0 引言

    在一些姿態(tài)檢測的實際應(yīng)用中,，需要在被測對象上安裝激光探測器^[1]，利用CCD相機捕捉激光光斑來檢測觀測對象的實際情況,，光斑圖像質(zhì)心坐標(biāo)的提取是圖像處理技術(shù)中常見的問題,，激光的瞬時和高速性是激光光斑圖像的重要特征^[2]。為了實時準(zhǔn)確地獲取激光光斑質(zhì)心的坐標(biāo),，相機要求以300幀每秒的速度進行采集,。原設(shè)備原始應(yīng)用場景為工業(yè)高清相機通過專用Camera Link電纜連接圖像采集卡，圖像采集卡插入計算機內(nèi)部,，計算機接收圖像數(shù)據(jù)后進行信號處理運算,，質(zhì)心算法的實現(xiàn)在計算機上完成^[3],。本文通過對原設(shè)備的結(jié)構(gòu)進行優(yōu)化,，將算法部分移植到硬件環(huán)境中形成相機控制器，使得攝像機與計算機可以遠距離部署,，一臺計算機可以控制和接收多臺相機數(shù)據(jù)并同時進行信號處理,，并且對計算機的配置要求較低，有靈活的擴展性,。在質(zhì)心算法研究方面,，將計算機軟件實現(xiàn)的算法用硬件描述語言Verilog設(shè)計實現(xiàn)，獲取激光光斑的實時質(zhì)心坐標(biāo),。

1 CCD采集圖像質(zhì)心算法

    激光探測器形成的激光光斑在CCD表面的光強分布可以看作以中心對稱的高斯分布^[4],，所以在激光光斑質(zhì)心坐標(biāo)算法中，可以用光斑光亮的最強點作為激光光斑的質(zhì)心坐標(biāo),，對于CCD數(shù)字視頻信號來說就是灰度值最大的那一點的坐標(biāo)值^[5],。具體算法如下：

    第一步：噪聲采集。假設(shè)圖像x方向與y方向分別有m與n個像素點,。在無激光照射CCD情況下采集N幅圖(N理論上越多越好,，實際N值手動可設(shè)即可)，databuff_a[m][n]為第a幅圖的數(shù)據(jù),。對N幅圖進行求均方根,，即可得到噪聲數(shù)據(jù),。

    第二步：去噪聲。此時開始進行激光光斑的采集,，CCD所采集的每幅圖數(shù)據(jù)為h[m][n],，進行去噪聲處理，將CCD所采集的數(shù)據(jù)與采集算好的噪聲相減,。如果低于最小灰度值0則為0,；如果高于最大灰度值255則為255。

    第三步：去一定比例的最大灰度值,，比例系數(shù)為p,。此時經(jīng)過去噪聲的圖像數(shù)據(jù)h[i][j]還具有一定的干擾，采用閾值去掉干擾,，閾值為最大灰度值的比例數(shù),。首先尋找圖像的最大灰度值，然后進行去掉閾值,。

    第四步：進行質(zhì)心計算,。CCD所采集圖像質(zhì)心即圖像灰度的重心，i與j分別為兩個方向的坐標(biāo),，g[i][j]為像素點(i,，j)坐標(biāo)的灰度值，則圖像質(zhì)心位置坐標(biāo)為：

式中x,、y即為圖像質(zhì)心的坐標(biāo),。

2 基于FPGA的圖像質(zhì)心算法

    FPGA的特點是數(shù)字邏輯的思維與并行的處理方式。FPGA的并行處理能力使得它有著更高的處理速度,，讓人們更青睞于這種可編程邏輯方式去實現(xiàn)所需要的算法,。本文的目的是將CCD采集圖像質(zhì)心算法用可編程邏輯Verilog語言去實現(xiàn)所需算法，為了實現(xiàn)上述算法,，需要對算法進行必要的改造,。

    第一步：噪聲均方根的采集實現(xiàn)。對于數(shù)字邏輯中只有0和1之分,，灰度圖像的顏色由8位二進制來表示,，故灰度顏色由0~255這256個數(shù)據(jù)來表示。故這里不需對根號內(nèi)數(shù)據(jù)進行開方,，而是直接根據(jù)根號下的數(shù)據(jù)即可算出均方根的結(jié)果,，因為這里的結(jié)果都是四舍五入后的整數(shù)。

    第二步：去噪聲的實現(xiàn),。此算法可直接用可編程邏輯實現(xiàn),，與原算法一致。

    第三步：去一定比例的最大灰度值中比例數(shù)p是一個0~1之間的小數(shù)，在實際應(yīng)用中小數(shù)可以通過浮點數(shù)的方法來表示,，浮點數(shù)的表示有32位與64位的表示方法,。所以本文的設(shè)計方法是將0~1的數(shù)與0~100的數(shù)字一一對應(yīng)，在后續(xù)再轉(zhuǎn)換縮回比例,，求出數(shù)據(jù),。例如0.16對應(yīng)整數(shù)16，這樣只需要7位二進制數(shù)即可表示,，節(jié)省了寄存器占用的空間,，利于算法的實現(xiàn)。

    第四步：質(zhì)心計算的實現(xiàn),。第三步中的質(zhì)心計算的算法方式由于求矩陣過程復(fù)雜,，運算量大，不適用于可編程邏輯方式,，為此將此算法進行了轉(zhuǎn)換,。一種基于函數(shù)轉(zhuǎn)換的快速搜素質(zhì)心算法，利用目標(biāo)質(zhì)心與目標(biāo)上所有各點間距離之和值最小的原理,，快速求出質(zhì)心,。此算法適用于灰度圖像，對灰度圖像求質(zhì)心具有廣泛的用途與實際的意義,。應(yīng)用此算法后,，n個乘法轉(zhuǎn)換成了1個乘法，便于Verilog語言去實現(xiàn),。   

3 仿真結(jié)果與分析

    將改進后的算法應(yīng)用到可編程邏輯Verilog語言中后,，實現(xiàn)了光斑質(zhì)心算法的功能并能夠?qū)崟r求出質(zhì)心的坐標(biāo)。通過上位機選擇需要算出的N幅圖得到的噪聲系數(shù),，將求出的噪聲系數(shù)存入RAM中,，當(dāng)激光照射后讀出RAM中存儲的噪聲系數(shù)值即可,。本設(shè)計包括噪聲系數(shù)模塊,，去噪聲模塊與質(zhì)心坐標(biāo)算法3個模塊。圖1為光斑質(zhì)心算法的總體架構(gòu)圖,。

    噪聲系數(shù)模塊：初始化后檢測ready信號,，ready拉高表示外部輸入已經(jīng)準(zhǔn)備好可以接收數(shù)據(jù)，可保證在一幀圖像數(shù)據(jù)內(nèi)的連續(xù)性,。在準(zhǔn)備好后等待pulse_in信號的到來,，pulse_in為脈沖信號，當(dāng)接收到此信號時表示通知模塊需要計算噪聲系數(shù),。pixel_num為像素值選擇,， frame_num為幀數(shù)選擇，范圍是0~131 072,。data_in為輸入的圖像數(shù)據(jù)8位灰度值,，noise_req為噪聲系數(shù)輸入數(shù)據(jù)請求信號,，當(dāng)此信號拉高后，輸入信號data_in在下一拍輸入數(shù)據(jù),。noise_done為噪聲系數(shù)計算完成信號,，當(dāng)計算結(jié)束并沒有接收到重新計算信號pulse_in時，noise_done一直拉高來表示噪聲系數(shù)模塊處理完成,。在noise_done高電平期間,，輸入來自去噪聲模塊的地址信號addr_in，即可讀出RAN中對應(yīng)地址的數(shù)據(jù)databuffnoise,。

    去噪聲模塊：在noise_done高電平期間可啟動去噪聲模塊,。read_en為脈沖信號，一個脈沖可接收一幀圖像數(shù)據(jù),。proportion信號是上位機發(fā)來的比例系數(shù),，范圍在0~100之間，表示0~1之間的數(shù),。在接收到read_en脈沖信號后,，發(fā)出數(shù)據(jù)請求信號data_req，data_req拉高后輸入dec_in數(shù)據(jù)信號,，由于需要求出一幀圖像的最大圖像數(shù)據(jù),，所以會有一幀圖像的延遲，當(dāng)輸出圖像數(shù)據(jù)有效data_valid信號拉高時,，輸出去噪后有效的pixel_data數(shù)據(jù),，在data_valid信號拉高后輸出的pixel_data數(shù)據(jù)會傳到質(zhì)心算法模塊中進行計算。圖2為去噪模塊仿真結(jié)果,。

    質(zhì)心坐標(biāo)算法模塊：輸入的request_in信號是去噪聲模塊的輸出信號data_valid,，在request_in信號有效時，輸入的數(shù)據(jù)gravity_in信號有效,，與去噪模塊的輸出數(shù)據(jù)信號pixel_data線性連接,。在信號請求輸出req_out高脈沖同時輸出質(zhì)心坐標(biāo)xy_pos信號，輸出的x,、y坐標(biāo)都是10位二進制數(shù)表示,，根據(jù)需求以32位xy_pos信號輸出，高25~16位填充x坐標(biāo),9~0位填充y坐標(biāo),，其他填充0,。通過各個模塊的驗證可看出算法符合基本要求, 最后得到如圖3所示的3個模塊整體的頂層模塊仿真結(jié)果圖。

    將此算法用C++在VS2012上運行并驗證質(zhì)心坐標(biāo)是否正確,，輸入相同輸入數(shù)據(jù),，驗證結(jié)果如圖4所示。

    通過分析和仿真驗證了設(shè)計的正確性，CCD圖像質(zhì)心算法被很好地應(yīng)用到可編程邏輯語言中,，F(xiàn)PGA的高速并行優(yōu)點使得算法可以達到流水線高速運行,，由于相機的圖像采集速度可達到每秒300幀，為了符合這樣的高速采集能力,，本文采用了流水線算法可實時算出質(zhì)心坐標(biāo)供上位機采集和使用,。

4 結(jié)論

    本文所設(shè)計的光斑質(zhì)心定位算法是基于實際應(yīng)用的激光探測器相機控制器的算法實現(xiàn)部分，該算法的實現(xiàn)使得攝像機與計算機可以遠距離部署,，將復(fù)雜算法的運算量交給控制器去處理,，減輕了計算機的工作量去處理更重要的事情。該方法適用于有一定存儲空間的FPGA芯片去實現(xiàn),，注重高速與實時性,，對工業(yè)高清相機這種高精度要求的應(yīng)用有一定的實用價值。

參考文獻

[1] 肖鋒鋼,，劉建國,，曾淙泳，等．一種新型提高光斑圖像質(zhì)心精度的去噪方法[J].計算機應(yīng)用研究,，2008,，25（12）：3683-3685.

[2] 樊巧云，張廣軍.離散噪聲圖像的光斑質(zhì)心算法及其硬件實現(xiàn)[J].光學(xué)精密工程,，2011,，19（12）：2992-2993.

[3] 張海莊，孟智勇,，丁帥,，等.CCD攝像法采集激光光斑圖像方法研究[J].光學(xué)與光電技術(shù)，2013,，11（10）：33-35.

[4] 張秋佳,，趙玉華.基于加權(quán)插值算法的激光光斑中心檢測[J].激光與紅外，2016,，46（1）：81-84.

[5] 王冰,，職秦川，張仲選,，等.灰度圖像質(zhì)心快速算法[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報,，2004,，16（10）：1360-1362.