【连载7.3.4.】Median_Filter均值滤波算法的实现
0赞这一节忘了，今天补上！
ChinaAET《电子应用技术》出版过一篇值得参考的《基于FPGA的实时中值滤波器的硬件实现》，该文采用FPGA+SRAM实现了实时中值滤波，思维值得参考（当然Bingo认为实时实现仅用Shift_RAM就够用）。Okay，转移话题，我们现在的重点是如何快速求得9个值的均值，该论文介绍了某种快速排序法，如下图所示：
从图中可知，首先对，每行的3个像素进行排序，接着提取三个最大值中的最小值，最小值中的最大值，以及中值中的中值；最后再在得到的三个值中，提取中间值，得到最后的结果。整个计算耗费了3个clk，而不需要冒泡法去实现，时间上非常的节省。
在前面经过VIP_Matrix_Generate_3X3_8Bit模块的设计，花了九牛二虎之力，我们终于得到了梦想中的3*3像素阵列，每个像素为8Bit深度。此时开始设计实现均值滤波算法。
（1）首先分别对每行3个像素进行排序，Verilog HDL的实现，由于并行特性，我们只需要一个时钟，实现如下：
module Sort3
(
input clk,
input rst_n,
input [7:0] data1, data2, data3,
output reg [7:0] max_data, mid_data, min_data
);
//-----------------------------------
//Sort of 3 datas
always@(posedge clk or negedge rst_n)
begin
if(!rst_n)
begin
max_data <= 0;
mid_data <= 0;
min_data <= 0;
end
else
begin
//get the max value
if(data1 >= data2 && data1 >= data3)
max_data <= data1;
else if(data2 >= data1 && data2 >= data3)
max_data <= data2;
else//(data3 >= data1 && data3 >= data2)
max_data <= data3;
//get the mid value
if((data1 >= data2 && data1 <= data3) || (data1 >= data3 && data1 <= data2))
mid_data <= data1;
else if((data2 >= data1 && data2 <= data3) || (data2 >= data3 && data2 <= data1))
mid_data <= data2;
else//((data3 >= data1 && data3 <= data2) || (data3 >= data2 && data3 <= data1))
mid_data <= data3;
//ge the min value
if(data1 <= data2 && data1 <= data3)
min_data <= data1;
else if(data2 <= data1 && data2 <= data3)
min_data <= data2;
else//(data3 <= data1 && data3 <= data2)
min_data <= data3;
end
end
上述电路实现了第一步的运算，新建Median_Filter_3X3.v，例化Sort3如下：
//Step1
wire [7:0] max_data1, mid_data1, min_data1;
Sort3 u_Sort3_1
(
.clk (clk),
.rst_n (rst_n),
.data1 (data11),
.data2 (data12),
.data3 (data13),
.max_data (max_data1),
.mid_data (mid_data1),
.min_data (min_data1)
);
（2）接着，对三行像素取得的排序进行处理，即提取三个最大值中的最小值，三个最小值中的最大值，以及三个中间值的中间值。这里直接例化Sort3模块即可，如下所示：
//Step2
wire [7:0] max_min_data, mid_mid_data, min_max_data;
Sort3 u_Sort3_4
(
.clk (clk),
.rst_n (rst_n),
.data1 (max_data1),
.data2 (max_data2),
.data3 (max_data3),
.max_data (),
.mid_data (),
.min_data (max_min_data)
);
Sort3 u_Sort3_5
(
.clk (clk),
.rst_n (rst_n),
.data1 (mid_data1),
.data2 (mid_data2),
.data3 (mid_data3),
.max_data (),
.mid_data (mid_mid_data),
.min_data ()
);
Sort3 u_Sort3_6
(
.clk (clk),
.rst_n (rst_n),
.data1 (min_data1),
.data2 (min_data2),
.data3 (min_data3),
.max_data (min_max_data),
.mid_data (),
.min_data ()
);
（3）最后，将（2）中得到的三个值，再次取中值，求得最终9个像素的中值，如下：
//step3
Sort3 u_Sort3_7
(
.clk (clk),
.rst_n (rst_n),
.data1 (max_min_data),
.data2 (mid_mid_data),
.data3 (min_max_data),
.max_data (),
.mid_data (target_data),
.min_data ()
);
Okay，从（1）-（3），我们花费了3个clock，完成了3*3像素阵列的中值提取。这三个步骤的RTL图如下所示，输入9个像素，输出目标中值像素：
最后在VIP_Gray_Median_Filter.v中的中值提取例化如下：
//Median Filter of 3X3 datas, need 3 clock
wire [7:0] mid_value;
Median_Filter_3X3 u_Median_Filter_3X3
(
.clk (clk),
.rst_n (rst_n),
//ROW1
.data11 (matrix_p11),
.data12 (matrix_p12),
.data13 (matrix_p13),
//ROW2
.data21 (matrix_p21),
.data22 (matrix_p22),
.data23 (matrix_p23),
//ROW3
.data31 (matrix_p31),
.data32 (matrix_p32),
.data33 (matrix_p33),
.target_data (mid_value)
);
既然耗费了3个时钟，那行场、像素使能也需要相应的移动3个时钟，来保持同步，这一点非常的重要，如下：
//------------------------------------------
//lag 3 clocks signal sync
reg [2:0] per_frame_vsync_r;
reg [2:0] per_frame_href_r;
always@(posedge clk or negedge rst_n)
begin
if(!rst_n)
begin
per_frame_vsync_r <= 0;
per_frame_href_r <= 0;
end
else
begin
per_frame_vsync_r <= {per_frame_vsync_r[1:0], matrix_frame_vsync};
per_frame_href_r <= {per_frame_href_r[1:0], matrix_frame_href};
end
end
assign post_frame_vsync = per_frame_vsync_r[2];
assign post_frame_href = per_frame_href_r[2];
assign post_img_Gray = post_frame_href ? mid_value : 8'd0;
最后，给出中值滤波的Modelsim仿真图，如下图所示（新架构没有*_clken）：
在前面已经搞定3*3的基础上，实现个中值滤波已经非常轻松了，当然前提是您已经掌握了这些设计内容。在VIP_Image_Processor中例化VIP_Gray_Median_Filter，如下所示：
//--------------------------------------
//Gray Image median filter for better picture quality.
wire post3_frame_vsync; //Processed Image data vsync valid signal
wire post3_frame_href; //Processed Image data href vaild signal
wire [7:0] post3_img_Gray; //Processed Image Gray output
VIP_Gray_Median_Filter
#(
.IMG_HDISP (IMG_HDISP), //640*480
.IMG_VDISP (IMG_VDISP)
)
u_VIP_Gray_Median_Filter
(
//global clock
.clk (clk), //cmos video pixel clock
.rst_n (rst_n), //global reset
//Image data prepred to be processd
.per_frame_vsync (post2_frame_vsync), //Prepared Image data vsync valid signal
.per_frame_href (post2_frame_href), //Prepared Image data href vaild signal
.per_img_Gray (post2_img_Gray), //Prepared Image brightness input
//Image data has been processd
.post_frame_vsync (post3_frame_vsync), //Processed Image data vsync valid signal
.post_frame_href (post3_frame_href), //Processed Image data href vaild signal
.post_img_Gray (post3_img_Gray) //Processed Image brightness output
);
`else
assign post3_frame_vsync = post2_frame_vsync;
assign post3_frame_href = post2_frame_href;
assign post3_img_Gray = post2_img_Gray;
最后，全编译、生成下载jic文件，在VGA或者PC上位机上观察处理后的视频，如下所示：
上图左为原始灰度图像，上图右为中值滤波后的图像，可见中值滤波后的图像相对暗了一点，因为最大值被舍去了。但相对于均值滤波而言，中值滤波在滤除噪声的基础上，有效的保存了细节。
此外，顺便说说均值滤波和中值滤波的效果区别，这里对比一下如下图：
上图左为均值滤波图像，上图右为中值滤波后的图像。从图分析，可见均值滤波后的图像，较中值滤波处理的图像，模糊而又丧失了细节。对于椒盐噪声类的处理，中值滤波的优势要比均值滤波大。
此正如前面说的，图像处理中滤波算法有很多，但是万变不离其宗，掌握了最基本的图像处理，更多的模板算法处理方式，也就是移植与实现的问题。Bingo在此介绍了最基本的中值滤波算法的FPGA实现，更典型、富有针对性、更NB的滤波算法，有待读者自己去研究实现！
VIP图像处理，让世界变得更精彩！
郑重声明：只有100%掌握了这一章，才能了解Bingo VIP算法实现的精髓，才有继续往下看的意义！！！
