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

روش‌های هوشمند در صنعت برق

مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 25 اردیبهشت 1402   

نوع مقاله: مقاله پژوهشی

نویسندگان

مهدی عجمین همدانی¹؛ پیام سنائی^{* 2}

¹دانشکده مهندسی برق- واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران

²مرکز تحقیقات پردازش دیجیتال و بینایی ماشین- واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران

چکیده

تبدیل تصاویر رنگی RGB به خاکستری یکی از مسائل مهم و اساسی در حوزة پردازش تصویر بوده، از این­رو 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 به­کار برده می‌شوند. در اکثر مسائل مرتبط با بازشناسی تصاویر، اطلاعات از طریق دوربین‌های تصویربرداری دیجیتال دریافت شده، از این­رو نرخ داده‌های ورودی به سامانة سخت‌افزاری بسیار بالا است. بنابراین برای پردازش‌ بی‌درنگ و محاسبة در لحظة الگوریتم‌های به­کار 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 به­کار 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. 

کلیدواژه‌ها

اعداد ممیز ثابت؛ پردازش تصویر؛ تبدیل تصاویر رنگی به تصاویر خاکستری؛ تراشه‌های مجتمع منطقی برنامه‌پذیر؛ الگوریتم‌های محاسباتی

مراجع

[1] P. Sanaee, P. Moallem, F. Razzazi, "An interpolation filter based on natural neighbor Galerkin method for salt and pepper noise restoration with adaptive size local filtering window", Signal, Image and Video Processing, vol. 13 , pp. 895-903, Jan. 2019 (doi: 10.1007/s11760-019-01426-3).

[2] B. Lee, J. Choi, K. Yun, J.Y. Choi. "Gradient preserving RGB-to-gray conversion using random forest", Proceeding of the IEEE/ICIP, pp. 3170-3174, Quebec City, QC, Canada, Sept. 2015 (doi: 10.1109/ICIP.20­15.7351388).

[3] H.Z. Nafchi, A. Shahkolaei, R. Hedjam, M. Cheriet, "CorrC2G: Color to gray conversion by correlation", IEEE Signal Processing Letters, vol. 24, no. 11, pp. 1651-1655, Nov. 2017 (doi: 10.1109/LSP.2017.2755077).

[4] Y. Kim, J. Cheolhun, J. Demouth, L. Seungyong, "Robust color-to-gray via nonlinear global mapping", ACM Transactions on Graphics, vol. 28, no. 5, pp. 1-4, Dec. 2009 (doi: 10.1145/1661412.1618507).

[5] H.A.A. Alshadoodee,  M.Q. Dhahir, Z.H. Rasool, "Digital camera in movement tracking on FPGA board DE2", Proceeding of the IEEE/RusAutoCon, pp. 1-8, Sochi, Russia, Dec. 2019 (doi: 10.1109/RUSAUTO­CO­N.­2­019.8867726).

[6] S.H. Keyhomayoon, M. Amoom, "Design and implementation of an intelligent high frequency counter with optimized architecture on a low cost FPGA Chip XC6SLX9-2FTG256C", Journal of Intelligent Procedures in Electrical Technology, vol. 14, no. 54, pp. 147-157, Sept. 2023 (dor: 20.1001.1.23223871.1402.14.54.10.6).

[7] O. Sharifi Tehrani, M. Ashorian, P. Moallem, “Hardware implementation of LMS-based adaptive noise cancellation core with low resource utilization”, Journal of Intelligent Procedures in Electrical Technology, vol. 2, no. 7, pp. 68-73, Dec. 2011 (dor: 20.1001.1.23223871.1390.2.7.8.6).

[8] A. Abdolazimi, A.S. Molahosseini, F. Keynia, "Detect and implement facial modes in image on FPGA using multilayer neural network", International Journal of Smart Electrical Engineering, vol. 10, no. 3, pp. 135-140, Sept. 2021 (doi: 10.30495/ijsee.2021.684015).

[9] X. Yang, S. Sha, "Exploiting energy–quality (E–Q) tradeoffs: A case study on color-to-grayscale converters with approximate design on FPGA", Journal of Circuits, Systems and Computers, vol. 30, no. 04, Article Number: 2150062, Aug. 2020 (doi: 10.1142/S0218126621500626).

[10] U. Swathi, U. Smitha, "Design and implementation of efficient RGB to gray scale converter architectures using reversible logic", Proceeding of IEEE/DISCOVER, pp. 194-199, Udupi, India, Oct. 2020 (doi: 10.11­09/DIS­COVER50404.2020.9278066).

[11] K. Kumar, R.K. Mishra, D. Nandan, "Efficient hardware of RGB to gray conversion realized on FPGA and ASIC", Procedia Computer Science, no. 171, pp: 2008-2015, Jan. 2020 (doi: 10.1016/j.procs.2020.04.215).

[12] Y. Zhang, X. Yang, L. Wu, J. Lu, K. Sha, A. Gajjar, H. He, "Exploring slice-energy saving on an video processing FPGA platform with approximate computing", Proceeding of the ICACS, pp. 138-143, Beijing, China, Jul 2018 (doi: 10.1145/3242840.3242852).

[13] G. Ravivarma, K. Gavaskar, D. Malathi, K.G. Asha, B. Ashok,  S. Aarthi, "Implementation of sobel operator based image edge detection on FPGA", Materials Today: Proceedings, vol. 45, part 2, pp. 2401-2407, Jan. 2021 (doi: 10.1016/j.matpr.2020.10.825).

[14] B.P. Kumar, B.H. Kumar, "FPGA implementation of canny edge detection algorithm for noisy image identification", International Journal of Management, Technology and Engineering, vol. 9, no. 12, pp. 386-395, Dec. 2019.

[15] S. Yaman, M. Yildrim, B. Karmşhoğlu, Y. Erol, H. Kürüm, "Image and video processing applications using Xilinx system generator", Proceeding of the IEEE/ISDFS, pp. 1-5, Barcelos, Portugal, June 2019 (doi: 10.1109/ISDFS.2019.8757540).

[16] C. Li, Y. Bi, F. Marzani, F. Yang, "Fast FPGA prototyping for real-time image processing with very high-level synthesis", Journal of Real-Time Image Processing, vol. 16, pp. 1795–1812, Apr. 2017 (doi: 10.1007/s1­155­4-017-0688-1).

[17] G. Wilson, Y. Premson, "FPGA implementation of hardware efficient algorithm for image contrast enhancement using Xilinx System Generator", Procedia Technology, vol. 24, pp. 1141-1148, Jan. 2016 (doi: 10.1016/j.protcy.2016.05.067).