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。

相关工程文件可以去我的个人博客下载: 点击前往