3.2 OpenCV仿真結(jié)果
　本項目程序首先實現(xiàn)OpenCV仿真，然后移植到FPGA中。OpenCV提供的圖像處理算法非常豐富，并且部分程序以C語言編寫，處理得當，不需要添加新的外部支持就可以完整的編譯連接生成執(zhí)行程序進行算法移植。本次仿真只運用“cv.h”和“highhui.h”兩個OpenCV庫，主要是運用其圖像加載、圖像顯示等函數(shù)，而中值濾波、邊緣檢測、鐵軌搜索函數(shù)自行編寫。仿真結(jié)果如圖4所示。

3.3 FPGA程序移植過程
3.3.1 圖像輸入與顯示[3]
　本項目把圖像數(shù)據(jù)轉(zhuǎn)換為.ELF文件格式，燒錄到NOR-Flash，在XPS的菜單下點擊Program Flash Memory，選擇自動格式轉(zhuǎn)換，即可進行燒錄，而且可以指定燒錄數(shù)據(jù)的位置。數(shù)據(jù)格式轉(zhuǎn)換利用Matlab軟件完成，程序如下：
fid = fopen(′pic.elf′， ′w′)；//打開文件
img =imread(′Image03.BMP′)；//讀圖像數(shù)據(jù)
imshow(img)；//顯示圖像
fwrite(fid，img.′)；//寫數(shù)據(jù)
fclose(fid)；//關(guān)閉文件
　由于是灰度圖像，只讀取其亮度值。圖像分辨率為640×480。寫數(shù)據(jù)可以用fprintf函數(shù)或fwrite函數(shù)，但是實驗表明使用fprintf函數(shù)寫數(shù)據(jù)，文件大小302 kB，顯示圖像不正常；而使用fwrite函數(shù)寫數(shù)據(jù)文件僅300 kB，顯示圖像正常。說明兩種函數(shù)寫數(shù)據(jù)方式本質(zhì)不同，造成寫入數(shù)據(jù)格式不同。
　圖像顯示過程：先從Flash中每次一行把數(shù)據(jù)讀入BRAM，然后把每一位亮度值移位變?yōu)镽、G、B三位，再從BRAM讀數(shù)據(jù)到SDRAM顯存，如此循環(huán)480次，用以顯示圖片。由于R、G、B值相同，顯示的便是灰度圖像。如果直接從Flash讀數(shù)據(jù)到SDRAM顯存，顯示圖像每行有不規(guī)則不連續(xù)的黑點，甚至顯示不正常。顯存的設(shè)置在TFT-Controller IP中完成，顯存空間為2 MB，起始地址與SDRAM起始地址相同。
3.3.2 圖像處理程序移植[3]
　由于開發(fā)環(huán)境不同，移植后程序在獨立系統(tǒng)上運行，需要對OpenCV仿真程序做一些改正。FPGA編程系統(tǒng)支持C語言標準庫函數(shù)，所以打印輸出顯示函數(shù)print()、動態(tài)內(nèi)存分配函數(shù)malloc()可以直接使用。盡管printf()函數(shù)也可以用于打印輸出結(jié)果，但目的是把程序放入大小為32 KB的BRAM，實驗表明它比print()函數(shù)占用空間大一倍。在OpenCV中，可以直接使用cvShowImage()、cvReleaseImage()、cvDestroyWindow()函數(shù)顯示圖像和釋放內(nèi)存空間，在移植程序中要自行設(shè)計這些函數(shù)。移植程序中subplot()函數(shù)用于在屏幕上顯示4幅圖像(降低分辨率源圖像、濾波圖像、閾值分割圖像、鐵軌檢測圖像)，DeleteAllPointElems()函數(shù)用于釋放內(nèi)存空間。其他函數(shù)，例如降低分辨率函數(shù)Dec()、濾波函數(shù)filter()、邊緣檢測函數(shù)edge()，可以完全使用OpenCV中的程序，不需要做修改。移植后主程序如下：
int main()
{ print("rn-- Entering main() --rn")；
SourceImage=(Xuint8*)malloc(640×480)；
DecImage=(Xuint8*)malloc(320×240)；
FilterImage=(Xuint8*)malloc(320×240)；
EdgeImage=(Xuint8*)malloc(320×240)；
ResultImage3=(Xuint8*)malloc(320×240)；
//為圖像分配內(nèi)存空間
if (SourceImage==NULL)
{print("rn--mem allo fail--rn")；
exit(1)；}//驗證空間是否分配成功
XTft_Initialize(Tft， TFT_DEVICE_ID)；
//TFT顯示初始化
XromTftTestColor("black"， 0)；
//顯示背景設(shè)置為黑色
flbuf=(unsigned char*)Flash_BASEADDR；
//設(shè)置Flash圖像基地址指針
p=SourceImage；//設(shè)置源圖像指針
for (y=0；yHEIGHT；y++)
{rowpoint1=flbuf+y*WIDTH；
for(x=0；xWIDTH；x++)
{data1=*(rowpoint1+x)；
*p++=data1；
} }//讀源圖像數(shù)據(jù)
dec(SourceImage，DecImage)；
filter(DecImage，F(xiàn)ilterImage，320)；
edge(FilterImage，EdgeImage，320)；
//圖像降低分辨率、濾波、邊緣化
nt areanum=0；
GetFeature(EdgeImage，320，240，
ConnLabel，pFeatures，areanum)；
//邊緣提取，搜索連通域
GetRailArea(320，240，pFeatures，
areanum，lowLeftRail，lowRightRail)；
//搜索鐵軌區(qū)域，獲得左右軌
int i， j；
for (i=1； i = areanum；i++){
DeleteAllPointElems(pFeatures[i])；}
//釋放內(nèi)存空間
int Left，Right；
for(i=1；i240； i++){
Left=lowLeftRail[i]；
Right=lowRightRail[i]；
if((Left>0)(Right>0)){
for(j=Left；j=Right；j++){
*(TrackImage+i*320+j)=255；}}}
//填充鐵軌左右軌之間區(qū)域
subplot(DecImage，1)；
subplot(FilterImage，2)；
subplot(EdgeImage，3)；
subplot(TrackImage，4)；
//顯示4幅處理圖像
print("-- Exiting main() --rn")；
}
　FPGA圖像處理結(jié)果如圖5所示。

　本文實現(xiàn)基于FPGA的鐵軌檢測算法，首先完成OpenCV程序仿真，然后移植到FPGA構(gòu)建的硬件系統(tǒng)中，可以成功檢測出鐵軌所在區(qū)域，并在一定條件下進行鐵軌智能延長。研究結(jié)果表明，檢測一幅分辨率為640×480圖像，大約需要30 s，如果應(yīng)用于實時視頻流系統(tǒng)中，則硬件平臺設(shè)計需要進行精簡，以提高速度。也可考慮基于硬核、多核技術(shù)，來提高處理速度，以滿足實時視頻流處理。