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
水中加点糖2 小时前
小白都能看懂的——车牌检测与识别(最新版YOLO26快速入门)
人工智能·yolo·目标检测·计算机视觉·ai·车牌识别·lprnet
ccLianLian3 小时前
计算机基础·cs336·损失函数,优化器,调度器,数据处理和模型加载保存
人工智能·深度学习·计算机视觉·transformer
happyprince4 小时前
2026年02月08日热门论文
人工智能·深度学习·计算机视觉
黄埔数据分析13 小时前
QDMA把描述符当数据搬移, 不用desc engine
fpga开发
晚霞的不甘13 小时前
CANN 在工业质检中的亚像素级视觉检测系统设计
人工智能·计算机视觉·架构·开源·视觉检测
艾莉丝努力练剑14 小时前
图像处理全栈加速:ops-cv算子库在CV领域的应用
图像处理·人工智能
一招定胜负15 小时前
入门MediaPipe:实现实时手部关键点检测
计算机视觉
一招定胜负15 小时前
新手入门MediaPipe系列:手势识别+姿态检测+脸部关键点检测
计算机视觉
一招定胜负17 小时前
基于dlib和OpenCV的人脸替换技术详解
opencv·计算机视觉
Token_w18 小时前
CANN ops-cv解读——AIGC图像生成/目标检测的图像处理算子库
图像处理·目标检测·aigc