实时图像边缘检测形态学优化设计及FPGA实现

●　Ｃｏｍｐｕｔｅｒ　Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　Ｉｔｓ　Ａｐｐｌｉｃａｔｉｏｎｓ　实时图像边缘检测形态学优化设计及ＦＰＧＡ实现　刘紫燕，祁佳　（贵州Ｉ大学计算机科学与信息学院，贵州贵阳５５００２５）　摘要：利用Ｓｏｂｅｌ算子对实时图像进行边缘检测，然后再对边缘检测之后的图像进行形态学的膨　胀和腐蚀技术的优化，最后利用ＦＰＧＡ将形态学优化后的实时图像进行边缘检测。结果表明该方法能　有效提高边缘检测的效果，检测出的图像边缘更加清晰，同时可大幅度滤除掉图像中的背景噪声。　关键词：形态学；闭运算；腐蚀膨胀；ＦＰＧＡ；边缘检测　中图分类号：ＴＰ３９１．４　文献标识码：Ａ　文章编号：０２５８—７９９８（２０１３）０９—０１３２—０３　Ｅｄｇｅ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｍｏｒｐｈｏｌｏｇｙ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｏｆ　ｒｅａｌ－ｔｉｍｅ　ｉｍａｇｅ　ｂａｓｅｄ　ｏｎ　ＦＰＧＡ　Ｌｉｕ　Ｚｉｙａｎ，Ｑｉ　Ｊｉａ　（Ｃｏｌｌｅｇｅ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ，Ｇｕｉｚｈｏｕ　Ｕｎｉｖｅｒｓｉｔｙ，Ｇｕｉｙａｎｇ　５５００２５，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ｓｏｂｅｌ　ｏｐｅｒａｔｏｒ　ｉｓ　ｏｎｌｙ　ｕｓｅｄ　ｆｏｒ　ｓｔａｔｉｃ　ｉｍａｇｅ　ｅｄｇｅ　ｄｅｔｅｃｔｉｏｎ，ｉｎ　ｔｈｉｓ　ｐａｐｅｒ，ｗｅ　ｄｅｔｅｃｔｅｄ　ｔｈｅ　ｒｅａｌ—ｔｉｍｅ　ｉｍａｇｅ　ｅｄｇｅ　ａｎｄ　ｔｈｅｎ　ｗｅ　ｕｓｅｄ　ｔｈｅ　ｍｏｒｐｈｏｌｏｇｉｃａｌ　ｄｉｌａｔｉｏｎ　ａｎｄ　ｍｏｒｐｈｏｌｏｇｉｃａｌ　ｅｒｏｓｉｏｎ　ｔｏ　ｍａｋｅ　ｔｈｅ　ｒｅａｌ—ｔｉｍｅ　ｉｍａｇｅ　ｅｄｇｅ　ｂｅｔｔｅｒ，ａｆｔｅｒ　ｔｈａｔ，ｗｅ　ｉｍｐｌｅｍｅｎｔｅｄ　ｔｈｉｓ　ｏｐｔｉｍｉｚｅｄ　ｒｅａｌ－ｔｉｍｅ　ｉｍａｇｅ　ｅｄｇｅ　ｄｅｔｅｃｔｉｏｎ　ｂｙ　ｍｏｒｐｈｏｌｏｇｙ　ｏｎ　ＦＰＧＡ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｓｈｏｗｅｄ　ｔｈａｔｔｈｅ　ａｌｇｏ—　，ｒｉｔｈｍ　ｉｎ　ｔｈｉｓ　ｐａｐｅｒ　ｃａｎ　ｉｍｐｒｏｖｅ　ｔｈｅ　ｅｄｇｅ　ｄｅｔｅｃｔｉｏｎ　ｅｆｆｅｃｔｉｖｅｌｙ．Ｃｏｍｐａｒｅｄ　ｔｏ　Ｓｏｂｅｌ　ｏｐｅｒａｔｏｒ，ｔｈｅ　ｒｅａｌ－ｔｉｍｅ　ｉｍａｇｅ　ｅｄｇｅ　ｗａｓ　ｃｌｅａｒｅｒ　ａｎｄ　ｔｈｅ　ｂａｃｋｇｒｏｕｎｄ　ｎｏｉｓｅ　ｗａｓ　ｆｉｌｔｅｒｅｄ　ａｓ　ｗｅｌｌ　ｂｙ　ｕｓｉｎｇ　ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｉｎ　ｔｈｉｓ　ｐａｐｅｒ．　Ｋｅｙ　ｗｏｒｄｓ：ｍｏｒｐｈｏｌｏｇｙ；ｃｌｏｓｅｄ　ｏｐｅｒａｔｉｏｎ；ｅｒｉｓｉｏｎ　ａｎｄ　ｄｉｌａｔｉｏｎ；ＦＰＧＡ；ｅｄｇｅ　ｄｅｔｅｃｔｉｏｎ　图像边缘通常指图像灰度变化率最大的像素点的　总和，边缘广泛地分布于物体之间、物体与背景之间ｌ１Ｉ。　图像边缘也是人眼和计算机识别图像、获取信息的重要　特征来源，因此图像的边缘检测在在航空、军事、人工智　能等需要图像处理的领域都有着广泛应用研究［２１。　数学形态学是以集合论为基础的学科，是几何形态　学分析与描述的工具。数学形态学在计算机视觉、图像　摄　帧同步　原像同　时钟　数据　总线及　摄像头　ＳＤＲＡＭ　控制器　ｌ　地　控常Ｉｒ　ＳＤＲＡＭ　１日　．臣　Ｊ　Ｌ　●　●　●　数据　摄像头　●　ｌ　Ｓｏｂｃｌ边缘检测Ｉ　获取　原始　像　行同步　头　ｌ先膨胀再腐蚀Ｉ　Ｉ液晶屏控制器卜＿＿　————●■　液晶屏　叫摄像头原始图像ｌ　Ｉ转为ＲＧＢ图像Ｉ　夺储器唰　钾　图像　分析、模式识别等方面得到了广泛的应用。　传统的实时图像边缘检测大多只使用Ｓｏｂｅｌ算子进　行处理得出边缘【２］，基本能满足实时图像边缘的要求，　但是仍存在很强的背景噪声＿３】。本文利用ＦＰＧＡ对实时　图像进行边缘检测并进行形态学的优化，得到的边缘清　图１基于ＦＰＧＡ的实时图像边缘检测形态学优化系统框图　本系统主要设计思想是在实时图像Ｓｏｂｅｌ边缘检测　晰，同时很好地抑制了背景噪声。　之后，增加边缘形态学的处理，采用先进行膨胀运算，再　进行腐蚀运算实现对边缘的形态学优化。　１系统总体框架设计　Ｓｏｂｅｌ边缘检测算子是实时图像边缘检测比较常用　的算子，在ＦＰＧＡ上实现简单，对于噪声有一定的抑制　能力，同时又能取得比较好的边缘检测效果。　２数学形态学及基本运算　数学形态学是分析几何形状和结构的一种数学方法Ｈ】，　是以集合代数为基础，并用集合论的方法来研究几何结　构的学科。数学形态学的思想是利用具有一定形态的结　为了获得更加精细的边缘以及更好地抑制背景噪　声，本文利用形态学的闭运算优化边缘。基于ＦＰＧＡ的　实时图像边缘检测形态学优化系统如图１所示。　基金项目：贵州省自然科学技术基金资助项目（黔科合Ｊ字［２０１１］２１９３号）　构元素度量和提取图像的对应特征，达到对图像分析以　及识别的目的。结构元素是数学形态学中最重要、最基　本的概念，是在分析图像时收集图像信息的探针，在图　１３２　欢迎网上投稿ＷＷＷ．ｃｈｉｎａａｅｔ．ｃｏｒｎ　《电子技术应用》２０１３年第３９卷第９期　ｉＩＩＩＩＩＩｌＩＩＩＩＩＩ霉ｌｌｌｌ蠢ｌｉ—雨ｃ。ｍｐｕｔｅ　Ｔｅｃｈｎ。－。ｇｙ　ａｎｄ－ｔｓ　Ａｐｐ－；ｃａｔ　。ｎｓ　设　为一幅二值图像，Ｂ为结构元素，则腐蚀运算　定义为：　ＡＯＢ＝｛ａｌ（　）。　Ａ）　（２）　腐蚀运算为集合Ｂ平移。后得到的（Ｂ）。仍在集合Ａ　中的结构元素参考点的集合。　膨胀扩大图像，腐蚀收缩图像。开运算可以平滑图像　轮廓，削弱狭窄部分，去掉细的突出；闭运算也可以平滑　图像的轮廓，它一般融合窄的缺口和细长的弯口，去掉　小洞，填补轮廓上的缝隙１６］。设Ａ为一幅二值图像，曰为　结构元素，则有如下定义：　开运算：Ａ。日＝（ＡＯＢ）①Ｂ　（３）　闭运算：Ａ・　＝（Ａ　ｏＢ）ｅ８　（４）　其中。表示开运算，・表示闭运算。　本文运用数学形态学闭运算对检测出的图像边缘　进行优化。　３形态学优化的设计与实现　本文改进算法先对实时图像进行Ｓｏｂｅｌ边缘检测，　再将检测出来的边缘进行形态学的优化。如图２所示。　ｒ———————＿＿１　ｒ———————————＿＿１　ｒ———————————］　——　堡卜－—＿－１　１１１１　望竺竺　ｒ＿—　查兰望至兰ｌ　图２本文算法框架图　３．１灰度图像及Ｓｏｂｅｌ梯度计算　实时图像的边缘检测必须将采集到的原始图像转　换为ＲＧＢ图像，再将ＲＧＢ图像转换为灰度图像［６Ｊ。用　Ｓｏｂｅｌ边缘检测算子对图像进行运算时，先用Ｓｏｂｅｌ算子　对图像像素做卷积运算，再用梯度公式计算图像梯度［７］。　本系统用３条线性缓冲器来实现Ｓｏｂｅｌ算子对图像的据　卷积运算。Ｐｌ～Ｐｑ为Ｓｏｂｅｌ算子３×３运算模板中需要处理　的像素点灰度值，　。～　为Ｓｏｂｄ算子模板的系数，乘加　部分由ＱｕａｒｔｕｓＩＩ软件中ＬＰＭ／Ｍｅｇａｆｕｎｃｔｉｏｎｓ宏功能模块　库的可编程乘加器Ｍｔｍｕｌｔ＿ａｄｄ与可编程多路并行加法　器ｐａｒａｌｌｅｌ＿ａｄｄ模块进行运算［８１。如图３所示。　３．２形态学闭运算优化　形态学运算在ＦＰＧＡ上的具体实现过程与前述的卷　积运算过程相似，因此在卷积运算的基础上得出腐蚀和　《电子技术应用》２０１３年第３９卷第９期　图４膨胀运算的过程示意图　与腐蚀运算一样，本系统仍选用３条线性缓冲器来　实现对边膨胀运算后图像数据的腐蚀运算，将膨胀运算　后的数据送入腐蚀运算模块，经过腐蚀模块３ｘ３模板运　算，最终得到形态学优化的边缘图像。　膨胀模块的核心部分Ｖｅｆｉｌｏｇ　ＨＤＬ代码为：　ａｌｗａｙｓ＠（ｐｏｓｅｄｇｅ　ｉＣＬＫ　ｏｒ　ｎｅｇｅｄｇｅ　ｉＲＳＴ＿Ｎ）ｂｅｇｉｎ　ｉｆ（！ｉＲＳＴ＿Ｎ）ｂｅｇｉｎ　ｅｎｄ　ｅｌｓｅ　ｂｅｇｉｎ　ｏＤＶＡＬ＜＝ｉＤＶＡＬ；　Ｐ９＜＝ＬｉｎｅＯ；　Ｐ８＜＝Ｘ９；　Ｐ７＜＝Ｘ８；　Ｐ６＜＝Ｌｉｎｅ１：　Ｐ５＜＝Ｘ６；　Ｐ４＜＝Ｘ５；　＜＝Ｌｉｎｅ２；　Ｐ２＜＝Ｘ３；　Ｐｌ＜＝Ｘ２；　１３３　Ｃｏｍｐｕｔｅｒ　Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　Ｉｔｓ　Ａｐｐｌｉｃａｔｉｏｎｓ　５１２；各ｂｌｏｃｋ从不同的初始种子出发，分别基于退火算　法进行搜索，每个ｂｌｏｃｋ对应一个初始种子。退火算法参　数：初始温度ＴＯ＝１２０℃，最低温度　＝Ｏ．００１℃，温度衰减　周期ｉｎｔｅｒｖａｌ＝８００，温度衰减系数ａ＝Ｏ．９９，最大平移旋转　次数Ｓ　ｎａｘ—ｕ１０　。　ｐｒｅｄｉｃｔｉｏｎ　ｏｆ　ｔｒａｎｓｃｒｉｐｔｉｏｎ　ｆａｃｔｏｒ　ｂｉｎｄｉｎｇ　ｓｉｔｅｓ　ｕｓｉｎｇ　ａ　ｐｍ—　ｔｅｉｎ－ＤＮＡ　ｄｏｃｋｉｎｇ　ａｐｐｒｏａｃｈ［Ｊ】．Ｐｒｏｔｅｉｎｓ，２００８，７２（４）：　１１１４—１１２４．　［３］戴东波，熊赞，朱扬勇．基于参考集索引的高效序列相似　性查找算法【Ｊ］．软件学报，２０１１（４）：７１８－７３１．　【４】Ｚｈａｎｇ　Ｚｈａｎｇ，Ｘｉａｏ　Ｊｉｎｇｆａ，Ｗｕ　Ｊｉａｙａｎ，ｅｔ　ａ１．ＰａｒａＡＴ：Ａ　ｐａｒａｌｌｅｌ　ｔｏｏｌ　ｆｏｒ　ｃｏｎｓｔｒｕｃｔｉｎｇ　ｍｕｌｔｉｐｌｅ　ｐｒｏｔｅｉｎ－ｃｏｄｉｎｇ　ＤＮＡ　实验结果如表１所示。与单线程ＣＰＵ程序相比，未　经优化的ＧＰＵ程序将获得最高可达８倍左右的加速　比；而经过重排优化后，加速比在此基础上进一步显著　ａｌｉｇｎｍｅｎｔｓ［Ｊ］．Ｂｉｏｃｈｅｍｉｃａｌ　Ｂｉｏｐｈｙｓｉｃａｌ　Ｒｅｓｅａｒｃｈ　Ｃｏｍｍｕｎｉ—　提升，最高可达１５倍左右。　ｃａｔｉｏｎｓ，２０１２，４１９（４）：７７９－７８１．　［５］徐新海，杨学军，林宇斐，等．一种面向ＣＰＵ—ＧＰＵ异构系　表１实验结果　统的容错方法［Ｊ】．软件学报，２０１１．２２（１０）：２５３８—２５５２．　【６】ＮＶＩＤＩＡ　Ｃｏｏｐｅｒａｔｉｏｎ．ＣＵＤＡ　ｐｒｏｇｒａｍｍｉｎｇ　ｇｕｉｄｅ　ｖｅｒｓｉｏｎ　５．０　【ＥＢ／ＯＬ】．［２０１３－０５—１５］．ｈｔｔｐ：／／ｄｏｃｓ．ｎｖｉｄｉａ．ｃｏｍ／ｃｕｄａ／ｃｕｄａ－　ｃ—ｐｒｏｇｒａｍｍｉｎｇ—ｇｕｉｄｅ／．　【７】ＴＩＡＮＹＩ　Ｄ　Ｈ，ＴＡＲＥＫ　Ｓ　Ａ．Ｒｅｄｕｃｉｎｇ　ｂｒａｎｃｈ　ｄｉｖｅｒｇｅｎｃｅ　ｉｎ　ＧＰＵ　ｐｒｏ￣ａｍｓ［Ａ】．Ｉｎ　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　Ｆｏｕａｈ　Ｗｏｒｋｓｈｏｐ　ｏｎ　Ｇｅｎｅｒａｌ　Ｐｕｒｐｏｓｅ　Ｐｒｏｃｅｓｓｉｎｇ　ｏｎ　Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔｓ［Ｃ］．Ｌｏｎｄｏｎ：ＡＣＭ．２０１２．　【８］ＩＭＥＮ　Ｃ，ＡＨＣＥＮＥ　Ｂ，ＮＯＵＲＥＤＩＮＥ　Ｍ．Ｒｅｄｕｃｉｎｇ　ｔｈｒｅａｄ　ｄｉｖｅｒｇｅｎｃｅ　ｉｎ　ＧＰＵ—ｂａｓｅｄ　ｂ＆ｂ　ａｐｐｌｉｅｄ　ｔｏ　ｔｈｅ　ｆｌｏｗ－ｓｈｏｐ　本文针对一种典型的ＤＮＡ一蛋白质匹配算法，设计　实现了基于ＣＵＤＡ的并行化方法，从线程调度的角度对　该方法进行优化，并通过实验验证了加速性能。实际应　ｐｒｏｂｌｅｍ［Ａ］．Ｉｎ　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　９ｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒ－　ｅｎｅｅ　ｏｎ　Ｐａｒａｌｌｅｌ［Ｃ】．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ—Ｖｅｒｌａｇ．２０１　１．　［９】Ｒｕｔｇｅｒｓ　ａｎｄ　ＵＣＳＤ．Ｐｒｏｔｅｉｎ　Ｄａｔａ　Ｂａｎｋ【ＤＢ／ＯＬ】＿［２００９－　０２－２４】．ｈｔｔｐ：／／ｗｗｗ．ｒｃｓｂ．ｏｒｇ／ｐｄｂ／ｅｘｐｌｏｒｅ／ｅｘｐｌｏｒｅ．ｄｏ？ｓｔｕｃ—　ｒｔｕｒｅＩｄ＝２ｇｌｉ．　用往往需要为一个组合体产生大量的初始种子（数百个），　并为每个种子开启一个基于退火算法的搜索过程；其目　的是达到较高的匹配精度。实验显示，使用单个ＧＰＧＰＵ　加速，在单个ｂｌｏｃｋ包含的线程数不变的前提下，随着初　［１０】ＧＥＮＥ　Ａ．Ｖａｌｉｄｉｔｙ　ｏｆ　ｔｈｅ　ｓｉｎｇｌｅ　ｐｒｏｃｅｓｓｏｒ　ａｐｐｒｏａｃｈ　ｔｏ　ａｃｈｉｅｖｉｎｇ　ｌａｒｇｅ－ｓｃａｌｅ　ｃｏｍｐｕｔｉｎｇ　ｃａｐａｂｉｌｉｔｉｅｓ［Ａ］．Ｉｎ　Ｐｒｏｃ—　ｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　Ａｐｒｉｌ　１８－２０（ＡＦＩＰＳ　６７）［Ｃ］．Ｎｅｗ　Ｙｏｒｋ：　ＡＣＭ．１９６７．　始种子数量的增加，加速比逐渐趋于稳定。例如，当初始　种子个数超过４０后，加速比基本稳定在１５倍左右。其　原因在于单个ＧＰＧＰＵ的计算能力存在上限，当种子足够　多时，其计算能力已得到较充分利用，无法继续提高加　速比。为了满足实际应用的需求，下一步的工作将考虑　使用基于ＧＰＧＰＵ的集群来加速匹配算法，以进一步提　高加速比。　（收稿日期：２０１３—０５—１５１　作者简介：　陈春雷，男，１９８３年生，博士研究生，主要研究方向：机　器学习、高性能计算。　慕德俊，男，１９６３年生，教授，博导，主要研究方向：并行　计算、信息安全。　张慧翔，男，１９８１年生，副教授，硕导，主要研究方向：推　参考文献　［１】ＢＯＵＲＮＥ　Ｐ　Ｅ，ＷＥＩＳＳＩＧ　Ｈ．Ｓｔｒｕｃｔｕｒａｌ　ｂｉｏｉｎｆｏｒｍａｔｉｃｓ［Ｍ］．　Ｈｏｂｏｋｅｎ：Ｗｉｌｅｙ－Ｌｉｓｓ　Ｉｎｃ，２００３．　理算法、故障检测。　［２］Ｌｉｕ　Ｚｈｉｊｉｅ，Ｇｕｏ　Ｊｕｎｔａｏ，Ｌｉ　Ｔｉｎｇ，ｅｔ　ａ１．Ｓｔｕｃｔｒｕｒｅ—ｂａｓｅｄ　（上接第１３４页）　计算机应用，２０１１，３１（２）：３８６—３８９．　［５］赵德春，彭承琳，陈园园，等．用形态学改进医学图像边缘　检测算法【Ｊ］．重庆大学学报，２０１０，３３（２）：１２３—１２６．　［６］张广军．视觉测量【Ｍ】．北京：科学出版社，２００８．　［７】谷陆生．基于ＳＯＰＣ的实时边缘检测系统的研究［Ｊ】．电子　技术应用，２００９，３５（８）：４７—４８，７５．　代电子技术，２００９，３３（１６）：４４—４６　（收稿日期：２０１３－０５—１４）　作者简介：　刘紫燕，女，１９７７年生，副教授，硕士生导师，主要研究　方向：无线通信，嵌入式通信，下一代网络等。　祁佳，男，１９８８年生，硕士研究生，主要研究方向：嵌入　【８】李明，赵勋杰，毛伟民．Ｓｏｂｅｌ边缘检测的ＦＰＧＡ实现［Ｊ】．现　式通信，无线通信。　、　１３８　欢迎网上投稿ＷＷＷ．ｃｈｉｎａａｅｔ．ｃｏｍ　《电子技术应用》２０１３－ｑ－第３９；－￣第９期