标签: sobel

前言：需要源代码的，请留言，或者去豆瓣【西西在冰城】的日记。这个代码还是有问题，第一次处理结果成功的，第二次在发送数据会有图像的偏移。原因是，fifo未清零。后续更改。 ------------------------------------遇到的问题：    数据读出时，一直在向上跑(解决)  数据读出时，数据在向斜上方跑 （解决） 原因，q输出的参数设置问题  图像显示阈值的设置在10-15左右（解决）sobel算法的问题  流水线和数据操作的方法（需要掌握）  多次写入的时候数据会发生偏移。（未解决） ------------------------------------sobel解释 计算机视觉领域的一种重要处理方法。主要用于获得数字图像的一阶梯度，常见的应用和物理意义是边缘检测。 ------------------------------------灰度图像 我们可以通过下面几种方法，将其转换为灰度： 1.浮点算法：Gray=R*0.3+G*0.59+B*0.11 2.整数方法：Gray=(R*30+G*59+B*11)/100 3.移位方法：Gray =(R*76+G*151+B*28)8; 4.平均值法：Gray=（R+G+B）/3; 5.仅取绿色：Gray=G； 通过上述任一种方法求得Gray后，将原来的RGB(R,G,B)中的R,G,B统一用Gray替换，形成新的颜色RGB(Gray,Gray,Gray)，用它替换原来的RGB(R,G,B)就是灰度图了。 ------------------------------------sobel术语的定义： (1)边缘：灰度或结构等信息的突变处，边缘是一个区域的结束，也是另一个区域的开始，利用该特征可以分割图像。 (2)边缘点：图像中具有坐标 ，且处在强度显著变化的位置上的点。 (3)边缘段：对应于边缘点坐标 及其方位 ，边缘的方位可能是梯度角。 ------------------------------------核心公式 该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经纵向及横向边缘检测的图像，其公式如下: Gx Gy 图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。 G= (Gx * Gx + Gy * Gy)开平方 用以下公式计算梯度方向。 arctan（Gy/Gx） 如果以上的角度Θ等于零，即代表图像该处拥有纵向边缘，左方较右方暗。 ------------------------------------至芯教的方法 1 原始图像像素200*200的图片aaa.jpg 转化成200*200的8位宽的数组a， 2 计算：利用fifo，使数据每三行连续三个(a的高三位，只取R的3bit，扩展为6bit)，然后与Gx，Gy做运算分别得到六位的sobel_x（有符号）,和六位的sobel_y（有符号），然后将sobel_x和sobel_y的绝对值相加，得到六位的sobel_xy,为198*198 位宽为6位的数组b。 3 计算的条件：第三列传入才能开始做计算，所以本行最后一个数传入做计算以后，要等3个flag才能开始下一行的计算 4 有符号数，正数不变（最高位为0），负数取反加1（最高位为1）, 5 边界扫描只有两个输出，就是00或者ff；阈值的设定关系到图片的精细度，5-20左右 6 fifo要注意清零 ------------------------------------代码 ----------工程架构         rx_module//(用于接收UART发送的信号，生成数据，送给fifo)         fifo //将收到的数据，整理，转化成3行数据的输出，并给出有效flag         compute//对收到的数据进行sobel计算         ram//8x198x198 用于存储计算完成的sobel_xy，         vga// ----------信号关系（待整理） ------------------------------------结果