抗噪型Sobel边缘检测算法及其硬件加速设计.pdf

第37卷第24期
计算机工程
2011年12月
Vol 37 No24
Computer Engineering
December 2011
图形图像处理
文食号:1000-3428(2011)24-020403文献标识码
中图分类:TP391
抗噪型Sobe』边缘检测算法及其硬件加速设计
唐永,胡谋法,卢
(国防科学技术大学ATR实验室,长沙410073)
:根据序列图像实时边缘检测应用儒求,提出一种抗噪型Sobe边缘检测算法,并对其进行硬件加速设计。用分离中值滤波代替二
绯中值滤波,改进梯度辐值和方向计算优化算法结构。通过采用改进分离中值波更件结构、綬存中间数据以避免重复计算、并行计算梯
度幅値和方向等措施提高算法尖时性,减少硬件资源消耗。 Modelsim仿真结果和ISE综合报告显示,该硬件加速设计使得处理速度较快,
硬件资源消耗较少,且该算法具有较好的抗噪性和边缘檢测特性。
关健词:边缘检测; Sobel算子;分离中值滤波;便件加遮;实时图像处瑮
Anti-noise Sobel Edge Detection Algorithm and
Its Hardware-accelerated Design
TANG Yong-he, HU Mou-fa, LU Huan-zhang
ATR Lab, National University of Defense Technology, Changsha 410073.China)
Abstract Aiming at the application equement of real-time edge detection in image sequences, an anti-noise Sobel edge detection algorithm is
proposed and its hardwae-acceleraed design i eveloped. The al t m structure is optimized by replacing two-dimensional median lter with
separate median filter and imprving he computation of the magni de and nation of the gradient. Several measures such as mproving the
hardware architecture of separate median filter, storing the temporary data to avoid computing repeatedly and calculating the magnitude and
orentaion of e rad t in parallel a aken o mo he reaim p oman and educe the ardware resoures cost imul ion results of
Modesim and the synthesis re o SE minae at the arwae-acceleraed can acclerate the speed and reduce the hadware resources
consumption. The proposed algorithm performs better in noise immunity and edge detection performance.
Key words] edge detection; Sobel operator; separate median filtering; hardware-accelerated real-time image processing
D0I:10.3969isnL.1000-3428.201.24.068
1述
波,其性能与二.维中值潓波基本相当,而计算量大幅降低,
序列图像实时边检测是图僚处理中的一个重要研究课且易于硬件实现,故木文采用分离中值滤代替二维中值滤
题,广泛应用于目标检测与跟踪、实时视监控等领域中
波作去噪处
在这些应用中,边缘检测的准确性、实时性和抗嗓性是衡量
Sobel算子的模板如图1所示,设棋板中心点为(x,y
算法牲能的重要指标。
其灰度值为f(x,y),令:
传统的边缘检算法用边缘检测算子求解图像的梯度,
A4(x,y)=f(xー1,y-1)+2f(x,yー1)+f(x+1,y-1)
并选择合适的阈值提取边缘,刻 Roberts, Sobel和 Canny等
A2(x,y)=f(xー1,y+リ2f(ェ,y+のャJ「(ェ+1y+リ)
其中, Roberts和 Sobek通过对图像的年一点计算邻域灰度加
B(x,y)=f(x+1,yー1)ーf(xー-1,y-1)
权提取边缘,算法简单,但抗噪性能较差; Canny利用高斯
B82(x,y)f(x+1,y)ーf(x-1,y)
函数对原图像作平滑处理,运算量加大。基本的形态学边缘
(x.y)=f(x+1,y+I)-f(x-1,y+1)
检测算法运算量小,实时性强,但抗噪性能较差,抗噪型形
则水平方向梯度为:
态学边缘检算法坑噪性能较好,但运算最增加,实时性
f, (, y)=A(X,)-A(, y)
能降低。因此,在保持边緣检測准确性的同时,提高其抗噪
垂直方向梯度为:
性和实时性是边缘检测算法的一个重要研究方向。
f, (X,Y)=B(r, +2B2(, y)+B(,>)
中值滤可以有效滤除脉冲嗓声,对高斯噪声也有一定
梯度幅值为
的滺波效果,能够很好地保持边缘特性。 Sobek算子计算简
单,对噪声有…定的半滑作用,能够提供较为准隃的边缘方
S(xy)=√f4(x)2+,(x
向信息。本文将中值滤被和 Sobel算子相结合,提出一种抗
梯度方向为
噪型 Sobel边缘检测算法,并对其进行硬件加速设计。
(x,y)
f C, y)
2抗噪型 Sobel算法及其性能分析
中值滤波虽去噪性能较好,但共运算量随模板的增大而作者介:唐永(1983-),男,博士研究生,主研方向:图像特征
大編增加。文献4提出分离中值滤波算法,先对图像进行
提取,图像匹配;胡谋法,讲师;卢焕章,教授、博士生导师
维行中值滤波,然后对行中值滤波结果进行一维列中值滤收日期:2011-0-07E- mail: tyh_983@126com
万方数据