[发明专利]基于FPGA自适应形态学算子的二值图像处理方法

说明书

本发明公开了一种基于FPGA自适应形态学算子的二值图像处理方法，本方法实现步骤为：(1)输入图像；(2)提取像素值；(3)自适应选取结构和元素；(4)膨胀运算；(5)闭运算；(6)腐蚀运算；(7)开运算；(8)转化为二值图像；(9)输出结果图；本发明相对于已有的方法实现二值自适应形态学算子，在处理二值图像时可以得到更好效果的同时更好的保留原图像的特点的优点，同时在现场可编程门阵列FPGA上实现自适应形态学算子，具有可以提高图像处理速度的优点。

技术领域

本发明属于图像处理技术领域，更进一步涉及图像数据处理技术领域中的一种基于现场可编程门阵列FPGA(Field-Programmable Gate Array)的自适应形态学算子的数字图像处理方法。本发明可以应用于通信、气象生物、军事、机器人视觉、医学等技术领域中来解决抑制噪声、特征提取、边缘检测、图像分割、形状识别、纹理分析、图像恢复与重建、图像压缩等数字图像处理问题。

背景技术

在这个信息的时代，数字图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段，在科研、工业等各个领域都有相当广泛的应用。数学形态学作为一门新兴的数字图像处理与分析学科，其基本理论和方法已经广泛应用于数字图像处理的各个领域，如图像预处理、抑制噪声、特征提取、目标检测、边缘检测、图像分割、形状识别、纹理分析、图像恢复与重建、图像压缩等数字图像处理问题。因此，研究数学形态学算子与FPGA的结合以便于形态学在数字图像处理领域的应用尤为重要。

陈鑫元、李筠、杨海马、宋佳、邵璐先在其发表的论文“自适应阈值图像二值化及形态学处理的FPGA实现”(《电子测量技术》2016年07期第67～71页)中提出一种运用改进的自适应阈值Sobel算法实现对图像的二值化，再进行形态学的处理的方法。该方法的实现过程为：首先是原始图像的采集、色彩格式转换、灰度处理、边缘检测；其次，运用中值滤波和加权平均法实现自适应阈值图像二值化，最后再运用形态学方法对二值化后图像做进一步处理，实现轮廓的更加有效的提取，并通过VGA接口实现显示。该方法存在不足之处是：在运用形态学方法对二值图像做进一步处理时，不能更好的保留原图像的特点。

南京理工大学在其申请的专利文献“一种基于FPGA的红外小目标检测方法及系统”(专利申请号201410450244.X，公布号CN 104240240 A)中提出一种基于FPGA的红外小目标检测方法。该方法的实现过程为，对采集的图像进行预处理，去噪、去盲元；提取头图像和尾图像；分别对头图像和尾图像进行杂波边缘滤波操作；对头图像和尾图像分别进行阈值分割操作，使图像二值化；对阈值分割后的头图像和尾图像中的目标进行形态学膨胀，获得轮廓较大的目标；将形态学膨胀后的头目标和尾目标合成获得完整的目标。该方法存在不足之处是：对目标进行形态学处理只实现了形态学的膨胀运算，但是单独使用一种算子一般不能消除小物体、在纤细点处分离物体、填充物体内细小空洞、连接邻近物体、平滑其边界等。

天津工业大学在其申请的专利文献“基于非线性结构张量的自适应类圆形结构元素构造形态学算子的方法”(专利申请号201610805163.6，公布号CN 106355600 A)中提出一种基于非线性结构张量的自适应类圆形结构元素构造形态学算子的方法。该方法的实现过程为，非线性结构张量；测量参数；基于非线性结构张量的自适应椭圆结构元素的构建；采用随机分形插值法提高图像分辨率；提高自适应椭圆结构元素的分辨率；自适应膨胀、腐蚀、开运算和闭运算的构造；自适应击中击不中(Hit or Miss)变换。该方法存在不足之处是：只构造了应用于灰度图像的自适应类圆型结构元素，利用自适应类圆型构造自适应腐蚀、膨胀、开、闭及击中击不中变换等形态学算子，只在软件上实现这些算子，没有在硬件上实现的速度快。

发明内容