PotatoPie 4.0 实验教程(31) —— FPGA实现摄像头图像高斯滤波

什么是高斯滤波

高斯滤波是一种常见的图像处理技术,用于去除图像中的噪声和平滑图像。它的原理基于统计学中的高斯分布(也称为正态分布)。

在高斯滤波中,一个二维的高斯核函数被用来对图像中的每个像素进行加权平均。这个高斯核函数定义了一个权重分布,使得距离中心像素越远的像素在平均过程中具有较小的权重,而距离中心像素越近的像素具有较大的权重。这种权重的分布导致了一个平滑的效果,因为图像中每个像素的值都是由周围像素的加权平均所决定的。

高斯滤波的主要优点是能够有效地去除高斯噪声和其他类型的噪声,同时保持图像的边缘和细节。然而,它也有一些缺点,例如在处理大尺度的噪声时可能会丢失一些细节信息,并且计算复杂度较高。

在实际应用中,高斯滤波常常被用来作为图像预处理的步骤,以提高后续图像处理算法的性能,例如边缘检测、图像分割等。

高斯滤波算子是指用于执行高斯滤波操作的核或矩阵。这个算子是一个二维的矩阵,其中的元素值是按照高斯函数的形式进行定义的。对于一个给定的高斯滤波算子,其大小(通常是一个奇数)和标准差(控制高斯分布的宽度)是两个关键的参数。一般来说,较大的标准差会导致一个更广泛的权重分布,从而导致更加平滑的结果。高斯滤波算子的中心元素具有最大的权重,而周围的元素权重则随着它们与中心元素的距离递减。这种权重的分布使得该滤波器对图像中的噪声有针对性地进行平滑处理,同时保留图像的细节和边缘。

通常情况下,高斯滤波算子的大小是一个正方形矩阵,其元素值是通过高斯函数计算得到的。例如,一个3×3的高斯滤波算子如下所示:

1 2 1
2 4 2
1 2 1

这里的权重是通过一个标准差为1的高斯函数计算得到的。实际应用中,为了减少计算复杂度,常常会对这个矩阵进行归一化,使得权重之和等于1。

高斯滤波的步骤和算法实现

  1. 确定高斯核大小和标准差: 首先需要确定高斯核的大小,通常选择一个奇数大小的核,例如3×3、5×5等。同时,还需要指定高斯核的标准差,标准差越大,权重分布越广,平滑效果越明显。

  2. 构建高斯核: 根据确定的大小和标准差,构建一个二维高斯函数作为滤波核。

  3. 对图像进行卷积: 将构建的高斯核应用于原始图像上,对每个像素及其周围像素进行加权平均。这一步实质上是将高斯核与图像进行卷积操作,计算每个像素点的新值。

  4. 边界处理: 在卷积过程中,需要考虑图像边界的处理。通常可以采用各种边界填充方式,如零填充、复制边界像素值等,以确保卷积操作在边界处能够正确进行。

  5. 输出结果: 最终得到经过高斯滤波处理后的图像,其中噪声已经被平滑,图像边缘和细节得到保留。

python实现高斯滤波算法源码

PotatoPie 4.0 实验教程(31) —— FPGA实现摄像头图像高斯滤波-Anlogic-安路论坛-FPGA CPLD-ChipDebug

这段代码实现了以下功能:

  1. 读取图像文件并转换为灰度图像:从文件系统中读取名为”Lena.jpg”的图像文件,并将其转换为灰度图像。

  2. 高斯滤波处理:对原始灰度图像进行高斯滤波处理,以消除图像中的噪声。使用了一个 3×3 的高斯核进行滤波操作。

  3. 添加椒盐噪声:对原始灰度图像添加椒盐噪声,以模拟图像中的噪声情况。

  4. 高斯滤波处理(含椒盐噪声):对添加了椒盐噪声的灰度图像进行高斯滤波处理,以消除噪声并保留图像细节。

  5. 添加高斯噪声:对原始灰度图像添加高斯噪声,以模拟图像中的噪声情况。

  6. 高斯滤波处理(含高斯噪声):对添加了高斯噪声的灰度图像进行高斯滤波处理,以消除噪声并保留图像细节。

  7. 显示结果图像:使用matplotlib库将原始灰度图像、高斯滤波处理后的图像、添加椒盐噪声后的图像、高斯滤波处理后的图像(含椒盐噪声)、添加高斯噪声后的图像、以及高斯滤波处理后的图像(含高斯噪声)进行显示。

MATLAB实现高斯滤波算法源码

PotatoPie 4.0 实验教程(31) —— FPGA实现摄像头图像高斯滤波-Anlogic-安路论坛-FPGA CPLD-ChipDebug

这段代码加载了一张名为”Lena.jpg”的图片,并对其进行了以下处理:

  1. 将图片转换为灰度图像。
  2. 对原始灰度图像执行高斯滤波。
  3. 向原始灰度图像添加椒盐噪声,然后对其执行高斯滤波。
  4. 向原始灰度图像添加高斯噪声,然后对其执行高斯滤波。

最后,代码将这些处理后的图像以子图形式显示出来。

FPGA工程分析

工程层次图

demo18相比,只是多了一个img_gaus_fltr的模块,也就是下面这一段代码,在从SDRAM读出来之后,经它处理后再输出hdmi_tx模块。
 

img_gaus_fltr u_img_gaus_fltr(.i_clk(clk_pixel),.i_rst_n(sys_rst_n),.i_hs(VGA_HS),.i_vs(VGA_VS),.i_de(VGA_DE),.i_r(VGA_RGB[23:16]),.i_g(VGA_RGB[15:8] ),.i_b(VGA_RGB[7:0]  ),        .o_hs(gaus_hs),.o_vs(gaus_vs),.o_de(gaus_de),   .o_r(gaus_data[23:16]),.o_g(gaus_data[15:8] ),.o_b(gaus_data[7:0]  )
);

img_gaus_fltr模块源代码分析

跟前面几篇教程一样,我们都需要先用行缓存将像素转化为同时输出3行3列来,后面的讲解都以R通道为例,因为其它三个通道的行为是一样的:

img_buf u_r_buf
(.i_clk    (i_clk        ),.i_rst_n  (i_rst_n      ),.i_de    (i_de        ),.i_data    (i_r        ),.o_de    (          ),.o_p11    (r_p11      ),.o_p12    (r_p12      ),.o_p13    (r_p13      ),  .o_p21    (r_p21      ),.o_p22    (r_p22      ),.o_p23    (r_p23      ),    .o_p31    (r_p31      ),.o_p32    (r_p32      ),.o_p33    (r_p33      )
);

然后对像素进行高斯滤波,分成三步:

1.先计算每一行的和,注意代码中运用移位优化了 *2 和*4的操作。

PotatoPie 4.0 实验教程(31) —— FPGA实现摄像头图像高斯滤波-Anlogic-安路论坛-FPGA CPLD-ChipDebug

2.然后计算总和:sum_r <= sum_r1 + sum_r2 + sum_r3;

3.然后取和的高8位为有效位,相当于除以16:gau_r <= sum_r[11:4];

管脚约束

与PotatoPie 4.0 实验教程(18) —— FPGA实现OV5640摄像头采集以SDRAM作为显存进行HDMI输出显示相同,不作赘述。

时序约束

与PotatoPie 4.0 实验教程(18) —— FPGA实现OV5640摄像头采集以SDRAM作为显存进行HDMI输出显示相同,不作赘述。

实验效果

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/5921.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

jvm 马士兵 01

01.JVM是什么 JVM是一个跨平台的标准 JVM只识别class文件&#xff0c;符合JVM规范的class文件都可以被识别

AI智能名片商城小程序:引领企业迈向第三增长极

随着数字化浪潮的席卷&#xff0c;私域流量的重要性逐渐凸显&#xff0c;为企业增长提供了全新的动力。在这一背景下&#xff0c;AI智能名片商城系统崭露头角&#xff0c;以其独特的优势&#xff0c;引领企业迈向第三增长极。 私域流量的兴起&#xff0c;为企业打开了一扇新的销…

【codeforces】Immobile Knight

Immobile Knight 我感觉自己不太适合写codeforces&#xff0c;简单题也比较考验思维&#xff0c;当时这题看了半天以为是搜索&#xff0c;写了20分钟暴力交了&#xff0c;还好对的&#xff0c;20个人19个人5分钟不到速通第一题&#xff0c;唯留我一人在第一题凌乱。下来看看这…

深度学习中的归一化:BN,LN,IN,GN的优缺点

目录 深度学习中归一化的作用常见归一化的优缺点 深度学习中归一化的作用 加速训练过程 归一化可以加速深度学习模型的训练过程。通过调整输入数据的尺度&#xff0c;归一化有助于改善优化算法的收敛速度。这是因为归一化后的数据具有相似的尺度&#xff0c;使得梯度下降等优化…

密码学基础练习五道 RSA、elgamal、elgamal数字签名、DSA数字签名、有限域(GF)上的四则运算

1.RSA #include <stdlib.h>#include <stdio.h>#include <string.h>#include <math.h>#include <time.h>#define PRIME_MAX 200 //生成素数范围#define EXPONENT_MAX 200 //生成指数e范围#define Element_Max 127 //加密单元的…

dockerfile 搭建lamp 实验模拟

一 实验目的 二 实验 环境 1, 实验环境 192.168.217.88一台机器安装docker 并做mysql nginx php 三台容器 2&#xff0c; 大致框架 3&#xff0c; php php:Nginx服务器不能处理动态页面&#xff0c;需要由 Nginx 把动态请求交给 php-fpm 进程进行解析 php有三…

LT6911UXB HDMI2.0 至四端口 MIPI DSI/CSI,带音频 龙迅方案

1. 描述LT6911UXB 是一款高性能 HDMI2.0 至 MIPI DSI/CSI 转换器&#xff0c;适用于 VR、智能手机和显示应用。HDMI2.0 输入支持高达 6Gbps 的数据速率&#xff0c;可为4k60Hz视频提供足够的带宽。此外&#xff0c;数据解密还支持 HDCP2.2。对于 MIPI DSI / CSI 输出&#xff0…

van-cascader(vant2)异步加载的bug

问题描述&#xff1a;由于一次性返回所有的级联数据的话&#xff0c;数据量太大&#xff0c;接口响应时间太久&#xff0c;因此采用了异步加载的方案&#xff0c;看了vant的官方示例代码&#xff0c;照着改了下&#xff0c;很轻松地实现了功能。正当我感叹世界如此美好的时候&a…

【C++ —— 多态】

C —— 多态 多态的概念多态的定义和实现多态的构成条件虚函数虚函数的重写虚函数重写的两个例外协变&#xff1a;析构函数的重写 C11 override和final重载、覆盖(重写)、隐藏(重定义)的对比 抽象类概念接口继承和实现继承 多态的继承虚函数表多态的原理动态绑定和静态绑定 单继…

数据库(MySQL)基础:多表查询(一)

一、多表关系 概述 项目开发中&#xff0c;在进行数据库表结构设计时&#xff0c;会根据业务需求及业务模块之间的关系&#xff0c;分析并设计表结构&#xff0c;由于业务之间相互关联&#xff0c;所以各个表结构之间也存在着各种联系&#xff0c;基本上分为三种&#xff1a;…

OceanBase开发者大会实录-陈文光:AI时代需要怎样的数据处理技术?

本文来自2024 OceanBase开发者大会&#xff0c;清华大学教授、蚂蚁技术研究院院长陈文光的演讲实录—《AI 时代的数据处理技术》。完整视频回看&#xff0c;请点击这里&#xff1e;> 大家好&#xff0c;我是清华大学、蚂蚁技术研究院陈文光&#xff0c;今天为大家带来《AI 时…

【C语言】atoi和atof函数的使用

人生应该树立目标&#xff0c;否则你的精力会白白浪费。&#x1f493;&#x1f493;&#x1f493; 目录 •&#x1f319;知识回顾 &#x1f34b;知识点一&#xff1a;atoi函数的使用和实现 • &#x1f330;1.函数介绍 • &#x1f330;2.代码演示 • &#x1f330;3.atoi函数的…

Flask框架进阶-Flask流式输出和受访配置--纯净详解版

Flask流式输出&#x1f680; 在工作的项目当中遇到了一种情况&#xff0c;当前端页面需要对某个展示信息进行批量更新&#xff0c;如果直接将全部的数据算完之后&#xff0c;再返回更新&#xff0c;则会导致&#xff0c;前端点击刷新之后等待时间过长&#xff0c;开始考虑到用进…

liceo靶机复现

liceo-hackmyvm 靶机地址&#xff1a;https://hackmyvm.eu/machines/machine.php?vmLiceo 本机环境&#xff1a;NAT模式下&#xff0c;使用VirtualBox 信息收集&#xff1a; 首先局域网内探测靶机IP 发现IP为10.0.2.4 开启nmap扫描一下看看开了什么端口 扫描期间看一下web页…

[蓝桥杯2024]-PWN:fd解析(命令符转义,标准输出重定向,利用system(‘$0‘)获取shell权限)

查看保护 查看ida 这里有一次栈溢出&#xff0c;并且题目给了我们system函数。 这里的知识点没有那么复杂 方法一&#xff08;命令转义&#xff09;&#xff1a; 完整exp&#xff1a; from pwn import* pprocess(./pwn) pop_rdi0x400933 info0x601090 system0x400778payloa…

78、贪心-跳跃游戏

思路 方法1: canJump01 - 使用递归&#xff08;回溯法&#xff09; 这个方法是通过递归实现的&#xff0c;它从数组的第一个位置开始&#xff0c;尝试所有可能的跳跃步数&#xff0c;直到达到数组的最后一个位置或遍历完所有的可能性。 思路&#xff1a; 如果数组为空或者长…

【docker】docker compose 搭建私服

安装 Docker Registry 创建目录 mkdir -pv /usr/local/docker/registrymkdir -pv /usr/local/docker/data 创建 docker-compose.yml文件 进入目录创建docker-compose.yml cd /usr/local/docker/registrytouch docker-compose.yml 编辑docker-compose.yml vim docker-compo…

2024年【起重机械安全管理】考试内容及起重机械安全管理操作证考试

题库来源&#xff1a;安全生产模拟考试一点通公众号小程序 起重机械安全管理考试内容根据新起重机械安全管理考试大纲要求&#xff0c;安全生产模拟考试一点通将起重机械安全管理模拟考试试题进行汇编&#xff0c;组成一套起重机械安全管理全真模拟考试试题&#xff0c;学员可…

52.HarmonyOS鸿蒙系统 App(ArkTS)配置文件添加多个权限方法

52.HarmonyOS鸿蒙系统 App(ArkTS)配置文件添加多个权限方法 module.json5

VS2022 嘿嘿

还是大二的时候就开始用这个&#xff0c;但居然是为了用PB&#xff0c;-_-|| 用了段时间换成了C#&#xff0c;依稀还记得大佬们纠正我的读法&#xff0c;别读C井&#xff0c;应该读C夏普。。。 安装过程其实也没啥&#xff0c;就是关键Key得花时间找&#xff0c;我好不容易搞…