基于SOPC的图像边缘检测系统的软件设计（毕业设计５８页、２０７６８字　＋图　＋程序）
摘要：数字图像处理的边缘检测是图像分割、目标区域的识别、区域形状的提取等图像分析领域十分重要的基础，目前已经广泛用于工业、医疗保健、航空航天、军事、地理等各个领域。
本文对图像的边缘检测的各种算法和算子做了分析和总结。本文阐述了Roberts算子、Prewitt算子、Sobel算子和Laplacian算子的边缘检测方法，并在VC++下对它们进行了验证。利用Prewitt算子边缘检测方法得到了一个完整的边缘检测算法，先后对图像进行灰度变换、区域分割和坐标读取。在SOPC系统中进行硬件搭建，生成NIOSII系统，并对算法和系统进行编程控制。从算法对大量图像边缘检测的结果看，这种算法虽然简单但效果很好，既能有效消除噪声影响, 准确地检测边缘信息, 又能较好地保持目标边缘的连通性，是边缘检测的一种很好的使用方法。

关键词：图像处理；边缘检测；Prewitt算子

The Software Design of Edge Detection
System Based on SOPC
Abstract：Edge detection of digital image processing is very important in image analysis area such as image segmentation, identification of target region, extraction of regional shap. It has been widely used in industry, health care, aerospace, military, geography and so on.
In this paper, analysis and summary of various algorithms and operators of edge detection have been given. The thesis elaborates on the edge detection method of Roberts Operator、Prewitt operator、Sobel operator and Laplacian operator，and proved them by VC++. Prewitt Operator---- a complete edge detection algorithm is used , and image gray transform、segmentation and coordinate read are also used . In the SOPC system, hardware is constructed, and NIOSII system is generated. Algorithm and system are controlled by program. For large amounts of images edge detection, this algorithm is simple but very effective. It can effectively eliminate noise and accurately detect the edge information, and it can also maintain good goal edge connectivity, which is a good method of edge detection.

Key words：Image Processing；Edge Detection；Prewitt Operator

目    录

第1章 绪  论 1
1.1  数字图像处理及边缘检测 1
1.2  本课题的意义 3
1.3  论文总体结构 4
第2章 边缘检测综述 5
2.1  边缘检测的方法 6
2.2  梯度 7
2.3  边缘检测算法 8
2.3.1  Roberts算子 8
2.3.2  Sobel算子 9
2.3.3  Prewitt算子 9
2.3.4  Kirsch算子 10
2.3.5  LOG算法 10
2.3.6  其他的一些算子 12
2.4 各种算法的仿真比较 12
第3章 总体设计方案 17
3.1  方案选择 17
3.2  图像的灰度变换 19
3.3  图像的区域分割 20
3.4  图像边缘信息的坐标读取 21
第4章 图像边缘检测的SOPC系统设计 22
4.1  SOPC介绍 22
4.2  NIOS系统 24
4.3  Nios II系统建立 25
4.4  相关组件 26
4.4.1  JTAG 26
4.4.2  EPCS 27
4.4.3  PIO 28
4.4.4 锁存器 28
4.4.5 比较器 29
第5章 图像边缘检测的软件实现 31
5.1 Prewitt算法的软件实现 31
5.2 SOPC输出 33
5.3 各部件的程序控制 34
5.3.1 异步串口UART 34
5.3.2 定时器 35
5.3.3 输入输出I/O设备 35
5.3.4 输入输出端口PIO 36
5.4 系统仿真 37
结论 39
致谢 40
参考文献 41
附录 43

 
第1章 绪  论
1.1  数字图像处理及边缘检测
数字图像处理起源于20世纪20年代，经过半个多世纪的发展，目前已经广泛用于工业、医疗保健、航空航天、军事、地理等各个领域，在国民经济中发挥着越来越重要的作用。目前，随着信息技术的发展、数字化地球概念的提出以及因特网的飞速发展，数字图像处理越来越受到人们的重视，数字图像处理科学与技术逐步向其他学科渗透，并为其他学科所利用是科学发展的必然。所谓数字图像处理就是利用数字计算机或者其他数字硬件，对从图像信息转换而得到的点信号进行某些数学运算，以提高图像的实用性。
而随着大规模集成电路技术的发展及电子产品市场运做节奏的进一步加快，设计诸如计算机应用、通信、智能仪表、医用设备、军事、民用电器领域的现代电子设计技术已迈入一个全新的阶段，其特点有：1.电子器件及其技术的发展将更多地趋向于支持EDA；2.借助于硬件描述语言HDL，硬件设计与软件设计技术得到了有机的融合；3.电子设计技术不断走向规范化、标准化和高效率；4.应用系统的设计已从单纯的ASIC设计走向了系统设计、单片系统SOC和SOPC(System On a Programmable Chip)的设计。专家预言，未来的电子技术时代将是EDA的时代。自20世纪90年代开始，国外各大VLSI厂商不断推出各种系列的大规模和超大规模FPGA产品。其产品的资源规模和性能提高之快，品种之多令人应接不暇。例如Xilinx公司和Altera公司不断推出和创新多系列高性能的FPGA/CPLD，其数量已达数百万门。特别在最近几年中，FPGA/CPLD的开发生产和销售规模一直以惊人的速度增长。与此想适应，世界各大EDA公司亦相继推出各类高性能的EDA工具软件。在现代电子设计技术推进浪潮的多层因素促进下，CAD、CAM、CAT和CAE技术得到了进一步的融合与升华，形成了更为强大的EDA和SOPC技术，从而成为当代电子设计技术发展的总趋势。
    图像边缘检测是数字图像处理的基础。边缘，是指图像中灰度值有显著变化的区域。边缘检测即增亮图像边缘，它有助于从图像中识别出所需对像。图像边缘信息是图像的重要特征，也是计算机视觉和图像识别的基础。
图像边缘检测是图像处理与分析中最基础的内容之一，也是至今没有得到圆满解决的一类问题。成像过程中的投影、混合、畸变和噪声等导致图像特征的模糊和形变，从而造成图像特征提取的困难。边缘当然也是由于上述成像中的各种原因而难于检测。Marr的视觉计算理论把边缘图像的获取看作视觉的早期阶段，亦即整个视觉过程的起点；而通过对人类视觉系统的研究边名，图像的边缘特别重要，往往仅凭一条粗略的边缘和轮廓特征的检测与提取方法，一直是图像处理与分析技术中的研究热点。图像边缘检测作为视觉的一个早期阶段，有着很长的研究历史，新理论、新方法不断涌现。这一方面说明该研究方向本身的重要性，另一方面也反映出了它的深度与难度。
边缘检测是图像处理中的重要内容。边缘是图像的最基本特征。Poggio等曾说：“边缘或许对应着图像中物体(的边界)或许并没有对应着图像中物体(的边界),但是边缘具有十分令人满意的性质,它能大大地减少所要处理的信息但是又保留了图像中物体的形状信息。”并定义边缘检测为“主要是(图像的)灰度变化的度量、检测和定位”。边缘与图像中物体的边界有关但又是不同的。边缘反映的是图像灰度的不连续性。
边缘在边界检测、图像分割、模式识别、机器视觉等中有很重要的作用。 边缘是边界检测的重要基础，也是外形检测的基础。边缘广泛存在于物体与背景之间、物体与物体之间,基元与基元之间，因此它也是图像分割所依赖的重要特征。 边缘检测对于物体的识别也是很重要的。主要有以下几个理由：首先,人眼通过追踪未知物体的轮廓(轮廓是由一段段的边缘片段组成的)而扫视一个未知的物体。第二,经验告诉我们：如果我们能成功地得到图像的边缘,那么图像分析就会大大简化,图像识别就会容易得多。第三,很多图像并没有具体的物体,对这些图像的理解取决于它们的纹理性质,而提取这些纹理性质与边缘检测有极其密切的关系。
计算机视觉处理可以看作是为了实现某一任务从包含有大量的不相关的变量中抽取不变量，总之就是简化信息。这就意味着要扔掉一些不必要的信息而尽可能利用物体的不变性质。而边缘就是最重要的不变性质：光线的变化显著地影响了一个区域的外观,但是不会改变它的边缘。更重要的是人的视觉系统也是对边缘很敏感的。
研究边缘检测的文章有十分多。1959年,文献上最早提到边缘检测。1965年L. G. Roberts最早开始系统研究边缘检测。从那以后每年都会出现很多关于边缘检测的文章。边缘检测的重要的文章大都发表在IEEE Trans. On Pattern Analysis and Machine Intelligence，CVGIP：Image Processing，IEEE Trans. On Image Processing(1990年创刊)， Journal of the ACM等上。
常见的边缘点有三种(如图1-1)。第一种是阶梯形边缘(Step-edge),即从一个灰度到比它高好多的另一个灰度。第二种是屋顶型边缘(Roof-edge),它的灰度是慢慢增加到一定程度然后慢慢减小。还有一种是线性边缘(Line-edge),它的灰度从一级别跳到另一个灰度级别之后然后回来。
 
图1-1 边缘的类型与边缘的不连续性阶数
各种不同的边缘有不同的特征。 Nalwa和Binford认为图像中的边缘可以由许多的短直线段(下面称之为边缘元)来逼近,每一个边缘元都由一个位置和一个角度确定。边缘元对应着图像上灰度曲面阶数的不连续性。如果灰度曲面在一个点的N阶导数是一个Delta函数,那么我们就定义灰度曲面在这个点是N阶不连续的。那么线性边缘是0阶不连续的,阶梯形边缘的一阶不连续的,而屋顶形边缘是2阶不连续的。
在大部分情况下,我们都是把图像的边缘全部看作是阶梯形边缘,然后求得检测这种边缘的各种最优滤波器，然后用在实践中。
边缘检测“主要是灰度变化的度量、检测和定位”。有很多种不同的边缘检测方法,同一种方法使用的滤波器也不尽相同。边缘检测就是研究更好的边缘检测方法和检测算子。
1.2  本课题的意义
每天我们都是在报纸、杂志、书籍、电视、各种小册子等大量的图像信息包围中度过的。这些图像包括文字、照片、图表、插图等，它使我们感到安适和生活情趣。 视觉是人类从大自然获取信息的最主要的来源。据统计在人类获取的信息当中，视觉信息约占60％，听觉信息约占20％，其它的如味觉信息，触觉信息等加起来约占20％。由此可见视觉信息对人们的重要性。而图像正是人类获取视觉信息的主要途径。图像是用各种观测系统以不同形式和手段观测客观世界而获得的,可以直接或者间接作用于人眼并进而产生视知觉的实体。
面对现代电子技术的迅猛发展，高新技术日新月异的变化以及人才市场、产品市场的迫切需求，许多高校迅速地作出了积极的反应，在不长的时间内，在相关的专业教学与学科领域卓有成效地完成了具有重要意义的教学改革及科学建设。
图像的边缘检测，它是图像处理的基础，在各个方面都有着广泛的用途，比如：医疗，车牌检测，工业等领域。完成这次毕业设计，能对嵌入式和数字图像处理有更深地了解。
1.3  论文总体结构
第二章我们将对边缘检测各种算法和算子进行综合介绍；
第三章提出设计方案；
第四章基于SOPC建立NIOS系统；
第五章图像边缘检测的SOPC软件实现；
最后得出结论。