MATLAB 与 FPGA无线通信、图像处理、数字信号处理系列
基于FPGA的实时边缘检测系统设计，sobel边缘检测流水线实现
图像的边缘是图像在亮度级上的阶梯变化的位置，因此可以通过来一阶微分增强边缘的变化，以此检测边缘位置；二阶导数对图像函数的一阶导数求导，能够使检测到的边缘更加的精细。
这里通过 MATLAB 软件中的几种边缘检测算子对一幅图像进行边缘检测，对比各种算子的性能并选择一种作为 FPGA 硬件实现的边缘检测算法。
使用图像处理中常用的 Lena 图像，该图像的边缘信息丰富，便于进行算法的性能对比。由于这几种边缘检测算子只能操作灰度图像，所以首先得到灰度图像，在灰度图像中加入均值为0、方差为0.01的高斯噪声，得到噪声图像，使用不同的边缘检测算子处理输入的两幅灰度图，分析边缘检测和抗噪性能。
如图所示为分别为 Lena 图像的原图像、无噪声灰度图像和有噪声灰度图像，可以看到加入噪声之后图像上有明显变化。
如图所示为输入无噪声的灰度图像所得到的5种边缘检测算子的效果图，可得：Roberts 算子可以得到非常细的边缘，定位的精度很高，能够检测到的边缘较少，最大的优点是计算量小速度快，适用于边缘明显且噪声较少的图像分割。Prewitt 算子和 Sobel 算子检测出的结果类似，相比之下 Sobel 检测的边缘更加突出；LOG 和 Canny 算子检测出的边缘比较连贯，且具有较好的平滑性，边缘细节也更多。
如图所示为加入噪声后的边缘检测对比图。可知噪声对边缘检测的影响很大：Roberts 算子丢失了很多边缘，已经影响到图像的肉眼识别；Prewitt 算子和 Sobel 算子的抗噪声性能比 Roberts 算子好一些，有一定的抑制噪声的能力；LOG 算子和 Canny 算子检测的边缘清晰连贯，但是噪声情况下会出现很多伪边缘，在噪声较大时已经影响到正常的识别，Canny 算子在这方面更加明显。在实际应用中 Sobel 算子的效率要高于 Canny 算子，适用于对效率要求较高而不关心细纹理情况的场合。
通过综合考虑边缘定位的效果、算法的抗噪声性能和算法实现的复杂度，选择 Sobel 算子作为实时视频图像的边缘检测算子，搭建实时视频采集平台后使用 FPGA 对 Sobel 边缘检测算法进行硬件加速。