FPGA üzerinde görüntü işleme algoritmalarının gerçek zamanlı gerçekleştirilmesi

Öz

Sunulan bu çalışmada, köşe algılama algoritmalarından FAST ve Harris köşe algılama algoritmaları, kenar bulma algoritmalarından Sobel kenar bulma algoritması, morfolojik işlem algoritmalarından yayma ile aşındırma yöntemleri ve renk değiştirme algoritması FPGA çipleri üzerinde çalışmak üzere gerçek zamanlı olarak tasarlanmıştır. Tasarlanan gerçek zamanlı görüntü işleme algoritmalarında Xilinx Vivado Design Suite HLx kullanılmıştır. Gerçek zamanlı görüntüler HDMI aracığıyla kameradan alınmıştır. Alınan gerçek zamanlı görüntü verilerinin FPGA üzerinde işlenebilmesi için VHDL kullanılmıştır. Yapılan tüm tasarımlar Xilinx Zybo Z7-20 kartı üzerinde gerçeklenmiştir. FPGA-tabanlı tasarımların sonuçlarından elde edilen görüntü verileri, HDMI aracılığıyla monitöre aktarılmıştır. Xilinx Zybo Z7-20 FPGA kartı üzerinde çalışmak üzere tasarımı yapılan gerçek zamanlı görüntü işleme algoritmalarından elde edilen sonuçlar sunulmuştur.

Anahtar Kelimeler

• Gerçek zamanlı görüntü işleme
• FPGA
• Vivado HLx
• VHDL

Real time realization of image processing algorithms on FPGA

Öz

In this presented study, FAST and Harris corner detection algorithms, Sobel algorithm from edge detection algorithms, dilation and erosion methods from morphological processing algorithms, and color changing algorithm have been designed to work on FPGA chips in real time. Xilinx Vivado Design Suite HLx was used in the designed real time image processing algorithms. Real-time images were taken from the camera via HDMI. VHDL was used to process the real-time image data received on FPGA. All designs were implemented on the Xilinx Zybo Z7-20 card. Image data obtained from the results of FPGA-based designs were transferred to the monitor via HDMI. The results obtained from real-time image processing algorithms designed to work on Xilinx Zybo Z7-20 FPGA board have been presented.

Anahtar Kelimeler

• Real time image processing
• FPGA
• Vivado HLx
• VHDL

Kaynakça

1. Prakash, J., Dehghani, H., Pogue, B. W. ve Yalavarthy, K., Model-Resolution-Based Basis Pursuit Deconvolution Improves Diffuse Optical Tomographic Imaging, IEEE Transaction on Medical Imaging, 33, 4, 891-901, (2019).
2. Rana, K. B., Agrawal, G. D., Mathur, J. ve Puli, U., Measurement of void fraction in flow boiling of ZnO water nanofluids using image processing technique, Nuclear Engineering and Design, 270, 217-226, (2014).
3. Gürevin, B., Yıldız, M., Güleryüz, E., Kutlu, M. ve Sorgun, Ö., A Chaos Based Image Encryption On LabVIEW, Chaos Theory and Applications, 2, 2, 69-76, (2020).
4. Lu, W., Lifan, Z., Guoan, B., Chunru, W. ve Lei, Y., Enhanced ISAR Imaging by Exploiting the Continuity of the Target Scene, IEEE Transactions on Geoscience and Remote Sensing, 52, 9, 5736-5750, (2014).
5. Xiao, Y. ve Dong, S., Multilevel-Based Topology Design and Cell Patterning with Robotically Controlled Optical Tweezers, IEEE Transactions on Control Systems Technology, 23, 1, 176-185, (2015).
6. Ozturk, T., Talo, M., Yildirim, E. A., Baloglu, U. B., Yildirim, O. ve Acharya, U. R., Automated detection of COVID-19 cases using deep neural networks with X-ray images. Computers in Biology and Medicine, 121, 103792, (2020).
7. Yu, Y. H. ve Chang, C. C., A New Edge Detection Approach Based On İmage Context Analysis, Image And Vision Computing, 24, 10, 1090-1102, (2006).
8. Gonzales, R. C. ve Woods, R. E., Digital Image Processing, 722, Prentice-Hall, New Jersey, (2002).

9. Harris, C. ve Stephens, M., A Combined Corner And Edge Detector, Proceedings of the 4th Alvey Vision Conference, 147-151, (1988).
10. Koyuncu, I., Özcerit, A. T. ve Pehlivan, I., Implementation of FPGA-based Real Time Novel Chaotic Oscillator, Nonlinear Dynamics, 75, 1-2, 49-59, (2014).
11. Kumar, S. ve Prabat, P., FPGA Implementation of Image Segmentation By Using Edge Detection Based On Sobel Edge Operator, International Journal of Research in Engineering and Technology, 2, 10, 198-203, (2013).
12. Mehra, R. ve Rupinder, V., Area Efficient FPGA Implementation of Sobel Edge Detector for Image Processing Applications, International Journal of Computer Applications, 56, 16, 7-11, (2012).
13. Nausheen, N., Seal, A., Khanna, P. ve Halder, S., A FPGA based implementation of Sobel edge detection, Microprocessors and Microsystems, 56, 84-91, (2018).
14. Karaköse, M., Baygın, M., Aydın, İ., Sarımaden, A. ve Akın, E., Endüstriyel Sistemlerde Arkaplan Çıkarımı Tabanlı Hareketli Nesne Tespiti ve Sayılması için Yeni Bir Yaklaşım, Muş Alparslan Üniversitesi Fen Bilimleri Dergisi, 4, 2, 373-381, (2016).
15. Aydoğdu, M. F., Demirci, M. F. ve Kasnakoğlu, C., Pipelining Harris Corner Detection with a Tiny FPGA for a Mobile Robot, Proceeding of the IEEE International Conference on Robotics and Biomimetics, Shenzhen, China, 2177-2184, (2013).
16. Gacar, A., FPGA Tabanlı Görüntü Işleme Arabirimi, Yüksek Lisans Tezi, Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, İzmir, (2009).
17. Özçelik, M. F., Görüntü İşleme Algoritmalarının FPGA Üzerinde Gerçeklenmesi, Yüksek Lisans Tezi, Gazi Üniversitesi, Bilişim Enstitüsü, Ankara, (2012).
18. Çil, M. M., Temel Görüntü İşleme Algoritmalarının FPGA Üzerinde Gerçeklenmesi, Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul, (2015).
19. Kızılkaya, R., Implementation Of Image Processing Algorithms On FPGA Demonstration Board, Yüksek Lisans Tezi, Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, İzmir, (2012).
20. Çelik, A. R., Görüntü İşleme Algoritmalarının FPGA Donanımı Üzerinde Gerçeklenmesi, Yüksek Lisans Tezi, Kahramanmaraş Sütçü İmam Üniversitesi, Fen Bilimleri Enstitüsü, Kahramanmaraş, (2013).
21. Özalp, R., Çip Üzerinde Sistem Mimarili FPGA Kullanarak Gerçek Zamanlı Görüntü İşleme Algoritmalarının Gerçekleştirilmesi, Yüksek Lisans Tezi, Fırat Üniversitesi Fen Bilimleri Enstitüsü, Elazığ (2018).
22. Altuncu, M. A., Temel Görüntü İşleme Algoritmalarının Gerçek Zamanlı Olarak FPGA ile Gerçeklenmesi, Yüksek Lisans Tezi, Kocaeli Üniversitesi, Fen Bilimleri Enstitüsü, Kocaeli, (2015).
23. Jing, H. ve Xiaoqiong, X., Sports image detection based on FPGA hardware system and particle swarm algorithm, Microprocessors and Microsystems, 80, 103348, (2021).
24. Selvaganesh, M., Esakki-Vigneswaran, E. ve Vaishnavi. V., FPGA Implementation of Low Latency and Highly Accurate Median Filter Architecture for Image Processing Applications, Inventive Systems and Control, 805-816, Springer, Singapore, (2021).
25. Arshad, A., Shaukat S., Ali, A., Eleyan, A., Shah, S. A. ve Ahmad, J., An Essential Framework for Image Encryption, Chaos Theory and Applications, 2, 1, 17-22, (2020).
26. Trajkovic, M. ve Hedley, M., Fast corner detection, Image and Vision Computing, 16, 75-87, (1998).
27. Rosten, E. ve Drummond, T., Machine Learning for High-Speed Corner Detection, European Conference on Computer Vision, 430-443, United Kingdom, (2006).
28. Cuevas, E., Zaldıvar, D., Pérez-Cısneros, M., Sánchez, E. ve Ramírez-Ortegón, M., Robust Fuzzy Corner Detector, Intelligent Automation and Soft Computing, 17, 415-429, (2011).
29. Harris, C. ve Stephens, M., A combined corner and edge detector, Proceedings of the 4th Alvey Vision Conference, 147–151, (1988).
30. Aybar, E., Sobel İşleci Kullanılarak Renkli Görüntülerde Kenar Bulma, Afyon Kocatepe Üniversitesi Fen Bilimleri Dergisi, 8, 205-217, (2008).
31. Koyuncu, İ., Tuna, M. ve Alçın, M., FPGA tabanlı farklı nümerik algoritmalar ile kaotik osilatör tasarımları, International Eurasian Conference on Science, Engineering and Technology. 2532-2541, Ankara, Turkey, (2018).
32. Koyuncu, İ., Implementation of High Speed Tangent Sigmoid Transfer Function Approximations for Artificial Neural Network Applications on FPGA, Advances in Electrical and Computer Engineering, 18, 3, 79-86, (2018).
33. Alçın, M., Pehlivan, İ. ve Koyuncu, İ., Hardware design and implementation of a novel ANN-based chaotic generator in FPGA. Optik-International Journal for Light and Electron Optics, 127, 13, 5500-5505, (2018).