本原創(chuàng)教程由芯驛電子科技（上海）有限公司（ALINX）創(chuàng)作，版權歸本公司所有，如需轉載，需授權并注明出處（http://www.alinx.com）。

適用于板卡型號：

PGL22G/PGL12G

1. 實驗簡介

本實驗將在例程“OV5640攝像頭HDMI顯示例程”的基礎上實現(xiàn)視頻圖像邊緣檢測的實驗。在很多應用場合，我們只需要采集到圖像的棱廓特征的信息，而不需要全部的視頻圖像，這樣就需要用到SOBEL邊緣檢測的算法。

2. 實驗原理

2.1邊緣檢測原理和算法

邊緣是圖像最基本的特征，其在計算機視覺、圖像分析等應用中起著重要的作用，這是因為圖像的邊緣包含了用于識別的有用信息，是圖像分析和模式識別的主要特征提取手段。

在圖像中，“邊緣”指的是臨界的意思。一幅圖像的“臨界”表示為圖像上亮度顯著變化的地方，邊緣指的是一個區(qū)域的結束，也是另一個區(qū)域的開始。“邊緣點”指的是圖像中具有坐標[x,y]，且處在強度顯著變化的位置上的點。

常用的邊緣檢測算法大多是以原始圖像灰度值為基礎,通過考察圖像的每個像素的某個鄰域內灰度的變化,利用邊緣一階或二階導數(shù)的規(guī)律來檢測邊緣。下圖左邊為原始的黑白灰度的圖像，通過邊緣檢測算法后變成了右邊的圖像。

實現(xiàn)邊緣檢測有很多不同的方法，也一直是圖像處理中的研究熱點，人們期望找到一種抗噪強、定位準、不漏檢、不誤檢的檢測算法。其中Sobel算子效果較好，邊緣檢測算法比較簡單，實際應用中效率比canny邊緣檢測效率要高，但是邊緣不如Canny檢測的準確，但是很多實際應用的場合，sobel邊緣卻是首選，尤其是對效率要求較高，而對細紋理不太關心的時候。本實驗就采用Sobel的算法來實現(xiàn)視頻圖像的邊緣檢測。

2.2 sobel簡介

sobel是一個梯度的計算，如下圖所示，是x和y方向的3x3窗口的卷積。

梯度計算公式

，簡化的近似計算

對于圖像，如下圖：P1到P9為3x3的9個像素點，簡化公式計算：

為了進一步簡化計算，我們把算子進行簡化，調整為如下所示

3. 程序設計

本實驗的重點是sobel算法的實現(xiàn)，首先需要一個3x3的像素窗口，本實驗利用xilinx提供的VHDL程序，做了一個3行的圖像緩存，這樣就可以輕松實現(xiàn)3x3的窗口。

然后按照簡化公式，采用絕對值的方式計算sobel。

always@(posedgepclk)begin
	x1<={2'b00,p11}+{2'b00,p31}+{1'b0,p21,1'b0};
	x3?<={2'b00,p13}+{2'b00,p33}+{1'b0,p23,1'b0};
	
	y1?<={2'b00,p11}+{2'b00,p13}+{1'b0,p12,1'b0};
	y3?<={2'b00,p31}+{2'b00,p33}+{1'b0,p32,1'b0};endalways@(posedge?pclk)begin
	abs_x?<=(x1?>x3)?x1-x3:x3-x1;
	abs_y<=(y1?>y3)?y1-y3:y3-y1;
	abs_g<=?abs_x?+?abs_y;end

計算完成以后，要進行簡單的二值化處理，將sobel值和閾值對比，產生黑白的二值化圖像。

always@(posedgepclk)begin
	data_out<=(abs_g?>threshold)?8'h00:8'hff;end

4. 實驗現(xiàn)象

1）將攝像頭模塊插入開發(fā)板，保證1腳對齊，1腳在焊盤形狀和其他引腳是有明顯區(qū)別的，是方形的。

2）連接好HDMI顯示器。

3）下載實驗程序，可以看到只有邊沿信息的黑白視頻輸出。注意：ov5640模塊焦距是可調的，如果焦距不合適，圖像會模糊，旋轉鏡頭，可以調節(jié)焦距。攝像頭模塊要輕拿輕放，不要用手觸摸元器件。