基于FPGA的圖像FFT濾波處理

AT7_Xilinx開發(fā)板（USB3.0+LVDS）資料共享

1

昨天?11:39 上傳

關(guān)于傅里葉變換

關(guān)于傅里葉變換，這么一個神奇的變換，其基本原理和應(yīng)用在教科書、網(wǎng)絡(luò)上漫天飛舞，這里就不贅述了，以免有湊字?jǐn)?shù)的嫌疑。前面的例子我們已經(jīng)使用Matlab和Vivado的FFT IP核進(jìn)行了初步的驗證，掌握的FFT/IFFT IP核的脾氣，那么接下來我們要玩點真的了，基于我們STAR/SF-AT7板采集到的MT9V034圖像，我們要進(jìn)行每個行的FFT和IFFT變換，當(dāng)然，生成的FFT結(jié)果我們可以進(jìn)行必要的濾波，然后再進(jìn)行IFFT查看濾波效果。

2基于Matlab的FFT濾波

使用at7_img_ex06matlab文件夾下的Matlab源碼image_1D_fft_ifft.m或L1024_of_image_1D_fft_ifft.m（將640個點擴展為1024個點進(jìn)行FFT變換，擴展的點以0填充，模擬FPGA的FFT IP核實際工作狀況），對測試圖像test進(jìn)行FFT變換，進(jìn)行必要的濾波，然后IFFT逆變換。

測試圖像為彩色圖像，原始圖像如下。

首先進(jìn)行彩色轉(zhuǎn)灰度的變換，灰度圖像如下。

提取出其中1行進(jìn)行FFT變換后的圖像頻譜如下。很明顯，大部分高頻分量集中在前面幾個點，而后面的點幾乎頻率都很小。

放大頻譜圖，看到細(xì)節(jié)如下。這里繪制了一條取值為300的直線，有將近50%的頻譜集中在這條線以下。若是做圖像壓縮，其實我們可以把這些低頻分量忽略了，那么數(shù)據(jù)量可能會大大降低，當(dāng)然了，副作用是圖像可能會有一定程度的失真，有失必有得嘛。濾除這些低頻分量，也會使圖像更銳一些。話說做FFT變換的目的可遠(yuǎn)不止這些，在一些特殊的應(yīng)用場景中，我們總是希望從原始圖像中提取出一些和應(yīng)用直接相關(guān)的特征信息，那么做了FFT后的圖像常常非常有益于這些操作。為了演示，這里我們的代碼里面就將這些低于300的點都濾除，即取0。

從頻譜圖上看，如圖所示，右側(cè)的濾波后明顯圖像偏黑（很多值取0了）了。

我們重新把原圖放到這里，和FFT濾波并IFFT以后的圖像做比對，圖像整體仍然保持不變，但是查看細(xì)節(jié)，可以發(fā)現(xiàn)處理后的圖像明顯銳了一些。

Matlab源碼如下：

clc;clear `all;close all;

IMAGE_WIDTH = 640;

IMAGE_HIGHT = 480;

%load origin image

%I = imread('Lena_gray_niose.bmp');??

I = imread('test.bmp');??

I = rgb2gray(I);

%fclose(fid1);

%% output image data in hex file

raw_image = reshape(I, IMAGE_HIGHT, IMAGE_WIDTH);

raw_image = raw_image';

fid2 = fopen('image_in_hex.txt', 'wt');

fprintf(fid2, '%04x ', raw_image);

fid2 = fclose(fid2);

%show origin image

figure,imshow(I);

title('Original image');

%1D fft base on every image line

II = zeros(IMAGE_HIGHT,1024);

J = zeros(IMAGE_HIGHT,1024);

for i = 1:IMAGE_HIGHT

for j = 1:IMAGE_WIDTH

II(i,j) = I(i,j);

end? ?

J(i,

= fft(II(i,

);%fft(I(i,

);

end

%show 1 linefft result

t1 = (0:IMAGE_WIDTH);? ?? ?? ?? ?? ? % Time vector

line = ones(IMAGE_WIDTH) * 200;

figure;

plot(t1(1:IMAGE_WIDTH),abs(J(50,1:IMAGE_WIDTH)),t1(1:IMAGE_WIDTH),line(1:IMAGE_WIDTH))

title(['1 line image in the Frequency Domain'])

%show fft of origin image

figure,imshow(log(abs(J)),[]);??

title('1D fft image base on every image line');

%colormap(jet(64)),colorbar;

%fftfiter

J(abs(J) < 300) = 0;? ?? ?? ?? ?? ?

%J(abs(J) > 1000) = 1000;? ?

%show fft of fft filter image

figure,imshow(log(abs(J)),[]);??

title('1D fft image after filter');

%1D ifft base on every image line

K = zeros(IMAGE_HIGHT,1024);

for i = 1:IMAGE_HIGHT

K(i,

= real(ifft(J(i,

));

end

KK = zeros(IMAGE_HIGHT,IMAGE_WIDTH);

for i = 1:IMAGE_HIGHT

for j = 1:IMAGE_WIDTH

KK(i,j) = K(i,j);

end

end

%show ifft image

figure,imshow(KK,[])? ?? ?? ?? ?? ?? ?

title('1D ifft image');

3FPGA仿真

在Sources面板中，展開Simulation Sources à sim_1，將sim_fft.v文件設(shè)置為top module。同樣是對前面的測試圖像,經(jīng)過FFT和IFFT變換后存儲在image_view0.txt文本中（仿真測試結(jié)果位于at7_img_ex06at7.simsim_1ehav文件夾下）。為了確認(rèn)FFT和IFFT IP核運算的精度和效果，這里沒有做任何的濾波處理。

使用draw_image_from_FPGA_result.m腳本（at7_img_ex06matlab文件夾下）導(dǎo)入image_view0.txt文本的圖像，和原始圖像比對如下所示。看到圖像幾乎沒有任何失真。

4 基于FPGA的圖像平滑處理

工程文件夾at7_img_ex06zstar.srcssources_1 ew下的image_fft_filter.v模塊以及3個子模塊image_fft_controller.v、image_filter.v和image_ifft_controller.v實現(xiàn)了圖像的FFT變換、濾波和IFFT變換處理。FPGA設(shè)計的功能框圖如下。

image_fft_controller.v模塊例化FFT IP核，將采集的圖像留以行為單位輸入到FFT IP核，輸出FFT頻域數(shù)據(jù)。

image_filter.v模塊對FFT頻域數(shù)據(jù)計算絕對值并進(jìn)行必要的濾波處理，假設(shè)FFT結(jié)果的實部值為a，虛部值為b，那么其絕對值abs =sqrt(a^2+b^2)。如下代碼，注釋部分可以濾除低頻分量，當(dāng)前例程中為了驗證FFT和IFFT變換后精度沒有損失，未作濾波。

always @(posedgeclk or negedgerst_n)? ?? ?? ?? ?? ?

if(!rst_n) begin

o_image_filter_data_image<= 20'd0;

o_image_filter_data_real<= 20'd0;

end

/*else if(sqrt_fft[19:0] < 20'd300) begin? ?? ? //此處可以做必要的高頻或低頻濾波處理

o_image_filter_data_image<= 20'd0;

o_image_filter_data_real<= 20'd0;

end*/

else begin

o_image_filter_data_image<= r_image_fft_data_image[TOTAL_LATENCY-1];

o_image_filter_data_real<= r_image_fft_data_real[TOTAL_LATENCY-1];

end

image_ifft_controller.v模塊將濾波處理后的FFT結(jié)果進(jìn)行IFFT變換，圖像轉(zhuǎn)回時域值，供后續(xù)模塊緩存DDR3并顯示。