基于FPGA语言的图像边界锐化算法、装置和控制系统的制作方法

本公开涉及，尤其涉及一种基于fpga语言的图像边界锐化算法、装置和控制系统。

背景技术：

1、相机需要在fpga上进行，同时需要快速实时处理数据，并有需要保证低延迟的要求，所以无法进行迭代操作，且资源有限。

2、目前现有一些算法比如图像锐化算法，是使图像边缘更清晰的一种图像处理方法，常用的做法是提取图像的高频分量，将其叠加到原图上。图像高频分量的提取有两种做法，一种是用高通滤波器，得到高频分量，另一种是通过低通滤波，用原图减低频得以高频。直接提取高频的方法有sobel算法、laplcian算子等，sobel算子是图像的一阶导数，提取的是梯度信息，分水平和垂直两种，常常用来做边缘检测、方向判别，sobel算子在斜坡处不为0，因此会产生较粗的边缘。

3、因此上述算法主要是采用对图像高频分量进行增强，但是如果想要使用小资源而不用迭代的方式等实现又都比较不实用，同时锐化可能会增大孤立的的噪声增大。

4、然而针对工业显微镜环境需求，要求图像可以对很细的边界进行精准锐化，同时又要保证尽可能多的进行连贯性锐化用于取得更高的图像效果。因此有必要进行算法改进，提高图像边界锐化效果。

技术实现思路

1、为了解决上述问题，本技术提出一种基于fpga语言的图像边界锐化算法、装置和控制系统。

2、本技术一方面，提出一种基于fpga语言的图像边界锐化算法，其特征在于，包括如下步骤：

3、获取图片，将rgb信号转为yuv数据；

4、基于laplace算子模板，对图片中当前像素点的y分量进行卷积操作，计算并获得当前像素点的maxline值；

5、求取当前像素点n×n内其他所有像素点的maxline值，并计算出其他所有像素点的maxline值的和值；

6、若其他所有像素点的和值大于0且当前像素点的maxline值等于1，则认定当前像素点为需要进行锐化的边界点，并计算最终的锐化值。

7、作为本技术的一可选实施方案，可选地，基于laplace算子模板，对图片中当前像素点的y分量进行卷积操作，计算并获得当前像素点的maxline值，包括：

8、使用laplace算子，构建laplace算子模板；

9、进行非极大值x抑制操作，利用所构建的laplace算子模板x，对当前像素点的x分量做卷积，计算得到gayx分量；

10、进行y分量卷积操作，利用所构建的laplace算子模板y，对当前像素点的y分量做卷积，计算得到gayy分量；

11、计算gayx分量的绝对值和gayy分量的绝对值之和，得到grad：

12、grad＝gayx分量的绝对值+gayy分量的绝对值；

13、令dtemp＝grad。

14、作为本技术的一可选实施方案，可选地，基于laplace算子模板，对图片中当前像素点的y分量进行卷积操作，计算并获得当前像素点的maxline值，还包括：

15、根据gayx分量和gayy分量，计算当前像素点的梯度值；

16、对梯度值进行插值处理，得到当前像素点的梯度阈值；

17、在预设范围内，判断当前像素点的dtemp是否超过所述梯度阈值：

18、是则maxline＝1，当前像素点需进行锐化；

19、否则maxline＝0，当前像素点不需要进行检测。

20、作为本技术的一可选实施方案，可选地，根据gayx分量和gayy分量，计算当前像素点的梯度值，包括：

21、(1)如果gayy分量比gayx分量大，说明导数方向趋向于y分量，则：

22、g2＝grad[npos-w]；

23、g4＝grad[npos+w]；

24、如果gayx分量和gayy分量的数值正负相同，则：

25、g1＝grad[npos-w-1]；

26、g3＝grad[npos+w+1]；

27、如果gayx分量和gayy分量的数值正负不相同，则

28、g1＝grad[npos-w+1]；

29、g3＝grad[npos+w-1]；

30、(2)如果gayx分量比gayy分量大，说明导数方向趋向于x分量，则：

31、g2＝grad[npos+1]；

32、g4＝grad[npos-1]；

33、如果gayx分量和gayy分量的数值正负相同，则：

34、g1＝grad[npos+w+1]；

35、g3＝grad[npos-w-1]；

36、如果gayx分量和gayy分量的数值正负不相同，则：

37、g1＝grad[npos-w+1]；

38、g3＝grad[npos+w-1]；

39、其中，npos指的是当前像素点，w指的是窗口大小。

40、作为本技术的一可选实施方案，可选地，对梯度值进行插值处理，得到当前像素点的梯度阈值，包括：

41、利用g1～g4对梯度进行插值：

42、dtemp1＝(g1+g2)/2；

43、dtemp2＝(g3+g4)/2。

44、作为本技术的一可选实施方案，可选地，求取当前像素点n×n内其他所有像素点的maxline值，并计算出其他所有像素点的maxline值的和值，包括：

45、获取当前像素点的dtemp，如果(dtemp>＝dtemp1)且(dtemp>＝dtemp2)，那么即maxline＝1否则maxline＝0；

46、按照上述方式，计算当前像素点n×n内其他所有像素点的maxline值；

47、对当前像素点n×n内其他所有像素点的maxline值进行累加，得到当前像素点n×n内其他所有像素点的maxline值的和值。

48、作为本技术的一可选实施方案，可选地，计算最终的锐化值，包括：

49、获取当前像素点的锐度值，判断锐度值的正负情况：

50、当锐度值为正数时，判断为增加，如果大于255-目标值，否则等于255-目标值；

51、当锐度值为负数时，判断为减少，判断如果锐度值大于当前值，则令锐度值等于当前值；再和原值的中心点值累加，得到最终的锐化值。

52、本技术另一方面，提出一种装置，用于实现所述的基于fpga语言的图像边界锐化算法，包括：

53、图像获取模块，用于获取图片，将rgb信号转为yuv数据；

54、算子卷积模块，用于基于laplace算子模板，对图片中当前像素点的y分量进行卷积操作，计算并获得当前像素点的maxline值；

55、和值计算模块，用于求取当前像素点n×n内其他所有像素点的maxline值，并计算出其他所有像素点的maxline值的和值；

56、边界点识别模块，用于在若其他所有像素点的和值大于0且当前像素点的maxline值等于1时，则认定当前像素点为需要进行锐化的边界点，并计算最终的锐化值。

57、本技术另一方面，还提出一种控制系统，包括：

58、处理器；

59、用于存储处理器可执行指令的存储器；

60、其中，所述处理器被配置为执行所述可执行指令时实现所述的基于fpga语言的图像边界锐化算法。

61、本发明的技术效果：

62、本技术通过获取图片，将rgb信号转为yuv数据；基于laplace算子模板，对图片中当前像素点的y分量进行卷积操作，计算并获得当前像素点的maxline值；求取当前像素点n×n内其他所有像素点的maxline值，并计算出其他所有像素点的maxline值的和值；若其他所有像素点的和值大于0且当前像素点的maxline值等于1，则认定当前像素点为需要进行锐化的边界点，并计算最终的锐化值。通过laplace算子模板计算并找到符合锐化条件的边界点，以此对其进行锐化处理。laplacian比sobel算子更适合做图像锐化。针对工业显微镜环境需求，要求图像可以对很细的边界进行精准锐化，同时又要保证尽可能多的进行连贯性锐化用于取得更高的图像效果。本技术的图像边界锐化算法本身，占用资源较少，可以减少孤立点的噪声。

63、根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。