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
科技那些事儿7 小时前
实时洞察,视觉赋能:国内情绪识别API公司推荐及计算机视觉流派深度解析
人工智能·计算机视觉
szxinmai主板定制专家13 小时前
RK3568 + CODESYS+实时系统运动控制器PLC,支持 AI 视觉目标检测,预测性维护,混合多系统部署,多路模拟量采集
arm开发·人工智能·嵌入式硬件·fpga开发
松☆13 小时前
torchtitan-npu:大模型训练框架快速上手实战
人工智能·计算机视觉·目标跟踪
松☆13 小时前
ops-cv:计算机视觉算子性能深度实
人工智能·计算机视觉
入门工作者14 小时前
opencv 微小缺陷 频域实战
人工智能·opencv·计算机视觉
还是叫明14 小时前
OpenCV静态图像分割(抠图)
opencv·计算机视觉·图像分割·抠图
cskywit14 小时前
用扩散模型“一次生成图像和标注”:CoSimGen 如何实现可控的图像-Mask 同步生成
人工智能·深度学习·计算机视觉
人工智能培训15 小时前
中国人工智能培训网—AI系列录播课
大数据·人工智能·机器学习·计算机视觉·知识图谱
GateWorld16 小时前
LCD显示技术完全指南:原理·制造·驱动·FPGA实现之驱动二
fpga开发·lcd显示·fpga点亮屏幕·minilvds
几司16 小时前
OpenISP 模块拆解 · 第12讲:双边滤波降噪 (BNF)
人工智能·计算机视觉·isp