基于FPGA的灰度图像均值滤波算法的实现

基于FPGA的灰度图像均值滤波算法的实现

作者：lee神

1. 背景知识

均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标像素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身），再用模板中的全体像素的平均值来代替原来像素值。

均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度g（x，y），即g（x，y）=1/m ∑f（x，y） m为该模板中包含当前像素在内的像素总个数。

均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。

2. FPGA的均值滤波算法实现步骤

(x-1,y-1)	(x,y-1)	(x+1,y-1)
(x-1,y)	(x,y)	(x+1,y)
(x-1,y+1)	(x,y+1)	(x+1,y+1)

f(x,y)表示（x,y）点的像素值。

g(x,y)表示（x,y）点经过均值处理后的值。

g(x,y)=1/8*(f(x-1,y-1)+f(x,y-1)+f(x+1,y-1)

+f(x-1,y)+f(x+1,y)+

f(x-1,y+1)+f(x,y+1)+f(x+1,y+1))------------------------------(1)

由（1）式我们看出(x,y)点的3x3像素点的均值等于其周围邻域的八个点的像素值之和除以8。

FPGA实现步骤

1>形成3x3矩阵像素

2>求周围邻域八个点的像素值之和

3>将结果右移三位（相当于除以8）得到结果。

3.FPGA实现

FPGA平台搭建

方法1:

通过R/G/B通道形成单色通道进入均值滤波器实现灰度图像的均值滤波。

方法2：

首先将RGB图像转换成Ycbcr图像，Y通道进入均值滤波器实现灰度图像的均值滤波

均值滤波源码：

Module name: mean_filter_3x3.v

Description:

Data: 2017/12/22

Engineer: lipu

e-mail: 137194782@qq.com

微信公众号： FPGA开源工作室

`timescale 1ns/1ps

module mean_filter_3x3(

input clk,

input rst_n,

input [15:0] data_in,

input data_in_en,

output reg [15:0]data_out,

output data_out_en

);

wire [15:0] line0;

wire [15:0] line1;

wire [15:0] line2;

reg [15:0] line0_data0;

reg [15:0] line0_data1;

reg [15:0] line0_data2;

reg [15:0] line1_data0;

reg [15:0] line1_data1;

reg [15:0] line1_data2;

reg [15:0] line2_data0;

reg [15:0] line2_data1;

reg [15:0] line2_data2;

reg data_out_en0;

reg data_out_en1;

reg data_out_en2;

wire[18:0] result_data;

line3x3 line3x3_inst(

.clken(data_in_en),

.clock(clk),

.shiftin(data_in),

.shiftout(),

.taps0x(line0),

.taps1x(line1),

.taps2x(line2)

);

//----------------------------------------------------

// Form an image matrix of three multiplied by three

//----------------------------------------------------

always @(posedge clk or negedge rst_n) begin

if(!rst_n) begin

line0_data0 <= 16'b0;

line0_data1 <= 16'b0;

line0_data2 <= 16'b0;

line1_data0 <= 16'b0;

line1_data1 <= 16'b0;

line1_data2 <= 16'b0;

line2_data0 <= 16'b0;

line2_data1 <= 16'b0;

line2_data2 <= 16'b0;

data_out_en0 <= 1'b0;

data_out_en1 <= 1'b0;

data_out_en2 <= 1'b0;

end

else if(data_in_en) begin

line0_data0 <= line0;

line0_data1 <= line0_data0;

line0_data2 <= line0_data1;

line1_data0 <= line1;

line1_data1 <= line1_data0;

line1_data2 <= line1_data1;

line2_data0 <= line2;

line2_data1 <= line2_data0;

line2_data2 <= line2_data1;

data_out_en0 <= data_in_en;

data_out_en1 <= data_out_en0;

data_out_en2 <= data_out_en1;

end

End

pa_8 pa_8_inst(

.clken(data_in_en),

.clock(clk),

.data0x(line0),

.data1x(line0_data0),

.data2x(line0_data1),

.data3x(line1),

.data4x(line1_data1),

.data5x(line2),

.data6x(line2_data0),

.data7x(line2_data1),

.result(result_data)

);

always @(posedge clk or negedge rst_n) begin

if(!rst_n)

data_out <= 16'b0;

else if(data_in_en)

data_out <= result_data[18:3];

//data_out <= line2_data1; //test

else ;

end

endmodule

4.仿真过程

将串行数据转换成并行数据

均值滤波结果实现

5.实验结果

原图

灰度图像

经过均值滤波后的灰度图像

结果分析：

从结果效果来看，原始灰度图像的甚多细节被模糊化，实现了灰度图像的均值滤波。