9.图像中值腐蚀膨胀滤波的实现

2024-03-31 20:20

本文主要是介绍9.图像中值腐蚀膨胀滤波的实现,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1 简介

  在第七章介绍了基于三种卷积前的图像填充方式,并生成了3X3的图像卷积模板,第八章运用这种卷积模板进行了均值滤波的FPGA实现与MATLAB实现,验证了卷积模板生成的正确性和均值滤波算法的MATLAB算法实现。
  由于均值滤波、中值滤波、腐蚀、膨胀都依赖与卷积核且实现较为简单,这里将对剩下的三种图像处理方式一起介绍。

2 处理前图像的生成。

  由于在第八章的中值滤波的试验需要放大观察,且去噪效果几乎看不到,这里我们先对灰度图添加随机的椒盐噪声,并利用添加椒盐噪声后的图像做数字图像处理的FPGA算法实现以及MATLAB算法验证。这样可以方便观察图像处理前后的差异。
  对图像随机添加椒盐噪声的MATLAB代码如下:

clear;
clc;
close all;
a = imread('../img/1920X1080_gray.bmp');
subplot(1,2,1),imshow(a),title('原图');b=imnoise(a,'salt & pepper',0.01);
subplot(1,2,2),imshow(b),title('加入噪声密度:0.01的椒盐噪声');imwrite(b,'../img/gray.bmp');

  添加前后的图像对比如下:
在这里插入图片描述
  可以看到图像现在有了一定数量的噪点。后续的图像处理均以添加椒盐噪声后的图像作为原始图像来处理。

3 三种算法的FPGA实现与MATLAB验证

3.1 中值滤波

  中值滤波是一种非线性的滤波方式,是一种排序滤波,它将图像的某一个像素点的灰度值设置成该点某一邻域窗口内所有像素点灰度值排序后的中值。
  中值滤波对孤立的噪点像素即椒盐噪声具有良好的滤波效果,且不同于均值滤波对图像边缘性的破坏,中值滤波不会显著性的使图像边缘变得模糊。
  1.用一个模板来移动窗口,并将模板中心与图中的某个像素位置重合;
  2.读取模板的像素值并按照大小进行排序;
  3.选取灰度序列中,最中间的一个灰度值;
  4.将灰度值赋值给模板中间的像素;

3.2 3X3模板的中值滤波的FPGA算法实现简介

  在3X3的卷积模板中,找出中值共需要经历七次排序。
  1.前三次排序分别对3X3模板的三行进行排序,得到min、mid、max。
  2.后三次排序在三个最小值中找出一个最大值,三个中值中找出一个中值,三个最大值中找出一个最小值。
  3.在步骤二找出的三个值中找出中值,这个值即为最终需要赋值的像数值。
中值滤波算法框图

3.2.1 sort_3模块

  由于3X3卷积模板中值滤波共需要经过七次三个数的排序,因此首先需要创建一个排序模块供中值滤波模块调用。三个数的排序模块代码如下:

`timescale 1ns / 1psmodule sort_3 #(parameter 	DW 	= 	8 				)(input 	wire 				clk 		,input 	wire  				rst_n 		,input 	wire 				data_de 	,input 	wire  	[DW-1:0]	data1 		,input 	wire  	[DW-1:0]	data2 		,input 	wire  	[DW-1:0]	data3 		,output 	reg 				data_out_de ,output 	reg 	[DW-1:0] 	min_data 	,output 	reg 	[DW-1:0] 	mid_data 	, output 	reg 	[DW-1:0] 	max_data 				
);always @(posedge clk)if(rst_n == 0)min_data 	<= 	0;else if(data1 <= data2 && data1 <= data3)min_data 	<= 	data1 	;else if(data2 <= data1 && data2 <= data3)min_data 	<= 	data2 	;elsemin_data 	<= 	data3 	; always @(posedge clk)if(rst_n == 0)mid_data 	<= 	0;else if((data1 <= data2 && data1 >= data3) || (data1 >= data2 && data1 <= data3))mid_data 	<= 	data1 	;else if((data2 <= data1 && data2 >= data3) || (data2 >= data1 && data2 <= data3))mid_data 	<= 	data2 	;elsemid_data 	<= 	data3 	;always @(posedge clk)if(rst_n == 0)max_data 	<= 	0;else if(data1 >= data2 && data1 >= data3)max_data 	<= 	data1 	;else if(data2 >= data1 && data2 >= data3)max_data 	<= 	data2 	;elsemax_data 	<= 	data3 	;always @(posedge clk)if(rst_n == 0)data_out_de 	<= 	0;elsedata_out_de 	<= 	data_de;
endmodule

3.2.2 中值滤波模块

  中值滤波本身就是一种排序算法,只需要多次三个数的排序即可完成,因此此算法模块内部就是sort_3模块的例化与连接,代码如下:

`timescale 1ns / 1psmodule mid_filter#(parameter DW = 8
)(input   wire                clk         ,input   wire                rst_n       ,input   wire                matrix_de   ,input   wire    [DW-1:0]    matrix11    ,input   wire    [DW-1:0]    matrix12    ,input   wire    [DW-1:0]    matrix13    ,input   wire    [DW-1:0]    matrix21    ,input   wire    [DW-1:0]    matrix22    ,input   wire    [DW-1:0]    matrix23    ,input   wire    [DW-1:0]    matrix31    ,input   wire    [DW-1:0]    matrix32    ,input   wire    [DW-1:0]    matrix33    ,output  wire                mid_data_de ,output  wire    [DW-1:0]    mid_data );
wire  					matrix1_de 		;
wire  	[DW-1:0] 		min_data1 		;
wire  	[DW-1:0] 		mid_data1 		;
wire  	[DW-1:0] 		max_data1 		;wire  					matrix2_de 		;
wire  	[DW-1:0] 		min_data2 		;
wire  	[DW-1:0] 		mid_data2 		;
wire  	[DW-1:0] 		max_data2 		;wire  					matrix3_de 		;
wire  	[DW-1:0] 		min_data3 		;
wire  	[DW-1:0] 		mid_data3 		;
wire  	[DW-1:0] 		max_data3 		;wire 					matrix4_de 		;
wire 	[DW-1:0] 		max_min_data	;wire 					matrix5_de 		;
wire 	[DW-1:0] 		mid_mid_data	; wire 					matrix6_de 		;
wire 	[DW-1:0] 		min_max_data	;	wire 					matrix7_de 		;
wire 	[DW-1:0] 		mid_filter_data	;	sort_3 #(.DW 	(DW) 				
)u1_sort_3(.clk 			(clk 			),.rst_n 			(rst_n 			),.data_de 		(matrix_de 		),.data1 			(matrix11    	),.data2 			(matrix12    	),.data3 			(matrix13    	),.data_out_de 	(matrix1_de 	),.min_data 		(min_data1 		),.mid_data 		(mid_data1 		), .max_data 		(max_data1 		)	
);sort_3 #(.DW 	(DW) 				
)u2_sort_3(.clk 			(clk 			),.rst_n 			(rst_n 			),.data_de 		(matrix_de 		),.data1 			(matrix21    	),.data2 			(matrix22    	),.data3 			(matrix23    	),.data_out_de 	(matrix2_de 	),.min_data 		(min_data2 		),.mid_data 		(mid_data2 		), .max_data 		(max_data2 		)	
);sort_3 #(.DW 	(DW) 				
)u3_sort_3(.clk 			(clk 			),.rst_n 			(rst_n 			),.data_de 		(matrix_de 		),.data1 			(matrix31    	),.data2 			(matrix32    	),.data3 			(matrix33    	),.data_out_de 	(matrix3_de 	),.min_data 		(min_data3 		),.mid_data 		(mid_data3 		), .max_data 		(max_data3 		)	
);sort_3 #(.DW 	(DW) 				
)u4_sort_3(.clk 			(clk 			),.rst_n 			(rst_n 			),.data_de 		(matrix1_de 	),.data1 			(max_data1    	),.data2 			(max_data2    	),.data3 			(max_data3    	),.data_out_de 	(matrix4_de 	),.min_data 		(max_min_data 	),.mid_data 		( 				), .max_data 		( 				)	
);sort_3 #(.DW 	(DW) 				
)u5_sort_3(.clk 			(clk 			),.rst_n 			(rst_n 			),.data_de 		(matrix1_de 	),.data1 			(mid_data1    	),.data2 			(mid_data2    	),.data3 			(mid_data3    	),.data_out_de 	(matrix5_de 	),.min_data 		( 			 	),.mid_data 		(mid_mid_data 	), .max_data 		( 				)	
);sort_3 #(.DW 	(DW) 				
)u6_sort_3(.clk 			(clk 			),.rst_n 			(rst_n 			),.data_de 		(matrix1_de 	),.data1 			(min_data1    	),.data2 			(min_data2    	),.data3 			(min_data3    	),.data_out_de 	(matrix6_de 	),.min_data 		( 			 	),.mid_data 		(min_max_data 	), .max_data 		( 				)	
);sort_3 #(.DW 	(DW) 				
)u7_sort_3(.clk 			(clk 			),.rst_n 			(rst_n 			),.data_de 		(matrix4_de 	),.data1 			(max_min_data   ),.data2 			(mid_mid_data   ),.data3 			(min_max_data   ),.data_out_de 	(matrix7_de 	),.min_data 		( 			 	),.mid_data 		(mid_filter_data), .max_data 		( 				)	
);assign mid_data 	= mid_filter_data	;
assign mid_data_de 	= matrix7_de		;endmodule

  例化后用vivado查看连线有
在这里插入图片描述

3.2.3 中值滤波的顶层连接

`timescale 1ns / 1ps
module top_mid_filter#(parameter COL       = 1920  ,parameter ROW       = 1080  ,parameter PADDING   = 2     ,parameter DW        = 8     
)(input   wire                clk             ,input   wire                rst_n           ,input   wire                data_de         ,input   wire    [DW-1:0]    data            ,output  wire                mid_data_de     ,output  wire    [DW-1:0]    mid_data          
);wire    [DW-1:0]      matrix11    ;
wire    [DW-1:0]      matrix12    ;
wire    [DW-1:0]      matrix13    ;
wire    [DW-1:0]      matrix21    ;
wire    [DW-1:0]      matrix22    ;
wire    [DW-1:0]      matrix23    ;
wire    [DW-1:0]      matrix31    ;
wire    [DW-1:0]      matrix32    ;
wire    [DW-1:0]      matrix33    ;    padding_matrix #(.COL 	    (COL        ),.ROW 	    (ROW        ),.PADDING    (PADDING    )
)u_padding_matrix(.clk 		    (clk 		    ),.rst_n 		    (rst_n 		    ),.data 		    (data 		    ),.data_de 	    (data_de 	    ), .matrix_de 	    (matrix_de 	    ),.matrix11 	    (matrix11 	    ),.matrix12 	    (matrix12 	    ),.matrix13 	    (matrix13 	    ),.matrix21 	    (matrix21 	    ),.matrix22 	    (matrix22 	    ),.matrix23 	    (matrix23 	    ),.matrix31 	    (matrix31 	    ),.matrix32 	    (matrix32 	    ),.matrix33 	    (matrix33 	    )
);mid_filter #(.DW         (DW)
)u_mid_filter(.clk            (clk            ),.rst_n          (rst_n          ),.matrix_de      (matrix_de      ),.matrix11       (matrix11       ),.matrix12       (matrix12       ),.matrix13       (matrix13       ),.matrix21       (matrix21       ),.matrix22       (matrix22       ),.matrix23       (matrix23       ),.matrix31       (matrix31       ),.matrix32       (matrix32       ),.matrix33       (matrix33       ),.mid_data_de    (mid_data_de    ),.mid_data       (mid_data       ));
endmodule

  例化后用vivado查看连线有
在这里插入图片描述

3.3 中值滤波的FPGA仿真

  仿真依旧是img_gen模块读取pre.txt的像素数据,tb顶层写回仿真后的像素数据到mid_filter.txt文本。

`timescale 1ns / 1psmodule img_gen
#(parameter 	ACTIVE_IW 	= 	1920 	,parameter 	ACTIVE_IH 	= 	1080 	,parameter 	TOTAL_IW 	= 	2200 	,parameter 	TOTAL_IH 	= 	1100 	,parameter 	H_START 	= 	100 	,parameter 	V_START 	= 	4 		 		
)(input 	wire 				clk 	,input 	wire 				rst_n 	,output 	reg 				vs 		,output 	reg  	 	 		de 		,output 	reg 	[7:0] 		data 	
);reg  	[7:0] 	raw_array 	 [ACTIVE_IW*ACTIVE_IH-1:0];integer i;
initial beginfor (i=0 ;i<ACTIVE_IH*ACTIVE_IW ; i=i+1) beginraw_array[i] = 0;end
endinitial begin$readmemh("H:/picture/Z7/lesson8/data/pre.txt",raw_array);
endreg 	[15:0] 	hcnt 	;
reg 	[15:0] 	vcnt 	;reg 			h_de 	;
reg 			v_de  	;reg  			index_de 	;
reg 	[31:0] 	index 	 	;always @(posedge clk or negedge rst_n)if(!rst_n)hcnt <= 'd0;else if(hcnt == TOTAL_IW - 1)hcnt <= 'd0;else hcnt <= hcnt + 1'b1;always @(posedge clk or negedge rst_n)if(!rst_n)vcnt <= 'd0;else if(hcnt == TOTAL_IW - 1 && vcnt == TOTAL_IH - 1)vcnt <= 'd0;else if(hcnt == TOTAL_IW - 1)vcnt <= vcnt + 1'b1;else vcnt <= vcnt;always @(posedge clk or negedge rst_n)if(!rst_n)vs <= 'd0;else if(vcnt>=2)vs <= 1'b1;else vs <= 1'b0;always @(posedge clk or negedge rst_n)if(!rst_n)h_de <= 'd0;else if(hcnt >= H_START && hcnt < H_START + ACTIVE_IW)h_de <= 1'b1;else h_de <= 1'b0;always @(posedge clk or negedge rst_n)if(!rst_n)v_de <= 'd0;else if(vcnt >= V_START && vcnt < V_START + ACTIVE_IH)v_de <= 1'b1;else v_de <= 1'b0;always @(posedge clk or negedge rst_n)if(!rst_n)index_de <= 'd0;else if(h_de == 1'b1 && v_de == 1'b1)index_de <= 1'b1;else index_de <= 1'b0;always @(posedge clk or negedge rst_n)if(!rst_n)index <= 'd0;else if(index == ACTIVE_IW * ACTIVE_IH-1)index <= 0;else if(index_de == 1'b1)index <= index + 1;else index <= index;always @(posedge clk or negedge rst_n)if(!rst_n)de <= 'd0;else de <= index_de;always @(posedge clk or negedge rst_n)beginif(index_de == 1'b1)data 	<= 	raw_array[index];else data 	<= 0;
end
endmodule
`timescale 1ns / 1psmodule tb_top_mid_filter();reg 	clk 	;
reg 	rst_n 	;wire 	[7:0] 	data 	;
wire 			de  	;wire 			vs  	;wire    [7:0]   mid_data;
wire            mid_data_de;integer 	outfile;
always #5 clk 	<= 	~clk;
initial 	beginclk 	<= 0;rst_n 	= 0;#100rst_n 	= 1;outfile = $fopen("H:/picture/Z7/lesson8/data/mid_filter.txt","w");
endimg_gen
#(.ACTIVE_IW 	(1920 	),.ACTIVE_IH 	(1080 	),.TOTAL_IW 	(2200 	),.TOTAL_IH 	(1100 	),.H_START 	(4 	 	),.V_START 	(4 	 	) 		
)u_img_gen(.clk 	 	(clk 	 	),.rst_n 	 	(rst_n 	 	),.vs 		(vs 		),.de 		(de 		),.data 	 	(data 	 	)
);top_mid_filter#(.COL       ( 1920  ),.ROW       ( 1080  ),.PADDING   ( 2     ),.DW        ( 8     )
)u_top_mid_filter(.clk            (clk            ),.rst_n          (rst_n          ),.data_de        (de             ),.data           (data           ),.mid_data_de    (mid_data_de    ),.mid_data       (mid_data       )  
);reg 	vs_r 	;always @(posedge clk)if(rst_n == 0)vs_r 	<= 1'b0;else vs_r 	<= vs;always @(posedge clk)if(~vs&&vs_r)$stop;else if(mid_data_de)$fdisplay(outfile,"%h\t",mid_data);		endmodule

3.3 中值滤波的MATLAB算法实现与验证

  中值滤波的MATLAB算法实现如下:

clc;
clear all;
GRAY = imread('../img/gray.bmp');
[row,col] = size(GRAY);
GRAY = double(GRAY);
mid_filter_padding = zeros(row+2,col+2);
mid_filter_result  =   zeros(row,col);
for i = 1:rowfor j = 1:colmid_filter_padding(i+1,j+1) = GRAY(i,j);end
endfor i = 1:row+2mid_filter_padding(i,1) = mid_filter_padding(i,2);mid_filter_padding(i,col+2) = mid_filter_padding(i,col+1);
endfor i = 1:col+2mid_filter_padding(1,i) = mid_filter_padding(2,i);mid_filter_padding(row+2,i) = mid_filter_padding(row+1,i);
endfor i = 2:row+1for j = 2:col+1matrix11 = mid_filter_padding(i-1,j-1);matrix12 = mid_filter_padding(i-1,j);matrix13 = mid_filter_padding(i-1,j+1);matrix21 = mid_filter_padding(i,j-1);matrix22 = mid_filter_padding(i,j);matrix23 = mid_filter_padding(i,j+1);matrix31 = mid_filter_padding(i+1,j-1);matrix32 = mid_filter_padding(i+1,j);matrix33 = mid_filter_padding(i+1,j+1); sort_buf = sort([matrix11,matrix12,matrix13,matrix21,matrix22,matrix23,matrix31,matrix32,matrix33],'ascend');mid_filter_result(i-1,j-1) = sort_buf(1,5);end
end
matlab_Y = uint8(floor(mid_filter_result));a = textread('../data/mid_filter.txt','%s');
IMdec1 = hex2dec(a);col = 1920;
row = 1080;IM1 = reshape(IMdec1,col,row);
fpga_Y = uint8(IM1)';b = textread('../data/pre.txt','%s');
IMdec2 = hex2dec(b);col = 1920;
row = 1080;IM2 = reshape(IMdec2,col,row);
gray = uint8(IM2)';subplot(1,3,1)
imshow(gray),title('原始图像');
subplot(1,3,2)
imshow(matlab_Y),title('MATLAB中值滤波算法图像');
subplot(1,3,3)
imshow(fpga_Y),title('FPGA中值滤波算法图像');sub = matlab_Y - fpga_Y;min_sub = min(min(sub));
max_sub = max(max(sub));

在这里插入图片描述
  MATLAB算法实现与FPGA仿真结果完全一致,验证通过。由于在添加椒盐噪声的时候,添加的是孤立的噪声点,完美符合中值滤波算法,所以还原效果最好,但是当椒盐噪声的像素点过多的时候,中值滤波需要更大的卷积模板,且也会一定程度的使边缘模糊。

3.2 腐蚀与膨胀滤波

  中值滤波是取卷积模板的中位数做滤波算法,但是当单个椒盐噪点的面积过大时,此算法并不适用,腐蚀算法就是取卷积模板的最小值,膨胀就是取卷积模板的最大值。因此只需要在中值滤波的基础上改变卷积的连线即可。腐蚀和膨胀经常成对的使用,具体使用方式可以参考图像的膨胀与腐蚀这篇文章。
  这里只分别贴出对图像进行腐蚀和膨胀的处理前后效果图。
在这里插入图片描述
在这里插入图片描述

这篇关于9.图像中值腐蚀膨胀滤波的实现的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/865250

相关文章

Java的栈与队列实现代码解析

《Java的栈与队列实现代码解析》栈是常见的线性数据结构,栈的特点是以先进后出的形式,后进先出,先进后出,分为栈底和栈顶,栈应用于内存的分配,表达式求值,存储临时的数据和方法的调用等,本文给大家介绍J... 目录栈的概念(Stack)栈的实现代码队列(Queue)模拟实现队列(双链表实现)循环队列(循环数组

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

Python实现图片分割的多种方法总结

《Python实现图片分割的多种方法总结》图片分割是图像处理中的一个重要任务,它的目标是将图像划分为多个区域或者对象,本文为大家整理了一些常用的分割方法,大家可以根据需求自行选择... 目录1. 基于传统图像处理的分割方法(1) 使用固定阈值分割图片(2) 自适应阈值分割(3) 使用图像边缘检测分割(4)

Android实现在线预览office文档的示例详解

《Android实现在线预览office文档的示例详解》在移动端展示在线Office文档(如Word、Excel、PPT)是一项常见需求,这篇文章为大家重点介绍了两种方案的实现方法,希望对大家有一定的... 目录一、项目概述二、相关技术知识三、实现思路3.1 方案一:WebView + Office Onl

C# foreach 循环中获取索引的实现方式

《C#foreach循环中获取索引的实现方式》:本文主要介绍C#foreach循环中获取索引的实现方式,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录一、手动维护索引变量二、LINQ Select + 元组解构三、扩展方法封装索引四、使用 for 循环替代

Spring Security+JWT如何实现前后端分离权限控制

《SpringSecurity+JWT如何实现前后端分离权限控制》本篇将手把手教你用SpringSecurity+JWT搭建一套完整的登录认证与权限控制体系,具有很好的参考价值,希望对大家... 目录Spring Security+JWT实现前后端分离权限控制实战一、为什么要用 JWT?二、JWT 基本结构

Java实现优雅日期处理的方案详解

《Java实现优雅日期处理的方案详解》在我们的日常工作中,需要经常处理各种格式,各种类似的的日期或者时间,下面我们就来看看如何使用java处理这样的日期问题吧,感兴趣的小伙伴可以跟随小编一起学习一下... 目录前言一、日期的坑1.1 日期格式化陷阱1.2 时区转换二、优雅方案的进阶之路2.1 线程安全重构2

Android实现两台手机屏幕共享和远程控制功能

《Android实现两台手机屏幕共享和远程控制功能》在远程协助、在线教学、技术支持等多种场景下,实时获得另一部移动设备的屏幕画面,并对其进行操作,具有极高的应用价值,本项目旨在实现两台Android手... 目录一、项目概述二、相关知识2.1 MediaProjection API2.2 Socket 网络

使用Python实现图像LBP特征提取的操作方法

《使用Python实现图像LBP特征提取的操作方法》LBP特征叫做局部二值模式,常用于纹理特征提取,并在纹理分类中具有较强的区分能力,本文给大家介绍了如何使用Python实现图像LBP特征提取的操作方... 目录一、LBP特征介绍二、LBP特征描述三、一些改进版本的LBP1.圆形LBP算子2.旋转不变的LB

Redis消息队列实现异步秒杀功能

《Redis消息队列实现异步秒杀功能》在高并发场景下,为了提高秒杀业务的性能,可将部分工作交给Redis处理,并通过异步方式执行,Redis提供了多种数据结构来实现消息队列,总结三种,本文详细介绍Re... 目录1 Redis消息队列1.1 List 结构1.2 Pub/Sub 模式1.3 Stream 结