基于FPGA的紙病檢測(cè)預(yù)處理算法的實(shí)現(xiàn)

劉慧忠 湯 偉

(陜西科技大學(xué)電氣與信息工程學(xué)院，陜西西安，710021)

現(xiàn)代造紙機(jī)的幅寬可以超過(guò)9 m，速度最高達(dá)到1800 m/min。紙機(jī)車速提高后將面臨紙張出現(xiàn)更多缺陷的風(fēng)險(xiǎn)。與此同時(shí)，人們對(duì)紙張的要求也越來(lái)越高[1]。目前的機(jī)器視覺檢測(cè)設(shè)備集合了高速CCD相機(jī)與計(jì)算機(jī)，但是紙病檢測(cè)過(guò)程中處理的數(shù)據(jù)量非常大，而且實(shí)時(shí)性要求高?；谲浖姆椒ǎ捎谟?jì)算機(jī)是串行結(jié)構(gòu)，在計(jì)算速度和算法效率方面存在局限性[2]。許多紙病圖像處理操作本身是并行的，而FPGA提供的可編程硬件本身也是并行的[3- 4]?；贔PGA和計(jì)算機(jī)的紙病檢測(cè)系統(tǒng)可以利用FPGA對(duì)圖像進(jìn)行預(yù)處理，“分揀”出有紙病的圖像送到計(jì)算機(jī)再進(jìn)行進(jìn)一步的識(shí)別，即計(jì)算機(jī)只需對(duì)有紙病的圖像進(jìn)行識(shí)別，判斷是何種紙病。

紙張生產(chǎn)過(guò)程中，各種外界因素造成的常見外觀紙病有黑斑、塵埃、孔洞、亮斑、劃痕、邊緣裂縫、褶皺等[5]。因?yàn)楣I(yè)現(xiàn)場(chǎng)環(huán)境的原因，CCD相機(jī)采集到的紙病圖像會(huì)含有噪聲，所以需要先對(duì)紙病圖像進(jìn)行濾波，然后檢測(cè)經(jīng)過(guò)濾波處理后的紙病圖像的邊緣，最后確定紙病位置。因此，紙病圖像的預(yù)處理過(guò)程主要為：濾波→邊緣檢測(cè)→質(zhì)心定位。

1 紙病檢測(cè)算法

基于FPGA和計(jì)算機(jī)的紙病檢測(cè)系統(tǒng)的圖像預(yù)處理包括圖像濾波、圖像邊緣檢測(cè)和紙病質(zhì)心定位。利用DSP Builder工具對(duì)圖像預(yù)處理算法進(jìn)行設(shè)計(jì)，可以通過(guò)Altera公司的FPGA實(shí)現(xiàn)。

1.1 3X3滑動(dòng)窗口的設(shè)計(jì)

本研究采用串行流水的3X3滑動(dòng)窗口采集圖像每個(gè)像素點(diǎn)的灰度。3X3滑動(dòng)窗口設(shè)計(jì)如圖1所示，其中，Delay模塊是延遲一個(gè)時(shí)間單位的寄存器，Memory Delay模塊是640個(gè)時(shí)間單位的延遲(圖片像素640×480)。r1～r3_d2代表滑動(dòng)窗口中的9個(gè)像素點(diǎn)的灰度。

1.2 中值濾波算法的設(shè)計(jì)

中值濾波是一種非線性數(shù)字濾波器技術(shù)，用于去除圖像中的噪聲。中值濾波的基本原理是檢查輸入信號(hào)中的采樣并判斷它是否代表了信號(hào)，使用奇數(shù)采樣組成的觀察窗實(shí)現(xiàn)這項(xiàng)功能，讓周圍的像素接近真實(shí)值，從而消除孤立的噪聲點(diǎn)[6]。方法是將窗口中的數(shù)值進(jìn)行排序，用中值作為輸出值，然后重復(fù)上述過(guò)程。基于DSP Builder的中值濾波算法模型如圖2所示，將9個(gè)數(shù)值分為3組，分別求出每組的最大值、最小值、中值，再求出3個(gè)最大值中的最大值、3個(gè)中值中的中值、3個(gè)最小值中的最小值，最后求得上一步得出的3個(gè)數(shù)值中的中值，輸出結(jié)果。

1.3 紙病邊緣檢測(cè)

圖像邊緣是圖像的最基本特征，是指圖像灰度局部變化顯著的地方。一幅圖像可以看作是圖像灰度的連續(xù)函數(shù)的取樣點(diǎn)矩陣，而圖像邊緣就是圖像灰度函數(shù)變化較大的地方。梯度是描述函數(shù)變化的一種度量，函數(shù)在某點(diǎn)的變化最大，就是在該點(diǎn)的梯度最大。在一維情況下，階躍邊緣與圖像的一階導(dǎo)數(shù)局部峰值有關(guān)[7]。

圖1 3X3滑動(dòng)窗口模型

圖2 中值濾波算法模型

圖3為Prewitt邊緣檢測(cè)算子。圖3中的Sx和Sy分別是Prewitt邊緣算子在水平方向和垂直方向的卷積核，它們分別與P5鄰域每個(gè)像素做卷積。雖然是對(duì)P5這個(gè)像素做卷積，卻必須同時(shí)知道P1～P9這幾個(gè)點(diǎn)的像素。

圖3 Prewitt邊緣檢測(cè)算子

由此可以知道P5點(diǎn)在水平方向的梯度公式為：

Gx=x1×P1+x2×P2+x3×P3+x4×P4+x5×P5+x6×P6+x7×P7+x8×P8+x9×P9

(1)

P5點(diǎn)在垂直方向的梯度公式與上式基本相同，只是P5鄰域上的每個(gè)像素與Sy上的每個(gè)點(diǎn)相乘。

圖4 邊緣檢測(cè)算法模型

圖5 質(zhì)心定位算法模型

圖6 對(duì)黑斑和劃痕紙病的仿真分析

Prewitt算子的水平方向和垂直方向的梯度公式可以用式(2)表示：

Gx=(P3+P6+P9)-

(P1+P4+P7)

Gy=(P7+P8+P9)-

(P1+P2+P3)

(2)

由此可計(jì)算得出圖像中P5每個(gè)鄰域中點(diǎn)梯度，再將該點(diǎn)的水平方向和垂直方向的梯度取絕對(duì)值后相加得|Gx|+|Gy|。Threshold可通過(guò)對(duì)圖像灰度作直方圖分析，再借助一定的經(jīng)驗(yàn)反復(fù)調(diào)整就可以得出。如果|Gx|+|Gy|大于Threshold，則該像素被定義為邊界像素，像素的灰度替換為255(白色)，否則為一般像素，像素的灰度替換為0(黑色)，從而實(shí)現(xiàn)了邊緣檢測(cè)。圖4為基于DSP Builder的邊緣檢測(cè)算法模型。

1.4 紙病質(zhì)心定位

質(zhì)心定位是將目標(biāo)的質(zhì)心作為表征目標(biāo)的靜態(tài)參量，目的是獲得目標(biāo)區(qū)域的質(zhì)心位置，并將質(zhì)心坐標(biāo)輸出。目標(biāo)質(zhì)心即目標(biāo)區(qū)域的中心點(diǎn)。質(zhì)心定位方法包括：二值化質(zhì)心定位、灰度加權(quán)質(zhì)心定位算法和灰度平方加權(quán)質(zhì)心定位方法等。

二值化質(zhì)心定位方法是較為簡(jiǎn)單的方法，它將目標(biāo)成像點(diǎn)匹配窗口中的灰度圖像，根據(jù)選定的閾值轉(zhuǎn)換為二值圖像。二值圖像質(zhì)心計(jì)算如式(3)：

(3)

式中，xm和ym為目標(biāo)質(zhì)心坐標(biāo)，xi和yi為第i個(gè)像素的坐標(biāo)，n為要計(jì)算的質(zhì)心窗口內(nèi)的像素個(gè)數(shù)。

2 仿真分析

HIL(Hardware-in-the-Loop)硬件在環(huán)仿真測(cè)試系統(tǒng)是實(shí)際控制器加虛擬對(duì)象的半實(shí)物仿真系統(tǒng)[8]。它可以加快模型所生成代碼的仿真速度，驗(yàn)證VHDL代碼的實(shí)時(shí)性和所生成的VHDL代碼在實(shí)際硬件中運(yùn)行的正確性[8- 9]。常見的紙病有黑斑、劃痕、孔洞和褶皺等。以黑斑和劃痕紙病為例進(jìn)行硬件在環(huán)測(cè)試實(shí)驗(yàn)。在原圖中加入椒鹽噪聲，然后經(jīng)過(guò)濾波、邊緣檢測(cè)、定位處理，結(jié)果如圖6所示。

由圖6可知，中值濾波對(duì)椒鹽噪聲有很好的去除效果，邊緣檢測(cè)可以清楚地檢測(cè)出紙病的邊緣，質(zhì)心定位算法可以對(duì)紙病的位置進(jìn)行定位。

由于ModelSim仿真結(jié)果與實(shí)際硬件的實(shí)現(xiàn)結(jié)果差別很小，所以可以通過(guò)ModelSim中的時(shí)間點(diǎn)間隔計(jì)算處理圖像的大致時(shí)間。圖像中值濾波部分所需處理時(shí)間為615552個(gè)周期，邊緣檢測(cè)部分處理時(shí)間為307204個(gè)周期，質(zhì)心定位處理時(shí)間為928個(gè)周期，設(shè)計(jì)時(shí)鐘周期為20 ns，預(yù)處理的總時(shí)間約為18.5 ms，能夠滿足實(shí)時(shí)性的要求。

3 結(jié) 語(yǔ)

利用DSP Builder工具設(shè)計(jì)，基于FPGA和計(jì)算機(jī)的紙病檢測(cè)系統(tǒng)圖像預(yù)處理算法，可以實(shí)現(xiàn)如黑斑、劃痕等紙病圖像的濾波、邊緣檢測(cè)和質(zhì)心定位。利用FPGA計(jì)算速度快的特點(diǎn)可降低紙病檢測(cè)系統(tǒng)的成本，而且，仿真實(shí)驗(yàn)結(jié)果表明，基于FPGA的紙病預(yù)處理可以滿足紙病檢測(cè)系統(tǒng)實(shí)時(shí)性的要求。

參 考 文 獻(xiàn)

[1] 張 輝， 王淑梅， 程金蘭， 等. 我國(guó)制漿造紙裝備科學(xué)技術(shù)的發(fā)展[J]. 中國(guó)造紙, 2011, 30(4): 55.

[2] 劉 勇， 周 強(qiáng)， 劉 濤， 等. 基于FPGA的紙病預(yù)處理系統(tǒng)[J]. 中國(guó)造紙, 2013, 32(8): 47.

[3] 原 魁， 何文浩， 肖 晗. 基于FPGA的嵌入式圖像處理系統(tǒng)設(shè)計(jì)[M]. 北京: 電子工業(yè)出版社, 2013.

[4] Richard Williams. Increase Image Processing System Performance with FPGAs[J]. Xcell Journal， 2004, 16(2): 10.

[5] 陳文凱. 基于機(jī)器視覺的紙病檢測(cè)算法研究與集成[D]. 南京： 南京林業(yè)大學(xué), 2009.

[6] 張旭明， 徐濱士， 董世運(yùn). 用于圖像處理的自適應(yīng)中值濾波[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào), 2005, 17(2): 295.

[7] 陳勇濱, 王永麗. 基于閾值分割與邊緣檢測(cè)的對(duì)象輪廓提取方法研究[J]. 成都信息工程學(xué)院學(xué)報(bào), 2010, 25(3): 246.

[8] Tim Harriss, Richard Walke, Bart Kienhuis, et al. Compilation From Matlab to Process Networks Realized in FPGA[J].Design Automation for Embedded Systems, 2002(4): 385.

[9] 彭滋霖, 陽(yáng)春華. Matlab/Simulink到VHDL代碼的轉(zhuǎn)換研究及其實(shí)驗(yàn)配置[J]. 微電子技術(shù), 2007(4): 186.