sobel图像边缘检测算法的Python及Verilog验证

最新推荐文章于 2023-10-13 23:02:14 发布

芯益求新

最新推荐文章于 2023-10-13 23:02:14 发布

阅读量6.2k

点赞数 7

分类专栏：图像处理

本文链接：https://blog.csdn.net/qq_40230112/article/details/108037875

版权

本文介绍了Sobel图像边缘检测算法的Python实现和Verilog验证过程。通过Python对Lenna图像进行边缘提取，然后使用Verilog进行仿真，并在Modelsim环境下进行测试。尽管Verilog仿真结果存在轻微差异，但总体与Python结果吻合，验证了Verilog的正确性。

摘要由CSDN通过智能技术生成

引言

本文是之前AI加速器项目的一个补充，即之前AI加速器中PL部分的工作。本文主要介绍的是一种sobel图像边缘检测算法的Python及Verilog实现。

一、sobel图像边缘检测算法的Python实现

sobel图片边缘检测算法的核心就是图片的卷积操作，我们所用的是如下图所示的一个3*3的卷积核。

-1	0	1
-2	0	2
-1	0	1

图片的卷积操作简单来说就是移位相乘然后累加运算，具体资料各位可以上网查找，关于原理方面的介绍非常多，本文不再赘述。在本文中，利用Python对lenna图做了一个简单的边缘提取操作，一是为verilog提供测试数据，二是获取结果与verilog仿真结果形成比较，以判断verilog仿真结果的效果如何。

Python实现代码

# -*- coding: utf-8 -*-
"""
Created on Sat Aug 15 14:44:19 2020
@author: lenovo
"""
import matplotlib.pyplot as plt # plt 用于显示图片
import matplotlib.image as mpimg # mpimg 用于读取图片
#import skimage
import tensorflow as tf
#import numpy as np
# 有符号数转十六进制补码,返回值为字符串
def int_to_hex(num):
    if(num < 0):
        result = hex(num & 0xff)
    else:
        result = hex(num)
    return result

image = mpimg.imread('lenna.jpg') # 读取lenna图
#image = skimage.transform.resize(image, (64,64)) # 减小像素
#image = (image * 255).astype(np.uint8)# 限定数据范围为 0 - 255
'''
#写入图片数据到txt文件中供verilog仿真使用 512*512=262144
for i in range(512):
    for j in range(512):
        fp = open('lenna.txt',mode='a')# 追加模式
        fp.write(int_to_hex(image[i][j])[2:4]+"\n")
fp.close()# 关闭文件
'''
# 显示原始图片
plt.figure(1)
plt.imshow