基于FPGA的圖像形狀邊緣匹配算法的實現

摘 要：文章以Altera公司Cyclone II系列FPGA為平臺搭建圖像處理系統，通過硬件方式實現圖像形狀邊緣梯度匹配算法，完成了單一背景下具有規則形狀物體圖像的快速中值濾波、Sobel邊緣檢測和邊緣梯度直方圖統計及相關性匹配模塊的設計，較好地體現了FPGA流水線結構和并行處理能力。實驗結果證明，該圖像處理系統可以成功匹配到單一背景下與目標模板形狀相似的物體圖像，匹配結果受物體平移、縮放、旋轉的影響較小。

關鍵詞：FPGA；圖像匹配；邊緣方向直方圖；流水線；并行處理

引言

圖像形狀邊緣蘊含著豐富的圖像形態信息，形狀特征作為圖像的重要視覺特征之一，它不隨周圍環境（比如亮度）的變化而變化，是物體的穩定信息；人們對圖像的理解也在很大程度上依賴于對圖像中物體形狀的感知和區別[1]。基于圖像形狀邊緣梯度直方圖相關性計算的圖像匹配算法在圖像檢索領域應用前景突出，該算法的關鍵步驟在于圖像形狀特征的提取和相似性度量。首先，我們需要提取圖像的邊緣梯度方向直方圖，量化分級后再計算圖像間相關度。在實時圖像匹配過程中，由于算法涉及到的運算數據量大，傳統的軟件方法或者一般處理器的順序執行結構很難達到實時性要求。FPGA（Field Programmable Gate Array，現場可編程門陣列）是當今應用最為廣泛的可編程邏輯器件[2]。目前，FPGA在運算速度和靈活性方面達到很高水平，基于其流水線結構和乒乓操作，可以完成復雜的邏輯運算和高速并行信號的處理，所以在視頻圖像處理系統中應用廣泛。文章在研究圖像形狀邊緣梯度匹配算法的基礎上，對其進行優化，采用純硬件方式在FPGA上得以實現。

1 圖像匹配算法結構

圖像邊緣梯度方向直方圖是表征圖像形狀的一種方法，圖像中目標形狀信息是由圖像邊緣表現的，邊緣是圖像中灰度發生急劇變化的區域邊界，邊緣上每一個像素都對應此處一個邊緣梯度方向[3]，對邊緣像素點的梯度方向統計得到的直方圖在一定程度上可以反映圖像中目標的形狀信息。本算法的實現可以分為幾個步驟：（1）濾波：平滑噪聲，保護圖像邊緣信息；（2）邊緣檢測：采用Sobel邊緣檢測，確定邊緣像素點，計算邊緣梯度方向；（3）直方圖：劃分邊緣梯度區間，統計每一個區間內的像素點；（4）相關性：計算圖像與待檢測目標的邊緣梯度方向直方圖之間的距離。

2 圖像匹配算法的硬件實現

2.1 快速中值濾波

中值濾波是一種能有效抑制圖像噪聲而提高信噪比的非線性濾波技術，本設計采用3X3模板的快速中值濾波算法，把3X3鄰域中的像素按灰度值進行排序， 然后選擇中間值作為輸出灰度值。算法包括圖像3X3模板數據的產生和排序模塊，采用流水線結構。在這里我們將輸入的圖像數據經過行緩沖器模塊，通過調用Altera公司提供的altshift_taps（基于RAM的移位寄存器）宏模塊實現行延遲產生圖像3X3模板數據[5]，其中行緩存深度設定為圖像的行像素總數，然后每行通過3個移位寄存器進行列延遲將數據并行輸出，經過3個周期即可輸出3X3模板數據。排序模塊中，先將3X3模板數據按縱列方向從小到大排序，再按橫列方向從小到大排序，最后取45度方向斜線的三個數取中值。

2.2 Sobel邊緣檢測

Sobel算子[6]在技術上是一個離散的一階差分算子，用來計算圖像亮度函數的一階梯度之近似值。該算子包含兩組3X3的矩陣，分別為橫向和縱向，將它們與圖像作平面卷積，即可分別得出橫向及縱向的亮度差分近似值。

2.4 相關性匹配

經由Block RAM統計得到的直方圖雖然具有平移和尺度不變性，但是對圖像旋轉是敏感的。由于Block RAM的特殊結構，內存單元數據輸出時的起始地址可以事先設定，可以方便我們對內存單元數據移位輸出，所以在進行圖像形狀邊緣梯度匹配時，我們采用邊緣梯度方向直方圖循環移位計算最小值的方法求待檢測圖像與模板之間的距離，圖像中目標的旋轉對應圖像邊緣梯度直方圖的循環移位，有效消除了圖像邊緣梯度匹配過程中的旋轉易變性。

式中，T為模板圖像的邊緣梯度方向直方圖，H為待檢測圖像的邊緣梯度方向直方圖，Hi為H平移i個單位得到的直方圖。

3 實驗結果與分析

文章在友晶科技DE2開發板上搭建測試系統，對單一背景下、形狀明顯的物體具有較好的匹配效果。目標模板的邊緣梯度方向直方圖數據存儲于ROM中，待測試物體圖像由CCD攝像頭采集輸入FPGA，并將其邊緣檢測后的圖像通過VGA顯示器顯示出來，用于對比，利用Altera公司Quartus II軟件自帶的SignalTap II Logic Analyzer（在線邏輯分析儀）獲取待測試圖像邊緣梯度方向直方圖與目標模板之間的最小距離。選取8個形狀規則的物體置于白色背景下，獲取其邊緣檢測后的圖像，以及邊緣梯度方向直方圖與目標模板之間的最小距離，記錄如圖3所示。

圖3中，第一行的兩幅圖像分別為目標模板及其邊緣梯度直方圖，第二、三行圖像為測試物體圖像，下面數字為測試物體與目標模板邊緣梯度直方圖之間的最小距離。由以上結果可以看出，當我們選擇合適的閾值對測試結果進行判定，可以成功匹配到與目標模板形狀相似的物體，匹配結果受物體平移、縮放、旋轉的影響較小。

4 結束語

文章提出一種基于FPGA的圖像形狀邊緣匹配算法的實現方法，借助Altera公司提供的眾多宏模塊，采用硬件方式實現圖像快速中值濾波、Sobel邊緣檢測和邊緣梯度方向直方圖統計，構建了一種流水線處理結構，充分利用了硬件內部并行性，增加了數據處理能力和處理速度，可應用于對實時性要求較高的智能監控、安防、工業控制等領域。在后期研究中，我們將改進測試圖像輸入方式，細分圖像邊緣梯度方向區間，優化算法硬件結構，進一步提高系統處理能力。

參考文獻

[1]陳宏.基于邊緣方向直方圖的形狀檢索[J].電子設計工程，2013，

23：188-190+193.

[2]李正明，劉春國，安明建.基于FPGA的Sobel圖像邊緣檢測的設計[J].現代科學儀器，2012，4：84-86.

[3]楊曉強.基于邊緣梯度方向直方圖的圖像檢索算法[J].微計算機息，2008，21：302-303+311.

[4]李雷鳴，張煥春，張波.一種基于FPGA的圖像中值濾波器的硬件實現[J].電子工程師，2004，2：48-50.

[5]李明，趙勛杰，毛偉民.Sobel邊緣檢測的FPGA實現[J].現代電子技術，2009，16：44-46.

[6]張潔.數字圖像邊緣檢測技術的研究[D].合肥工業大學，2009.

[7]魚明杰.HDTV視頻圖像灰度直方圖統計算法設計[J].電子產品世界，2005，15：119-120.

作者簡介：陳坤（1993-），男，本科生。

*通訊作者：黎煊（1980-），男，副教授。