前面实现了基于FPGA的彩色图像转灰度处理，减小了图像的体积，但是其中还是存在许多噪声，会影响图像的边缘检测，所以这一篇就要消除这些噪声，基于灰度图像进行图像的滤波处理，为图像的边缘检测做好夯实基础。
椒盐噪声（salt & pepper noise）是数字图像的一个常见噪声，所谓椒盐，椒就是黑，盐就是白，椒盐噪声就是在图像上随机出现黑色白色的像素。椒盐噪声是一种因为信号脉冲强度引起的噪声，产生该噪声的算法也比较简单。
均值滤波的方法将数据存储成3x3的矩阵，然后求这个矩阵。在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标象素为中心的周围 8 个像素，构成一个滤波模板，即去掉目标像素本身），再用模板中的全体像素的平均值来代替原来像素值。
如图所示，我们要进行均值滤波首先要生成一个3x3矩阵。算法运算窗口一般采用奇数点的邻域来计算中值，最常用的窗口有3X3和5X5模型。下面介绍3X3窗口的Verilog实现方法。
（1）通过2个或者3个RAM的存储来实现3X3像素窗口；
（2）通过2个或者3个FIFO的存储来实现3X3像素窗口；
（3）通过2行或者3行Shift_RAM的存储来实现3X3像素窗口；
要想用实现均值滤波和中值滤波，必须要先生成3x3阵列，在Altera系列里，可以用QuatusII调用IP核——shift_RAM，具体设置参数如图所示。
如上图所示，其中shiftin是实时输入的数据，taps1x，taps2x输入数据的第二三行，当数据输入成一行三个时，自动跳到下一行，最终形成每行是三列的一个矩阵，用均值滤波和中值滤波的处理方法即可，这样基本是每一个目标都可以找到自己对应的一个3x3矩阵，最后进行处理。先进入IP核里面的是最开始的的数据，所以在读出的时候也是要放在第一行。
关于shift_ram的更详细的解释可以查看我的另一篇博文：http://www.cnblogs.com/ninghechuan/p/6789399.html。
这学期做比赛用的是国产FPGA，开发软件是PDS，这个软件说实话比较简洁，快，里面也有shift_ram IP core，但是不能设置多行（一个IP只能存储一行），不过只要你理解了shift_ram的工作的原理，完全可以用几个来实现多行处理，我通过PDS开发套件调用两个shift_register IP核来生成3X3矩阵实现3X3像素窗口。shift_register IP核可定义数据宽度、移位的行数、每行的深度。这里我们需要8bit。640个数据每行，同事移位寄存2行即可。同时选择时钟使能端口clken。
shift_ram_end u_shift_ram_end1
(
.din (row3_data),
.clk (shift_clk_en),
.rst (~rst_n),
.dout (row2_data)
); shift_ram_end u_shift_ram_end2
(
.din (row2_data),
.clk (shift_clk_en),
.rst (~rst_n),
.dout (row1_data)
);
如图所示，我们这里将行设置为8，场设置为4，所以可以明显的看到，当数据缓存到一行时，就会移位寄存到下一行，缓存两行后便会生成3X3矩阵。
如图所示，比较缓存的第一行的数据在3x3矩阵中，占第一行，结果相同，显然是正确的。
如图所示，第二行、第三行和最终生成的3x3矩阵作比较，结果显然是正确的。
//wire [32:0] matrix_row1 = {matrix_p11, matrix_p12,matrix_p13};//just for test
//wire [32:0] matrix_row2 = {matrix_p21, matrix_p22,matrix_p23};
//wire [32:0] matrix_row3 = {matrix_p31, matrix_p32,matrix_p33};
always @(posedge clk or negedge rst_n)
begin
if(!rst_n)begin
{matrix_p11, matrix_p12, matrix_p13} <= 'h0;
{matrix_p21, matrix_p22, matrix_p23} <= 'h0;
{matrix_p31, matrix_p32, matrix_p33} <= 'h0;
end
else if(read_frame_href)begin
if(read_frame_clken)begin//shift_RAM data read clock enbale
{matrix_p11, matrix_p12, matrix_p13} <= {matrix_p12, matrix_p13, row1_data};//1th shift input
{matrix_p21, matrix_p22, matrix_p23} <= {matrix_p22, matrix_p23, row2_data};//2th shift input
{matrix_p31, matrix_p32, matrix_p33} <= {matrix_p32, matrix_p33, row3_data};//3th shift input
end
else begin
{matrix_p11, matrix_p12, matrix_p13} <= {matrix_p11, matrix_p12, matrix_p13};
{matrix_p21, matrix_p22, matrix_p23} <= {matrix_p21, matrix_p22, matrix_p23};
{matrix_p31, matrix_p32, matrix_p33} <= {matrix_p31, matrix_p32, matrix_p33};
end
end
else begin
{matrix_p11, matrix_p12, matrix_p13} <= 'h0;
{matrix_p21, matrix_p22, matrix_p23} <= 'h0;
{matrix_p31, matrix_p32, matrix_p33} <= 'h0;
end
end
3x3矩阵生成
assign post_img_Y = mean_value4[:];//求平均值除以8，向右移位3位
如图所示，将3x3矩阵的中心像素的周围八个点求和，我们上面还是采取了流水线的设计方法，来增加吞吐量，然后再求平均值代替目标像素的值，从波形图上观察，计算的结果显然是正确的。这样便完成了均值滤波的仿真。
//--------------------------------------------
//Generate 8bit 3x3 matrix for video image processor
//Image data has been processd
wire matrix_frame_vsync; //Prepared Image data vsync valid signal
wire matrix_frame_href; //Prepared Image data href vaild signal
wire matrix_frame_clken; //Prepared Image data output/capture enable clock
wire [:] matrix_p11, matrix_p12, matrix_p13;//3x3 materix output
wire [:] matrix_p21, matrix_p22, matrix_p23;
wire [:] matrix_p31, matrix_p32, matrix_p33; shift_RAM_3x3 u_shift_RAM_3x3
(
//global signals
.clk (clk),
.rst_n (rst_n),
//Image data prepred to be processd
.per_frame_vsync (per_frame_vsync), //Prepared Image data vsync valid signal
.per_frame_href (per_frame_href), //Prepared Image data href vaild signal
.per_frame_clken (per_frame_clken), //Prepared Image data output/capture enable clock
.per_img_Y (per_img_Y), //Prepared Image brightness input //Image data has been processd
.matrix_frame_vsync (matrix_frame_vsync), //Prepared Image data vsync valid signal
.matrix_frame_href (matrix_frame_href), //Prepared Image data href vaild signal
.matrix_frame_clken (matrix_frame_clken), //Prepared Image data output/capture enable clock
.matrix_p11 (matrix_p11),
.matrix_p12 (matrix_p12),
.matrix_p13 (matrix_p13), //3X3 Matrix output
.matrix_p21 (matrix_p21),
.matrix_p22 (matrix_p22),
.matrix_p23 (matrix_p23),
.matrix_p31 (matrix_p31),
.matrix_p32 (matrix_p32),
.matrix_p33 (matrix_p33) ); //-----------------------------------------------------------------------
//step1
reg [:] mean_value1, mean_value2, mean_value3;
always @(posedge clk or negedge rst_n)
begin
if(!rst_n)begin
mean_value1 <= 'd0;
mean_value2 <= 'd0;
mean_value3 <= 'd0;
end
else begin
mean_value1 <= matrix_p11 + matrix_p12 + matrix_p13;
mean_value2 <= matrix_p21 + 'd0 + matrix_p23;
mean_value3 <= matrix_p31 + matrix_p32 + matrix_p33;
end
end //step2
reg [:] mean_value4;
always @(posedge clk or negedge rst_n)
begin
if(!rst_n)
mean_value4 <= 'd0;
else
mean_value4 <= mean_value1 + mean_value2 + mean_value3;
end
对3x3矩阵求均值
当然，最后为了保持时钟的同步性，将消耗的时钟延时输出。
//------------------------------------------------------------
//delay 2 clk
reg [:] per_frame_clken_r;
reg [:] per_frame_href_r;
reg [:] per_frame_vsync_r; always @(posedge clk or negedge rst_n)
begin
if(!rst_n)begin
per_frame_clken_r <= 'b0;
per_frame_href_r <= 'b0;
per_frame_vsync_r <= 'b0;
end
else begin
per_frame_clken_r <= {per_frame_clken_r[], matrix_frame_clken};
per_frame_href_r <= {per_frame_href_r[], matrix_frame_href};
per_frame_vsync_r <= {per_frame_vsync_r[], matrix_frame_vsync};
end
end assign post_frame_vsync = per_frame_vsync_r[];
assign post_frame_href = per_frame_href_r[];
assign post_frame_clken = per_frame_clken_r[];
保持时钟的同步性
图上为灰度图像，图下为均值滤波后的图像，可以看出滤波后的图像有一些模糊，这是因为均值滤波就是将图像做平滑处理，像素值高的像素会被拉低，像素值低像素会被拉高，趋向于一个平均值，所以图像会变模糊一些。这样基于FPGA的均值滤波就完成了，下一篇我会发布基于FPGA的中值滤波处理，并且比较这两种滤波方式的优劣，最终选取较好的一种滤波方式进行图像边缘检测处理。
转载请注明出处：NingHeChuan（宁河川）
个人微信订阅号：NingHeChuan
如果你想及时收到个人撰写的博文推送，可以扫描左边二维码（或者长按识别二维码）关注个人微信订阅号
知乎ID：NingHeChuan
微博ID：NingHeChuan