基于FPGA的腐蚀膨胀算法实现

         本篇文章我要写的是基于的腐蚀膨胀算法实现,腐蚀膨胀是形态学图像处理的基础,,腐蚀在二值图像的基础上做“收缩”或“细化”操作,膨胀在二值图像的基础上做“加长”或“变粗”的操作。那么什么是二值图像呢?把一幅图片看做成一个二维的数组,那么二值图像是一个只有0和1的逻辑数组,我们前面Sobel边缘检测后的图像输出边缘效果,设置个阈值,大于阈值输出为1,小于阈值输出为0,最后输出就是一幅二维图像了。

上一篇我是直接用MATLAB处理后的灰度图片进行Sobel边缘检测的,在图片的选取中难免会有噪声的出现,所以为了使边缘检测的效果更加显著,我们将图像先进行中值滤波,然后再进行Sobel边缘检测,最终加上腐蚀膨胀算法使图像边缘更加细腻并硬朗。

首先我们比较一下中值滤波前Sobel和中值滤波后Sobel两种方法的显示效果。

中值滤波前Sobel

中值滤波后Sobel

         可以明显的看出,中值滤波后Sobel的图片边缘更明显,尤其是从lena头发和帽子部分的显示效果来看,很多多余的边缘都被滤除掉,所以中值滤波后边缘检测,势在必行。对于这部分的工程,我觉的应该没什么难度,中值滤波的代码我已经给出,只需要在输出时再加上Sobel就完事了。希望读者能自己去做去调试搞定。

腐蚀算法

腐蚀是一种消除边界点,使边界向内部收缩的过程。可以用来消除小且无意义的物体。用3X3的结构元素,扫描图像的每一个像素,用结构元素与其覆盖的二值图像做“与”操作,如果都为1,结果图像的该像素为1。否则为0。结果会使二值图像小一圈。

拟采用形象的比喻来说明该运算,且用0表示蛀虫,1表示大米。蛀虫腐蚀大米的过程便是腐蚀运算,

腐蚀

如图所示,对于一个像素矩阵而言,因为有蛀虫(0)的存在,所以将8颗大米(1)腐蚀掉了,即使只存在一个蛀虫(0),但是还是会被蛀虫腐蚀完毕,最后一幅图上面由于没有蛀虫(0),固然大米一颗不懒,保存完好。

关于算法的实现,可以用下式子来表示,即3x3像素的运算:

P = P11 & P12 & P13 & P21 & P22 & P23 & P31 & P32 & P33

在HDL中,为了通过面积去换速度,我们将上式改变如下:

P1 = P11 & P12 & P13

P2 = P21 & P22 & P23

P3 = P31 & P32 & P33

P = P1 & P2 & P3

         如图所示,即通过2个时钟/步骤的运算,便能实现腐蚀运算的结果

腐蚀仿真

膨胀算法

         膨胀是将与物体接触的所有背景点合并到该物体中,使边界向外部扩张的过程。可以用来填补物体中的空洞。用3X3的结构元素,扫描图像的每一个像素,用结构元素与其覆盖的二值图像做“与”操作,如果都为0,结果图像的该像素为0,。否则为1。结果:使二值图像扩大一圈。

         先腐蚀后膨胀的过程称为开运算。用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显的改变其面积。先膨胀后腐蚀的过程称为比运算,用来填充物体内细小空间、连接邻近物体、平滑其边界的同时并不明显改变其面积。

         膨胀算法用最简单的比喻来描述:0表示害虫,1表示青蛙,青蛙吃了害虫表示膨胀运算,我们用3*3像素阵列来解释:

图膨胀

如图所示,图左只有害虫(0),所以害虫都好好活着,中间那个图,虽然只有一个害虫,但是还是免不了被青蛙吃掉的命运,最右边的那幅图,都是青蛙,所以青蛙始终是青蛙。

         关于算法的实现,可以用下式子来表示,即3x3像素的运算:

P = P11 || P12 || P13 || P21 || P22 || P23 || P31 || P32 || P33

在HDL中,为了通过面积去换速度,我们将上式改变如下:

    P1 = P11 || P12 || P13

P2 = P21 || P22 || P23

P3 = P31 || P32 || P33

P = P1 || P2 || P3

         如图所示,即通过2个时钟/步骤的运算,便能实现腐蚀运算的结果

 膨胀运算仿真

         上面的仿真图是我之前用Modelsim做的仿真,这里就不重复用Isim仿真了。腐蚀膨胀用FPGA实现可以说是十分简单的,将二值图像生成3x3矩阵,最后通过如上式子计算,输出即可。

腐蚀

膨胀

  从上面两幅图可以看出,腐蚀后的图像边缘明显变细,消除了更多假边缘,在腐蚀基础上使用膨胀算法的lena将腐蚀后的边缘扩大、加粗,这样看起来更清楚,最终为我们后续图像识别,作出了更好的准备工作。至此,腐蚀膨胀算法就写完了,如果有什么不足请您指点,有什么问题大家可以留言一起讨论,共同学习!

转载请注明出处:NingHeChuan(宁河川)

图像处理系列文章

第一篇:基于FPGA的VGA显示静态图片

第二篇:基于FPGA的RGB565_YCbCr_Gray算法实现

第三篇:基于FPGA的Uart接收图像数据至VGA显示

番外篇:数字图像处理界标准图像 Lena 后面的故事

第四篇:基于FPGA的均值滤波算法实现

第五篇:深刻认识shift_ram IP core——图像处理学习笔记

第六篇:基于FPGA的中值滤波算法实现

第七篇:基于FPGA的Sobel边缘检测的实现

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Small Code

梯度下降优化算法概述

原文作者简介:Sebastian Ruder 是我非常喜欢的一个博客作者,是 NLP 方向的博士生,目前供职于一家做 NLP 相关服务的爱尔兰公司 AYLIE...

6437
来自专栏cs

Word2Vec,LDA 知识普及

Word2vec,Word2vec,是为一群用来产生词向量的相关模型。这些模型为浅而双层的神经网络,用来训练以重新建构语言学之词文本。网络以词表现,并且需猜测相...

481
来自专栏专知

【专知-Java Deeplearning4j深度学习教程05】无监督特征提取神器—AutoEncoder:图文+代码

【导读】主题链路知识是我们专知的核心功能之一,为用户提供AI领域系统性的知识学习服务,一站式学习人工智能的知识,包含人工智能( 机器学习、自然语言处理、计算机视...

42011
来自专栏云时之间

关于决策树的一些学习

决策树学习资料的整理 1:前言: 最近学习了一段时间的决策树算法,但是感觉并没有达到自己预期的想法,所以这几天参考了一些决策树方面的资料,来将自己的学习的过程...

35515
来自专栏视觉求索无尽也

【图像检索】【TPAMI重磅综述】 SIFT与CNN的碰撞:万字长文回顾图像检索任务十年探索历程

基于内容的图像检索任务(CBIR)长期以来一直是计算机视觉领域重要的研究课题,自20世纪90年代早期,研究人员先后采用了图像的全局特征,局部特征,卷积特征的方法...

2361
来自专栏深度学习自然语言处理

近期有哪些值得读的QA论文?

■ 论文 | Making Neural QA as Simple as Possible but not Simpler

1063
来自专栏机器学习算法全栈工程师

【TPAMI重磅综述】 SIFT与CNN的碰撞:万字长文回顾图像检索任务十年探索历程(下篇)

本文是《SIFT Meets CNN: A Decade Survey of Instance Retrieval》的下篇。在上 篇中概述了图像检索任务极其发...

1263
来自专栏人工智能头条

KNN(K-近邻算法):靠跟自己关系的远近来做预测的算法

假设你是某影视网站序员中的一员。你们网站的用户热衷于观看《延禧攻略》《如懿传》这类古装宫廷剧,而你们平台有机会花1000万买下《扶摇》的版权。

1024
来自专栏机器学习算法与Python学习

距离和相似性度量在机器学习中的使用统计

作者:daniel-D 来源:http://www.cnblogs.com/daniel-D/p/3244718.html 在机器学习和数据挖掘中,...

3473
来自专栏解飞的专栏

实习生的监控算法: 利用机器学习方法进行曲线分类

本篇文章主要采用机器学习的方法来实现曲线分类,基本思路是对训练集先用聚类方法(如Kmeans和Birch等进行聚类,对数据打上标签),然后在对测试集采用分类方法...

9421

扫码关注云+社区