一种基于FPGA的最大类间方差法的图像检测方法技术

本发明专利技术涉及图像检测方法，尤其涉及一种基于FPGA的最大类间方差法的图像检测方法，包括如下步骤：S1：采集并输入图像；S2：以block为单位对输入的图像进行直方图统计；S3：读取步骤S2中统计好以block为单位的直方图，获得图像的总灰度值；S4：第二次读取直方图，根据方差公式(1)，计算阈值设定在各个灰度时的方差，并记录得到最大方差时的阈值，即为所求阈值；S5：步骤S4中获取的阈值对图像进行二值化，以便分离目标和背景。该方法可以有效解决高吞吐量像素输入情况下的直方图统计难题，对目前图像传感器向更高速、更高解析度方向发展所面临的巨大计算压力问题有很好的适应性。

A method of image detection based on maximum variance between classes in FPGA

【技术实现步骤摘要】
一种基于FPGA的最大类间方差法的图像检测方法
本专利技术属于高带宽图像数据处理
，尤其涉及一种基于FPGA的最大类间方差法的图像检测方法。
技术介绍
现在的工业相机分辨率和帧率越来越高，尤其是在高分辨率线阵相机应用领域，往往伴随着大数据量的并行采集和实时处理。FPGA对大数据量的实时处理具有独特的优势。在工业缺陷检测中，阈值分割是区分目标和背景的常见预处理方法，最大类间方差法则是阈值分割中的一种常见的自适应分割方法。通过FPGA实现最大类间方差法可以满足实时性的要求。但是在多像素并行输入的场景下，需要同时对多个并行像素中的每个像素单独进行直方图统计，FPGA内部RAM资源的消耗也会随之成倍的增加。专利文献CN109035220A公开了一种目标对象的图像检测方法和装置。该方法包括：对第一目标图像进行阈值分割，得到第一区域和第二区域，其中，第一目标图像中包含目标对象，第一区域中的像素的灰度值大于第二区域中的像素的灰度值；在第一目标图像中去除第二区域中的像素，得到第二目标图像；对第二目标图像进行阈值分割，得到第三区域和第四区域，其中，第四区域中的像素的灰度值大于第三区域中的像素的灰度值；在第二目标图像中去除第四区域中的像素，得到第三目标图像；通过第三目标图像检测目标对象。通过该专利文献解决了相关技术中由于目标对象的镜像及高亮度区域的干扰，难以在采集到的照片中准确检测出目标对象的问题；但是上述的专利文献中在多像素并行输入的场景下，就难以区分目标和背景。因此，提出一种快速、省RAM资源的直方图统计方法迫在眉睫。
技术实现思路
为解决上述问题，在内部存储资源受限的廉价FPGA中实现高像素并行度的直方图统计功能，本专利技术提出一种快速、省RAM资源的直方图统计方法，可以有效的降低硬件成本，同时提高了最大类间方差法的鲁棒性。本专利技术提出了在多像素并行输入场景下，通过FPGA实现最大类间方差法，同时兼顾性能和资源平衡，解决了RAM资源随并行输入像素数增加而成倍消耗的问题，同时提高了算法运行效率。该方法可以有效解决高吞吐量像素输入情况下的直方图统计难题，对目前图像传感器向更高速、更高解析度方向发展所面临的巨大计算压力问题有很好的适应性。具体采用下述技术方案：一种基于FPGA的最大类间方差法的图像检测方法，其特征在于，包括如下步骤：S1：采集并输入图像；S2：以block为单位对输入的图像进行直方图统计；S3：读取步骤S2中统计好以block为单位的直方图，获得图像的总灰度值；S4：第二次读取直方图，根据方差公式(1)，计算阈值设定在各个灰度时的方差σ2，并记录得到最大方差时的阈值，即为所求阈值；其中，N为图像的总像素数，μ1为区域A1的平均灰度，μ2为区域A2的平均灰度，q1为区域A1的像素数，q2为区域A2的像素数；S5：根据步骤S4中获取的阈值对图像进行二值化，分离目标和背景。优选地，所述步骤S2中直方图统计过程为：S21：根据采集的图像中最小细节纹理选取多种block尺寸；S22：获取每个block的像素均值或中值，作为此block的等价替代像素；S23：对步骤S22中获得的以block为单位的图像进行直方图统计。优选地，所述步骤S21中最小细节纹理区域的宽高设为x、y，选取的block的宽、高分别为m＝x/2和n＝y/2。所述步骤S21中对于纹理复杂的图像选取以小尺寸的block为单位进行处理，对于纹理简单的图像则选取较大尺寸的block为单位进行处理。优选地，还包括步骤S2和步骤S3之间还包括对步骤S1中的原图像进行直方图统计，并对原图像直方图与以block为单位进行统计的直方图进行比对，直到从多种block尺寸中选取到以block尺寸为单位进行统计的直方图可以代替原图像。其中，本专利技术提供的原图像直方图为以1x1block为单位统计的直方图，本专利技术提供的以block为单位进行统计的直方图为除了以1x1block为单位统计的另外的以block为单位进行统计的直方图。优选地，对所述原图像直方图与以1block为单位进行统计的直方图进行比对方法可为巴式距离比较：巴式距离根据公式(2)确定：其中，I为灰度值，H1为原图像的直方图，H2为以block为单位统计的直方图。优选地，对所述原图像直方图与以block为单位进行统计的直方图进行比对方法还可为相关性比较：相关性系数可根据公式(3)确定：其中，I为灰度值，H1为原图像的直方图，H2为以block为单位统计的直方图。优选地，步骤S4中μ1和μ2分别根据公式(4)和公式(5)确定：其中，灰度为i的像素数为ni，T为阈值，阈值T将图像分为A1和A2两类，[0,T-1]为A1的灰度范围，[T,Y-1]为A2的灰度范围。优选地，步骤S4中区域A1和区域A2的像素数分别根据公式(6)和公式(7)确定：与现有技术相比，本专利技术的有益效果是：(1)本专利技术提出了在多像素并行输入场景下，通过FPGA实现最大类间方差法，同时兼顾性能和资源平衡，解决了RAM资源随并行输入像素数增加而成倍消耗的问题，同时提高了算法运行效率。该方法可以有效解决高吞吐量像素输入情况下的直方图统计难题，对目前图像传感器向更高速、更高解析度方向发展所面临的巨大计算压力问题有很好的适应性。(2)本专利技术选取以block为单位的图像块进行直方图统计，可以大大减少RAM的使用。(3)本专利技术以block为单位进行最大类间方差法的运算，虽然会损失一小部分的精度，但是其很大程度上节约了FPGA中RAM资源，同时该方法降低图像原有噪声，计算得到的阈值也更加稳定，在高分辨率图像的并行像素数据处理中，其优化方法较好。附图说明图1为本专利技术提供的基于FPGA的最大类间方差法的图像检测方法流程图；图2本专利技术提供的block操作示例图；图3为本专利技术提供的简单纹理图像；图4为对图3中的简单纹理图像以每个block的像素均值为模板进行的相关性和巴氏距离比较结果；图5为对图3中的简单纹理图像以每个block的像素中值为模板进行的相关性和巴氏距离比较结果；图6为本专利技术提供的复杂纹理图像；图7为对图6中的复杂纹理图像以每个block的像素均值为模板进行的相关性和巴氏距离比较结果；图8为对图6中的复杂纹理图像以每个block的像素中值为模板进行的相关性和巴氏距离比较结果；具体实施方式下面结合附图针对本专利技术作进一步实例描述：本专利技术具体采用下述技术方案：采用下述技术方案一种基于FPGA的最大类间方差法的图像检测方法，其特征在于，包括如下步骤：S1：采集并输入图像；S2：以block为单位对输入的图像进行直方图统计；其中，本专利技术以mxn的图像块为单位(以下用block代替图像块本文档来自技高网...

【技术保护点】
1.一种基于FPGA的最大类间方差法的图像检测方法，其特征在于，包括如下步骤：/nS1：采集并输入图像；/nS2：以block为单位对输入的图像进行直方图统计；/nS3：读取步骤S2中统计好以block为单位的直方图，获得图像的总灰度值；/nS4：第二次读取直方图，根据方差公式(1)，计算阈值设定在各个灰度时的方差σ

【技术特征摘要】
1.一种基于FPGA的最大类间方差法的图像检测方法，其特征在于，包括如下步骤：
S1：采集并输入图像；
S2：以block为单位对输入的图像进行直方图统计；
S3：读取步骤S2中统计好以block为单位的直方图，获得图像的总灰度值；
S4：第二次读取直方图，根据方差公式(1)，计算阈值设定在各个灰度时的方差σ2，并记录得到最大方差时的阈值，即为所求阈值；



其中，N为图像的总像素数，μ1为区域A1的平均灰度，μ2为区域A2的平均灰度，q1为区域A1的像素数，q2为区域A2的像素数；
S5：根据步骤S4中获取的阈值对图像进行二值化，分离目标和背景。


2.如权利要求1所述的图像检测方法，其特征在于，所述步骤S2中直方图统计过程为：
S21：根据采集的图像中最小细节纹理选取多种block尺寸；
S22：获取每个block的像素均值或中值，作为此block的等价替代像素；
S23：对步骤S22中获得的以block为单位的图像进行直方图统计。


3.如权利要求2所述的图像检测方法，其特征在于，步骤S21中最小细节纹理区域的宽高设为x、y，选取的block的宽、高分别为m＝x/2和n＝y/2。


4.如权利要求2所述的图像检测方法，其特征在于，还包括步骤S2和步骤S3之间还包括对步骤S1...

【专利技术属性】
技术研发人员：陈栋磊，顾庆毅，汪雪林，
申请(专利权)人：苏州中科全象智能科技有限公司，
类型：发明
国别省市：江苏;32