生成使用半精度数据类型的Sobel边缘检测代码

开放脚本

这个例子展示了如何从Matlab®函数中生成一个独立的C++库，该函数通过使用半精度浮点数来执行图像的Sobel边缘检测。Sobel边缘算法接受表示为矩阵的图像，并返回强调对应于其边缘的高空间频率区域的图像。此示例还显示了如何使用MEX函数测试genenrated代码。

Sobel边缘检测算法

在Sobel边缘检测算法中，对灰度图像执行二维空间梯度操作。该操作强调与图像中边缘相对应的高空间频率区域。

类型sobelEdgeDetectionAlg

函数edgeImg = sobelEdgeDetectionAlg(img,thresh) %#codegen %% Copyright 2018 The MathWorks, Inc. kern = half([1 2 1;0 0 0;1 2 1]);%寻找水平和垂直梯度。h = conv2 (img(:,: 2),克恩,“相同”);v = conv2 (img(:,: 2),克恩”、“相同”);求梯度的大小。e =√h。* h + v * v); % Threshold the edges edgeImg = uint8((e > thresh) * 240); end

Sobel边缘算法计算水平梯度h垂直梯度呢v用两个正交滤波核对输入图像进行处理马斯克斯和蒙面的．滤波操作后，算法计算梯度大小，并应用阈值来找到图像中与边缘对应的区域。

读取图像和打包数据到RGBA打包列主要顺序

使用伊姆雷德函数读取图像。伊姆雷德表示图像的RGB通道，每个像素对应一个整数。整数的取值范围是0 ~ 255。简单地将输入转换为一半类型可能会在卷积期间导致溢出。为了避免这个问题，将图像缩放到0到1之间。

我= imread (“peppers.png”)；figure（）；image（im）；imPacked=half（im）/255；thresh=half（100）/255；

生成墨西哥人

为C++生成一个C++ MEX函数sobelEdgeDetectionAlg函数的codegen命令。

cfg=coder.config(墨西哥人的);cfg。TargetLang =“c++”；cfg。GenerateReport = true;codegen配置cfgarg游戏{imPacked,打}sobelEdgeDetectionAlg

代码生成成功:要查看报告，打开('codegen/mex/sobelEdgeDetectionAlg/html/report.mldatx')

运行生成的MEX并显示检测到的边缘

在生成c++代码之前，必须首先在MATLAB环境中测试MEX函数，以确保它在功能上与原始MATLAB代码等效，并且不会发生运行时错误。默认情况下,codegen生成一个名为sobelEdgeDetectionAlg_mex在当前文件夹中。这允许您测试MATLAB代码和MEX函数，并比较结果。

out_disp = sobelEdgeDetectionAlg_mex (imPacked,打);图();显示亮度图像(out_disp);

生成静态C++库

使用codegen命令生成一个c++静态库。默认情况下，生成的库位于文件夹中codegen/lib/sobelEdgeDetectionAlg/．

cfg=coder.config(“自由”);cfg。TargetLang =“c++”；cfg。GenerateReport = true;codegen配置cfgarg游戏{imPacked,打}sobelEdgeDetectionAlg；

代码生成成功:要查看报告，打开('codegen/lib/sobelEdgeDetectionAlg/html/report.mldatx')

检查生成的函数

类型codegen/lib/sobelEdgeDetectionAlg/sobelEdgeDetectionAlg.cpp

////文件：sobelEdgeDetectionAlg.cpp///MATLAB编码器版本：5.3//C/C++源代码生成日期：2021年9月1日08:15:38///包括文件#包括“sobelEdgeDetectionAlg.h”#包括“conv2MovingWindowSameCM.h”#包括“rtwhalf.h”#包括“sobelEdgeDetectionAlg#u data.h”#包括“sobelEdgeDetectionAlg#u initialize.h”#包含//函数定义////sobelEdgeDetection示例用于边缘检测的MATLAB函数。//版权所有2018 The MathWorks，Inc.///参数：const real16_T img[589824]//real16_T thresh//unsigned char edgeImg[196608]//返回类型：void//void sobelEdgeDetectionAlg（const real16_T img[589824]，real16_T thresh，unsigned char edgeImg[196608]）{静态const real16_T hv[9]{real16_T（1.0F），real16_T（0.0F），real16_T（-1.0F），real16_T（2.0层F）（2.0层F）（2.0层F）（2.0层F）（2.0层F）、real16层T（1.0层F）、real16层T（0.0层F）、real16层T（0.0层F）、real16层T（0.0层F）、real16层T（2.0层F）、real16层T（1.0层F）、real16层T（1.0层F）、real16层T（0.0层T（0.0 0层F）、real16层T（0.0.0 0 0 0层T）、0.0.0层T（0.0.0层T）、0.0层T（0.0.0.0 0 0 0 0 0 0 0 0 0 0层F、0.0.0层T、0.0.0层T（0.0.0 0.0 0 0 0 0 0 0 0 0层）、0层、0层T（0.0.0.0.0.0.0、0 0]；静态真实16_T v[196608]；如果（！isInitialized_sobelEdgeDetectionAlg）{sobelEdgeDetectionAlg_Initialized（）}//查找水平和垂直梯度。编码器：：conv2MovingWindowSameCM（*（real16_T（*）[196608]）&img[196608]，hv，h）；编码器：：conv2MovingWindowSameCM（*（real16_T（*）[196608]）&img[196608]，hv1，v）；//查找梯度的大小//确定边缘的阈值（int k{0}；k<196608；k++）{real16_T b_h；real16_T h1；b_h=h[k]；h1=v[k]；b_h=static_cast（std:：sqrt（static_cast（b_h*b_h+h1*h1））；h[k]=b_h；edgeImg[k]=static_cast（（b_h>thresh）*u）；/u）}/////