劉紫燕，祁　佳，馮　亮

(貴州大學(xué)計(jì)算機(jī)科學(xué)與信息學(xué)院，貴州貴陽　550025)

0　引言

圖像的邊緣包含了豐富的信息，是圖像識(shí)別中獲取圖像特征的重要屬性。對(duì)實(shí)時(shí)圖像進(jìn)行邊緣檢測(cè)能夠提取出目標(biāo)物體的輪廓，從而達(dá)到目標(biāo)識(shí)別或場(chǎng)景分析的目的。傳統(tǒng)的邊緣檢測(cè)方法有Robert算子、Sobel算子、Laplacian算子、Canny算子等，這些邊緣檢測(cè)方法實(shí)時(shí)性好、實(shí)現(xiàn)簡(jiǎn)單，但是檢測(cè)慢、抗干擾性差[1]。

數(shù)據(jù)融合技術(shù)是在采集多源信息的基礎(chǔ)上，通過協(xié)調(diào)利用原始的多源信息，獲得同一事物或目標(biāo)的更客觀、更本質(zhì)認(rèn)識(shí)的綜合處理技術(shù)[2]。與單一或孤立的原始多源信息相比，融合技術(shù)處理后的信息簡(jiǎn)潔，冗余少。

文中采用了一種數(shù)據(jù)融合的邊緣檢測(cè)方法，首先將實(shí)時(shí)圖像分別經(jīng)過Sobel和Laplacian算子運(yùn)算得出實(shí)時(shí)邊緣圖像，再將這兩種算子得出的實(shí)時(shí)邊緣圖像疊加，進(jìn)行融合得到新的邊緣圖像，最后在FPGA平臺(tái)上實(shí)現(xiàn)。

1　實(shí)時(shí)圖像的邊緣檢測(cè)

實(shí)時(shí)圖像的邊緣檢測(cè)算子有很多種，文中用Sobel算子和Laplacian算子對(duì)實(shí)時(shí)圖像進(jìn)行邊緣檢測(cè)。

1．1Sobel和Laplacian算子

Sobel邊緣檢測(cè)算子是一階微分的邊緣檢測(cè)算子，其將待檢測(cè)圖像當(dāng)作一曲面，將Sobel邊緣檢測(cè)算子作為梯度算子，作用于圖像f(x，y)，可得到向量場(chǎng)：

(1)

可得到局部梯度強(qiáng)度：

(2)

以及局部梯度方向：

(3)

在對(duì)圖像進(jìn)行邊緣檢測(cè)的實(shí)際應(yīng)用與研究中，通常只需要計(jì)算出‖▽f(x，y)‖，便可以得到圖像邊緣信息[3]。

Laplacian算子是二階微分算子[4]，其定義為：

▽2f(x，y)：

(4)

式(4)通用數(shù)字近似為：

(5)

(6)

因此可以得出：

▽2f=[f(x+1，y)+f(x-1，y)+

f(x，y+1)+f(x，y-1)]-4f(x，y)

(7)

1．2Sobel和Laplacian算子邊緣檢測(cè)FPGA實(shí)現(xiàn)

Sobel算子進(jìn)行實(shí)時(shí)圖像的邊緣檢測(cè)時(shí)，用Sobel算子對(duì)灰度值做卷積運(yùn)算，再用梯度公式計(jì)算圖像的梯度。Laplacian進(jìn)行實(shí)時(shí)圖像的邊緣檢測(cè)時(shí)，與Sobel邊緣檢測(cè)相似，用Laplacian算子對(duì)灰度值做卷積運(yùn)算，再用梯度公式計(jì)算圖像的梯度。因此，分別用三條線性緩沖器來實(shí)現(xiàn)Sobel算子和Laplacian算子對(duì)圖像的卷積運(yùn)算，其中乘加部分由QuartusII軟件中LPM/Megafunctions宏功能模塊庫的可編程乘加器altmult_add與可編程多路并行加法器parallel_add模塊進(jìn)行運(yùn)算[5]，如圖1所示。

圖1　三條線性緩沖器卷積運(yùn)算示意圖

2　數(shù)據(jù)融合的邊緣檢測(cè)方法

2．1數(shù)據(jù)融合算法

Sobel算子邊緣檢測(cè)法抗噪能力強(qiáng)，而Laplacian算子檢測(cè)出的邊緣精細(xì)，因此，文中結(jié)合兩種算法的優(yōu)點(diǎn)，提出了一種數(shù)據(jù)融合的實(shí)時(shí)圖像邊緣檢測(cè)方法，將實(shí)時(shí)圖像同時(shí)進(jìn)行Sobel和Laplacian邊緣檢測(cè)，再將檢測(cè)后的邊緣進(jìn)行數(shù)據(jù)融合[6]，其算法的結(jié)構(gòu)如圖2所示。

圖2　基于融合的邊緣檢測(cè)算法框圖

數(shù)據(jù)融合的實(shí)時(shí)圖像邊緣檢測(cè)的算法步驟為：

(1)從實(shí)時(shí)圖像序列中獲取第n幀的實(shí)時(shí)圖像，記為(f1，f2，…，fn)。

(2)提取灰度圖像。fk(i，j)表示第k幀圖像像素點(diǎn)的灰度值。

(4)將兩種算法檢測(cè)出的邊緣進(jìn)行融合，即將所得的邊緣數(shù)據(jù)進(jìn)行疊加[7]。融合后的邊緣為：

(8)

式中k=1.2，…，n.

經(jīng)過疊加之后圖像的邊緣更加清晰，同時(shí)圖像的背景噪聲也得到一定程度的抑制。

2．2數(shù)據(jù)融合方法的FPGA實(shí)現(xiàn)

數(shù)據(jù)融合方法的FPGA實(shí)現(xiàn)主要包括：獲取攝像頭原始圖像、SDRAM存儲(chǔ)、Sobel算子實(shí)現(xiàn)、Laplacian算子實(shí)現(xiàn)、邊緣的數(shù)據(jù)融合、液晶顯示等幾部分。攝像頭采集到的實(shí)時(shí)圖像進(jìn)過數(shù)模轉(zhuǎn)換后存入SDRAM中，再從RGB中提取出灰度圖像的值同時(shí)送入Sobel和Laplacian邊緣檢測(cè)模塊，然后將兩種算子輸出的實(shí)時(shí)圖像邊緣信息進(jìn)行數(shù)據(jù)融合，最后在液晶屏顯示。系統(tǒng)總體框架如圖3所示。

圖3　系統(tǒng)總體框架

3　檢測(cè)結(jié)果及分析

該系統(tǒng)的實(shí)現(xiàn)平臺(tái)是DE2-70型FPGA，將融合之后的邊緣與分別于Sobel和Laplacian算法邊緣檢測(cè)進(jìn)行對(duì)比，圖4為Sobel算法實(shí)時(shí)邊緣圖像，圖5為 Laplacianl算法實(shí)時(shí)邊緣圖像，圖6為兩種算法融合后的實(shí)時(shí)圖像邊緣，通過對(duì)比可以看出，該系統(tǒng)檢測(cè)出的邊緣更加清晰，同時(shí)具有一定的抑制背景噪聲能力。

圖4　Sobel實(shí)時(shí)邊緣

圖5　Laplacian實(shí)時(shí)邊緣

圖6　兩種算法融合的實(shí)時(shí)邊緣

4　結(jié)束語

文中將實(shí)時(shí)圖像同時(shí)進(jìn)行Sobel和Laplacian邊緣檢測(cè)并進(jìn)行融合，并在DE2-70的FPGA平臺(tái)上實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果表明，與Sobel和Laplacian算法檢測(cè)的實(shí)時(shí)邊緣相比，該系統(tǒng)對(duì)邊緣檢測(cè)效果更好，同時(shí)具有一定的抑制噪聲能力。

參考文獻(xiàn)：

[1]孫李輝，李俊山，曹志強(qiáng)．基于數(shù)據(jù)融合的邊緣檢測(cè)新方法研究．航空計(jì)算技術(shù)，2008，38(3)：22-24．

[2]劉貴喜，趙曙光，陳文錦．雙正交小波變換多分辨率圖像融合方法．光電工程，2004，31(4)：50-53．

[3]楊新華，寇為剛．基于FPGA的Sobel算子圖像邊緣檢測(cè)算法．儀表技術(shù)與傳感器，2013(1)：102-104．

[4]安亞敏，阿里甫·庫爾班．彩色地毯圖案邊緣提取方法．計(jì)算機(jī)工程與應(yīng)用，2012，48(24)：172-176．

[5]劉紫燕．實(shí)時(shí)圖像邊緣檢測(cè)的設(shè)計(jì)及FPGA實(shí)現(xiàn)．電子科技，2011，24(12)：1-3，6．

[6]熊琰，龔華軍，沈曄青．一種快速有效的彩色圖像邊緣檢測(cè)方法．計(jì)算機(jī)技術(shù)與發(fā)展，2007，17(4)：128-130．

[7]沈盼盼，樊豐，伍瑞卿．基于RGB三通道分離的運(yùn)動(dòng)目標(biāo)檢測(cè)方法．視頻應(yīng)用與工程，2012，36(3)：137-140．