图像处理ASIC设计方法 笔记2 图像边界镜像处理

这本书是图像处理方面ASIC与DSP比较,讲了为什么要用ASIC做图像处理,它的特点和适用场景。读到第一章,(计算卷积的)工作窗口位于图像边界时镜像扩展后的情况

输入仍然是逐行逐列串行图像数据流,但是在工作窗口内部,根据窗口中心像素的坐标判断窗口位于图像边界的具体位置,由此决定窗口中某个寄存器的值是来自原先的移位寄存器,还是来自与之镜像行/列的寄存器。

每行有一个行缓存。许多单独的寄存器,还有多路选择器,组成了工作窗口位于图像边界时镜像扩展的电路图(schematic)。
核心思路是:多路选择器,有许多个,根据中心像素位于第几行,选择对应的选通支路

补充网上查到的另一个角度的策略:
图像的镜像用FPGA 实现,共有四种模式:
Mode1: 原图,
Mode2:全镜像,
Mode3:水平镜像,
Mode4:垂直镜像。

Verilog实现镜像源码:

bash 复制代码
`timescale1ns / 1ps  


module mirror #(  

parameter DW = 8,  

parameter IW = 1920,  

parameter IH = 1080,  

parameter MODE = 0 //0 1 2 3  

)  

(  

input                        pixelclk,  

input                        reset_n,  

input                        i_hsync,  

input                        i_vsync,  

input                        i_de,  

input  [DW*3-1:0]            din,  

input    [11:0]              hcount,//x  

input    [11:0]              vcount,//y  


output    [11:0]             hcount_t,//xt  

output    [11:0]             vcount_t,//yt  

output                       o_hsync,  

output                       o_vsync,  

output                       o_de,  

output  [DW*3-1:0]           dout  

);  


assign o_hsync = i_hsync;  

assign o_vsync = i_vsync;  

assign o_de    = i_de;  

assign dout    = din;   


assign hcount_t = (MODE == 0)?hcount:  

                            (MODE == 1)?(IW-1)-hcount:  

                            (MODE == 2)?(IW-1)-hcount:hcount;  

assign vcount_t = (MODE == 0)?vcount:  

                                (MODE == 1)?(IH-1)-vcount:  

                                (MODE == 2)?vcount:(IH-1)-vcount;     


endmodule
相关推荐
吨吨ai几秒前
Codex 实战:用 Git 分支 + pytest 构建可回滚的 AI 开发流程(2026年8月27日)
人工智能·git·pytest
科技新芯几秒前
2026年国内可用AI生图网站实测:ImageGood、ChatGPT、Gemini、Firefly怎么选?
人工智能·chatgpt
jkyy20142 分钟前
从商品售卖到健康服务,数字化重构大健康品牌会员运营底层逻辑
大数据·人工智能·信息可视化·健康医疗
yangshuo12815 分钟前
用AI开发一个公网IP查询小工具:精准查询IDE/终端的真实出口IP(Python实战)
ide·人工智能·tcp/ip
架构技术专栏6 分钟前
Skill 写了几十条规则,Codex 为什么还是不按你的方式干活?
人工智能
judezh20 分钟前
MCP 接进生产环境之前,先回答这五个问题
人工智能
星火102424 分钟前
【从 0 到 1 动手造 Agent】02、确定性铁笼 LangGraph
人工智能·后端·agent
Csvn25 分钟前
第 8 章 RAG 工程
人工智能
CyberwayTech29 分钟前
从自然语言到结构化活动方案:Cyber TPM AI智能活动推荐如何嵌入TPM业务流程
人工智能·tpm·赛博威·营销费用管理·快消
桃西西呀30 分钟前
模型都能自己写代码了,你的 Agent 为什么还接不进一个日历?——一篇讲透 MCP 这个 AI 世界「USB-C」
人工智能·ai编程·mcp