先来说说soble算子，soble算子是一种离散性差分算子，用来运算图像亮度函数的灰度的近似值，在图像的任何一点使用这个算子，会得到对应的灰度矢量或法矢量。
SOBLE算子的卷积因子为：
soble算子包含两组3*3的矩阵，分别为横向和纵向，将 Gx 和 Gy 与图像做
卷积，即可分别得出横向和纵向的亮度差分近似值，如果用A表示原始图像，Gx 和 Gy 分别代表经横向和纵向边缘检测的图像灰度值，公式如下：
图像每一个像素的横向和纵向灰度值通过一下公式结合，来计算该点灰度的大小：
通常，为了提高效率，使用不开平方的近似值，但是这样做会损失精度，迫不得已的时候可以这样做：
就是这个G就是判断条件，如果梯度G大于某一阈值（THRESHOLD），则认为该点（X,Y）为边缘点。可以使用下面公式计算梯度方向（如果只是边缘检测则不需要计算方向）
soble算子的verilog实现，可以划分为4个步骤，解析和实现分别如下：
（1）计算Gx, Gy与3*3像素阵列每行的乘积。
以上是例化生成3*3矩阵的模块，下面的代码是计算Gx, Gy。（2个clk）
这个理解起来不难，比较简单，先用一个时钟计算3*3矩阵每行的像素乘积，再求的卷积后的Gx，Gy，因此消耗了两个时钟。
（2）求Gx^2+Gy^2的结果，及Gx与Gy的平方和。（1个clk）
这一步直接通过veilog中的乘法器的描述来实现，综合时会自动布线为片内乘法器，如下。
（3）求Gx^2+Gy^2的平方根。（1个clk）
强大的ALTERA在QII软件中提供了平方根的IP核，如下所示。
下面给出SQRT的例化代码：
（4）根据外部输入阈值，判断并实现边缘的检测。（1个clk）
soble_threshold 是外部输入的一个人为设定的阈值。
（5）前面几步对图像数据的处理总共消耗了5个时钟，因此图像阵列的同步信号需要延迟5个时钟。
以上就完成了Soble 算子的HDL移植。是不是很简单？真的不难。