تبدیل تصاویر رنگی RGB به خاکستری به روش میانگین‌گیری وزن‌دهی شده با استفاده از جابه‌جایی و جمعِ ترکیب مولفه‌های رنگی جهت کاهش واحدهای محاسباتی و خطا در تراشه‌های FPGA
محورهای موضوعی : آرایه‌های منطقی برنامه‌پذیر (FPGA)
مهدی عجمین همدانی
1
,
پیام سنائی
2
*
1 - دانشکده مهندسی برق- واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران
2 - مرکز تحقیقات پردازش دیجیتال و بینایی ماشین- واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران
کلید واژه: اعداد ممیز ثابت, پردازش تصویر, تبدیل تصاویر رنگی به تصاویر خاکستری, تراشه‌های مجتمع منطقی برنامه‌پذیر, الگوریتم‌های محاسباتی,
چکیده مقاله :
تبدیل تصاویر رنگی RGB به خاکستری یکی از مسائل مهم و اساسی در حوزة پردازش تصویر بوده، از این رو روش‌های متعددی برای پیاده‌سازی سخت‌افزاری الگوریتم‌های مربوطه ارائه گردیده است. الگوریتم‌های تبدیل تصاویر رنگی به خاکستری در بخش پیش‌پردازش اکثر برنامه‌های بینایی ماشین، جهت تشخیص چهره و اشیاء به کار برده می‌شوند. در اکثر مسائل مرتبط با بازشناسی تصاویر، اطلاعات از طریق دوربین‌های تصویربرداری دیجیتال دریافت شده، از این رو نرخ داده‌های ورودی به سامانة سخت‌افزاری بسیار بالا است. بنابراین برای پردازش بی‌درنگ و محاسبة در لحظة الگوریتم‌های به کار برده شده، نیازمند سرعت بخشیدن به محاسبات هستیم. یکی از راه‌کار‌های سخت‌افزاری برای انجام سریع این محاسبات، استفاده از تراشه‌های مجتمع منطقی برنامه‌پذیر (FPGA) است. از مزایای این تراشه‌ها، امکان پیاده‌سازی سخت‌افزاری الگوریتم‌های محاسباتی بهصورت پردازش موازی، همروند و مدار‌های منطقی تمام ترکیبی است. در این مقاله برای کاهش خطای محاسباتی از سیستم عددی ممیز ثابت استفاده شده و مصالحه‌ای بین دقت و تعداد بلوک‌های منطقی به کار رفته ایجاد شده است. این امر به مدیریت منابع سخت‌افزاری کمک بسزایی می‌کند. همچنین روش‌های مختلفی برای تبدیل تصاویر رنگی به خاکستری روی تراشه‌های FPGA ارزان قیمت طراحی شده، و نتایج با یکدیگر مقایسه شده‌اند. با استفاده از روش ترکیب مولفه‌های رنگی در محاسبات اعشاری ممیز ثابت (ضرایب مولفه‌ها 8 یا 15بیت اعشار و محاسبات 8 بیت اعشار) شاخص خطای میانگین مربعات (MSE) در تصویر خاکستری شدة لنا 512×512 برابر با 0184/0 گشت و برای پیاده‌سازی سخت‌افزار متناظر، 105 بلوک منطقی(LB) بهکار گرفته شده است.
Converting RGB (red-green-blue) images to gray-scale is one of the important and fundamental issues in the field of image processing, so many algorithms have been developed to achieve this purpose. These algorithms are used in the most of the machine vision applications pre-processing unit to recognize face, target and objects. In the nearly all image recognition processes, the frame rate of the images which are applied to the system through the digital cameras, is too high; Therefore, in order to achieve real-time processing, the speed of algorithm calculations must be increased. Field programmable gate arrays (FPGA) chips are one of the choices to process algorithms by hardware rapidly. The advantages of these chips are the possibility of hardware implementation of procedures by concurrent and parallel processing algorithms and fully combinational logic circuits. In this research to reduce the calculation error, we used a fixed-point system, and we have a tradeoff between the accuracy and the used logic-blocks. This will help us to manage the hardware resources perfectly. In this article, we design and compare different methods to convert color image to gray on inexpensive FPGA chip. By using the combining color components method with fixed-point calculations (the fractional part of the image components coefficients are 8/15 bits, and in the calculations, the fractional part of numbers 8 bits), the mean square error (MSE) index for the Lenna 512×512 grayscale image was 0.0184 and 105 logic block (LB) units were used to implement the corresponding hardware.