像(不同区域由不同颜色显示)，大小为320×240;右侧为处理信息，大小为480×480。处理信息包括：connection num为连通区域个数;merge num为合并后的区域数;region num为排序后的区域数;process time为图像处理时间，单位为ms。
实验结果表明，本文算法得出的标记图像结果正确、边缘清晰、去掉了杂点、提高了区域的连通性。在sopc系统上实现时，对复杂图像的处理速度约30帧/s，满足了实时性要求。
实验结果表明了算法的有效性和实时性。基于sopc技术的图像处理系统，软硬件协同工作，提高了系统的并行性和灵活性，便携性好，成本低。
消费者买平板电视该注意什么
泰克TEKTRONIX高压探头P5100A的连接与补偿方法
48V 电气系统进入高速档
Cirrus Logic双通道功率放大器助力半导体和平板显示器测试设备
澳大利亚公司研发出自动发电技术，绿色又环保
基于SoPC的边缘图像连通区域标记的算法
过电流保护原理
恩智浦首次参展2019上海车展,智能概念车抢眼
高压电线工作原理与传输损耗
无源低通滤波器电路
区块链大火的同时需要防范怎样的骗术
路由器的最快速率能达到多少？
MOS管与三极管电压增益比较
地平线B轮融资估值达30亿美金，半导体巨头和顶尖汽车集团联合领投
LED显示屏的色度处理技术
四相步进电机原理图
自制车载电源直流变换器
100G QSFP28 LR4光模块特点及工作原理
微软发布新版 Surface Pro平板电脑真机上手图赏，简直美的不要太过！
利用锁相时钟抑制串模干扰