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
遥感知识服务6 小时前
不用灾前影像,AI能在40秒内画出一万平方公里洪水图吗?
人工智能
既然如此,那就开摆6 小时前
ULIP总结
笔记·学习
湘美书院--湘美谈教育6 小时前
湘美谈教育湘美书院成功学系列:标准即是文明,AI时代的走向
大数据·人工智能·深度学习·机器学习·生活
顿哥GPT6 小时前
7月更新 ChatGPT、Codex、Pro、Plus 背后的工程难题:AI Consistency 将成为 LLM-Native 系统的下一道门槛(5.6)
人工智能·chatgpt
FriendshipT6 小时前
Ultralytics:解读C3k2模块
人工智能·pytorch·python·深度学习·目标检测
技录局6 小时前
Comet 实现原理深度解析:如何让 AI 编程工作流可恢复、可约束、可评测
人工智能
武子康6 小时前
Hugging Face AI 驱动入侵真正暴露的是 Dataset Processing 信任边界(攻击链 + 三层隔离 + 行动清单)
人工智能·安全·llm
GuWenyue6 小时前
LLM工具调用慢到崩溃?1套Promise.all并行方案,Agent性能直接翻倍
人工智能
GuWenyue6 小时前
复刻Cursor编程Agent!4套文件命令工具+Promise.all并发,AI自动生成React项目
人工智能
技录局6 小时前
Superpowers 实现原理深度解析:如何把工程纪律变成 Agent 的默认行为
人工智能