FPGA - 图像灰度化

一,灰度图像概念

灰度数字图像是每个像素只有一个采样颜色的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度,尽管理论上这个采样可以任何颜色的不同深浅,甚至可以是不同亮度上的不同颜色。灰度图像与黑白图像不同,在计算机图像领域中黑白图像只有黑白两种颜色,灰度图像在黑色与白色之间还有许多级的颜色深度。

一幅完整的图像,是由红色、绿色、蓝色 三个通道组成的。红色、绿色、蓝色三个通道的缩览图都是以灰度显示的。用不同的灰度色阶来表示" 红,绿,蓝"在图像中的比重。通道中的纯白,代表了该色光在此处为最高亮度,亮度级别是255。

Gray 图像:灰度(gray)图像就是我们常说的黑白图像,由黑到白为灰阶,其值域为 0- 255(8bit)。

二,彩色图像灰度化处理方法

1,分量法

将彩色图像中的三分量的亮度作为三个灰度图像的灰度值,可根据应用需要选取一种 灰度图像。具体表达式如下。

其中,gray1 (𝑖,𝑗), gray2 (𝑖,𝑗), gray3 (𝑖,𝑗)为转换后的灰度图像在(i,j)处的灰度值, R(i,j),G(i,j),B(i,j)分别为转换前的彩色图像在(i,j)处 R、G、B 三个分量的值。

2,最大值法

将彩色图像中的三分量亮度 R,G,B 的最大值作为灰度图的灰度值。具体表达式如下。

3,平均值法

将彩色图像中的三分量亮度求平均得到一个灰度值。如下:

上式中有除法,考虑到在 FPGA 中实现除法比较的消耗资源,我们可以将其转换一下,

对 256/3 做近似取整处理,将 256/3 替换成 85,则公式变为如下:

然后利用移位的方法去实现除法(右移8位):

而乘法也可以用移位实现,85 = 2^6 + 2^4 + 2^2 + 2^0;

4,加权平均法

将三个分量以不同的权值进行加权平均:

实际应用时,为了能避免浮点运算以及除法运算,可以先将式子缩放 1024 倍来实现运算算法,如下:

通过近似取整处理后得到近似公式:

也可以压缩到 8 位以内,式子变为如下。具体压缩到多少位可以根据实际需求。

其中乘法和除法都可使用移位实现。

三,代码实现

分量法和最大值法较为简单,这里实现平均值法和加权平均。

1,平均值法

代码如下:

module Avg_Gray(
	input			clk 		,
	input			reset 		,

	input			rgb_vaild 	,
	input	[7:0]	red_in 		,
	input	[7:0]	green_in 	,
	input	[7:0]	blue_in 	,

	output	[7:0]	gray_o		,
	output	reg		gray_vaild
	);
	//求平均法GRAY = (R+B+G)/3=((R+B+G)*85)>>8
	wire 	[9 :0]		sum_rgb		;
    reg 	[15:0]		gray_r	;

    assign sum_rgb = red_in + green_in + blue_in;
    always @(posedge clk ) 
    	if (reset) begin
    		gray_r <= 0;
    	end
    	else if (rgb_vaild) begin
    		gray_r <= (sum_rgb << 6) + (sum_rgb << 4) + (sum_rgb << 2) + sum_rgb;
    	end

    assign gray_o = gray_r[15:8];

    always @(posedge clk) begin
    	gray_vaild <= rgb_vaild;
    end

endmodule

2,加权平均值

代码如下:

module Weight_avg_Gray(
	input			clk 		,
	input			reset 		,

	input			rgb_vaild 	,
	input	[7:0]	red_in 		,
	input	[7:0]	green_in 	,
	input	[7:0]	blue_in 	,

	output	[7:0]	gray_o		,
	output	reg		gray_vaild
	);
	//灰度转换公式Gray = R*0.299+G*0.587+B*0.114=(R*77 + G*150 + B*29) >>8
	wire 	[15:0]		red_77		;
	wire	[15:0]		green_150	;
    wire 	[15:0]		blue_29		;
    reg 	[15:0]		sum_rgb 	;

    assign red_77 = (red_in<<6) + (red_in<<3) + (red_in<<2) + red_in;
    assign green_150 = (green_in<<7) + (green_in<<4) + (green_in<<2) + (green_in<<1);
    assign blue_29 = (blue_in<<4) + (blue_in<<3) + (blue_in<<2) + (blue_in<<1);

    always @(posedge clk ) 
    	if (reset) begin
    		sum_rgb <= 0;
    	end
    	else if (rgb_vaild) begin
    		sum_rgb <= red_77 + green_150 + blue_29;
    	end

    assign gray_o = sum_rgb[15:8];

    always @(posedge clk) begin
    	gray_vaild <= rgb_vaild;
    end

endmodule

四,总结

在FPGA中,如果涉及到浮点数运算,除法运算,乘法运算,我们都可以将其进行变换,使用移位的方法实现。关于具体FPGA - 数 - 加减乘除可以看我的这篇文章:FPGA - 数 - 加减乘除-博客

相关推荐
车载诊断技术1 小时前
电子电气架构 --- 什么是EPS?
网络·人工智能·安全·架构·汽车·需求分析
KevinRay_1 小时前
Python超能力:高级技巧让你的代码飞起来
网络·人工智能·python·lambda表达式·列表推导式·python高级技巧
跃跃欲试-迪之2 小时前
animatediff 模型网盘分享
人工智能·stable diffusion
Captain823Jack2 小时前
nlp新词发现——浅析 TF·IDF
人工智能·python·深度学习·神经网络·算法·自然语言处理
被制作时长两年半的个人练习生2 小时前
【AscendC】ReduceSum中指定workLocal大小时如何计算
人工智能·算子开发·ascendc
Captain823Jack3 小时前
w04_nlp大模型训练·中文分词
人工智能·python·深度学习·神经网络·算法·自然语言处理·中文分词
Black_mario3 小时前
链原生 Web3 AI 网络 Chainbase 推出 AVS 主网, 拓展 EigenLayer AVS 应用场景
网络·人工智能·web3
Aileen_0v03 小时前
【AI驱动的数据结构:包装类的艺术与科学】
linux·数据结构·人工智能·笔记·网络协议·tcp/ip·whisper
数信云 DCloud3 小时前
实力认可 | 通付盾入选《ISC.AI 2024创新能力全景图谱》五项领域
人工智能
itwangyang5203 小时前
AIDD - 从机器学习到深度学习:蛋白质-配体对接评分函数的进展
人工智能·深度学习·机器学习