边缘检测（verilog实现）附带原码

图像处理模块：

我的图像处理模块是将一个rgb565的视频或者图片转化为rgb888格式的，通过灰度化减少运算量，并且通过高斯滤波，对图像进行平滑处理，以减少图像中的噪声和细节，并模糊图像的细节，再将其二值化，简化图像，分割图像，凸显图像的特征，再根据sobel算子，求出物体的轮廓从而得到物体的边缘

1、灰度化（后面进行补充）（减少运算量）

 1、首先将输入的rgb565格式的颜色，转变为rgb888的

        red <= {din_pixel[15: 11] , din_pixel[13: 11] } ;  // 带补偿的
        green <= {din_pixel[10: 5], din_pixel[6: 5]   } ;
        blue <= {din_pixel[4: 0], din_pixel[2: 0]     } ;

把rgb565低位的数值通过拼接补齐到rgb888

2、再根据灰度转换(加权平均法) rgb888 - gray 

gray = R*0.299 + G*0.587 + B*0.114

        =  （306（九位） * R + 601(十位) * G + 117（七位） * B）/1024;

由于verilog中处理小数比较麻烦，这里把加权平均法的各项同时扩大了1024倍，也就是左移了10位，把其系数转为整数，算出来的和再向右移十位（或者取其第十位往后的8位亦可）

// 代码放最后

2、高斯滤波（后面进行补充）（减少噪声）

1、将从灰度化处理后的数值放入移位寄存器寄存（quartus ip核生成），从而生成3*3的矩阵来进行高斯滤波

2、这里我用了一个高斯滤波的模板

     高斯滤波系数，加权平均

                   1   2    1

                   2   4    2

                   1   2    1

 将每一项和系数相乘，然后得到每一行的数据之和，再将所得的和再进行相加，最终的结果除以滤波系数之和，则为经过高斯滤波处理后的数据

3、二值化

二值化将像素点的灰度值设置为0或25 5，要得到二值化图像，必须首先将图像灰度化，然后将256个亮度等级的灰度图像通过适当的阈值进行分割，灰度值大于或等于阈值的被分割成255（1 ），否则被分割为0

4、Sobel算子（求出物体的轮廓）

···································································

这几天会更新完关于边缘检测这方面的verilog实现

关于rgb转gray：

module rgb2gray
       (
           input	clk	,
           input	rst_n	,

           //capture
           input din_sop ,
           input din_eop ,
           input din_vld ,
           input [15: 0]din_pixel ,    // rgb565   ov5640 是16位深


           //输出给gs_filter
           output dout_sop ,
           output dout_eop ,
           output dout_vld ,
           output [7: 0] dout_gray   //灰度输出

       );

//parameters

//signal
reg [7: 0] red ;
reg [7: 0] green ;
reg [7: 0] blue ;


reg [3:0]data_sop ;
reg [3:0]data_eop ;
reg [3:0]data_vld ;

reg [20:0]rgb_sum   ;
reg [17:0]red_mult ;
reg [17:0]green_mult ;
reg [17:0]blue_mult ;
//三级打拍
always @(posedge clk or negedge rst_n)begin
    if(!rst_n)begin
        data_sop <= 0;
        data_eop <= 0;
        data_vld <= 0;
    end
    else begin
    data_sop <= {data_sop[2:0], din_sop} ;
    data_eop <= {data_eop[2:0], din_eop} ;
    data_vld <= {data_vld[2:0], din_vld} ;
    end
end

// 将565的颜色格式 转换为 888，将rgb其中的低位分别补齐至8位
always @(posedge clk or negedge rst_n) begin
    if (!rst_n) begin
        red <= 8'b0 ;
        green <= 8'b0 ;
        blue <= 8'b0 ;
    end
    else if (data_vld[1]) begin
        red <= {din_pixel[15: 11] , din_pixel[13: 11] } ;  // 带补偿的
        green <= {din_pixel[10: 5], din_pixel[6: 5]   } ;
        blue <= {din_pixel[4: 0], din_pixel[2: 0]     } ;
    end
end



/************** 注释    ****************
灰度转换：RGB888-->Gray      加权平均法                                          
 
gray = R*0.299 + G*0.587 + B*0.114
        =  （306（九位） * R + 601(十位) * G + 117（七位） * B）/1024;
****************************************/

always @(posedge clk or negedge rst_n) begin
    if (!rst_n) begin
         red_mult  <= 0 ;
         green_mult<= 0 ;
         blue_mult <= 0 ;
    end
    else if (data_vld[2]) begin
       red_mult <= 306 * red ;
	   green_mult <= 601 * green ;
	   blue_mult <= 117 * blue ;
    end
end

always @(posedge clk or negedge rst_n)begin
	if(!rst_n)begin 
       rgb_sum <= 0 ;
	end
	else if( data_vld[3] )begin
         rgb_sum <= red_mult + green_mult + blue_mult ;
	end
end


assign dout_gray = (data_vld[3]) ?( rgb_sum >> 10 ): 1'b0   ;
                                                               

assign dout_sop = data_sop[3] ;
assign dout_eop = data_eop[3] ;
assign dout_vld = data_vld[3] ;


endmodule

二值化 --