文章目录
- 一、实验目标
- 二、实验中遇到的问题
- 1、如何实现均值滤波
- 2、modelsim仿真的时候涉及到IP核不存在怎么办？
- 三、具体实现
- 3.1 均值滤波的实现
- 3.1.1 调用shift_ram ip核：
- 3.1.2 均值滤波的流水并行处理
- 3.2 整体模块设计
- 3.2.1 图像生成模块
- 3.2.2 Ycbcr灰度化
- 3.2.3 3*3窗口生成
- 3.2.4 均值滤波模块
- 3.3 波形仿真验证
- matlab实现均值滤波
本文的方法和 联合仿真实现Ycbcr的方法相同。不再重复叙述。
一、实验目标
在Ycbcr灰度化基础上进行均值滤波。
二、实验中遇到的问题
1、如何实现均值滤波
2、modelsim仿真的时候涉及到IP核不存在怎么办？
如下图，我们调用了shift_ram ip核，不添加库文件的话，独立仿真时报错
解决方法：
将器件库添加上即可。
选择simulation —— start simulation——Libraries——Add，添加库文件
库文件所在位置：modelsim安装位置，modelsim-ase——aletra——Verilog——altera_mf || cyclonev（根据所用开发板型号选择）
三、具体实现
3.1 均值滤波的实现
1、这部分包含两个模块：3*3窗口生成模块以及均值滤波算法实现模块。（参考其他博文，理论部分不在讲解）
2、33窗口生成模块：filter_33；——调用了shift_ram ip核。
3、均值滤波模块 ：mean_filter；——采用三级流水线的方式进行处理。流水线技术是FPGA常用的思想。
3.1.1 调用shift_ram ip核：
3.1.2 均值滤波的流水并行处理
如下我们可得到均值滤波的公式：mean_data = P11 + P12 + P13 + P21 + P23 + P31 +P32 + P33 / 8；将其拆成三级流水线并行处理的形式：
第一级流水线并行处理：
P1 = P11 + P12 + P13 ；P2 = P21 + P23 ；P3 = P31 +P32 + P33；
.
第二级流水线处理：
P = P1 + P2 + P3；
.
第三级流水线处理：
P >> 3 或者取高位
3.2 整体模块设计
图像生成模块（VGA模块+数据的获取）；
Ycbcr灰度化模块；
3*3窗口生成模块；
均值滤波模块：
3.2.1 图像生成模块
module img_gen (
//系统全局信号
input wire clk ,
input wire rst_n ,
//原图输出 ----------------------------------------
output wire img_hsync , //原图行同步信号
output wire img_vsync , //场同步信号
output reg [23:0] img_data , //原图像数据信号
output reg img_de //数据有效指示信号
);
endmodule
该模块数据的获取如下：
当quartus查看RTL图的时候，由于不可综合，将其引去即可。
initial begin$readmemh("pre_img.txt", ram);
end
3.2.2 Ycbcr灰度化
该模块不变。
module RGB_Gray
//========================< 端口 >==========================================
(
input wire clk , //时钟
input wire rst_n , //复位
//原图 ----------------------------------------------
input wire RGB_hsync,
input wire RGB_vsync,
input wire [23:0] RGB_data,
input wire RGB_de ,
//灰度转换图 ----------------------------------------------
//这里的行场有效信号和数据信号根据消耗时钟打三拍，作为下一模块输入
output wire gray_hsync,
output wire gray_vsync,
output wire gray_de,
output wire [7:0] gray_data);
3.2.3 3*3窗口生成
module filter_3x3(input clk,input rst_n,
//灰度化打拍后的行场有效以及数据有效信号input gray_hsync, input gray_vsync,input gray_de ,input [7:0] iData,
//根据3*3窗口生成模块实际消耗时钟进行延迟output filter_hsync, output filter_vsync , output filter_de,
//生成的3*3窗口数据 output reg [7:0] oData_11, oData_12, oData_13,output reg [7:0] oData_21, oData_22, oData_23,output reg [7:0] oData_31, oData_32, oData_33
);
3.2.4 均值滤波模块
module mean_filter(input clk,input rst_n,//来自3*3窗口生成模块 input wire filter_hsync , input wire filter_vsync ,input wire filter_de ,
//生成的3*3窗口数据input [7:0] filter_11,filter_12,filter_13, input [7:0] filter_21,filter_22,filter_23,input [7:0] filter_31,filter_32,filter_33,
//均值处理后行场、数据有效信号根据消耗时钟打拍 output mean_hsync , output mean_vsync , output mean_de ,output [7:0] mean_data // 最终均值，3x3模板总和/8);
3.3 波形仿真验证
1、tb测试文件不变。
仍然处理后的640*480个数据写入到txt文档中。
//打开post_img.txt文件
//---------------------------------------------------
integer post_img_txt;initial beginpost_img_txt = $fopen("post_img.txt");
end//像素写入到txt中
//---------------------------------------------------
reg [20:0] pixel_cnt; //640*480 = 307200 ，对这些像素逐个写入always @(posedge clk) beginif(!rst_n) beginpixel_cnt <= 0;endelse if(VGA_de) beginpixel_cnt = pixel_cnt + 1;$fdisplay(post_img_txt,"%h",VGA_data);if(pixel_cnt == IMG_H*IMG_W)$stop;end
end
2、波形分析
以第一行数据为例
img_de : 原图数据有效信号
img_data：原图数据
gray_de：灰度化数据有效信号
gray_data：灰度化的图像数据 = iData
filter_de : 33窗口生成数据有效信号
oData11 - 33 ：33窗口的数据
mean_de : 均值滤波数据有效信号
mean_data ： 3*3窗口数据的均值
VGA_de : VGA有效数据信号 = mean_de
第一个均值：164 / 8 = 20
第二个均值：（164 + 1580） / 8 = 40
第三个均值：（164 + 158 + 153 ） / 8= 59 ……
matlab实现均值滤波
matlab均值滤波：
x=imread('pre_img.jpg');%需要过滤的图像
n=3; %模板大小
[height, width]=size(x); %获取图像的尺寸（n小于图片的宽高）
gdata = rgb2gray(x);
imshow(gdata),title('原图灰度化');
for i=1:height-n+1 for j=1:width-n+1 c=x(i:i+(n-1),j:j+(n-1)); %在x1中从头取模板大小的块赋给c e=c(1,:); %e中存放是c矩阵的第一行 for u=2:n %将c中的其他行元素取出来接在e后使e为一个行矩阵 e=[e,c(u,:)]; end s=sum(e); %取一行的和 x2(i+(n-1)/2,j+(n-1)/2)=s/(n*n); %将模板各元素的均值赋给模板中心位置的元素 end
end
d=uint8(x); %未被赋值的元素取原值
C=rgb2gray(x); %灰度处理，灰度处理后的图像是二维矩阵
A=fspecial('average',[n,n]); %matlab中自带值滤波函数
b=imfilter(C,A);
figure;
imshow(b),title('均值滤波'); %显示过滤后的灰度图片
imwrite(b,'matlab均值滤波.jpg');
结果：
由于灰度化处理以及均值滤波求解的时候均存在精度问题，可能导致与matllab处理后的像素值存在微小差异。不是重点，观察均值滤波的效果，可看到二者均值滤波处理后的图像均变模糊。
更简化的均值滤波工程，读入图像的方式不同，着重看均值滤波算法实现部分即可。
