LEON3開源軟核處理器動態圖像邊緣檢測SoC設計

　　3動態圖像邊緣檢測SoC的實現

　　本設計提出了一種集圖像采集、存儲、處理和顯示于一個IP核的設計方法，也是動態圖像邊緣檢測SoC設計的核心部分。

　　3.1局部熵算法的硬件實現

　　局部熵邊緣檢測算法的基本思想是：選擇待處理像素點的8鄰域，即以待處理像素點為中心的3×3窗口;再由局部熵的定義式(公式1)計算出圖像3×3窗口的局部熵;

　　然后通過與給定的閾值進行比較，得到二值化圖像，即可得出圖像的邊緣。硬件實現的處理過程為流水線方式，處理的對象為3×3大小的圖像窗口。具體步驟如下：

　　①3×3窗口的產生。3×3窗口主要通過片上緩存和延時單元實現。圖2是以經過3個時鐘為例說明了同步產生3×3窗口中一行數據的過程。

　　圖2同步數據的產生

　　②熵值的計算。將步驟1中得到的3×3窗口的9個并行數據途經兩路進行處理。對于3×3窗口，式(1)化簡為式(2)：

　　3×3窗口的9路并行數據，一邊送去做并行相加求和，再求平方，作為除法運算的分母;同時把9個數據分別求平方，再求合，作為除法運算的分子。在做除法運算前，為確保其計算精度，要先將分子與分母轉換成IEEE-745浮點數后再進行浮點除法運算。最后還要把除法運算的結算轉換成整數，考慮到除法運算的結果可能小于1，于是在轉換整數前放大1000倍，即保留3位有小數有效位，最后將轉換后的整數輸出，至此實現了局部熵值的計算過程。局部熵值計算的硬件處理流程如圖3所示：

　　圖3局部熵值計算流程示意圖

　　③閾值比較及二值化處理。②中已經得到了放大1000倍后的熵值，在這里只需通過一個比較電路，當熵值大于閾值時，輸出0;當熵值小于閾值時，輸出1.這樣就得到一幅二值化后的邊緣圖像。至此，完成了整個局部熵邊緣檢測算法的硬件實現。

　　3.2自定義IP接口設計

　　自定義IP核包含以下幾個主要部分：圖像采集(D5M攝像頭接口);圖像制式轉換;圖像存儲;圖像顯示(LTM顯示接口);圖像邊緣檢測模塊;自定義寄存器。

　　圖4給出了基于APB外圍低速總線所設計的圖像邊緣檢測IP核的外部接口信號圖。由圖中可知，此IP核的接口信號可分為：

　　圖4用戶定義圖像邊緣檢測IP核接口