基于FPGA的图像二值化处理,包括tb测试文件和MATLAB辅助验证

1.算法运行效果图预览

将FPGA的数据导入到matlab进行显示

2.算法运行软件版本

Vivado2019.2

matlab2022a

3.算法理论概述

       基于FPGA（现场可编程门阵列）的图像二值化处理主要依赖于数字图像处理技术。其原理是将灰度图像转化为二值图像，使图像只剩下黑白两种颜色，从而简化图像数据，有利于图像的进一步分析和处理。

        在图像二值化处理中，最常用的方法是阈值法，也就是设置一个阈值，然后根据这个阈值将图像的像素点分为两类。具体来说，如果图像的某个像素点的灰度值大于或等于这个阈值，就将其设置为白色（或黑色），否则就将其设置为黑色（或白色）。

阈值法的数学公式如下：

二值化后的图像像素点 P(x,y) = { 1, if 原图像像素点 P(x,y) 的灰度值 >= 阈值； 0, if 原图像像素点 P(x,y) 的灰度值 < 阈值。 }

其中，P(x,y) 是图像在 (x,y) 位置的像素点。

基于FPGA的图像二值化处理，通常包括以下步骤：

图像采集：通过摄像头或其他图像输入设备获取图像数据。

预处理：对采集的图像进行预处理，如降噪、归一化等，以改善图像质量并减少后续处理的复杂性。

二值化：将预处理后的图像进行二值化处理，常用的方法有全局阈值法、局部阈值法等。

后处理：对二值化后的图像进行进一步的处理，如去噪、填充等，以改善二值化效果。

输出：将处理后的图像数据输出到显示设备或其他设备。

       FPGA在这些步骤中的作用主要是实现这些算法，并对图像数据进行实时处理。由于FPGA具有并行处理能力和可配置性，因此非常适合用于实现这种需要高效、实时处理的图像处理任务。

      基于FPGA的图像二值化处理的具体实现方式会因FPGA的型号、图像处理算法、硬件环境等因素而有所不同。例如，不同的FPGA型号可能会有不同的硬件资源（如逻辑单元、内存大小等），因此在实现图像处理算法时可能需要根据硬件资源进行一些优化。同时，不同的图像处理算法对计算性能的要求也不同，因此可能需要根据算法的要求来选择适合的FPGA型号。

       总的来说，基于FPGA的图像二值化处理是一种高效、实时的图像处理技术，它利用FPGA的并行处理能力和可配置性来实现图像处理算法，从而实现对图像数据的实时处理和分析。

4.部分核心程序

`timescale 1ns / 1ps
.............................................................................
module test_image;
 
reg i_clk;
reg i_rst;
reg i_ready;
reg [7:0] Tmp[0:100000];
reg [7:0] datas;
wire [7:0] o_ybw;
integer fids,jj=0,dat;
 
//D:\FPGA_Proj\FPGAtest\code2
 
initial 
begin
	fids = $fopen("D:\\FPGA_Proj\\FPGAtest\\code2\\data.bmp","rb");
	dat  = $fread(Tmp,fids);
	$fclose(fids);
end
 
initial 
begin
i_clk=1;
i_rst=1;
i_ready=0;
#1000;
i_ready=1;
i_rst=0;
end 
 
always #5  i_clk=~i_clk;
 
always@(posedge i_clk) 
begin
	datas<=Tmp[jj];
	jj<=jj+1;
end
 
 
im2bw im2bw_u(
.i_clk    (i_clk),
.i_rst    (i_rst),
.i_ready  (i_ready),
.i_xin    (datas),
.o_ybw    (o_ybw)
);
 
integer fout1;
initial begin
 fout1 = $fopen("result.txt","w");
end
 
always @ (posedge i_clk)
 begin
 
	$fwrite(fout1,"%d\n",o_ybw);
	
end
 
endmodule