热门标签
热门文章
- 1垂直同步_显示器自适应垂直同步即将大一统：NVIDIA有条件支持FreeSync
- 2微信小程序的常见的面试题（总结）_小程序面试题
- 3VMware中Kali Linux添加源，更新和安装vmtools_kali 2021.3安装vmtools
- 4使用ElasticsearchRepository和ElasticsearchRestTemplate操作Elasticsearch，Spring Boot整合Elasticsearch_idea连接elasticsearch elasticsearchresttemplate
- 5创维E900V22C、E900V22D_S905L3-L3B免拆卡刷固件_e900v22d刷机
- 6GO开发环境配置_go环境配置
- 7react实现HTML调摄像头拍照功能_react 拍照
- 8php GET 和 POST 方法的区别_php get和post 区别
- 9通俗讲解Pytorch梯度的相关问题：计算图、no_grad、zero_grad、retain_grad、detach和backward；Variable、Parameter和torch.tensor_pytorch retain_grad
- 10cortex a7 a53_西昊人体工学椅A7开箱测评
当前位置: article > 正文
9.图像中值腐蚀膨胀滤波的实现
作者：Gausst松鼠会 | 2024-04-04 18:48:25
赞
踩
9.图像中值腐蚀膨胀滤波的实现
1 简介
在第七章介绍了基于三种卷积前的图像填充方式，并生成了3X3的图像卷积模板，第八章运用这种卷积模板进行了均值滤波的FPGA实现与MATLAB实现，验证了卷积模板生成的正确性和均值滤波算法的MATLAB算法实现。
由于均值滤波、中值滤波、腐蚀、膨胀都依赖与卷积核且实现较为简单，这里将对剩下的三种图像处理方式一起介绍。
2 处理前图像的生成。
由于在第八章的中值滤波的试验需要放大观察，且去噪效果几乎看不到，这里我们先对灰度图添加随机的椒盐噪声，并利用添加椒盐噪声后的图像做数字图像处理的FPGA算法实现以及MATLAB算法验证。这样可以方便观察图像处理前后的差异。
对图像随机添加椒盐噪声的MATLAB代码如下：
clear;
clc;
close all;
a = imread('../img/1920X1080_gray.bmp');
subplot(1,2,1),imshow(a),title('原图');
b=imnoise(a,'salt & pepper',0.01);
subplot(1,2,2),imshow(b),title('加入噪声密度：0.01的椒盐噪声');
imwrite(b,'../img/gray.bmp');
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
添加前后的图像对比如下：
可以看到图像现在有了一定数量的噪点。后续的图像处理均以添加椒盐噪声后的图像作为原始图像来处理。
3 三种算法的FPGA实现与MATLAB验证
3.1 中值滤波
中值滤波是一种非线性的滤波方式，是一种排序滤波，它将图像的某一个像素点的灰度值设置成该点某一邻域窗口内所有像素点灰度值排序后的中值。
中值滤波对孤立的噪点像素即椒盐噪声具有良好的滤波效果，且不同于均值滤波对图像边缘性的破坏，中值滤波不会显著性的使图像边缘变得模糊。
1.用一个模板来移动窗口，并将模板中心与图中的某个像素位置重合；
2.读取模板的像素值并按照大小进行排序；
3.选取灰度序列中，最中间的一个灰度值；
4.将灰度值赋值给模板中间的像素；
3.2 3X3模板的中值滤波的FPGA算法实现简介
在3X3的卷积模板中，找出中值共需要经历七次排序。
1.前三次排序分别对3X3模板的三行进行排序，得到min、mid、max。
2.后三次排序在三个最小值中找出一个最大值，三个中值中找出一个中值，三个最大值中找出一个最小值。
3.在步骤二找出的三个值中找出中值，这个值即为最终需要赋值的像数值。
3.2.1 sort_3模块
由于3X3卷积模板中值滤波共需要经过七次三个数的排序，因此首先需要创建一个排序模块供中值滤波模块调用。三个数的排序模块代码如下：
`timescale 1ns / 1ps module sort_3 #( parameter DW = 8 )( input wire clk , input wire rst_n , input wire data_de , input wire [DW-1:0] data1 , input wire [DW-1:0] data2 , input wire [DW-1:0] data3 , output reg data_out_de , output reg [DW-1:0] min_data , output reg [DW-1:0] mid_data , output reg [DW-1:0] max_data ); always @(posedge clk) if(rst_n == 0) min_data <= 0; else if(data1 <= data2 && data1 <= data3) min_data <= data1 ; else if(data2 <= data1 && data2 <= data3) min_data <= data2 ; else min_data <= data3 ; always @(posedge clk) if(rst_n == 0) mid_data <= 0; else if((data1 <= data2 && data1 >= data3) || (data1 >= data2 && data1 <= data3)) mid_data <= data1 ; else if((data2 <= data1 && data2 >= data3) || (data2 >= data1 && data2 <= data3)) mid_data <= data2 ; else mid_data <= data3 ; always @(posedge clk) if(rst_n == 0) max_data <= 0; else if(data1 >= data2 && data1 >= data3) max_data <= data1 ; else if(data2 >= data1 && data2 >= data3) max_data <= data2 ; else max_data <= data3 ; always @(posedge clk) if(rst_n == 0) data_out_de <= 0; else data_out_de <= data_de; endmodule
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
3.2.2 中值滤波模块
中值滤波本身就是一种排序算法，只需要多次三个数的排序即可完成，因此此算法模块内部就是sort_3模块的例化与连接，代码如下：
`timescale 1ns / 1ps module mid_filter#( parameter DW = 8 )( input wire clk , input wire rst_n , input wire matrix_de , input wire [DW-1:0] matrix11 , input wire [DW-1:0] matrix12 , input wire [DW-1:0] matrix13 , input wire [DW-1:0] matrix21 , input wire [DW-1:0] matrix22 , input wire [DW-1:0] matrix23 , input wire [DW-1:0] matrix31 , input wire [DW-1:0] matrix32 , input wire [DW-1:0] matrix33 , output wire mid_data_de , output wire [DW-1:0] mid_data ); wire matrix1_de ; wire [DW-1:0] min_data1 ; wire [DW-1:0] mid_data1 ; wire [DW-1:0] max_data1 ; wire matrix2_de ; wire [DW-1:0] min_data2 ; wire [DW-1:0] mid_data2 ; wire [DW-1:0] max_data2 ; wire matrix3_de ; wire [DW-1:0] min_data3 ; wire [DW-1:0] mid_data3 ; wire [DW-1:0] max_data3 ; wire matrix4_de ; wire [DW-1:0] max_min_data ; wire matrix5_de ; wire [DW-1:0] mid_mid_data ; wire matrix6_de ; wire [DW-1:0] min_max_data ; wire matrix7_de ; wire [DW-1:0] mid_filter_data ; sort_3 #( .DW (DW) )u1_sort_3( .clk (clk ), .rst_n (rst_n ), .data_de (matrix_de ), .data1 (matrix11 ), .data2 (matrix12 ), .data3 (matrix13 ), .data_out_de (matrix1_de ), .min_data (min_data1 ), .mid_data (mid_data1 ), .max_data (max_data1 ) ); sort_3 #( .DW (DW) )u2_sort_3( .clk (clk ), .rst_n (rst_n ), .data_de (matrix_de ), .data1 (matrix21 ), .data2 (matrix22 ), .data3 (matrix23 ), .data_out_de (matrix2_de ), .min_data (min_data2 ), .mid_data (mid_data2 ), .max_data (max_data2 ) ); sort_3 #( .DW (DW) )u3_sort_3( .clk (clk ), .rst_n (rst_n ), .data_de (matrix_de ), .data1 (matrix31 ), .data2 (matrix32 ), .data3 (matrix33 ), .data_out_de (matrix3_de ), .min_data (min_data3 ), .mid_data (mid_data3 ), .max_data (max_data3 ) ); sort_3 #( .DW (DW) )u4_sort_3( .clk (clk ), .rst_n (rst_n ), .data_de (matrix1_de ), .data1 (max_data1 ), .data2 (max_data2 ), .data3 (max_data3 ), .data_out_de (matrix4_de ), .min_data (max_min_data ), .mid_data ( ), .max_data ( ) ); sort_3 #( .DW (DW) )u5_sort_3( .clk (clk ), .rst_n (rst_n ), .data_de (matrix1_de ), .data1 (mid_data1 ), .data2 (mid_data2 ), .data3 (mid_data3 ), .data_out_de (matrix5_de ), .min_data ( ), .mid_data (mid_mid_data ), .max_data ( ) ); sort_3 #( .DW (DW) )u6_sort_3( .clk (clk ), .rst_n (rst_n ), .data_de (matrix1_de ), .data1 (min_data1 ), .data2 (min_data2 ), .data3 (min_data3 ), .data_out_de (matrix6_de ), .min_data ( ), .mid_data (min_max_data ), .max_data ( ) ); sort_3 #( .DW (DW) )u7_sort_3( .clk (clk ), .rst_n (rst_n ), .data_de (matrix4_de ), .data1 (max_min_data ), .data2 (mid_mid_data ), .data3 (min_max_data ), .data_out_de (matrix7_de ), .min_data ( ), .mid_data (mid_filter_data), .max_data ( ) ); assign mid_data = mid_filter_data ; assign mid_data_de = matrix7_de ; endmodule
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
- 99
- 100
- 101
- 102
- 103
- 104
- 105
- 106
- 107
- 108
- 109
- 110
- 111
- 112
- 113
- 114
- 115
- 116
- 117
- 118
- 119
- 120
- 121
- 122
- 123
- 124
- 125
- 126
- 127
- 128
- 129
- 130
- 131
- 132
- 133
- 134
- 135
- 136
- 137
- 138
- 139
- 140
- 141
- 142
- 143
- 144
- 145
- 146
- 147
- 148
- 149
- 150
- 151
- 152
- 153
- 154
- 155
- 156
- 157
- 158
- 159
- 160
- 161
- 162
- 163
- 164
- 165
- 166
- 167
- 168
- 169
- 170
- 171
- 172
例化后用vivado查看连线有
3.2.3 中值滤波的顶层连接
`timescale 1ns / 1ps module top_mid_filter#( parameter COL = 1920 , parameter ROW = 1080 , parameter PADDING = 2 , parameter DW = 8 )( input wire clk , input wire rst_n , input wire data_de , input wire [DW-1:0] data , output wire mid_data_de , output wire [DW-1:0] mid_data ); wire [DW-1:0] matrix11 ; wire [DW-1:0] matrix12 ; wire [DW-1:0] matrix13 ; wire [DW-1:0] matrix21 ; wire [DW-1:0] matrix22 ; wire [DW-1:0] matrix23 ; wire [DW-1:0] matrix31 ; wire [DW-1:0] matrix32 ; wire [DW-1:0] matrix33 ; padding_matrix #( .COL (COL ), .ROW (ROW ), .PADDING (PADDING ) )u_padding_matrix( .clk (clk ), .rst_n (rst_n ), .data (data ), .data_de (data_de ), .matrix_de (matrix_de ), .matrix11 (matrix11 ), .matrix12 (matrix12 ), .matrix13 (matrix13 ), .matrix21 (matrix21 ), .matrix22 (matrix22 ), .matrix23 (matrix23 ), .matrix31 (matrix31 ), .matrix32 (matrix32 ), .matrix33 (matrix33 ) ); mid_filter #( .DW (DW) )u_mid_filter( .clk (clk ), .rst_n (rst_n ), .matrix_de (matrix_de ), .matrix11 (matrix11 ), .matrix12 (matrix12 ), .matrix13 (matrix13 ), .matrix21 (matrix21 ), .matrix22 (matrix22 ), .matrix23 (matrix23 ), .matrix31 (matrix31 ), .matrix32 (matrix32 ), .matrix33 (matrix33 ), .mid_data_de (mid_data_de ), .mid_data (mid_data ) ); endmodule
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
例化后用vivado查看连线有
3.3 中值滤波的FPGA仿真
仿真依旧是img_gen模块读取pre.txt的像素数据，tb顶层写回仿真后的像素数据到mid_filter.txt文本。
`timescale 1ns / 1ps module img_gen #( parameter ACTIVE_IW = 1920 , parameter ACTIVE_IH = 1080 , parameter TOTAL_IW = 2200 , parameter TOTAL_IH = 1100 , parameter H_START = 100 , parameter V_START = 4 )( input wire clk , input wire rst_n , output reg vs , output reg de , output reg [7:0] data ); reg [7:0] raw_array [ACTIVE_IW*ACTIVE_IH-1:0]; integer i; initial begin for (i=0 ;i<ACTIVE_IH*ACTIVE_IW ; i=i+1) begin raw_array[i] = 0; end end initial begin $readmemh("H:/picture/Z7/lesson8/data/pre.txt",raw_array); end reg [15:0] hcnt ; reg [15:0] vcnt ; reg h_de ; reg v_de ; reg index_de ; reg [31:0] index ; always @(posedge clk or negedge rst_n) if(!rst_n) hcnt <= 'd0; else if(hcnt == TOTAL_IW - 1) hcnt <= 'd0; else hcnt <= hcnt + 1'b1; always @(posedge clk or negedge rst_n) if(!rst_n) vcnt <= 'd0; else if(hcnt == TOTAL_IW - 1 && vcnt == TOTAL_IH - 1) vcnt <= 'd0; else if(hcnt == TOTAL_IW - 1) vcnt <= vcnt + 1'b1; else vcnt <= vcnt; always @(posedge clk or negedge rst_n) if(!rst_n) vs <= 'd0; else if(vcnt>=2) vs <= 1'b1; else vs <= 1'b0; always @(posedge clk or negedge rst_n) if(!rst_n) h_de <= 'd0; else if(hcnt >= H_START && hcnt < H_START + ACTIVE_IW) h_de <= 1'b1; else h_de <= 1'b0; always @(posedge clk or negedge rst_n) if(!rst_n) v_de <= 'd0; else if(vcnt >= V_START && vcnt < V_START + ACTIVE_IH) v_de <= 1'b1; else v_de <= 1'b0; always @(posedge clk or negedge rst_n) if(!rst_n) index_de <= 'd0; else if(h_de == 1'b1 && v_de == 1'b1) index_de <= 1'b1; else index_de <= 1'b0; always @(posedge clk or negedge rst_n) if(!rst_n) index <= 'd0; else if(index == ACTIVE_IW * ACTIVE_IH-1) index <= 0; else if(index_de == 1'b1) index <= index + 1; else index <= index; always @(posedge clk or negedge rst_n) if(!rst_n) de <= 'd0; else de <= index_de; always @(posedge clk or negedge rst_n)begin if(index_de == 1'b1) data <= raw_array[index]; else data <= 0; end endmodule
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
- 99
- 100
- 101
- 102
- 103
- 104
- 105
- 106
- 107
- 108
- 109
- 110
- 111
- 112
- 113
- 114
- 115
`timescale 1ns / 1ps module tb_top_mid_filter( ); reg clk ; reg rst_n ; wire [7:0] data ; wire de ; wire vs ; wire [7:0] mid_data; wire mid_data_de; integer outfile; always #5 clk <= ~clk; initial begin clk <= 0; rst_n = 0; #100 rst_n = 1; outfile = $fopen("H:/picture/Z7/lesson8/data/mid_filter.txt","w"); end img_gen #( .ACTIVE_IW (1920 ), .ACTIVE_IH (1080 ), .TOTAL_IW (2200 ), .TOTAL_IH (1100 ), .H_START (4 ), .V_START (4 ) )u_img_gen( .clk (clk ), .rst_n (rst_n ), .vs (vs ), .de (de ), .data (data ) ); top_mid_filter#( .COL ( 1920 ), .ROW ( 1080 ), .PADDING ( 2 ), .DW ( 8 ) )u_top_mid_filter( .clk (clk ), .rst_n (rst_n ), .data_de (de ), .data (data ), .mid_data_de (mid_data_de ), .mid_data (mid_data ) ); reg vs_r ; always @(posedge clk) if(rst_n == 0) vs_r <= 1'b0; else vs_r <= vs; always @(posedge clk) if(~vs&&vs_r) $stop; else if(mid_data_de) $fdisplay(outfile,"%h\t",mid_data); endmodule
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
3.3 中值滤波的MATLAB算法实现与验证
中值滤波的MATLAB算法实现如下：
clc; clear all; GRAY = imread('../img/gray.bmp'); [row,col] = size(GRAY); GRAY = double(GRAY); mid_filter_padding = zeros(row+2,col+2); mid_filter_result = zeros(row,col); for i = 1:row for j = 1:col mid_filter_padding(i+1,j+1) = GRAY(i,j); end end for i = 1:row+2 mid_filter_padding(i,1) = mid_filter_padding(i,2); mid_filter_padding(i,col+2) = mid_filter_padding(i,col+1); end for i = 1:col+2 mid_filter_padding(1,i) = mid_filter_padding(2,i); mid_filter_padding(row+2,i) = mid_filter_padding(row+1,i); end for i = 2:row+1 for j = 2:col+1 matrix11 = mid_filter_padding(i-1,j-1); matrix12 = mid_filter_padding(i-1,j); matrix13 = mid_filter_padding(i-1,j+1); matrix21 = mid_filter_padding(i,j-1); matrix22 = mid_filter_padding(i,j); matrix23 = mid_filter_padding(i,j+1); matrix31 = mid_filter_padding(i+1,j-1); matrix32 = mid_filter_padding(i+1,j); matrix33 = mid_filter_padding(i+1,j+1); sort_buf = sort([matrix11,matrix12,matrix13,matrix21,matrix22,matrix23,matrix31,matrix32,matrix33],'ascend'); mid_filter_result(i-1,j-1) = sort_buf(1,5); end end matlab_Y = uint8(floor(mid_filter_result)); a = textread('../data/mid_filter.txt','%s'); IMdec1 = hex2dec(a); col = 1920; row = 1080; IM1 = reshape(IMdec1,col,row); fpga_Y = uint8(IM1)'; b = textread('../data/pre.txt','%s'); IMdec2 = hex2dec(b); col = 1920; row = 1080; IM2 = reshape(IMdec2,col,row); gray = uint8(IM2)'; subplot(1,3,1) imshow(gray),title('原始图像'); subplot(1,3,2) imshow(matlab_Y),title('MATLAB中值滤波算法图像'); subplot(1,3,3) imshow(fpga_Y),title('FPGA中值滤波算法图像'); sub = matlab_Y - fpga_Y; min_sub = min(min(sub)); max_sub = max(max(sub));
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
MATLAB算法实现与FPGA仿真结果完全一致，验证通过。由于在添加椒盐噪声的时候，添加的是孤立的噪声点，完美符合中值滤波算法，所以还原效果最好，但是当椒盐噪声的像素点过多的时候，中值滤波需要更大的卷积模板，且也会一定程度的使边缘模糊。
3.2 腐蚀与膨胀滤波
中值滤波是取卷积模板的中位数做滤波算法，但是当单个椒盐噪点的面积过大时，此算法并不适用，腐蚀算法就是取卷积模板的最小值，膨胀就是取卷积模板的最大值。因此只需要在中值滤波的基础上改变卷积的连线即可。腐蚀和膨胀经常成对的使用，具体使用方式可以参考图像的膨胀与腐蚀这篇文章。
这里只分别贴出对图像进行腐蚀和膨胀的处理前后效果图。
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/Gausst松鼠会/article/detail/360450
推荐阅读
相关标签
