FPGA车牌识别与Modelsim仿真：基于正点原子达芬奇Artix - 7的探索

为了后续更好地进行图像处理，常常需要将采集到的RGB图像数据转换为Ycbcr格式。下面是一个简单的转换代码示例。

module rgb_to_ycbcr ( input wire [23:0] rgb, output reg [7:0] y, output reg [7:0] cb, output reg [7:0] cr ); always @(*) begin y = (8'd65 * rgb[23:16] + 8'd129 * rgb[15:8] + 8'd25 * rgb[7:0] + 8'd128) >> 8; cb = (8'd - 38 * rgb[23:16] - 8'd74 * rgb[15:8] + 8'd112 * rgb[7:0] + 8'd128) >> 8; cr = (8'd112 * rgb[23:16] - 8'd94 * rgb[15:8] - 8'd18 * rgb[7:0] + 8'd128) >> 8; end endmodule

这里依据RGB到Ycbcr的转换公式，通过简单的乘法、加法和移位操作实现了格式转换。这种转换在FPGA上实现效率较高，为后续的图像处理提供了合适的数据格式。

3. sobel边缘检测

sobel边缘检测是车牌识别中提取车牌轮廓的重要步骤。它通过与特定的卷积模板进行运算，增强图像中的边缘信息。

module sobel_edge_detection ( input wire [7:0] img_in, input wire clk, input wire rst, output reg [7:0] edge_out ); reg [7:0] gx[0:2][0:2]; reg [7:0] gy[0:2][0:2]; // sobel卷积模板 integer i, j; always @(posedge clk or posedge rst) begin if (rst) begin for (i = 0; i < 3; i = i + 1) begin for (j = 0; j < 3; j = j + 1) begin gx[i][j] <= 8'd0; gy[i][j] <= 8'd0; end end edge_out <= 8'd0; end else begin // 填充gx和gy模板数据（实际实现需结合图像存储方式调整） // 简单计算边缘强度 edge_out = (gx[0][0] + 2 * gx[0][1] + gx[0][2] + gx[1][0] + 2 * gx[1][1] + gx[1][2] + gx[2][0] + 2 * gx[2][1] + gx[2][2]) + (gy[0][0] + 2 * gy[0][1] + gy[0][2] + gy[1][0] + 2 * gy[1][1] + gy[1][2] + gy[2][0] + 2 * gy[2][1] + gy[2][2]); end end endmodule

在这个模块中，定义了两个3x3的数组gx和gy来存储sobel卷积模板与图像像素的乘积结果。通过时钟上升沿不断更新模板数据并计算边缘强度，最终输出经过边缘检测后的图像数据edge_out。

4. 腐蚀膨胀

腐蚀和膨胀操作能够进一步优化边缘检测后的图像，去除噪声、填补空洞等。以膨胀操作为例，下面是一段简单的代码。

module dilation ( input wire [7:0] img_in, input wire clk, input wire rst, output reg [7:0] img_out ); reg [7:0] max_value; always @(posedge clk or posedge rst) begin if (rst) begin max_value <= 8'd0; img_out <= 8'd0; end else begin // 假设3x3邻域，简单寻找最大值实现膨胀 max_value = img_in; // 实际需遍历3x3邻域更新max_value img_out = max_value; end end endmodule

在膨胀模块中，通过在时钟上升沿寻找3x3邻域内的像素最大值来实现膨胀操作。将找到的最大值输出作为膨胀后的图像数据img_out，这有助于突出车牌的轮廓信息。

5. 特征值提取与卷积模板匹配

这一步是识别车牌字符的关键。通过对经过处理的图像数据进行特征值提取，并与预先设定的字符卷积模板进行匹配，从而确定车牌上的字符。

module feature_matching ( input wire [7:0] processed_img, input wire clk, input wire rst, output reg [3:0] recognized_char ); // 这里假设简单的4位字符识别 // 实际需复杂的模板匹配算法和大量模板数据 always @(posedge clk or posedge rst) begin if (rst) begin recognized_char <= 4'd0; end else begin // 简单示例，比较图像特征与模板特征 if (processed_img == 8'd100) begin // 假设100为某个字符模板特征值 recognized_char <= 4'd5; // 假设匹配到字符5 end else begin recognized_char <= 4'd0; end end end endmodule

在这段代码中，通过时钟上升沿不断将经过处理的图像数据processed*img**与预设的字符模板特征值进行比较，若匹配成功则输出对应的字符编码recognized*char。当然，实际应用中需要更复杂的算法和大量的模板数据来提高识别准确率。

6. 结果显示

最后，将识别到的车牌字符结果显示在LCD显示屏上。这需要编写相应的驱动程序，将字符数据转换为LCD能够识别的信号格式。

module lcd_driver ( input wire clk, input wire rst, input wire [3:0] recognized_char, // LCD相关信号 output reg lcd_clk, output reg lcd_data ); // 这里省略复杂的LCD协议转换细节 always @(posedge clk or posedge rst) begin if (rst) begin lcd_clk <= 1'b0; lcd_data <= 1'b0; end else begin // 根据recognized_char编码发送相应的字符显示数据到LCD // 例如通过SPI或其他协议发送数据 end end endmodule

该模块根据识别到的字符编码recognized*char**，通过lcd*clk和lcd_data信号将字符数据发送到LCD显示屏进行显示。具体的协议转换和数据发送过程会根据LCD的接口类型和协议有所不同。

三、Modelsim仿真demo

Modelsim仿真是验证上述设计功能正确性的重要手段。通过编写测试平台（Testbench），可以模拟实际的输入信号，观察模块的输出是否符合预期。以rgb*to*ycbcr模块为例，下面是一个简单的测试平台代码。

module tb_rgb_to_ycbcr; reg [23:0] rgb; wire [7:0] y; wire [7:0] cb; wire [7:0] cr; rgb_to_ycbcr uut ( .rgb(rgb), .y(y), .cb(cb), .cr(cr) ); initial begin // 初始化输入 rgb = 24'hFF0000; // 红色 #10; // 检查输出 $display("Y: %0d, Cb: %0d, Cr: %0d", y, cb, cr); rgb = 24'h00FF00; // 绿色 #10; $display("Y: %0d, Cb: %0d, Cr: %0d", y, cb, cr); rgb = 24'h0000FF; // 蓝色 #10; $display("Y: %0d, Cb: %0d, Cr: %0d", y, cb, cr); $stop; end endmodule

在这个测试平台中，首先定义了输入信号rgb和输出信号y、cb、cr，并将其连接到待测试的rgb*to*ycbcr模块。通过initial块，依次给rgb信号赋不同的值（红、绿、蓝），并通过$display函数打印出转换后的y、cb、cr值，以此来验证模块的功能是否正确。

FPGA车牌识别demo+Modelsim仿真demo 软件用的Vivado2019.2，板子用的正点原子达芬奇Artix-7，FPGA芯片是XC7A35T，芯片下载到板子插好摄像头LCD显示屏即可用 功能包括:图像采集，RGB转Ycbcr,sobel边缘检测，腐蚀膨胀，特征值提取与卷积模板匹配，将识别到的结果显示在LCD显示屏（ALIENTEK正点原子 3寸RGB 800×480）上 车牌识别工程demo＋Modelsim仿真demo 摄像头型号为OV5640

通过以上从硬件平台搭建到各功能模块实现以及Modelsim仿真验证，一个完整的FPGA车牌识别系统就初步构建完成啦。当然，实际应用中还需要不断优化算法、提高识别准确率等，但这已经为我们深入研究车牌识别技术奠定了坚实的基础。希望这篇分享对大家有所帮助，欢迎一起交流探讨。