闲庭信步使用图像验证平台加速FPGA的开发:第九课——图像插值的FPGA实现

(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!)

图像的插值在上个系列有非常详细的讲解,本篇只要实现图像插值的FPGA实现。

其实有了上篇设计的data_cache模块,图像插值的实现就非常的简单了,我们直接上代码。

在src的interpolation文件夹下,新建interpolation.sv文件,首先例化data_cache模块,输入RAW图像及其控制信号,输出奇偶指示位,3x3的缓存数据和控制信号。

由于我们使用的插值算法很简单,拿到缓存数据后,先进行插值相关的计算。

根据RAW图像的格式和奇偶指示位。完成G通道数据的计算,这个除法直接用移位实现。

同理计算出G通道的数据。

B通道的数据也是同理。

数据完成缓存后,插值算法只需要一个时钟周期就可以完成,所以把场同步,行同步,数据有效信号延时一拍即可。

所以成工说,有了data_cache模块,插值算法的FPGA实现就非常的简单了。

在顶层top文件中,例化obtain_raw模块获取RAW数据,例化interpolation模块对RAW数据进行插值。

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。

最后双击sim文件夹下的top_tb.bat文件,完成系统的自动化仿真。

打开img文件夹,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
CoovallyAIHub3 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
CoovallyAIHub3 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
CoovallyAIHub3 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
CoovallyAIHub3 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
CoovallyAIHub3 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
ZPC82104 天前
docker 镜像备份
人工智能·算法·fpga开发·机器人
ZPC82104 天前
docker 使用GUI ROS2
人工智能·算法·fpga开发·机器人
知我Deja_Vu5 天前
redisCommonHelper.generateCode(“GROUP“),Redis 生成码方法
数据库·redis·缓存
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