抽象效果的特點是原始輸入圖像中的很多細節(jié)信息被忽略，大塊區(qū)域的顏色比較接近或均勻[3]。因此，對圖像進行亮度信息量化操作是必要的步驟，以此來實現(xiàn)分塊化效果。式（4）是量化的計算公式：

由于此計算公式需要進行正切計算，對FPGA來說復(fù)雜度較高，所以本文只是將RGB各顏色分量的低位置1，只保留高3~4位的有效信息，這樣也能達到忽略細節(jié)信息的目的，讓以前顏色基本相同的區(qū)域都保持一致。

2 硬件設(shè)計

2．1 系統(tǒng)結(jié)構(gòu)

系統(tǒng)的前端采用的是一個Camera Link接口的工業(yè)相機，用于視頻采集。相機分辨率為767×576，幀率為60 f/s，相機時鐘為36.15 MHz。視頻數(shù)據(jù)通過Camera Link線纜傳到圖像處理平臺上，然后由一個接收芯片DS90CR288將收到的差分信號轉(zhuǎn)換成24位RGB圖像數(shù)據(jù)，再將數(shù)據(jù)傳到FPGA中。系統(tǒng)使用的處理器是Xilinx公司V5系列的一款FPGA芯片xc5vlx110t。FPGA利用兩片DDR2內(nèi)存對圖像進行緩存、處理，最后控制DVI芯片CH7301C進行實時顯示。系統(tǒng)的整體架構(gòu)如圖2所示。

FPGA內(nèi)部首先由圖像采集模塊將圖像傳到圖像采集FIFO中，然后由乒乓操作模塊將圖像采集FIFO中的數(shù)據(jù)進行乒乓操作暫存到DDR2里面，實現(xiàn)前后速度的匹配，再將數(shù)據(jù)輸出到圖像處理FIFO。NPR模塊讀取圖像處理FIFO中的數(shù)據(jù)進行處理后輸出到圖像顯示FIFO，最后DVI顯示模塊讀取圖像顯示FIFO中的數(shù)據(jù)進行顯示，F(xiàn)PGA內(nèi)部模塊及其數(shù)據(jù)流向如圖3所示。

2．2 NPR模塊

經(jīng)過DDR2乒乓緩存過后的24位RGB圖像數(shù)據(jù)輸出后會通過NPR模塊。在NPR模塊中，圖像數(shù)據(jù)分成兩路：一路數(shù)據(jù)進行邊緣檢測，首先通過亮度提取模塊進行亮度提取，然后進入一個行緩沖模塊，進行三行完整圖像的緩存，最后進入邊緣檢測模塊，進行水平和垂直方向的邊緣檢測。另一路數(shù)據(jù)主要進行色彩濾波和光照強度量化，以及為了達到時序匹配而做的延時。最后由選擇器進行選擇輸出，若是邊緣則輸出黑色，否則輸出另一路處理過后的圖像數(shù)據(jù)。NPR模塊整體結(jié)構(gòu)如圖4所示。

2.2.1 亮度分量提取

通常情況下，邊緣檢測是對灰度圖像進行的，由于相機采集到的圖像是RGB圖像，所以必須進行彩色圖像到灰度圖像的變換，即提取亮度分量。亮度分量Y和RGB的轉(zhuǎn)換公式是：

Y=0.229×red+0.587×green+0.114×blue（5）

考慮到FPGA中更適合于做加減及移位運算，所以將式（5）做如下的近似變形，這樣用簡單的移位運算就可以輕松地實現(xiàn)亮度分量的提取：

這樣既能獲得較好的提取效果，又能將浮點運算和乘法運算轉(zhuǎn)化為簡單的移位運算。最后的硬件結(jié)構(gòu)如圖5所示。

2.2.2 邊緣檢測

用Prewitt方法進行邊緣檢測，本質(zhì)上就是將上面介紹的Prewitt算子分別與灰度圖像做卷積，然后用梯度計算公式計算該點的梯度值。要實現(xiàn)圖像與模板的卷積，必須同時獲得三行圖像的數(shù)據(jù)，為了達到這個目的，本系統(tǒng)使用一個三行移位寄存器組，用來存儲前一步得到的亮度信息，效果如圖6所示。

每次將這三行的前三個點組成的一個3×3矩陣分別與模板作卷積，就能分別得到垂直與水平方向的梯度。為了避免開方運算，直接將垂直與水平方向的梯度與門限做比較，只要任一方向的梯度高于門限值，就認定這個點是邊緣點，上述操作雖然要求得到梯度值的絕對值，但與典型開方近似運算JPL算法相比，減少了3個時鐘周期并且降低了算法復(fù)雜度。經(jīng)過多次實驗對比驗證，本系統(tǒng)最后選定了一個固定的門限值30。其垂直與水平方向的邊緣檢測硬件結(jié)構(gòu)圖分別如圖7（a）和（b）所示。

2.2.3 擴散濾波

視頻中的圖像幀通常帶有時域和空域的噪聲，因此，首先需要對其進行平滑去噪處理。通常情況下使用的是雙邊濾波，雙邊濾波是結(jié)合圖像的空間臨近度和像素值相似度的一種折中方法，離得較遠的點不會對邊緣上的像素值造成太大影響，具有簡單、非迭代、局部的特點，可以實現(xiàn)邊緣保存，而維納濾波和高斯濾波都會有明顯的模糊邊緣。本文采用一種和雙邊濾波的局部特點相似的方法，將圖像分成2×2的小塊，同時進行時域和空域的均值濾波。

首先進行時間域濾波。這個模塊會把當前像素點的值與過去該點的值做平均計算，其中過去的值存儲在一個FPGA上的block ram模塊里面，因為系統(tǒng)最后會把低位全部置為1，所以低位并沒有必要做處理，因此每個像素點只存RGB的高4位。本文決定使用4幀圖像來做平均值計算，因為這樣系統(tǒng)只需要將當前值的1/4與過去值的3/4相加即可，而過去值的3/4可以表示為1減去1/4，這有利于FPGA實現(xiàn)，將除法運算變成了簡單的移位運算。公式如下所示：

硬件實現(xiàn)如圖8所示。

然后進行空間域的均值濾波。本文將圖像劃分為2×2的小塊，每次濾波都以這種小塊為基礎(chǔ)，這個特點類似于雙邊濾波器的局部特性，有利于做到邊緣保持。具體做法是：先設(shè)計兩個計數(shù)器，用來模擬圖像的行計數(shù)Y與列計數(shù)X，然后將X與Y方向坐標的最低位移除以產(chǎn)生block ram模塊的地址，這樣就使相鄰的4個點都參考block ram模塊的同一個點。使用此方法可以減少FPGA上實現(xiàn)block ram模塊的資源大小，節(jié)約資源。由于block ram模塊的讀和寫各需要一個時鐘周期，如果要做濾波，每個時鐘周期都需要從block ram模塊里面讀出一個舊值，同時還要存入前一個時鐘變化后的值，這就導(dǎo)致了一定的時序問題，但是由于系統(tǒng)是以2×2的塊進行濾波，相鄰的四個點參考同一個點，因此系統(tǒng)就可以用一個時鐘讀出block ram模塊里的數(shù)據(jù)并做處理，處理后的數(shù)據(jù)暫存在寄存器中，第二個時鐘周期到來的時候就可以將剛才寄存器中的數(shù)據(jù)拿來參加計算而不必重新從block ram模塊中讀出數(shù)據(jù)。與此同時，利用列計數(shù)X的最低位來控制將變化后的數(shù)據(jù)存進block ram模塊，以達到時序的匹配。至此，濾波結(jié)束。整個流程的硬件結(jié)構(gòu)如圖9所示。

2.2.4 量化光照信息

由于量化光照信息算法復(fù)雜度較高，不利于在FPGA上實現(xiàn)，本文只簡單地將紅綠藍通道低位全部置1。而人眼對綠色分量變化敏感，所以對綠色通道保留高4位的有效信息，紅和藍通道只保留高3位的信息，這樣做可以忽略色彩變化不明顯的區(qū)域，達到量化光照信息的目的。

3 實驗結(jié)果

、

由于相機分辨率限制，本文只對分辨率為640×480、幀率為60 f/s的視頻進行驗證。由于NPR模塊需要緩存三行數(shù)據(jù)，處理時鐘為64.8 MHz，所以總延時t可由式（8）計算得30 ?滋s，達到了實時處理的效果。由前面的算法分析知本系統(tǒng)采用流水線結(jié)構(gòu)，時延小，完全可以對分辨率更高、幀率更高的視頻做實時NPR渲染。本系統(tǒng)在ISE下綜合之后的資源利用率如表1所示，系統(tǒng)僅消耗了整個FPGA slice資源的5%。但是由于要在FPGA上暫存1/4幀的圖像以及三行完整的圖像數(shù)據(jù)，所以消耗了39%的Block RAM資源。如果圖像更大，可以考慮在FPGA外圍加上SRAM芯片，這樣可以避免占用太多FPGA片上的Block RAM資源。

4 結(jié)論

非真實感渲染技術(shù)越來越多地被應(yīng)用到各個領(lǐng)域中。本文使用VHDL語言設(shè)計了基于FPGA的實時NPR系統(tǒng)，該系統(tǒng)在自行研發(fā)的以Virtex-5 FPGA為核心的高速圖像處理平臺上得到了實現(xiàn)，并且具體分析了NPR算法的硬件實現(xiàn)流程及方法。由實驗結(jié)果可知，該系統(tǒng)實時性好、體積小、便于攜帶，具有較強的工程應(yīng)用價值。