一種組合GAUSS-filter、SOBEL、NMS、OTSU 4種算法的圖像邊緣檢測的FPGA實現(xiàn)

張 灝，王素珍，鄭 宇，王 偉，李濰志，王 鵬，任貴珊，馬家麟

(青島大學 電子信息學院，山東 青島 266071)

1 引 言

邊緣檢測是分離圖像目標主體和背景的主要依據(jù)。通過檢測圖像上灰度變化顯著的像素點集合來確定圖像的邊緣。圖像的邊緣檢測在許多領(lǐng)域，比如醫(yī)學影像、地質(zhì)勘探、衛(wèi)星遙感、航天、交通、計算機視覺等方面都有重要的應(yīng)用。目前對圖像清晰度的要求越來越高，圖像處理的信息量巨大。一般串行方式已經(jīng)不能滿足對圖像大量信息的實時處理。大規(guī)模可編程片上系統(tǒng)(Field Programmable Gate Array，F(xiàn)PGA)芯片以其獨特的并行可編程處理信號的方式，成為處理圖像的重要器件。

邊緣檢測的常用方法是SOBEL算法。文獻[1-5]成功地在FPGA芯片上應(yīng)用SOBEL算法實現(xiàn)了圖像的邊緣檢測。但是，其邊緣檢測的門限閾值需要反復(fù)的實驗確定，且圖像有噪聲的影響，同時邊緣輪廓也不夠細化。文獻[6]引入高斯濾波(GAUSS-filter)，對圖像先去噪聲處理，再送入SOBEL算法進行邊緣檢測，減少了圖像邊緣背景噪聲的干擾。文獻[7]把經(jīng)過SOBEL算法檢測出的邊緣圖像送到非極大值抑制(Non-maximum Suppression，NMS)算法模塊處理，細化了圖像輪廓的邊緣。文獻[8-10]將大津法OTSU加入SOBEL算法中，使圖像邊緣的門限閾值能夠自適應(yīng)圖像特點調(diào)整。

本文在FPGA器件上，綜合應(yīng)用GAUSS-filter、SOBEL、NMS、OTSU等多種算法，進行圖像邊緣檢測。將原始采集到的彩色圖像轉(zhuǎn)換成灰度圖像，先對圖像進行高斯平滑處理，消除背景干擾性噪聲；應(yīng)用SOBEL算法計算灰度梯度值，得到圖像邊緣；再應(yīng)用NMS算法處理灰度，對比出最大的灰度像素集合；……