2017-09-02 22:35:31 qq_39210023 阅读数 21707
  • OpenCV4 图像处理与视频分析实战教程

    基于OpenCV最新版本OpenCV4开始,从基础开始,详解OpenCV核心模块Core、Imgproc、video analysis核心API 与相关知识点,讲解从图像组成,像素操作开始,一步一步教你如何写代码,如何用API解决实际问题,从图像处理到视频分析,涵盖了计算机视觉与OpenCV4 中主要模块的相关知识点,穿插大量工程编程技巧与知识点与案例,全部课程的PPT课件与源码均可以下载。部分课程内容运行截图:

    2524 人正在学习 去看看 贾志刚

FPGA图像处理之路,从此开始,接下来,让我们把时间交给“图像处理”。一休哥在动笔之前,一直在犹豫,反复思考着一个问题,这个问题一直困扰着我,“FPGA在图像处理领域中的地位?”
按照惯例,我们先暂且不直说这个问题的答案,让我们先谈谈图像处理技术。在一休哥我个人看来,图像处理就是对图像进行操作以得到自己想要的结果。图像处理,它是一个非常广义的概念,它包含图像增强,图像复原,图像重建,图像分析,模式识别,计算机视觉等N多个应用方向。这些应用技术有许多在本质上是相通的,但是不同应用领域的关注点往往是不同的。
当我们升入研究生阶段,或者进入公司,如果从事图像处理相关的工作,也就有了自己涉猎的领域了。在此,一休哥主动交代一下,一休哥现阶段主要关注的领域为图像重建。
好了,闲话不多说,我们来说说大实话。在我之见下的图像处理,作为一个“半职业”的FPGAer,用FPGA做图像处理相关的开发时,我们往往首先要考虑的就是FPGA处理板的性能了,因为做图像处理是一个十分消耗资源的事情。打开淘宝,我们可以搜索到很多图像处理FPGA开发板,有些开发板上的资源十分丰富,可以满足我们前期试验的需求。可是令人感到尴尬的是,用FPGA做图像处理也是一件十分困难的事。一休哥从网络上的开源情况来看,FPGA在图像处理方面的主要应用一直处于图像的预处理阶段。
什么叫图像的预处理?例如图像的畸变校正,滤波器处理,边缘检测、颜色检测和阈值处理等。这些预处理都有一些共同的特征,算法较为简单,操作重复性强等。但是,除了预处理,FPGA就不能做点别的吗?有的哦,图像处理类似一个三层金字塔,分为底层,中间层,高层。
这里写图片描述
图像处理金字塔有三层,分别针对的是像素级、特征级和目标级。一个成熟的图像处理应用应该同时涵盖这三层。
在像素层,我们可以对图像做一些变换,目的是增强图像的有用信息,同时抑制任何不相关的信息(如噪声)。然后通过对预处理后的图像做分割操作实现图像从像素级到特征级的过度,分割操作可以理解为检测图像中具有一些共同性质的区域。针对这些区域,依据一个或多个分类法则,将区域归类到一些预先设定的特征类型中作为后期识别的数据集。此时的数据已经不仅仅是图像了,其中包含了丰富的特征信息,如物体的位置信息等。在金字塔高层,依靠获取的特征,如有必要还可以将这些特征集作为学习的训练集来创建专用的模型,借助模型来实现识别,进而用来对实时采集的图像进行描述。
好了,刚才说了一大堆一休哥不擅长的大片理论的“教科书式”定义后,一休哥继续讲大实话。一言以蔽之,FPGA在图像处理中的应用尚处于未成熟状态,网络上可供借鉴的大多是预处理方面的资源,而关于使用FPGA去做特征和目标层次的处理还是十分复杂的,大多数高层次的应用还处于研发阶段,具体说吧,主要是高校和大公司会去做这方面的研究与应用,而且因为是研发阶段,所以使用的FPGA套件是十分昂贵的,不计成本。显然这种实现方式是不符合商用的。因此,当你真正用一个全新的“较低廉”的“高效”的硬件方式实现了一个效果十分出色的图像处理算法,那么你当真是非常了不起的了。
说了这么久,关于“FPGA在图像处理领域中的地位?”这个问题,想必各位心中已经有了属于你们自己的那份答案了。
不妨再来和一休哥的答案比较下。用FPGA做图像处理往往需要考虑除算法之外的更多问题,如时序约束,存储器带宽不足,资源不足,计算问题,这些问题都制约着FPGA在图像处理领域的发展。试想一下,本就复杂的图像处理算法,再加上这些有待解决的难题,这也就是我们经常遇到的困境。幸好,科技是在不断进步的,当现有的技术不能很好的解决当前的应用难题时,一定会新的技术诞生,专为处理这些问题而是的技术。这也就是,我们需要不断学习,不断充电的原因。
DDR2、DDR3、Zynq、PCIE、USB3.0、千兆网、LVDS、CORDIC,这些新技术的出现为我们提供了新的思路与解决方案,让FPGA拥有更大的潜能,FPGA将会在图像处理领域有更加卓越的表现。
在下期及以后的博文中,一休哥将主要介绍FPGA在图像处理中的应用实例。结合新的技术,通过具体应用实例的方式,讲述不一样但“绝对精彩”的图像处理故事,敬请期待!
这里写图片描述

2015-12-02 21:15:57 xwh19910215 阅读数 576
  • OpenCV4 图像处理与视频分析实战教程

    基于OpenCV最新版本OpenCV4开始,从基础开始,详解OpenCV核心模块Core、Imgproc、video analysis核心API 与相关知识点,讲解从图像组成,像素操作开始,一步一步教你如何写代码,如何用API解决实际问题,从图像处理到视频分析,涵盖了计算机视觉与OpenCV4 中主要模块的相关知识点,穿插大量工程编程技巧与知识点与案例,全部课程的PPT课件与源码均可以下载。部分课程内容运行截图:

    2524 人正在学习 去看看 贾志刚

开始学习数字图像处理

参考书籍:《 冈萨雷斯 数字图像处理第二版》

人类对图像亮度的理解

1. 视觉系统倾向于不同强度区域边界周围的“欠调”和“过调

这里写图片描述

2. 同时对比现象

这里写图片描述

3. 视觉错觉

这里写图片描述

光和电磁波谱

波长(λ)与频率(γ)的公式:

λ=c/γ

电磁波谱能量的公式:
E=hv

因此,波长越短(频率越高),能量越大。伽马射线等对活体组织危害很大。

图像形成模型

用f(x,y)二维函数形式表示图像,它的值正比于物理源的辐射能量(如电磁波谱),即:

0<f(x,y)<

f(x,y)=i(x,y)r(x,y),0<r(x,y)<1

i(x,y)表示入射分量,r(x,y)表示反射分量

像素表示形式

4领域:N4(p):{(x+1,y),(x-1,y),(x,y+1),(x,y-1)}
4对角领域:ND(p):{(x+1,y+1),(x+1,y-1),(x-1,y+1),(x-1,y-1)}
8领域:N8(p)

2011-01-18 14:38:00 chief_fu 阅读数 505
  • OpenCV4 图像处理与视频分析实战教程

    基于OpenCV最新版本OpenCV4开始,从基础开始,详解OpenCV核心模块Core、Imgproc、video analysis核心API 与相关知识点,讲解从图像组成,像素操作开始,一步一步教你如何写代码,如何用API解决实际问题,从图像处理到视频分析,涵盖了计算机视觉与OpenCV4 中主要模块的相关知识点,穿插大量工程编程技巧与知识点与案例,全部课程的PPT课件与源码均可以下载。部分课程内容运行截图:

    2524 人正在学习 去看看 贾志刚

从零开始学习图像处理相关的知识,事半功倍的办法是找一本好书。我强力推荐 冈萨雷斯数字图像处理第二版中文版 》(请直接点链接下载,内容包括书本的PDF版本和课后习题答案的PDF版本)经典力作,由 阮秋琦,阮宇智 翻译。吃透它你就是图像处理的半个专家了。

 

我基本上是参考了上面这本书来写一些图像处理的算法的。另外一本《数字图像处理》 参考书,我开始只找到了它,找到那本冈萨雷斯 的后,我就把它丢一旁了,只偶尔翻翻。

2016-10-18 20:42:47 bcfd_yundou 阅读数 244
  • OpenCV4 图像处理与视频分析实战教程

    基于OpenCV最新版本OpenCV4开始,从基础开始,详解OpenCV核心模块Core、Imgproc、video analysis核心API 与相关知识点,讲解从图像组成,像素操作开始,一步一步教你如何写代码,如何用API解决实际问题,从图像处理到视频分析,涵盖了计算机视觉与OpenCV4 中主要模块的相关知识点,穿插大量工程编程技巧与知识点与案例,全部课程的PPT课件与源码均可以下载。部分课程内容运行截图:

    2524 人正在学习 去看看 贾志刚

平时有些问题遇到了感觉很奇怪,不是图像处理的问题,却也是图像处理的问题。

1、颜色褪色

在做标定时,我用到了下面的图来找坐标位置

大概过程就是,先利用颜色,将图像转换到HSV颜色空间上,找到绿颜色位置,再判断红颜色,在求个坐标均值。

可以在使用了一段时间后(大约几个月),算法不灵了,偶尔会出现找不到这块区域,

然后就开始各种调试,最后发现打印的图案颜色与刚打印出来的出现偏差,饱和度降了,有点老照片的感觉。


what's out !!!

总结经验教训:能不用颜色就不要用颜色,在使用颜色时以后要考虑到这种情况,定期更换新的图案。


2、颜色干扰

设计标定的图案,使用的颜色尽量现实生活中出现比较少,明黄色(R:255、G:255、B:0)在yuv颜色空间上特别明显,U通道上明黄色的地方U值特别小。

实际应用过程中,考虑到效率因素,适当的使用颜色是个不错的选择。

但是在使用颜色时,蓝色容易受到镜头边缘的杂光干扰,要注意。



2017-10-02 18:09:34 cymy001 阅读数 591
  • OpenCV4 图像处理与视频分析实战教程

    基于OpenCV最新版本OpenCV4开始,从基础开始,详解OpenCV核心模块Core、Imgproc、video analysis核心API 与相关知识点,讲解从图像组成,像素操作开始,一步一步教你如何写代码,如何用API解决实际问题,从图像处理到视频分析,涵盖了计算机视觉与OpenCV4 中主要模块的相关知识点,穿插大量工程编程技巧与知识点与案例,全部课程的PPT课件与源码均可以下载。部分课程内容运行截图:

    2524 人正在学习 去看看 贾志刚

本文内容参考《数字图像处理基础》Wilhelm Burger等著。
根据图像数组获得边缘检测信息,然后循着已检测到的边缘点找到轮廓线。

轮廓跟踪:从那些边缘强度较大的地方开始,沿着两个不同方向跟踪边缘点,直到这两条轨迹相遇并形成一条闭合的轮廓线。(灰度梯度弱——>边缘消失;交叉边缘——>歧义)

边缘图:通过“阈值运算”对一个“图像像素”是否属于边缘点做“二值判断”(这里需要被判断的“图像像素”是指由“各种边缘检测算子得到的边缘强度”,“阈值”可以是固定的,也可以说是自适应的),经过“阈值运算”的结果存为一张“二值的边缘图像”,即“边缘图”。
全局阈值化处理的后处理方法,如霍夫变换,能很好处理不完整的边缘图。

边缘锐化:

从原图像函数f(x)上减去其二阶导数f′′(x)的一部分,如下图:
这里写图片描述
二维函数f(x,y)的拉普拉斯算子

Δf(x,y)=2f2x(x,y)+2f2y(x,y)

由中心差分公式易得
HLx=2f2x(x,y)=(121),HLy=2f2y(x,y)=121

HL=HLx+HLy=010141010

接下来对原图像I,用HL算子滤波,然后再用I减去此滤波结果,即得锐化结果

I˘Iω(HLI)

拉普拉斯滤波器对噪声相当敏感,可以采用预平滑措施(如高斯平滑)减弱噪声的影响。

fpga图像处理

阅读数 358

开始学习FPGA图像处理

博文 来自: jiangjiaxiaoge
没有更多推荐了,返回首页