韦东山 IMX6ULL和正点原子_【正点原子FPGA连载】第十三章基于xfOpenCV的中值滤波实验-领航者ZYNQ之HLS 开发指南...

1）摘自【正点原子】领航者ZYNQ之HLS 开发指南

2）平台购买地址：https://item.taobao.com/item.htm?&id=606160108761

3）全套实验源码+手册+视频下载:http://www.openedv.com/docs/boards/fpga/zdyz_linhanz.html

4）对正点原子FPGA感兴趣的同学可以加群讨论：876744900

5）正点原子资料更新和新品发布，请加正点原子公众号：正点原子 关注方法：微信→添加好友→公众号→输入：正点原子

第十三章基于xfOpenCV的中值滤波实验

在数字图像处理中，无论是直接获取的灰度图像，还是由彩色图像转换得到的灰度图像，里面都有噪声的存在，噪声对图像质量有很大的影响。而中值滤波是一种常用的降噪方法，它不仅可以去除孤点噪声，而且可以保持图像的边缘特性，不会使图像产生显著的模糊。本章我们将在HLS中使用xfOpenCV库来实现图像的中值滤波。
本章包括以下几个部分：
1313.1简介
13.2实验任务
13.3HLS设计
13.4IP验证
13.5下载验证
13.1简介
空间滤波是图像处理领域应用非常广泛的工具之一，它可以改善图像质量，包括去除高频噪声与干扰、图像平滑等。我们常见的空间滤波有中值滤波和均值滤波。
图像可以看成是一个定义在二维平面上的信号，该信号的幅值对应像素的灰度（彩色图像对应RGB三个分量）。图像的频率指的是空间频率，它和我们认知的物理频率是不同的。图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。不同频率信息在图像结构中有不同的作用。图像的主要成分是低频信息，它形成了图像的基本灰度等级，对图像结构的决定作用较小；中频信息决定了图像的基本结构，形成了图像的主要边缘结构；高频信息形成了图像的边缘和细节，是在中频信息上对图像内容的进一步强化。
我们也可以通过空间滤波器（也称为空间掩模、模板或窗口）直接作用于图像本身而对图像进行滤波处理。空间滤波器由两部分组成：（1）邻域，（2）对该邻域包围的图像像素执行的预定义操作。领域是指一个像素点及其附近像素点所组成的空间。滤波会产生一个新像素，像素的坐标就是邻域中心的坐标，像素的值就是滤波操作的结果。
中值滤波就是一种很常见的空间滤波，它是一种非线性图像平滑技术。它将每一像素点及该像素点的邻域作为一个滤波模板，计算出模板中所有像素点的灰度值的中值，然后用它代替模板中心点像素的值。下图为像素点P及其周围8个像素点所组成的3x3滤波模板：

图 13.1.1 中值滤波模板

在图 13.1.1中，中值滤波需要计算出模板中9个像素点灰度的中间值，并用这个中值作为像素点P的灰度值。
中值滤波是一种基于排序统计理论的非线性信号处理技术，它可以消除孤立的噪声点，从而让图像中的像素值更接近真实值。红外图像中的盲元就是一种孤立噪点的例子，如下图所示：

图 13.1.2 红外图像中的盲元

由于红外探测器制造过程中的缺陷，传感器中某些像元的输出可能会非常大，导致图像中对应的像素点非常亮，我们称之为盲元。图 13.1.2中红色箭头所指的白色亮点就是红外图像中的盲元，它在图像中属于脉冲噪声。中值滤波对这类脉冲噪声具有良好的滤除作用，特别是在滤除噪声的同时，能够保护信号的边缘，使之不被模糊。这些优良特性是线性滤波方法所不具备的。此外，中值滤波的算法比较简单，也易于用硬件实现。所以，中值滤波方法一经提出后，便在数字信号处理领域得到广泛的应用。
为了直观的看到中值滤波的效果，下面给出一张受脉冲噪声影响的图像，如图 13.1.3所示。虽然图中仅有2%的像素受到破坏，但足以严重降低图像质量。

图 13.1.3 包含脉冲噪声的图像

图 13.1.4 中值滤波后的图像

图 13.1.4是经3x3中值滤波器过滤后的同一图像。可以看到，与滤波前的图像相比，脉冲噪声已被完全消除，图像质量得到明显的提升。
13.2实验任务
本节的实验任务是使用Vivado HLS实现一个图像处理的IP核，该IP核