随笔分类 - FPGA：图像处理
Modelsim联合Matlab搭建FPGA图像仿真平台
摘要：一、原理 1、Matlab程序img_data_gen.m将要处理的pre_img.jpg图片转为pre_img.txt文本。 2、Verilog程序img_gen.v读取该pre_img_txt文本，并进行一系列的图像处理。 3、图像处理后的结果用Verilog程序top_tb.v输出为另一个po
FPGA实现移动目标检测
摘要：上一篇整理了人脸检测，这篇讲一下移动目标检测。 目前逐渐形成三种运动目标的检测算法： 1）帧间差分法是采用视频序列中的相邻两帧图像做差的方法，来检测视频序列中 的移动目标。但是受运动目标和背景变化的影响，检测过程中有可能出现伪目标或者目标中 出现“空洞”，在目标运动不是太快时可以有效的检测到目标。
FPGA实现人脸检测
摘要：之前的博客都是基本的图像处理，本篇博客整理一下用 FPGA 实现人脸检测的方法，工程比较有趣。 一、肤色提取 首先我们需要把肤色从外界环境提取出来，在肤色识别算法中，常用的颜色空间为YCbCr，Y 代表亮度，Cb 代表蓝色分量，Cr 代表红色分量。肤色在 YCbCr 空间受亮度信息的影响较小，本算法
FPGA实现图像的边缘检测：灰度形态学梯度
摘要：前几篇博客介绍了二值图像的形态学图像处理，本篇博客整理一下灰度形态学的相关图像处理，最后实现基于灰度形态学梯度的边缘检测效果。 一、腐蚀（Erode） 灰度形态学腐蚀，即求局部最小值。以 3x3 模板为例，即找出该模板的最小值作为输出即可。 通过灰度形态学腐蚀，图像中的高亮区域被腐蚀掉了，类似于“领
FPGA实现图像的二值形态学滤波：边界提取
摘要：轮廓是对物体形状的有力描述，对图像分析和识别十分有用。通过边界提取算法可以得到物体的边界轮廓。 二值图像的边界提取主要基于黑白区域的边界查找，和许多边界查找算法相比它适合于二值图像。 边界提取的算法比较简单，以黑色 0 作为背景，白色 1 作为提取。以 3x3 模板为例，9 个像素都为 0 或 1
FPGA实现图像的二值形态学滤波：开运算和闭运算
摘要：开运算：先腐蚀后膨胀，作用是使狭窄的白色连接断开，消除白点。 闭运算：先膨胀后腐蚀，作用是使狭窄的白色连接弥合，消除黑点。 开运算和闭运算是对偶的，然而与腐蚀膨胀不同的是，对于某图像应用多次开或闭运算，和只进行一次运算的效果相同。 一、MATLAB实现 clc; clear all; close a
FPGA实现图像的二值形态学滤波：腐蚀和膨胀
摘要：二值图像（Binary Image）是指将图像上的每一个像素只有两种可能的取值或灰度等级状态，人们经常用黑白、B&W、单色图像表示二值图像。二值图像是指在图像中，灰度等级只有两种，也就是说，图像中的任何像素不是 0 就是 1，再无其他过渡的灰度值。之前的钢笔画和 Sobel 算子输出的就是二值图像。
FPGA实现图像的边缘检测：Sobel算子
摘要：“边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。 这些包括（i）深度上的不连续、（ii）表面方向不连续、（iii）物质属性变化和（iv）场景照明变化。 边缘检测是图像处理和计算机视觉中，尤其是特征提取中
FPGA实现图像的线性滤波：高斯滤波
摘要：在进行数学仿真或者误差评估时，往往认为传感器所引入的噪声服从正态分布（高斯白噪声），这个时候用高斯滤波器就可以很好地消除高斯噪声。高斯滤波也是一种线性平滑滤波，通俗地讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作：
FPGA实现图像的线性滤波：均值滤波
摘要：图像处理领域的线性滤波器主要包括均值滤波和高斯滤波等平滑滤波器，此外,还有Sobel算子、Laplas算子和梯度运算等锐化滤波器。线性滤波通常的处理方法是利用一个指定尺寸的掩模(mask)对图像进行卷积，通常，这个掩模(mask)也可以称为滤波器(filter)、 核(kernel)、模板(temp
FPGA实现图像的非线性滤波：中值滤波
摘要：在图像预处理中，最基础也最重要的处理方法是图像滤波与增强。图像滤波可以很好地消除测量成像或者环境带来的随机噪声、高斯噪声和椒盐噪声等。图像增强可以增强图像细节，提高图像对比度。 滤波器的种类有很多种。按照输出和输入之间是否有唯一且确定的传递函数，我们可以把滤波器分为线性滤波器和非线性滤波器两种。 非
FPGA实现图像的直方图均衡化
摘要：直方图均衡化又称为灰度均衡化，是指通过某种灰度映射使输入图像转换为在每一灰度级上都有近似相同的输出图像(即输出的直方图是均匀的)。在经过均衡化处理后的图像中，像素将占有尽可能多的灰度级并且分布均匀。因此，这样的图像将具有较高的对比度和较大的动态范围。直方图均衡可以很好地解决相机过曝光或曝光不足的问题
FPGA实现图像的直方图拉伸
摘要：在视频处理中，为了能够实时调节图像的对比度，通常需要对直方图进行拉伸处理。直方图拉伸是指将图像灰度直方图较窄的灰度级区间向两端拉伸，增强整幅图像像素的灰度级对比度，达到增强图像的效果。 常用的直方图拉伸方法有线性拉伸、3段式分段线性拉伸和非线性拉伸等。这里我们介绍FPGA中常见的线性拉伸。 线性拉伸
FPGA实现图像的非线性变换：伽玛（幂律）变换
摘要：伽玛变换又名指数变换、幂次变换或幂律变换，是另一种常用的非线性变换。 一、伽玛（幂律）变换理论 伽玛变换的一般表达式为：s = c·rγ 其中 c 和 γ 为正常数，有时考虑到偏移量，也将表达式写为 s=c(r+ ε)γ。与对数变换不同，伽玛变换可以根据 y 的不同取值选择性地增强低灰度区域的对比度
FPGA实现图像的非线性变换：对数（log）变换
摘要：〇、序章 图像增强常用的三类基本函数:线性函数(反转和恒等变换)、对数函数(对数和反对数变换)和幂律函数(n次幂和n次根变换)。如下图所示： 其中恒等变换和反转变换都属于线性变换，在之前的博客中我整理过反转变换，而直接的线性变换的效果其实不太好，分段线性变换的效果会更常用些，但分段线性变换需要输入过
FPGA实现视频图像的水印添加
摘要：图像水印到处可见，如微博图片右下角会有原创者 ID 水印，很多 PDF 文件中也夹有水印，而视频图像同样可以添加水印，最著名的视频图像水印便是电视台的标志了。图像水印在文化产权上起到非常重要的作用，对所有者的权益起到一定的保护。 数字图像的水印叠加公式为：fx = (1-a)f + aw 未加水印的
FPGA实现图像中心差分变换
摘要：差分图像就是目标场景在连续时间点图像相减所构成的图像,广义的差分图像定义为目标场景在时间点tk和tk+L所成图像的差别。差分图像是由目标场景在相邻时间点的图像相减得到的，从而能够得到目标场景随时间的变换。 差分图像在许多领域得到了广泛的应用，比如：视频压缩，生物医学诊断，天文学，遥感，人脸识别等。
FPGA实现图像几何变换：缩放
摘要：假设图像x轴方向的缩放比率Sx，y轴方向的缩放比率Sy，相应的变换表达式为： 其逆运算如下： 直接根据缩放公式计算得到的目标图像中，某些映射源坐标可能不是整数，从而找不到对应的像素位置。例如，当Sx=Sy=2时，图像放大2倍，放大图像中的像素(0, 1)对应于原图中的像素(0, 0.5)，这不是整数
FPGA实现图像几何变换：平移
摘要：图像平移就是将图像中所有的点按照指定的平移量水平或者垂直移动。 设（x0，y0）为图像上的一点，图像水平平移量为Tx，垂直平移量为Ty，如图所示： 则平移之后的点坐标（x1，y1）变为： 用矩阵表示为： 对变换矩阵求逆，可以得到逆变换： 即： 这样，平移后的目标图像中的每一点都可以在原图像中找到对应
FPGA实现图像几何变换：旋转
摘要：旋转一般是指将图像围绕某一指定点旋转一定的角度。 旋转通常也会改变图像的大小，和图像平移的处理一样，可以把转出显示区域的图像截去，也可以改变输出图像的大小以扩展显示范围。 本篇博客实现的旋转算法改编自上一篇博客的镜像，因此不说那么多理论，直接记录重点。 一、MATLAB实现 1、函数法 % % 函数
