仿真系统搭建
1 系统框图
2 VGA 时序发生器
由于图像处理电路都是基于 VGA 时序，所以在仿真平台中，需要有一个源 VGA 信号发生器，模仿 VGA 的时序。其模块基本属性如下所示:
`define pix_800_600
module vga_ctl
(
input pix_clk,
input reset_n,
input [23:0] VGA_RGB,
output VGA_CLK,
output [11:0] hcount,
output [11:0] vcount,
output [7:0] VGA_R,
output [7:0] VGA_G,
output [7:0] VGA_B,
output VGA_HS,
output VGA_VS,
output VGA_DE,
output BLK
);
`include “vga_parameter.vh”
对应不同分辨率，我们需要不同的 VGA 标准参数，这些参数定义在 vga_parameter.vh 文件中，例如本仿真平台处理的图像数据为 800*600:则该文件中应有如下参数的定义:
`ifdef pix_800_600
//———————————//
// 800*600 60HZ pixel clock 40.00MHZ
//——————————–//
parameter H_Total = 1056;
parameter H_Sync = 128;
parameter H_Back = 88;
parameter H_Active = 800;
parameter H_Front = 40;
parameter H_Start = 216;//H_Sync+H_Back
parameter H_End = 1016;//H_Sync+H_Back+H_Active
//——————————-//
// 800*600 60HZ
//——————————-//
parameter V_Total = 628;
parameter V_Sync = 4;
parameter V_Back = 23;
parameter V_Active = 600;
parameter V_Front = 1;
parameter V_Start = 27;//V_Sync+V_Back
parameter V_End = 627;//V_Sync+V_Back+V_Active
`endif
3 图像数据转换
我们需要将待处理的图像，转换成为 VGA 能够解析的数据流，这部分利用 Matlab 实现数据格式的转换。在工作目录执行 img_txt.m 脚本，脚本执行结束之后，有如上图所示效果。其中 img 为拍摄的原图，R、G、B 为三个通道的灰度图。并在工作目录下生成如下图所示的文件:
为了读取这些文件，我们需要编写 verilog 软件程序，把它们转换成 RGB 格式输出到 VGA 的 RGB 输出端。其模块基本属性如下:
`timescale 1ns/1ps
`define NULL 0
module imread_frame1(
input pixel_clk,
input reset_n,
input de,
input [11:0] frame_cnt,
output [23:0] rgb
);
经过上述几个步骤，我们已经能够把一幅图像以 VGA 时序进行输出，至此已经搭建出了图像仿真系统的雏形，并且为了将经过 verilog 处理的图像以可视化的形式展现，还需要有 verilog 写入图像数据的软件程序，其模块基本属性如下:
`timescale 1ns/1ps
`define NULL 0
module imwrite_frame4(
input pixel_clk,
input reset_n,
input de,
input [11:0] frame_cnt,
input [23:0] rgb
);
该程序会在图像处理的过程中，将数据缓存到工作目录，并且例化多个写图像的模块，即可观察到图像处理的过程，其缓存结果如下:
)
最后，我们需要将 verilog 保存的文件利用 matlab 脚本 txt_img.m 转换成可视化的图片，观察 verilog 处理过程是否正确。最后显示处理结果如下
图像处理仿真
1 RGB 转 YCbCr
为了方便进行图像阈值的提取，利用 verilog 实现了 RGB 到 YCbCr 的色域转换，计算式可以百度:
其效果如下图所示
rgb2ycbcr U_rgb2ycbcr(
.pixelclk(pixel_clk),
.i_rgb(VGA_RGB),
.i_hsync(VGA_HS),
.i_vsync(VGA_VS),
.i_de(VGA_DE),
.o_rgb(y_rgb),
.o_ycbcr(y_ycbcr),
.o_gray(y_gray),
.o_hsync(y_o_hsync),
.o_vsync(y_o_vsync),
.o_de(y_o_de));
2 阈值确定与二值化
首先将车牌从复杂的环境中提取出来。确定车牌的阈值，二值化。
ycbcr_location#( //Paramter Define such as threshold
)U_ycbcr_location(
.pixelclk(pixel_clk),
.reset_n(reset_n),
.i_rgb(y_rgb),
.i_ycbcr(y_ycbcr),
.i_gray(y_gray),
.i_hsync(y_o_hsync),
.i_vsync(y_o_vsync),
.i_de(y_o_de),
.binary_image(yl_binary),
.rgb_image(yl_rgb),
.gray_image(yl_gray),
.o_hsync(yl_o_hsync),
.o_vsync(yl_o_vsync),
.o_de(yl_o_de)
);
3 锁定车牌位置
通过水平垂直投影，可以将车牌框选出来，并且为了便于识别数字，我们将车牌以外的颜色转换成近似车牌的底色，便于进行第二次的垂直投影与阈值提取。此外，框选车牌的同时，削掉了一部分上下边界，去除了定孔。
Vertical_Projection#( //Paramter Define such as threshold
)U_Vertical_Projection(
.pixelclk(pixel_clk),
.reset_n(reset_n),
.i_binary(HV_dout),
.i_hs(HV_o_hsync),
.i_vs(HV_o_vsync),
.i_de(HV_o_de),
.i_hcount(hcount),
.i_vcount(vcount),
.hcount_l(hcount_l),
.hcount_r(hcount_r),
.vcount_l(vcount_l),
.vcount_r(vcount_r));
可在 modelsim 中观察仿真波形图如下:
可以看到，车牌的水平边界和垂直边界都被取出，分别对应为 hcount_l, hcount_r, vcount_l, vcount_r 这几个信号。
4 提取车牌数字
这次，我们重复进行一次色域的转换，在 YCbCr 色域下提取出车牌内的字符，效果如下图所示，至此我们已经提取出了复杂场景下的车牌字符。
5 水平垂直投影
对已经经过二值化的车牌字符图像，我们例化一个能够检测八个边界的水平垂直投影模块。其垂直投影后的效果如下图所示
至此，我们可以将八个字符一个一个的分割，进行单独的数字识别处理，极大的简化了处理的难度。接下来介绍本工程中采用的两种数字识别的方案。
6 方案一:数字特征识别
本方案已经上板实现，但是仍然存在缺陷，比如说仅仅能识别数字，且识别条件较为苛刻，需要现场调试一段时间。
7 方案二:5X8 维矩阵检测
对单个数字进行画框操作，并且统计出每个小格子的像素点数目，超过该格子的一半则认为是 1，少于则认为是 0。下图为 5 的画框仿真。
在 modelsim 中观察仿真波形，则 5 的数字模型被正确识别，并且对于同一字体其数字特征值应相同。
Video
相关工程文件可以去 Material 标签下载。
Comments