下载文档原格式
《基于FPGA的边缘检测系统设计》篇一一、引言随着人工智能和计算机视觉技术的快速发展，边缘检测作为图像处理中的关键技术，被广泛应用于众多领域。
然而，传统的边缘检测方法通常需要大量的计算资源和时间，难以满足实时性和高效性的要求。
因此，基于FPGA（现场可编程门阵列）的边缘检测系统设计成为了研究的热点。
本文旨在探讨基于FPGA的边缘检测系统设计，以提高图像处理的效率和准确性。
二、系统设计概述本系统设计以FPGA为核心，通过硬件加速的方式实现边缘检测算法。
系统主要包括图像输入、预处理、边缘检测、后处理和图像输出等模块。
其中，预处理模块对输入图像进行去噪、平滑等处理，以提高边缘检测的准确性；边缘检测模块采用高效的边缘检测算法，如Sobel、Canny等；后处理模块对检测到的边缘进行平滑、连接等处理，以得到更完整的边缘信息。
三、FPGA硬件加速设计FPGA具有并行计算、高带宽和低功耗等优点，非常适合用于加速图像处理算法。
在边缘检测系统中，我们通过设计专门的硬件电路，将边缘检测算法映射到FPGA上，实现并行计算和高速数据处理。
具体而言，我们采用了流水线设计，将边缘检测算法分解为多个模块，每个模块负责一部分计算任务，并通过数据流水线的方式实现高速数据处理。
此外，我们还优化了算法的硬件实现方式，降低了功耗和硬件资源消耗。
四、边缘检测算法设计在边缘检测算法设计中，我们采用了Canny算法作为主要算法。
Canny算法具有高准确性和鲁棒性，能够有效地检测出图像中的边缘信息。
在FPGA上实现Canny算法时，我们采用了分级处理的思路，将算法分解为多个级联的模块，每个模块负责一部分计算任务。
通过优化算法的硬件实现方式，我们提高了系统的处理速度和准确性。
五、系统实现与测试我们采用Verilog HDL语言编写了FPGA的程序代码，并通过仿真和实际测试验证了系统的可行性和性能。
在测试中，我们使用了多种不同的图像数据，包括自然场景、人像等。
《基于FPGA的边缘检测系统设计》篇一一、引言随着计算机视觉技术的飞速发展，边缘检测已成为图像处理领域中一个重要的研究方向。
边缘检测是图像处理的基本任务之一，能够有效地提取图像中的轮廓和特征信息。
传统的边缘检测算法在计算上往往存在耗时、复杂度高的问题，而基于FPGA （现场可编程门阵列）的边缘检测系统设计，能够显著提高算法的运算速度和效率。
本文将介绍一种基于FPGA的边缘检测系统设计，以实现高效、快速的边缘检测。
二、系统设计概述本系统设计以FPGA为核心，通过硬件加速的方式实现边缘检测算法。
系统主要包括图像输入模块、预处理模块、边缘检测模块、后处理模块以及图像输出模块。
各模块之间通过FPGA内部的逻辑控制单元进行协调工作，实现图像的实时处理和输出。
三、模块设计1. 图像输入模块：负责接收原始图像数据，并将其传输至预处理模块。
该模块可采用高速图像传输接口，如PCIe或HDMI 等，以保证图像数据的实时传输。
2. 预处理模块：对输入的原始图像进行预处理，包括去噪、灰度化等操作，以提高边缘检测的准确性和效率。
预处理模块可采用FPGA内部的硬件加速器进行加速处理。
3. 边缘检测模块：本系统的核心模块，负责实现边缘检测算法。
该模块采用硬件加速的方式，通过FPGA内部的逻辑控制单元和专用硬件加速器实现边缘检测算法的快速运算。
常见的边缘检测算法包括Sobel算子、Canny算子等，可根据实际需求选择合适的算法。
4. 后处理模块：对边缘检测结果进行后处理，包括阈值处理、形态学处理等，以进一步提高边缘检测的准确性和效果。
后处理模块同样可采用FPGA内部的硬件加速器进行加速处理。
5. 图像输出模块：将处理后的图像数据输出至显示设备或存储设备。
该模块可采用高速图像传输接口，如HDMI、DVI或USB等，以满足不同场景下的需求。
四、硬件平台设计本系统设计的硬件平台主要包括FPGA芯片、内存模块、电源模块等。
其中，FPGA芯片是系统的核心，负责实现边缘检测算法的硬件加速。
基于 FPGA 的实时边缘检测控制系统研究
何铭森;洪晖
【期刊名称】《中国集成电路》
【年(卷),期】2024(33)4
【摘要】本文属于图像识别处理技术领域,提出一种基于FPGA的实时边缘检测控制系统。
本文通过FPGA对摄像头进行寄存器配置,采集并得到原始图像,对采集的图像进行数字图像灰度处理,均值滤波、sobel边缘检测计算、二值化处理后并转化为RGB等操作,提取出目标图像的图像边缘轨迹,把图像边缘数据缓存到DDR里面,通过对FPGA内部DDR读写控制模块的处理,把DDR内部图像数据转成RGB 格式,并通过HDMI显示器实时显示出目标图像边缘。
本文采用改进型的sobel边缘提取算法,能够在边缘提取过程中细化边缘宽度,去除伪边缘,同时滤除多余的图像噪声,使输出的边缘图像更加符合实际的边缘信息。
【总页数】5页(P21-25)
【作者】何铭森;洪晖
【作者单位】福州大学
【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于FPGA的实时彩色图像边缘检测系统设计和实现分析
2.基于FPGA的实时彩色图像边缘检测
3.基于FPGA的深空图像实时边缘检测算法与实现
4.基于FPGA的实时视频边缘检测系统
5.基于FPGA和USB3.0的实时边缘检测系统
因版权原因，仅展示原文概要，查看原文内容请购买。
基于FPGA的图像处理系统设计与实现图像处理是计算机视觉领域中的重要技术之一，可以对图像进行增强、滤波、分割、识别等操作，广泛应用于医学图像处理、工业检测、安防监控等领域。
而FPGA（Field Programmable Gate Array）可编程门阵列，则是一种自由可编程的数字电路，具有并行处理能力和灵活性。
本文将介绍基于FPGA的图像处理系统的设计与实现。
一、系统设计流程1. 系统需求分析：首先需要明确图像处理系统的具体需求，例如实时性、处理的图像类型、处理的算法等。
根据需求，选择合适的FPGA芯片和外设。
2. 图像采集与预处理：使用图像传感器或摄像头采集图像数据，然后对图像进行预处理，如去噪、增强、颜色空间转换等，从而提高后续处理的准确性和效果。
3. 图像处理算法设计与优化：根据具体的图像处理需求，选择适合的图像处理算法，并对算法进行优化，以提高处理速度和效率。
常用的图像处理算法包括滤波、边缘检测、图像分割等。
4. FPGA硬件设计：基于选定的FPGA芯片，设计硬件电路，包括图像存储、图像处理模块、通信接口等。
通过使用硬件描述语言（如Verilog、VHDL）进行功能模块设计，并进行仿真和验证。
5. 系统集成与编程：将设计好的硬件电路与软件进行集成，包括FPGA程序编写、软件驱动开发、系统调试等。
确保系统的稳定运行和功能实现。
6. 系统测试与优化：对整个系统进行完整的测试和验证，包括功能性测试、性能测试、稳定性测试等。
根据测试结果，对系统进行优化，提高系统的性能和可靠性。
二、关键技术及挑战1. FPGA芯片选择：不同的FPGA芯片具有不同的资源和性能特点，需要根据系统需求选择合适的芯片。
一方面需要考虑芯片的处理能力和资源利用率，以满足图像处理算法的实时性和效果。
另一方面，还需要考虑芯片的功耗和成本，以便在实际应用中具有可行性。
2. 图像处理算法优化：在FPGA上实现图像处理算法需要考虑到算法的计算复杂度和存储开销。
河南科技Journal of Henan Science and Technology总562期第4期2015年4月Vol.562，No.4Apr ，2015收稿日期：2015-4-2作者简介：王静（1980-），女，本科，实验师，研究方向：计算机应用。
摘要：通过研究Sobel 原理和算法，在FPGA 内部用流水线的方式来实现数据的具体提取、计算和存储，最终实现了对任意Bmp 格式图像的边缘检测图像的计算和提取，并显示出来，证实Sobel 算法有比较好的边缘检测效果，而且采用流水线的技术，可以有效提高数据计算的效率，实现了一个时钟周期就输出一个像素图像的导数值。
关键词：图像边缘检测；Sobel 算子中图分类号：TP391文献标识码：A文章编号：1003-5168（2015）04-0028-2Image Edge Detection Algorithm Design based on FPGAWang Jing(Department of Electronic &Information Engineering Ankang University ，Ankang Shanxi 725000)Abstract：Through the study of the principle and algorithm of Sobel ，by the way of production lines ，in the internal FPGA achieve specific extraction ，computing and storage of data ，and ultimately achieve image edge detection calcu ⁃lation and extraction of the arbitrary BMP format images ，and display it ，confirm that Sobel algorithm has good edgedetection effect ，and the use of production lines technology ，can effectively improve the data calculation efficiency ，achieve a clock cycle on the output of an image pixel value.Keywords：image edge detection ；Sobel operator在数字图像处理以及对物体的识别、计算机视觉、生物医学、人工智能、遥感、气象预测学等诸多领域中，图像的特征提取有着很重要的作用。
基于FPGA的图像边缘检测
基于FPGA的图像边缘检测
引言
图像边缘检测是图像处理的一项基本技术，在工业、医学、航天和军事等领域有着广泛的应用。
图像处理的速度一直是一个难题。
虽然DSP具备指令流水线特性和很高的处理速度，但其速度仍然很受限制，而利用高速可编程逻辑器件FPGA/CPLD来设计图像边缘检测器可以很好的克服这个问题，是一种全新的解决方案。
1 图像边缘检测算法
用于图像边缘检测的算法很多，诸如Rorberts算子、Sobel算子、Prewitt 算子、Laplaceian算子等，由于Sobel算法只涉及到加法操作，并且可以取得很好的效果，所以是最常用的边缘检测算法。
由于图像在边缘附近会出现灰度上的突变，所以，Sobel边缘检测方法以原始图像灰度为基础，并通过考察图像每个像素在某个领域内灰度的变化，然后利用边缘邻近的一阶导数最大值来检测边缘，再设置权重来检测水平、垂直、左对角、右对角等各个不同方向上密度幅度的不同来实现边沿检测。
图1所示是一个3×3像素的举例，其水平、垂直、左对角和右对角图像上密度幅度的变化可以表示为：
H=(Q0+Q3+Q3+Q6)-(Q2+Q5+Q5+Q8)。
《基于FPGA的边缘检测系统设计》篇一一、引言随着人工智能和计算机视觉技术的快速发展，边缘检测作为图像处理中的关键技术，其应用场景越来越广泛。
为了满足实时性和高效性的需求，基于FPGA（现场可编程门阵列）的边缘检测系统设计成为了一个重要的研究方向。
本文将详细介绍基于FPGA的边缘检测系统设计，包括系统架构、算法实现、硬件设计及优化等方面。
二、系统架构设计1. 整体架构基于FPGA的边缘检测系统主要由图像采集模块、预处理模块、边缘检测模块、后处理模块和输出模块组成。
其中，图像采集模块负责获取待处理的图像数据；预处理模块对图像进行去噪、灰度化等操作；边缘检测模块是系统的核心部分，负责实现边缘检测算法；后处理模块对检测结果进行优化处理；输出模块将处理后的图像数据输出。
2. 边缘检测模块设计边缘检测模块是整个系统的关键部分，其性能直接影响到系统的整体效果。
在FPGA上实现边缘检测算法，需要充分考虑算法的并行性和硬件资源的利用率。
常见的边缘检测算法包括Sobel算子、Canny算子等。
在FPGA上实现这些算法，可以通过查找表、流水线等方式提高运算速度。
此外，还可以采用硬件加速技术，如利用FPGA的并行计算能力，实现多级联的边缘检测操作。
三、算法实现1. 预处理算法预处理算法主要包括去噪和灰度化。
去噪可以采用高斯滤波、中值滤波等方法，以消除图像中的噪声；灰度化则是将彩色图像转换为灰度图像，以减少计算量。
这些算法在FPGA上的实现，需要考虑到硬件资源的限制和运算速度的要求。
2. 边缘检测算法边缘检测算法是本系统的核心部分，其性能直接影响到系统的整体效果。
在FPGA上实现边缘检测算法，需要充分考虑到算法的并行性和硬件资源的利用率。
例如，Sobel算子可以通过查找表的方式实现，提高运算速度；Canny算子则需要实现双阈值、非极大值抑制等操作，这些操作在FPGA上可以通过流水线的方式实现，以提高运算效率。
四、硬件设计及优化1. FPGA选型及资源分配在选择FPGA芯片时，需要根据系统的需求和预算进行综合考虑。
《基于FPGA的边缘检测系统设计》篇一一、引言随着科技的不断发展，边缘检测技术作为图像处理的重要组成部分，广泛应用于机器视觉、无人驾驶、安全监控等领域。
传统的边缘检测系统通常基于通用处理器（CPU）或数字信号处理器（DSP），但这些系统在处理大量数据时面临性能瓶颈。
因此，本文提出了一种基于FPGA（现场可编程门阵列）的边缘检测系统设计方法，旨在提高系统性能并优化数据处理速度。
二、FPGA技术概述FPGA是一种可编程逻辑器件，具有并行计算、可定制和高速数据处理等优点。
与通用处理器相比，FPGA更适合处理图像数据，能够以更高的速度和更低的功耗实现复杂的图像处理算法。
此外，FPGA的并行计算能力可以有效地加速图像处理的各个阶段，从而提高整体性能。
三、边缘检测系统设计3.1 系统架构设计基于FPGA的边缘检测系统主要由图像输入模块、预处理模块、边缘检测模块、后处理模块和图像输出模块组成。
其中，图像输入模块负责接收原始图像数据；预处理模块对原始图像进行去噪、平滑等处理；边缘检测模块是系统的核心部分，负责实现边缘检测算法；后处理模块对检测到的边缘进行连接、平滑等处理；图像输出模块将处理后的图像数据输出。
3.2 边缘检测算法实现本文采用Canny边缘检测算法作为系统的核心算法。
Canny 算法具有低错误率、高定位精度和单一边缘响应等特点，能够有效地检测图像中的边缘信息。
在FPGA上实现Canny算法时，需要将其分解为多个并行处理的子任务，以提高处理速度。
具体实现过程中，可以采用流水线设计方法，将算法的各个阶段划分为不同的模块，并在FPGA上实现硬件加速。
3.3 硬件加速设计为了进一步提高系统的性能，本文采用硬件加速设计方法。
具体而言，通过对Canny算法的各个阶段进行优化和并行化处理，实现硬件加速。
例如，可以采用查找表、流水线设计、并行计算等技术手段，提高每个模块的处理速度和吞吐量。
此外，还可以通过优化FPGA的配置和布局，减少系统功耗和延迟。
基于FPGA的图像边缘检测本⽂主要内容是实现图像的边缘检测功能⽬录1. mif⽂件的制作2. 调⽤ ip 核⽣成rom以及在 questasim 仿真注意问题3. 灰度处理4. 均值滤波：重点是3*3 像素阵列的⽣成5. sobel边缘检测6. 图⽚的显⽰7. 结果展⽰mif⽂件的制作受资源限制，将图⽚像素定为 160 * 120，将图⽚数据制成 mif ⽂件，对 rom ip 核进⾏初始化。
mif⽂件的制作⽅法⽹上有好多办法，因此就不再叙述了，重点说mif⽂件的格式。
1、mif⽂件的格式为：1 WIDTH=16 ; //数据位宽2 DEPTH=19200 ; // rom 深度即图⽚像素点的个数3 ADDRESS_RADIX=UNS ; //地址数据格式4 DATA_RADIX=BIN ; //数据格式5 CONTENT6 BEGIN70:1010110011010000 ; // 地址：数据；注意格式要和上⾯定义的保持统⼀81:1010110011010000 ;92:1010010010110000 ;10 ......1119198:1110011011111001 ;1219199:1110011011011000 ;13 END;调⽤ip 核⽣成 rom 以及在 questasim 仿真注意问题这部分内容已经在上篇博⽂中详细描述过，详情请见灰度处理任何颜⾊都由红、绿、蓝三原⾊组成，假如原来某点的颜⾊为( R,G,B )那么，我们可以通过下⾯⼏种⽅法，将其转换为灰度：浮点算法：Gray=0.299R+0.587G+0.114B平均值法：Gray=(R+G+B)/3;仅取单⾊（如绿⾊）：Gray=G；将计算出来的Gray值同时赋值给 RGB 三个通道即RGB为(Gray,Gray,Gray)，此时显⽰的就是灰度图。
通过观察调⾊板就能看明了。
通过观察可知，当RGB三个通道的值相同时即为灰⾊，Gray的值越⼤，颜⾊越接近⽩⾊，反之越接近⿊⾊（这是我⾃⼰的理解，不严谨错误之处请⼤神指正）。
摘要：许多关于图像中比较重要的信息都在图像的边缘包含着，图像边缘检测作为图像处理的重要组成部分，在许多领域有着重要的应用。
图像边缘检测在很大程度上减少了数据的量，并且除去了一些并不是特别相关的信息，但是却保留了对于图像来说重要的结构属性，数据量大，重复度高是边缘检测算法最主要的特点。
由于FPGA的算法在硬件处理中速度快、而且可以用来直接编程、可重配置等各种特点,因此它在图像处理中占有很重要的位置，为此文章提出了运用FPGA实现边缘检测的方法,并且根据FPGA的特性,对Sobel算子进行了FPGA设计与实现以及仿真,并且对几种边缘检测算子进行了比较。
仿真中通过改变程序中的阈值可以得到不同的处理效果,这也是利用FPGA的优点,方便容易、速度也得到了提高,并且可编程、可重配置,使得FPGA在数字图像处理方面显得非常优越。
关键词：边缘检测；FPGA；图像处理；Sobel算子；Prewitt算子The design of image edge detection technology based on FPGAAbstract:Many important information about the image is contained at the edge of the image,Image edge detection is an important part of image processing,It is important in many fields .Image edge detection greatly reduces the amount of data,And removed some information that is not particularly relevant,But it preserves the structural attributes that are important to the image,Large amount of data,High repetition is the most important feature of edge detection algorithm.Because the FPGA algorithm is fast in hardware processing、And can be used for direct programming, reconfiguration and other characteristics,Therefore, it plays an important role in image processing,For this reason, a method of edge detection using FPGA is proposed,And according to the characteristics of FPGA,FPGA design, implementation and Simulation of Sobel operator are carried out,And several edge detection operators are compared.In simulation, different processing results can be obtained by changing the thresholds in the program,This is also the advantage of using FPGA, which is convenient, easy and fast,And programmable and reconfigurable, enabling FPGA to be very good in digital image processing.Key Words:Edge detection; FPGA;Image processing;Sobel operator;Prewitt operator引言在图像边缘检测系统的图像处理模块中，要处理的源图像往往存在着很多的问题，例如图像内容模糊不清，图像亮度层次不够明显，图像细节看不分明等[1]。
图像内容之间的联系也被这一系列的问题覆盖了，因此图像信息的识别难度也相应的被加大了，但是图像处理的效果却被降低了[2]。
根据我们上面所提到的问题，我们往往需要对原来的图像进行处理，以此突出图像的重要信息。
图像的大量关键信息都被图像的边缘所包含着。
为了突出图像边缘信息需要我们对图像进行适当的处理，这样我们便能起到一定程度的去除干扰、使图像关键细节更加清晰的作用。
应用检测算子，来识别相邻图像灰度差异突出的边缘像素点，进而提高图像细节识别的技术即边缘检测技术。
常需要进行数据量相对比较大的图像处理即边缘检测算法，生活中我们常用的软件处理方式，它的速度是相对比较慢的，但它往往是提高图像处理速度的关键[2]。
FPGA芯片技术在当代我们的生活中越来越被广泛应用，但是它的集成度高，性能稳定，不仅具有高效的硬件并行处理技术，而且还具有良好的可移植性和通用性。
这些特性十分适合进行数据量大、算法简单的数据处理，在图像处理系统中刚好适用。
1. 图像边缘检测技术的发展与研究现状1.1 边缘检测技术的发展图像边缘检测技术的系统研究在1965年正式开始，是由L.G.Roberts提出的[3]。
图像边缘我们可以根据两种情况来划分，一种是阶跃性边缘但它变化剧烈，另一种是屋顶状边缘但它变化缓慢，两种边缘的区域都是一样的，因此，它和梯度算子的物理意义也很相似，可以用梯度变化得幅度来表示图像边缘变化的强弱。
先前的边缘检测算法主要用梯度来做铺垫，最早的边缘检测算子便是Roberts算子[4]。
在Roberts算子的基础上，为了降低图像边缘的检测更少的受到外界的影响，接着又提出了Prewitt算子和Sobel算子等。
上面的两种算子在计算它们的梯度时，周围像素的影响也都会考虑进去，减小了外界因素对我们的计算造成的影响[5]。
根据梯度算子计算获得的图像，它的边缘往往会比较宽，因此，另一种二阶导数的算子，Laplacian算子就被提出来了，由此算子得到的图像，它的边缘往往比较窄，但是它的检测质量和之前相比有所改善[6]。
由一阶导数算子获得的图像边缘比其它的较宽，并且一阶导数算子抵抗外界干扰的能力却很弱，因此又提出了Canny边缘检测算法。
Canny算法以信噪比、定位精度、单边响应为三准则进行函数建模[7]，得到了较为理想状态的边缘检测方法。
由于二阶导数的Laplacian算子单边响应差，对噪声具有放大作用，因此在此基础上加入了Gauss滤波函数，此函数具有平滑噪声的作用，继而又提出了LoG边缘检测算法[7]。
由于梯度算子作为一种较经典的算子，其算法结构简单，实现方便，因此具有较大的应用价值和改造空间。
随着科学技术的发展，各种技术也进入了融合，在边缘检测中也开始引入大量的新方法。
而且这些算法各有各的特点，在一些特定的场景中有比较好的检测效果。
但经过算法融合后，算法的复杂程度却大大增加了，计算时间也比较长，很难实现图像的实时边缘检测，因此基于算法融合的边缘检测技术具有一定的局限性。
1.2 边缘检测技术的应用图像的边缘对人的视觉系统以及对数字图像处理技术来说，都有着非常重要的意义，而且它的确定和提取在图像处理中也有着十分重要的位置。
在图像处理技术应用中，边缘检测技术主要体现在以下几个方面：（1）图像压缩图像信息的数据量大会给存储器的存储容量、通信干线信道的带宽以及计算机处理平台带来极大的压力。
来解决这个问题显然是很不现实的如果仅仅通过增加存储器容量、提高信道带宽以及计算机硬件配置等方法来解决，因为我们须要考虑压缩数据以减少信息容量。
因此，图像压缩在图像数据传输和存储的过程中是必不可少的。
（2）图像分割图像分割[8]是把若干个互不相交、具有一定性质的区域按照一定的规则来划分，只是单纯的把人们关注的部分从图像中提取出来，进一步加以研究分析和处理。
图像分割其实是将像素进行归类整理的过程，归类的依据为：像素间的相似性、非连续性，而边缘检测是进行图像非连续性分割里最基本的步骤之一。
按照边缘检测方法得到的图像分割，为了便于进一步的进行图像处理在分割的子区域的边界上一般具有不连续的灰度值，分割后的子区域内往往是相似属性的像素点的集合。
（3）模式识别要实现计算机视觉，在人工智能领域中对图像内容的分析必须作为重点内容。
我们最初在进行模式识别时，常常需要对图像边缘、形状及纹理等特征进行提取与分析，即特征抽取[8]。
以模式识别为基础的机器人视觉、图像测量、卫星遥感技术、精确制导等应用领域的工作将无法继续进行，若是没有对图像边缘的精确检测。
图像边缘检测与提取在模式识别中占据着重要的地位，它是模式识别系统的基石，为其他模块所依赖[2]。
1.3 FPGA的发展及其在图像处理中的应用现状1.3.1 FPGA的发展史在早期的可编程逻辑器件中，只有可编程只读存贮器(PROM)、紫外线可按除只读存贮器(EPROM)和电可擦除只读存贮器(EEPROM)这三种。
但是由于结构的原因，使很多功能受到了限制，它们仅仅能完成数字逻辑这种简单的功能。
之后，出现了一中可以编程的逻辑器件(PLD)，它能够完成具有各种数字逻辑功能的工作，它是一种可编程芯片，但是它的结构相对复杂。
典型的PLD由一个“与”门和一个“或”门阵列组合而成，而且任意一个组合逻辑都可以用“与一或”表达式来描述，所以，PLD能以一种简单的形式完成一种复杂的功能[9]。
这一阶段的产品主要有PAL(可编程阵列逻辑)和GAL(通用阵列逻辑)。
PAL 由一个可编程的“与”平面和一个固定的“或”平面构成，或门的输出可以有选择地被置为寄存状态只是需要通过触发器来实现[9]。
PAL是一种现场可编程的器件，它的实现工艺有反熔丝技术、EPROM技术和EEPROM技术。
还有一类是可编程逻辑阵列(PLA)这种器件结构更为灵活，这两个平面的连接关系是可编程的，它也由一个“与”平面和一个“或”平面构成。
在PAL的基础上，又发展了一种通用阵列逻辑GAL (Generic Array Logic)。
它采用了EEPROM工艺，它的输出结构是可编程的，而且它实现了通电时可以按除而且可以改写的功能，因而它的设计非常的方便，但是直至今天许多人依旧在使用。
这些早期的PLD器件因为其过于简单的结构致使它们只能实现规模较小的电路，但是它们却有一个共同特点即可以实现速度特性较好的逻辑功能[9]。
为了弥补不足之处，20世纪80年代中期。
