PotatoPie 4.0 实验教程(34) —— FPGA实现摄像头图像二值化腐蚀效果

本文主要是介绍PotatoPie 4.0 实验教程(34) —— FPGA实现摄像头图像二值化腐蚀效果，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！

链接直达

https://item.taobao.com/item.htm?ft=t&id=776516984361

图像二值化腐蚀处理有什么作用？

图像二值化腐蚀处理在图像处理中起到了以下作用：

1. 物体分割与提取：在图像二值化之后，通过腐蚀操作可以消除噪声、连接相邻的物体，并使得物体的边界更加清晰，从而更容易对物体进行分割和提取。

2. 图像细化：对于二值图像中的细长对象或者凹陷部分，腐蚀操作可以使得这些部分变得更加细长，达到细化的效果，有助于后续的图像分析和处理。

3. 图像形态学处理：腐蚀操作是形态学图像处理中的基本操作之一，通过腐蚀可以改变图像的形状和结构，使得后续的处理更加精确和准确。

4. 图像预处理：在图像处理的预处理阶段，二值化腐蚀处理可以使得图像更加规范化和标准化，为后续的特征提取、目标检测等操作提供更好的图像基础。

总的来说，图像二值化腐蚀处理可以提高图像的质量，增强图像的特征，从而更好地适应各种图像处理和分析任务的需求。

图像二值化腐蚀的算法和步骤

图像二值化腐蚀是图像处理中常用的一种形态学操作，其算法和步骤如下：

1. 二值化：首先将输入的灰度图像进行二值化处理，将图像转换为黑白二值图像。二值化操作可以根据阈值将图像中的像素分为两类，一类是大于阈值的像素（前景），另一类是小于等于阈值的像素（背景）。

2. 结构元素：定义一个结构元素，通常是一个小的二值化图像，用来表示腐蚀的形状和大小。结构元素可以是任意形状，常见的包括矩形、圆形、十字形等。

3. 腐蚀操作：对二值化后的图像进行腐蚀操作。腐蚀操作的原理是用结构元素在图像上滑动，如果结构元素完全覆盖了前景区域（像素值为1），则中心像素的值保持为1；否则，中心像素的值被置为0。这样可以使得前景区域逐渐收缩，边界变得更加平滑，孔洞变得更小。

4. 重复操作：根据具体的需求，可以多次进行腐蚀操作，以进一步缩小前景区域的大小或填充小的孔洞。每次腐蚀操作都会使前景区域缩小，直到达到预期的效果为止。

5. 输出结果：腐蚀操作结束后，得到经过二值化腐蚀处理的图像，可以用于后续的图像分析、特征提取或目标检测等任务。

总的来说，图像二值化腐蚀的算法步骤简单清晰，通过不断缩小前景区域的像素来实现对图像的处理和特征增强。

我们下需展示的源码是使用的结构元素实为3*3的模板，具体操作是当这九个像素点全为白色（“1”） 时输出白色（“1”）， 否则输出黑色（“0”）。 优化成逻辑，就是使用逻辑与运算对这9个像素进行位与操作。 

python代码实现图像二值化腐蚀源码

PotatoPie 4.0 实验教程(33) —— FPGA实现摄像头图像二值化腐蚀效果-Anlogic-安路论坛-FPGA CPLD-ChipDebug

这段代码实现了图像的二值化和腐蚀处理，并通过Matplotlib库将处理后的图像显示出来。

1. 图像二值化处理：

   • 通过循环遍历图像的每个像素，判断其灰度值是否大于阈值92，若大于则将像素值设为255（白色），否则设为0（黑色），从而将图像转换为二值图像。

2. 腐蚀处理：

   • 分别对二值化后的图像进行了三次腐蚀处理，每次腐蚀操作都是基于逻辑运算的操作。
   • 在腐蚀操作中，遍历图像的每个像素点，通过与周围8个像素的值进行逻辑与运算，如果周围8个像素中有一个像素为0，则当前像素也设为0，否则设为255。
   • 第一次腐蚀操作应用于二值化后的图像，第二次和第三次腐蚀操作应用于上一次腐蚀处理后的图像。

3. 函数说明：

   • imread(image_path): 用于读取图像文件。
   • cvtColor(image_in, cv2.COLOR_BGR2GRAY): 将彩色图像转换为灰度图像。
   • imshow(image, cmap='gray'): 显示灰度图像。
   • plt.title('title', fontproperties='Microsoft YaHei'): 设置标题的字体为微软雅黑。

通过这些处理，可以清晰地观察到图像经过二值化和腐蚀处理后的效果，以及不同次数腐蚀处理对图像的影响。

从下图可以看到图像白色的部分减少了：

matlab代码实现图像二值化腐蚀源码

以上代码实现了图像的二值化和腐蚀处理。具体功能如下：

1. 读取图像并转换为灰度图像：

   • 通过imread函数读取指定路径下的图像文件。
   • 使用rgb2gray函数将读取到的彩色图像转换为灰度图像。

2. 图像二值化：

   • 将灰度图像中灰度值大于92的像素点设置为255（白色），小于等于92的像素点设置为0（黑色）。

3. 腐蚀处理：

   • 利用图像的腐蚀操作将目标物体的边界进行腐蚀，消除小的干扰目标和连通区域之间的连接。
   • 采用了多次腐蚀的方式，每次腐蚀都在上一次腐蚀的基础上进行，从而进一步加强腐蚀效果。

4. 显示图像：

   • 使用subplot函数将原始灰度图像、二值化图像以及三次腐蚀处理后的图像显示在一个窗口中。

函数说明：

• imread: 用于读取图像文件。
• rgb2gray: 将彩色图像转换为灰度图像。
• imshow: 显示图像。
• subplot: 在一个窗口中显示多个子图像。

从下图可以看到图像白色的部分减少了：

FPGA工程解析

工程层次图

与demo18相比，只是多了一个img_erosion_fltr 的模块，同时这个例程中使能了video_tgp_24b模块目的是为了不使用摄像头数据而使用video_tgp_24b生成的条纹数，这样效果更明显，也就是下面这两段代码，在从SDRAM读出来之后，经img_erosion_fltr 处理后再输出hdmi_tx模块。

与demo18相比，只是多了一个img_erosion_fltr 的模块，同时这个例程中使能了video_tgp_24b模块目的是为了不使用摄像头数据而使用video_tgp_24b生成的条纹数，这样效果更明显，也就是下面这两段代码，在从SDRAM读出来之后，经img_erosion_fltr 处理后再输出hdmi_tx模块。

video_tgp_24b#(.H_DISP (12'd1280),.V_DISP (12'd720))u_video_tgp_24b(.clk (pattern_clk),.rst_n (sys_rst_n),.vaild (sdram_init_done),.DIVIDE_PARAM (8'd128),.data (pattern_data),.we (pattern_we));img_erosion_fltr u_img_erosion_fltr_6(.i_clk (clk_pixel ),.i_rst_n (sys_rst_n ),.i_hs (erosion_5_hs ),.i_vs (erosion_5_vs ),.i_de (erosion_5_de ),.i_bin (erosion_5_bin ),.o_hs (erosion_6_hs ),.o_vs (erosion_6_vs ),.o_de (erosion_6_de ),.o_bin (erosion_6_bin ));

共计例化了img_erosion_fltr 6 次，每处理一次会显示一个画面并延迟一会。

video_tgp_24b模块代码解析

相比之前教程中的video_tgp_24b模块，将图像的测试固定在了img_state <= 2'd1; 这一状态。即图像始终输出为data <= ((lcd_ypos[4]==1'b1) ^ (lcd_xpos[4]==1'b1)) ? {24{1'b0}} : {24{1'b1}}; ，显示为黑白条纹。

img_erosion_fltr模块代码解析

首先例化图像缓冲模块，用于将图像从一个时钟一个像素转为一个时钟输出三行三列9个像素，由于图像是二值图，我们只需随意例化一个通道的buf就可以，我们这里例化R通道。

然后就是检查这9个像素是否都为255，

erosion_and <= r_p11 &

r_p12 &

r_p13 &

r_p21 &

r_p22 &

r_p23 &

r_p31 &

r_p32 &

r_p33;

如果是由结果为255，如果不是则结果为0

if(!i_rst_n)

begin

bin <= 'd0;

end

else if(erosion_and)

begin

bin <= 'd255;

end

else

begin

bin <= 'd0;

end

管脚约束

与PotatoPie 4.0 实验教程(18) —— FPGA实现OV5640摄像头采集以SDRAM作为显存进行HDMI输出显示相同，不作赘述。

时序约束

与PotatoPie 4.0 实验教程(18) —— FPGA实现OV5640摄像头采集以SDRAM作为显存进行HDMI输出显示相同，不作赘述。

实验结果：

这个程序会进行6次腐蚀，每次腐蚀之后会停顿1秒，可以看到图中的白条纹越来越小，黑条纹越来越大，就是白条纹被腐蚀了。

这篇关于PotatoPie 4.0 实验教程(34) —— FPGA实现摄像头图像二值化腐蚀效果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！

---