内嵌ARM核FPGA芯片EPXAl0及其在图像驱动应用

3．1．2图像的采集

CMOS图像传感器输出的信号为数字信号(即数字图像数据)，所以图像的采集要通过FPGA中的数据接收模块将图像数据保存到片外SDRAM中。数据接收模块状态机如图4所示。标志Flag为1，开始采集数据。因为CMOS图像传感器在每个A／D转换时钟周期输出一个数据(如图3所示)，接收模块也相应地设计成一个时钟接收周期接收一个数据(Burst状态)，这样也就发挥了FPGA对大量数据处理速度快的优势。

3．1．3图像的显示

ARM将SDRAM中的图像数据经串口传给计算机，在计算机中用VC++语言编写串口协议和图像显示程序，将CMOS图像传感器采集到的图像显示在屏幕上，以便于监测验证。

3．2图像的处理

本系统采用的图像处理算法基于Sobel边缘检测算子。图像的边缘是由灰度不连续性所反映的，是图像的最基本信息。边缘检测算子检查每个像素的邻域并对灰度变化率进行量化，也包括方向的确定，大多数使用基于方向导数掩模求卷积的方法。就sobel算子而言，如图5所示，采用了两个3×3卷积核形成边缘算子模板，紧邻中心像素的像素有4个，和中心像素成斜对角的像素也有4个，距离中心像素近的模板值的系数为2，成斜对角的比较远，所以其系数为1，该系数反映了这样一点：邻域对当前像素的灰度梯度的影响程度越近影响越大，越远影响越小。图像中的每个点都用这两个核做卷积，一个核对垂直边缘响应最大，而另一个核对水平边缘响应最大，两个卷积的最大值作为该点的输出位，反映了当前位置灰度梯度(图像边缘)的主要方向和大小。运算结果反映了一幅边缘幅度图像。

因为拍摄的图像为1024×1024，采用的Sobel算子为3x3模板，所以图像周边的一圈像素(第1行、第1024行、第1列、第1024列)保持原灰度值。在图像的第2行2列到1023行1023列的范围内，用图5所示的算子模板进行扫描计算，即当前像素和与当前像素相邻的8个像素，分别与模板中位置相应的9个系数相乘，累加这9个乘积结果，就得到针对某一方向的灰度梯度。比较两个方向的计算结果，取最大者作为当前位置的灰度梯度。图7为图6经过Sobel算子进行边缘提取后得到的图像。该算法在ARM中是基于C语言实现的，体现了ARM软件编程灵活的特点。

3．3试验结果

图6是成功驱动CMOS图像传感器后拍摄的景物图像，可见图像非常清晰。本文分别针对Soble算子进行了基于PC机和基于ARM的实现，图7为图6经过ARM中的Sobel算子的边缘提取结果，图8为图6经过PC机中Sobel算子的边缘提取结果，图9为图7和图8逐像素的比较结果。可见两种实现方法得到的结果完全一致，说明了基于ARM的Sobel算子的实现是正确的。

上述图像驱动和处理系统如果仅用FPGA来实现，算法部分的实现会比较复杂；如果仅用ARM来实现，驱动时序的设计也会非常困难。而采用内嵌ARM核的FPGA芯片EPXAl0，单片就实现了上述系统，大大减小了设计的难度和电路的复杂性，同时也减小了硬件电路的体积和功耗，在系统小型化方面有着独特的优势。由于EPXAl0集成了先进的ARM922T处理器器以及高密度的FPGA，所以在不增加体积和改进硬件电路的情况下，可以实现更加复杂的图像处理算法和硬件控制逻辑设计，具有很强的系统扩展潜力。这种嵌入式方案必将成为集成电路的发展趋势，将会在未来较短的时间里得到快速的发展。