闲庭信步使用图像验证平台加速FPGA的开发:第十二课——图像增强的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,https://t.zsxq.com/DMeqH 关注即送200GB学习资料,链接已置顶!)

本文采用的图像增强的滤波因子如下所示,由于有了data_cache模块,图像增加的FPGA实现比图像的均值滤波更加简单,直接对缓存后的5个数据就像加减即可。

这个还真的不是成工的文章越来越水了,一是因为有图像测试平台,让开发的思路非常的明确;二是我们已经设计好了 data_cache模块,不用再去考虑图像的缓存;三是我们选用的这个图像增强的因子确实是简单。

在\src\sharpen文件夹下新建sharpen.sv文件,基本功能如下,首先就是例化data_cache模块获取3x3的区域像素,用加减就可以在一个时钟周期内完成因子的滤波计算。

在top文件中,例化了obtain_raw模块和sharpen模块,分别获取RAW图像并对RAW图像进行增强滤波。

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)。

图像增强还有别的滤波因子,比如如下的因子,效果应该更好。

在仿真测试平台,我们实现了这个因子。

重新进行仿真,仿真平台有新的因子,FPGA设计还是用旧的因子,我们比对一下效果,左边是使用新的滤波算子,右边是旧的滤波算子,很明显左边的增强效果要好一些。

相关推荐
迈火1 小时前
PuLID_ComfyUI:ComfyUI中的图像生成强化插件
开发语言·人工智能·python·深度学习·计算机视觉·stable diffusion·语音识别
nnerddboy3 小时前
FPGA自学笔记(正点原子ZYNQ7020):1.Vivado软件安装与点灯
笔记·fpga开发
星期天要睡觉12 小时前
计算机视觉(opencv)——基于 dlib 人脸对齐
人工智能·opencv·计算机视觉
网安INF12 小时前
【论文阅读】-《Sparse Adversarial Attack via Perturbation Factorization》
论文阅读·人工智能·计算机视觉·网络安全·黑盒攻击
Francek Chen12 小时前
【深度学习计算机视觉】10:转置卷积
人工智能·pytorch·深度学习·计算机视觉·卷积神经网络
N0nename14 小时前
Inception V3--J9
人工智能·深度学习·计算机视觉
my烂笔头16 小时前
cv领域接地气的方向
人工智能·深度学习·计算机视觉
IT古董18 小时前
【第五章:计算机视觉-项目实战之图像分割实战】2.图像分割实战:人像抠图-(5)模型训练与测试
人工智能·计算机视觉
Ada's20 小时前
【目标检测2025】
人工智能·目标检测·计算机视觉
不当菜鸡的程序媛1 天前
Stable Diffusion里面Cross-Attention设计:为啥Q来自图像/噪声,K和V来自文本
人工智能·计算机视觉·stable diffusion