內(nèi)嵌ARM核FPGA芯片EPXAl0及其在圖像驅(qū)動應(yīng)用

3．1．2圖像的采集

CMOS圖像傳感器輸出的信號為數(shù)字信號(即數(shù)字圖像數(shù)據(jù))，所以圖像的采集要通過FPGA中的數(shù)據(jù)接收模塊將圖像數(shù)據(jù)保存到片外SDRAM中。數(shù)據(jù)接收模塊狀態(tài)機如圖4所示。標志Flag為1，開始采集數(shù)據(jù)。因為CMOS圖像傳感器在每個A／D轉(zhuǎn)換時鐘周期輸出一個數(shù)據(jù)(如圖3所示)，接收模塊也相應(yīng)地設(shè)計成一個時鐘接收周期接收一個數(shù)據(jù)(Burst狀態(tài))，這樣也就發(fā)揮了FPGA對大量數(shù)據(jù)處理速度快的優(yōu)勢。

3．1．3圖像的顯示

ARM將SDRAM中的圖像數(shù)據(jù)經(jīng)串口傳給計算機，在計算機中用VC++語言編寫串口協(xié)議和圖像顯示程序，將CMOS圖像傳感器采集到的圖像顯示在屏幕上，以便于監(jiān)測驗證。

3．2圖像的處理

本系統(tǒng)采用的圖像處理算法基于Sobel邊緣檢測算子。圖像的邊緣是由灰度不連續(xù)性所反映的，是圖像的最基本信息。邊緣檢測算子檢查每個像素的鄰域并對灰度變化率進行量化，也包括方向的確定，大多數(shù)使用基于方向?qū)?shù)掩模求卷積的方法。就sobel算子而言，如圖5所示，采用了兩個3×3卷積核形成邊緣算子模板，緊鄰中心像素的像素有4個，和中心像素成斜對角的像素也有4個，距離中心像素近的模板值的系數(shù)為2，成斜對角的比較遠，所以其系數(shù)為1，該系數(shù)反映了這樣一點：鄰域?qū)Ξ斍跋袼氐幕叶忍荻鹊挠绊懗潭仍浇绊懺酱?，越遠影響越小。圖像中的每個點都用這兩個核做卷積，一個核對垂直邊緣響應(yīng)最大，而另一個核對水平邊緣響應(yīng)最大，兩個卷積的最大值作為該點的輸出位，反映了當前位置灰度梯度(圖像邊緣)的主要方向和大小。運算結(jié)果反映了一幅邊緣幅度圖像。

因為拍攝的圖像為1024×1024，采用的Sobel算子為3x3模板，所以圖像周邊的一圈像素(第1行、第1024行、第1列、第1024列)保持原灰度值。在圖像的第2行2列到1023行1023列的范圍內(nèi)，用圖5所示的算子模板進行掃描計算，即當前像素和與當前像素相鄰的8個像素，分別與模板中位置相應(yīng)的9個系數(shù)相乘，累加這9個乘積結(jié)果，就得到針對某一方向的灰度梯度。比較兩個方向的計算結(jié)果，取最大者作為當前位置的灰度梯度。圖7為圖6經(jīng)過Sobel算子進行邊緣提取后得到的圖像。該算法在ARM中是基于C語言實現(xiàn)的，體現(xiàn)了ARM軟件編程靈活的特點。

3．3試驗結(jié)果

圖6是成功驅(qū)動CMOS圖像傳感器后拍攝的景物圖像，可見圖像非常清晰。本文分別針對Soble算子進行了基于PC機和基于ARM的實現(xiàn)，圖7為圖6經(jīng)過ARM中的Sobel算子的邊緣提取結(jié)果，圖8為圖6經(jīng)過PC機中Sobel算子的邊緣提取結(jié)果，圖9為圖7和圖8逐像素的比較結(jié)果。可見兩種實現(xiàn)方法得到的結(jié)果完全一致，說明了基于ARM的Sobel算子的實現(xiàn)是正確的。

上述圖像驅(qū)動和處理系統(tǒng)如果僅用FPGA來實現(xiàn)，算法部分的實現(xiàn)會比較復(fù)雜；如果僅用ARM來實現(xiàn)，驅(qū)動時序的設(shè)計也會非常困難。而采用內(nèi)嵌ARM核的FPGA芯片EPXAl0，單片就實現(xiàn)了上述系統(tǒng)，大大減小了設(shè)計的難度和電路的復(fù)雜性，同時也減小了硬件電路的體積和功耗，在系統(tǒng)小型化方面有著獨特的優(yōu)勢。由于EPXAl0集成了先進的ARM922T處理器器以及高密度的FPGA，所以在不增加體積和改進硬件電路的情況下，可以實現(xiàn)更加復(fù)雜的圖像處理算法和硬件控制邏輯設(shè)計，具有很強的系統(tǒng)擴展?jié)摿?。這種嵌入式方案必將成為集成電路的發(fā)展趨勢，將會在未來較短的時間里得到快速的發(fā)展。