闲庭信步使用图像验证平台加速FPGA的开发:第七课——获取RAW图像

(本系列只需要modelsim即可完成数字图像的处理,每个工程都搭建了全自动化的仿真环境,只需要双击 文件就可以完成整个的仿真,大大降低了初学者的门槛!!!! 如需要该系列的工程文件请关注知识星球: 成工fpga, 关注即送200GB学习资料,链接已置顶!)

如果我们有摄像头,那就可以通过配置摄像头相关的寄存器来直接获取RAW视频数据,但是我们现在是FPGA的功能仿真,我们可以根据测试的图片来提取出RAW图片。

前面的学习可以知道,RAW图像有RGGB,GRBG,GBRG,BGGR等四种格式,不管那种格式,在一幅RAW图像中,格式都是按照2x2的因子反复出现的,如下所示。

我们要从RGB三个通道中取数生成一幅RAW图像,因为是2x2的因子,也就是说第0,1行,第0,1列;第0,1行,第2,3列;第0,1行第4,5列格式都是一样的,这样我们只要能够区分出来每行的奇偶位置和没列的奇偶位置,就能够正确的对RGB通道分别进行取数。

在obtain_raw.sv文件中,使用vsync_flag和hsync_flag来 表示行列的奇偶位置

有了奇偶位置的标示,根据pattern_sel信号来选择每个位置的像素点数据。

由于取数据采用时序逻辑需要一个时钟周期,所以场同步,行同步和数据有效指示信号延时一个时钟周期即可。

在顶层top文件中例化obtain_raw模块。

在tb_image_sim文件中的第二个initial块中,将图像测试平台和FPGA硬件仿真的结果保存并比对。

我们双击sim文件夹下的top_tb.bat文件,完成系统的自动化仿真。

可以看到在modelsim的Transcript有如下的打印信息,图像测试平台和FPGA硬件仿真的结果一致。

打开img文件夹,也可以看到图像测试平台和FPGA硬件仿真的结果是一致的(no_seq*是图像测试平台处理后的图片,seq*是FPGA硬件仿真处理后的结果)。

相关推荐
CoovallyAIHub4 天前
仿生学突破:SILD模型如何让无人机在电力线迷宫中发现“隐形威胁”
深度学习·算法·计算机视觉
CoovallyAIHub4 天前
从春晚机器人到零样本革命:YOLO26-Pose姿态估计实战指南
深度学习·算法·计算机视觉
CoovallyAIHub4 天前
Le-DETR:省80%预训练数据,这个实时检测Transformer刷新SOTA|Georgia Tech & 北交大
深度学习·算法·计算机视觉
CoovallyAIHub4 天前
强化学习凭什么比监督学习更聪明?RL的“聪明”并非来自算法,而是因为它学会了“挑食”
深度学习·算法·计算机视觉
CoovallyAIHub4 天前
YOLO-IOD深度解析:打破实时增量目标检测的三重知识冲突
深度学习·算法·计算机视觉
ZPC82105 天前
docker 镜像备份
人工智能·算法·fpga开发·机器人
ZPC82105 天前
docker 使用GUI ROS2
人工智能·算法·fpga开发·机器人
youcans_5 天前
【AI辅助编程】ROP 图像预处理
图像处理·人工智能·ai编程·辅助编程
tiantianuser5 天前
RDMA设计53:构建RoCE v2 高速数据传输系统板级测试平台2
fpga开发·rdma·高速传输·cmac·roce v2
这张生成的图像能检测吗5 天前
(论文速读)XLNet:语言理解的广义自回归预训练
人工智能·计算机视觉·nlp·注意力机制