HLS学习入门（索贝尔算子1）

本节介绍了一种使用 HLS 实现 Sobel 检测的方法

一、Sobel 原理介绍

索贝尔算子（Sobel operator）主要用作边缘检测，在技术上，它是一离散性差分算子，用来运算图像亮度函
数的灰度之近似值。在图像的任何一点使用此算子，将会产生对应的灰度矢量或是其法矢量。
Sobel 卷积因子为：
图片描述
该算子包含两组 3x3 的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差
分近似值。如果以 A 代表原始图像，Gx 及 Gy 分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：
图片描述
具体计算如下：

Gx = (-1)*f(x-1, y-1) + 0*f(x,y-1) + 1*f(x+1,y-1)
        +(-2)*f(x-1,y) + 0*f(x,y)+2*f(x+1,y)
        +(-1)*f(x-1,y+1) + 0*f(x,y+1) + 1*f(x+1,y+1)
    = [f(x+1,y-1)+2*f(x+1,y)+f(x+1,y+1)]-[f(x-1,y-1)+2*f(x-1,y)+f(x-1,y+1)]
Gy =1* f(x-1, y-1) + 2*f(x,y-1)+ 1*f(x+1,y-1)
        +0*f(x-1,y) 0*f(x,y) + 0*f(x+1,y)
        +(-1)*f(x-1,y+1) + (-2)*f(x,y+1) + (-1)*f(x+1, y+1)
    = [f(x-1,y-1) + 2f(x,y-1) + f(x+1,y-1)]-[f(x-1, y+1) + 2*f(x,y+1)+f(x+1,y+1)]

其中 f(a,b), 表示图像(a,b)点的灰度值；
图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小
图片描述
通常，为了提高效率使用不开平方的近似值：

如果梯度 G 大于某一阀值则认为该点(x,y)为边缘点。
然后可用以下公式计算梯度方向：

Sobel 算子根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘。对噪声具有平滑作
用，提供较为精确的边缘方向信息，边缘定位精度不够高。当对精度要求不是很高时，是一种较为常用的边缘检测
方法。

二、代码解析

#include "top.h"

void hls_sobel(AXI_STREAM& INPUT_STREAM, AXI_STREAM& OUTPUT_STREAM, int rows, int cols)
{
    //Create AXI streaming interfaces for the core
	#pragma HLS INTERFACE axis port=INPUT_STREAM
	#pragma HLS INTERFACE axis port=OUTPUT_STREAM

	#pragma HLS RESOURCE core=AXI_SLAVE variable=rows metadata="-bus_bundle CONTROL_BUS"
	#pragma HLS RESOURCE core=AXI_SLAVE variable=cols metadata="-bus_bundle CONTROL_BUS"
	#pragma HLS RESOURCE core=AXI_SLAVE variable=return metadata="-bus_bundle CONTROL_BUS"

	//指定这两个参数在函数执行过程中不会被改变
	#pragma HLS INTERFACE ap_stable port=rows
	#pragma HLS INTERFACE ap_stable port=cols

    RGB_IMAGE img_0(rows, cols);
    RGB_IMAGE img_1(rows, cols);
    RGB_IMAGE img_2(rows, cols);
    RGB_IMAGE img_3(rows, cols);
    RGB_IMAGE img_4(rows, cols);
    RGB_IMAGE img_5(rows, cols);
    RGB_PIXEL pix(10, 10, 10);

	#pragma HLS dataflow
    hls::AXIvideo2Mat(INPUT_STREAM, img_0);
    //Sobel:Computes a horizontal or vertical Sobel filter, returning
    //an estimate of the horizontal or vertical derivative, using a filter
    //第三个参数代表size，支持3,5,7,；
    //前两个参数是(1, 0)=水平导数；(0, 1)=>垂直导数
    hls::Sobel<1,0,3>(img_0, img_1);
    //SubS Computes the differences between elements of image src and scalar value scl
    hls::SubS(img_1, pix, img_2);
    /*
     * 经过scale处理
     */
       //Scale Converts an input image src with optional linear transformation
       //后面两个参数是变换比例和偏移，简单的说就是y=kx+b的k,b。
       hls::Scale(img_2, img_3, 2, 0);
       hls::Erode(img_3, img_4);
       hls::Dilate(img_4, img_5);
       hls::Mat2AXIvideo(img_5, OUTPUT_STREAM);
/*
 //未经scale处理

    hls::Erode(img_2, img_3);
    hls::Dilate(img_3, img_4);
    hls::Mat2AXIvideo(img_4, OUTPUT_STREAM);
 */
}