РЕАЛИЗАЦИЯ ЭФФЕКТИВНОГО РАЗДЕЛИМОГО ДВУМЕРНОГО ЦИФРОВОГО ФИЛЬТРА НА ПЛИС
Аннотация
В современных системах видеонаблюдения, в которых широко распространено использо-
вание технологии компьютерного зрения, наиболее важной информацией на изображении явля-
ются данные о контурах объектов и выделение мелких деталей. К системам предъявляются
жесткие требования, такие как: высокая скорость обработки информации с большого количе-
ства камер одновременно, работа в условиях плохого освещения объекта и под воздействием
внешних шумов (электромагнитных полей, коротких помех от высоковольтных линий передач).
Поэтому совершенствование методов обработки изображения с применением устройств рас-
параллеливания вычислений и построения многопоточной системы является актуальной зада-
чей. В данной работе для обработки изображения на ПЛИС разработан и смоделирован анизо-
тропный фильтр высоких частот 3x3. Описан алгоритм его построения в виде разделимого
векторного представления. Дано подробное описание о разработке эффективного разделимого
двумерного цифрового фильтра для повышения резкости и выделение границ объектов
RGB-изображений. Фильтр основан на синтезе предложенного анизотропного фильтра высо-
ких частот 3x3 и градиентного фильтра Собеля. Спроектирована соответствующая струк-
турная схема фильтра. По результатам обработки искаженного изображения можно сделать
вывод о том, что разработанный фильтр обладает свойством более равномерной детализации
и выделения объектов на изображении и менее подвержен гауссовскому шуму по сравнению с
градиентным фильтром Собеля и фильтром высоких частот Лапласа. Разработана схема кон-
вейера фильтра на ПЛИС для обработки одной плоскости RGB изображения. За счет использо-
вания разделимых фильтров предложенная реализация практически в 2 раза оптимальнее по
числу выполняемых операций сложения/вычитания, чем прямая реализация градиентного
фильтра Собеля 3х3 и анизотропного фильтра высоких частот 3х3.
Литература
NIU ITMO, 2012, 129 p.
2. Kudryavtsev N.G., Frolov I.N. Praktika primeneniya komp'yuternogo zreniya i elementov mashinnogo
obucheniya v uchebnykh proektakh: ucheb. posobie [The practice of using computer vision and machine
learning elements in educational projects: a tutorial]. Gorno-Altaysk : BITS GAGU, 2022, 180 p.
3. Bradski G., Kaehler A. Learning OpenCV: Computer Vision with the OpenCV Library.
O'ReillyMedia, 2008, 556 р.
4. Dzyuba V.G., Dzyuba A.V. Algoritm raspoznavaniya preduprezhdayushchikh dorozhnykh znakov
[Algorithm for recognizing warning road signs], Elektronika i svyaz' [Electronics and Communications],
2009, No. 6, pp. 13-17.
5. Alekseev S.A., Volkhonskiy V.V., Sukhanov A.V. Televizionnye sistemy nablyudeniya. Osnovy
proektirovaniya [Television surveillance systems. Basics of design]. Saint Petersburg: Universitet
ITMO, 2015, 126 p.
6. Dom'yanovski V. Bibliya videonablyudeniya. Tsifrovye i setevye tekhnologii [The CCTV Bible. Digital
and network technologies]. 2nd ed. Moscow: Ay-Es-Es-Press, 2006, 480 p.
7. Fisenko V.T., Fisenko T.Yu. Komp'yuternaya obrabotka i raspoznavanie izobrazheniy: ucheb. posobie
[Computer processing and image recognition: textbook]. Saint Petersburg SPbGU ITMO, 2008, 192 p.
8. Volkhonskiy V.V. Televizionnye sistemy nablyudeniya [Television surveillance systems]. 2nd ed. Saint
Petersburg: Ekopolis i kul'tura, 2005, 168 p.
9. Kistrin A.V., Kostrov B.V., Nikiforov M.B., Ustyukov D.I. Proektirovanie tsifrovykh ustroystv:
uchebnik [Design of digital devices: textbook]. Moscow: Kurs: INFRA-M, 2017, 352 p.
10. Chaithra.N.M., Reddy K.V.R. Implementation of Canny Edge Detection Algorithm on FPGA and displaying
Image through VGA Interface, International Journal of Engineering and Advanced Technology,
2013, Vol. 2, Issue-6, pp. 243-247.
11. Escobar F.A., Chang X., Valderrama C. Suitability Analysis of FPGAs for Heterogeneous Platforms
in HPC, IEEE Transactions on Parallel and Distributed Systems, 2016, Vol. 27, No. 2, pp. 600-612.
12. Fisenko V.T., Fisenko T.Yu. Komp'yuternaya obrabotka i raspoznavanie izobrazheniy: ucheb. posobie
[Computer processing and image recognition: textbook]. Saint Petersburg: SPbGU ITMO, 2008, 192 p.
13. Starovoytov V.V., Golub Yu.I. Tsifrovye izobrazheniya: ot polucheniya do obrabotki [Digital images:
from acquisition to processing]. Minsk: OIPI NAN Belarusi, 2014, 202 p.
14. Fisenko V.T., Fisenko T.Yu. Komp'yuternaya obrabotka i raspoznavanie izobrazheniy [Computer
processing and image recognition]. Saint Petersburg: SPbGU ITMO, 2008, 192 p.
15. Gonsales R., Vuds R. Tsifrovaya obrabotka izobrazheniy [Digital image processing]. Moscow:
Tekhnosfera, 2012, 1104 p.
16. Martin Králik, Libor Ladányi. Canny edge detector algorithm optimization using 2d spatial separable
convolution, Acta Electrotechnica et Informatica, 2021, Vol. 21, No. 4, pp. 36-43.
17. Priorov A.L., Apal'kov I.V., Khryashchev V.V. Tsifrovaya obrabotka izobrazheniy: ucheb. posobie
[Digital image processing: tutorial]. Yaroslavl': YarGU, 2007, 235 p.
18. Yane B. Tsifrovaya obrabotka izobrazheniy [Digital image processing]. Moscow: Tekhnosfera, 2007, 584 p.
19. Gruzman I.S., Kirichuk V.S. i dr. Tsifrovaya obrabotka izobrazheniy v informatsionnykh sistemakh:
ucheb. posobie [Digital image processing in information systems: a tutorial]. Novosibirsk: Izd-vo
NGTU, 2002, 352 p.
20. Shapiro L., Stokman Dzh. Komp'yuternoe zrenie [Computer vision]. Moscow: BINOM. Laboratoriya
znaniy, 2006, 752 p.
21. Selyankin V.V., Skorokhod S.V. Analiz i obrabotka izobrazheniy v zadachakh komp'yuternogo zreniya:
ucheb. posobie [Analysis and processing of images in computer vision tasks: a tutorial]. Taganrog:
Izd-vo YuFU, 2015, 82 p.
22. Mart'yanova A.V. Ispol'zovanie izotropnykh fil'trov v obrabotke izobrazheniy [Using isotropic filters
in image processing], Informatsiya: peredacha, obrabotka, vospriyatie [Information: transmission,
processing, perception]. Ekaterinburg: UrFU, 2016, pp. 34-41.
23. Shlezinger M.I. Matematicheskie sredstva obrabotki izobrazheniy [Mathematical tools for image processing].
Kiev: Naukova dumka, 1989, 200 p.
24. Donald G. Bailey. Design for Embedded Image Processing on FPGAs. John Wiley & Sons (Asia) Pte
Ltd, 2011, 482 p.
25. Zhang Y.Y., Wang P.S.P. A modified parallel thinning algorithm, Intern. Conf. on Pattern Recognition,
Rome, Italy, 14–17 Nov. 1988. Rome, 1988, pp. 1023-1025.
26. Arkhitektura UltraScale i tekhnicheskoe opisanie produkta: obzor [UltraScale Architecture and Product
Datasheet: Overview]. Available at: https://docs.amd.com/v/u/en-US/ds890-ultrascale-overview
(accessed 15 May 2024).
