基于FPGA的图像差分运算及目标提取实现,包含testbench和MATLAB辅助验证程序

1.算法运行效果图预览

2.算法运行软件版本

3.部分核心程序

4.算法理论概述

5.算法完整程序工程

1.算法运行效果图预览

2.算法运行软件版本

matlab2022a

3.部分核心程序

复制代码

`timescale 1ns / 1ps
//
// Company: 
// Engineer: 
// 
// Create Date: 2022/07/28 01:51:45
// Design Name: 
// Module Name: test_image
// Project Name: 
// Target Devices: 
// Tool Versions: 
// Description: 
// 
// Dependencies: 
// 
// Revision:
// Revision 0.01 - File Created
// Additional Comments:
// 
//


module test_image;
reg i_clk;
 
reg i_rst;
 
reg [7:0] Buffer1 [0:100000];
reg [7:0] Buffer2 [0:100000];
reg [7:0] II1;
reg [7:0] II2;
wire [7:0]o_cf;
wire [7:0]o_cfbw;
integer fids1,fids2,idx=0,dat1,dat2;
 
 
//D:\FPGA_Proj\FPGAtest\codepz
initial 
begin
	fids1 = $fopen("D:\\FPGA_Proj\\FPGAtest\\codepz\\a.bmp","rb");//调用2个图片
	dat1  = $fread(Buffer1,fids1);
	$fclose(fids1);
end
initial 
begin 
	fids2 = $fopen("D:\\FPGA_Proj\\FPGAtest\\codepz\\b.bmp","rb");//调用2个图片
	dat2  = $fread(Buffer2,fids2);
	$fclose(fids2);
end
  
 
 
initial 
begin
i_clk=1;
i_rst=1;
 
#1000;
i_rst=0;
end 

always #5 i_clk=~i_clk;



always@(posedge i_clk or posedge i_rst) 
begin
    if(i_rst)
    begin
    II1<=8'd0;
    II2<=8'd0;

    idx<=0;
    end
    else begin
        if(idx<=66413)
        begin
        II1<=Buffer1[idx];
        II2<=Buffer2[idx];
        end
        else begin
             II1<=8'd0;
             II2<=8'd0;
        end
        
        idx<=idx+1;
	end
end
 
//调用合并模块
tops tops_u(
.i_clk           (i_clk),
.i_rst           (i_rst),
.i_I1            (II1),
.i_I2            (II2),
.o_cf            (o_cf),
.o_cfbw          (o_cfbw)
);
//将合并后的模块保存到txt文件中
integer fout1;
initial begin
 fout1 = $fopen("SAVEcf.txt","w");
end

always @ (posedge i_clk)
 begin
    if(idx<=66619)
	$fwrite(fout1,"%d\n",o_cf);
	else
	$fwrite(fout1,"%d\n",0);
end


integer fout2;
initial begin
 fout2 = $fopen("SAVEcfbw.txt","w");
end

always @ (posedge i_clk)
 begin
    if(idx<=66619)
	$fwrite(fout2,"%d\n",o_cfbw);
	else
	$fwrite(fout2,"%d\n",0);
end

endmodule
0X_020m

4.算法理论概述

基于FPGA（Field-Programmable Gate Array）的图像差分运算及目标提取实现主要涉及图像处理、差分运算和目标提取等原理和数学公式。

一、图像处理原理

图像处理是一种对图像信息进行加工、分析和理解的技术。其基本步骤包括图像采集、预处理、特征提取和目标提取等。在基于FPGA的图像处理中，我们通常需要设计并实现一个图像处理流水线，包括图像采集、预处理、特征提取和目标提取等模块。

二、差分运算原理

差分运算是一种常用的图像特征提取方法，能够得到图像中的边缘信息。差分运算分为横向差分和纵向差分两种。横向差分运算能够得到图像中横向的边缘信息，纵向差分运算能够得到图像中纵向的边缘信息。具体实现时，我们可以将输入图像分成若干个像素对，对于每个像素对，计算其灰度值的差值，即得到横向或纵向的边缘信息。边缘信息的强弱可以用差值的大小来表示。

三、目标提取原理

目标提取是指从图像中提取出感兴趣的目标，并将其与背景分离。基于FPGA的目标提取实现通常采用基于区域的分割方法，如阈值分割、区域生长等。阈值分割的基本原理是将像素的灰度值与一个阈值进行比较，根据比较结果将像素分为目标或背景。区域生长的基本原理是从一个或多个种子点开始，通过一定的规则将相邻的像素加入到同一区域中。

四、数学公式

基于FPGA的图像差分运算及目标提取实现涉及的主要数学公式如下：

横向差分公式：Dx(i,j) = |f(i,j) - f(i-1,j)|
纵向差分公式：Dy(i,j) = |f(i,j) - f(i,j-1)|
阈值分割公式：If(i,j) > T, then pixel(i,j) = 1; otherwise pixel(i,j) = 0

五、实现流程

基于FPGA的图像差分运算及目标提取实现的流程如下：

首先，通过图像采集模块获取输入图像；
接着，通过差分运算模块对预处理后的图像进行差分运算，得到目标信息；
再接着，通过目标提取模块对图像进行二值图处理进行目标提取；
最后，通过输出模块将提取的目标输出。

5.算法完整程序工程

OOOOO

OOO