ICMakerChipdebug-CSDN博客

原创 PotatoPie 4.0 实验教程(37) —— FPGA实现摄像头图像二值化闭运算效果

图像闭运算是由膨胀操作和腐蚀操作组成的。其作用与图像开运算相反，主要用于填充物体内部的小洞或小孔，平滑物体边缘以及连接远离的物体等。填充小孔或小洞：闭运算可以填充物体内部的小洞或小孔，使物体更加完整。平滑边缘：通过膨胀操作使物体边缘向外扩张，然后通过腐蚀操作再将边缘向内收缩，从而平滑物体的边缘。连接远离的物体：闭运算可以将远离的物体连接在一起，减少它们之间的间隙，使它们看起来更加连续。总的来说，闭运算主要用于处理物体内部的小洞或小孔，并改善物体边缘的平滑度，从而更好地分割和处理图像中的目标物体。

2024-04-30 22:22:57 1096 1

原创 PotatoPie 4.0 实验教程(36) —— FPGA实现摄像头图像二值化开运算效果

图像开运算是数学形态学中的一种图像处理操作，它由两个基本操作组成：腐蚀（Erosion）和膨胀（Dilation）。开运算的作用包括：平滑图像：开运算可以去除图像中的小型噪声或孤立的像素点，从而使图像变得更加平滑。去除小物体：开运算可以有效地去除图像中的小型物体或细小的结构，使得图像中的主要物体更加突出。分离物体：开运算可以将图像中的不同物体分离开来，使它们之间的空隙变得更加明显，从而便于后续的分析和处理。改善边缘：开运算可以改善图像中物体的边缘，使其更加清晰和连续。

2024-04-30 22:20:04 823

原创 PotatoPie 4.0 实验教程(35) —— FPGA实现摄像头图像二值化膨胀效果

图像二值化膨胀是图像处理中的一种基本操作，它用于扩展和增强二值图像中的白色区域。具体而言，二值化膨胀操作会将图像中的白色区域进行扩张，使得白色区域的面积增大，边缘变得更加平滑，同时减小了黑色区域的面积。二值化膨胀的主要作用包括：连接分离的白色区域：当二值图像中存在一些白色区域之间有一定的间隔时，通过膨胀操作可以将它们连接起来，形成更大的连通区域。填充小孔和缝隙：在二值图像中可能存在一些小的黑色孔洞或者白色缝隙，通过膨胀操作可以将这些孔洞或缝隙填充掉，使得图像的连通性更强。

2024-04-30 22:12:47 701

原创 PotatoPie 4.0 实验教程(34) —— FPGA实现摄像头图像二值化腐蚀效果

对二值化后的图像进行腐蚀操作。：在图像处理的预处理阶段，二值化腐蚀处理可以使得图像更加规范化和标准化，为后续的特征提取、目标检测等操作提供更好的图像基础。：对于二值图像中的细长对象或者凹陷部分，腐蚀操作可以使得这些部分变得更加细长，达到细化的效果，有助于后续的图像分析和处理。：腐蚀操作是形态学图像处理中的基本操作之一，通过腐蚀可以改变图像的形状和结构，使得后续的处理更加精确和准确。总的来说，图像二值化腐蚀处理可以提高图像的质量，增强图像的特征，从而更好地适应各种图像处理和分析任务的需求。

2024-04-28 13:00:23 878

原创 PotatoPie 4.0 实验教程(33) —— FPGA实现摄像头视频图像叠加

视频水印就是图像叠加，跟画中画，或者是OSD是一样的原理，都是在视频的行场数据流上进行替换操作，比如叠加可以直接用水印图的数据替掉摄像头的数据，也可以将水印图的数据与摄像头的数据进行运算后再替换原有的摄像头数据。

2024-04-28 12:57:24 1028

原创 PotatoPie 4.0 实验教程(32) —— FPGA实现摄像头图像浮雕效果

浮雕效果是一种图像处理技术，用于将图像转换为看起来像浮雕一样的效果，给人一种凸起或凹陷的立体感觉，下面第二张图就是图像处理实现浮雕效果。不过这个图是用Adobe公司的PS人工P图实现的，效果比较好，算法比我们在本教程讲述的要复杂很多，当然算法也没有公开。

2024-04-27 11:55:04 1316

原创 PotatoPie 4.0 实验教程(31) —— FPGA实现摄像头图像高斯滤波

高斯滤波是一种常见的图像处理技术，用于去除图像中的噪声和平滑图像。它的原理基于统计学中的高斯分布（也称为正态分布）。在高斯滤波中，一个二维的高斯核函数被用来对图像中的每个像素进行加权平均。这个高斯核函数定义了一个权重分布，使得距离中心像素越远的像素在平均过程中具有较小的权重，而距离中心像素越近的像素具有较大的权重。这种权重的分布导致了一个平滑的效果，因为图像中每个像素的值都是由周围像素的加权平均所决定的。高斯滤波的主要优点是能够有效地去除高斯噪声和其他类型的噪声，同时保持图像的边缘和细节。

2024-04-27 11:51:46 969

原创 PotatoPie 4.0 实验教程(30) —— FPGA实现摄像头图像中值滤波

对于图像中的每个像素，定义一个固定大小的邻域，通常是一个正方形或矩形区域。

2024-04-26 22:15:59 1053

原创 PotatoPie 4.0 实验教程(29) —— FPGA实现摄像头图像均值滤波处理

图像均值滤波处理是一种常见的图像处理技术，用于降低图像中噪声的影响并平滑图像。该方法通过在图像中滑动一个固定大小的窗口（通常是一个正方形或矩形），将窗口中所有像素的值取平均来计算窗口中心像素的新值。这种操作会使图像中的高频噪声减弱，并且可以使图像的轮廓变得更加模糊，从而使得图像更加平滑。图像均值滤波的理论依据是基于局部区域的像素值平均化。当图像中的一个像素值受到噪声的影响时，它的值可能会与其周围像素的值不一致。通过取局部区域像素值的平均，可以有效地减小噪声的影响，从而得到更加平滑的图像。

2024-04-26 22:04:28 829 1

原创 PotatoPie 4.0 实验教程(41) —— FPGA实现RISC-V 扩展 GPIO UART Timer功能

我们提供的TD工程里的RISC-V核默认就开启了GPIO UART扩展，可以看到还有SPI和I2C扩展。因此后面的实验中TD的工程我们基本不怎么修改TD的内容，只需要修改TD工具中Soc_Top.v文件中的为FD生成的固件名称即可，主要修我以为都是在FD工程进行修改即可。这个工程我们主要演示了如何使用UART及UART中断，如何使用定时器中断，以及如何使用GPIO和GPIO中断。头文件#include "core.h" // 核心头文件//#define USE_MTIME // 不使用MTIME。

2024-04-26 21:53:47 1496

原创 PotatoPie 4.0 实验教程(28) —— FPGA实现sobel算子对摄像头图像进行边缘提取

Sobel 算子是一种常用的边缘检测算子，用于在图像中检测边缘。它基于对图像进行梯度运算，可以帮助识别图像中灰度值变化较大的区域，从而找到图像中的边缘。Sobel 算子通过计算图像的水平和垂直方向的一阶导数来识别边缘。具体来说，Sobel 算子使用了一个 3×3 的卷积核，分别对图像进行水平和垂直方向上的卷积运算，得到两个梯度图像，即水平梯度图像和垂直梯度图像。然后，将这两个梯度图像合并成一个梯度幅值图像，其中每个像素的幅值表示该点的梯度大小。

2024-04-26 08:30:15 1298 1

原创 PotatoPie 4.0 实验教程(25) —— FPGA实现摄像头图像直方图均衡变换

在直方图均衡中，图像的像素值被重新分配，以使得图像的直方图变得更均匀，即各个像素值的分布更加平衡。：直方图均衡可以增强图像的对比度，使得图像中的细节更加清晰、突出。通过重新分配像素值，可以拉伸直方图，使得图像中的像素值范围更广，从而增加了图像的动态范围。然后通过嵌套的循环遍历原始图像的每个像素点，根据灰度值映射表将每个像素点的灰度值替换为对应的直方图均衡化后的灰度值。总的来说，直方图均衡是一种简单而有效的图像增强技术，可以提高图像的质量和可用性，使得图像在各种应用领域中都能取得更好的效果。

2024-04-26 08:18:04 912 1

原创 PotatoPie 4.0 实验教程(27) —— FPGA实现摄像头图像拉普拉斯边缘提取

这些边缘通常表示了图像中物体的轮廓和形状，因此边缘检测是许多图像处理和计算机视觉任务的基础，如物体检测、图像分割等。边缘检测在图像处理和计算机视觉中扮演着重要角色，其目的是识别图像中亮度变化明显的点，这些变化往往反映了图像中重要的特征和结构。总的来说，边缘检测是图像处理和计算机视觉中的基础问题之一，对于提取图像的重要特征和结构具有重要意义，为许多图像分析和理解任务提供了基础。总的来说，这段代码完成了对彩色图像的灰度化处理以及拉普拉斯边缘检测，并将结果图像显示出来，帮助用户观察图像边缘的检测效果。

2024-04-23 20:53:26 1151 1

原创 PotatoPie 4.0 实验教程(26) —— FPGA实现摄像头图像拉普拉斯锐化

图像的拉普拉斯锐化是根据图像每个像素领域内的像素到该像素的突变程度来计算的，计算的是图像像素的变化程度。这个模板可以突出图像中的边缘和细节，增强图像的锐度。在卷积之后，可以将得到的图像与原始图像相加，或者将得到的图像与原始图像进行混合，以实现拉普拉斯锐化效果。这会导致输出图像边缘的增强效果更明显，因为增加中心像素的权重，使其对输出像素的贡献更大，但也可能导致图像中的噪声被放大。总的来说，拉普拉斯锐化是一种常用的图像增强技术，可以提高图像的质量和可用性，使得图像在各种应用领域中都能取得更好的效果。

2024-04-23 20:46:54 1128 3

原创 PotatoPie 4.0 实验教程(24) —— FPGA实现摄像头图像中心差分变换

最后，它将原始图像、灰度图像和中心差分后的图像水平叠加，并添加了标题，最终显示出来。上面的代码可以看到合并后的灰度图太黑了，几乎看不到，要解决图像太黑的问题，可以考虑调整灰度图像和差分图像的亮度范围，使它们更接近彩色图像的亮度范围。梯度在图像处理中是一个非常重要的概念，它可以用来描述图像中灰度变化的快慢和方向，常用于边缘检测、特征提取和图像增强等任务中。综上所述，通过对图像进行中心差分变换，我们可以获得图像中每个像素点的梯度信息，从而实现边缘检测、特征提取、图像增强和图像去噪等各种图像处理任务。

2024-04-23 20:39:41 1225 1

原创 PotatoPie 4.0 实验教程(23) —— FPGA实现摄像头图像伽马(Gamma)变换

如底部的灰阶显示，亮度加倍时返回的也是真实的物理亮度（译注：这里亮度是指光子数量和正相关的亮度，即物理亮度，前面讨论的是人的感知亮度；对于CRT，Gamma通常为2.2，因而，输出亮度 = 输入电压的2.2次幂，你可以从本节第二张图中看到Gamma2.2实际显示出来的总会比预期暗，相反Gamma0.45就会比理想预期亮，如果你讲Gamma0.45叠加到Gamma2.2的显示设备上，便会对偏暗的显示效果做到校正，这个简单的思路就是本节的核心。Gamma 曲线的形状决定了图像的亮度和对比度的变化程度。

2024-04-23 20:27:18 1070

原创 PotatoPie 4.0 实验教程(22) —— FPGA实现摄像头图像对数(log)变换

总的来说，对数变换是一种常用的图像增强技术，可以改善图像的视觉质量、减少噪声以及突出图像中的细节，从而提高图像在视觉感知和分析中的效果和可用性。图像的对数变换（log transformation）是一种用于增强图像对比度的常见方法之一。它通过对图像的像素值取对数来扩展较低亮度的区域，并压缩较高亮度的区域，从而增强图像的细节和对比度。对数变换的主要特点是可以扩展图像的暗部细节，使得低亮度区域的像素值被映射到较大的范围内，从而提高了图像的对比度。

2024-04-23 19:45:03 1032

原创 PotatoPie 4.0 实验教程(21) —— FPGA实现摄像头图像二值化（RGB2Gray2Bin）

它通过设定一个全局阈值，将图像中的像素分为两类：大于阈值的像素设为白色，小于等于阈值的像素设为黑色。其中，Otsu 方法是全局阈值法中的一种优化方法，它能自动确定最佳的阈值，使得类间方差最大化。通过二值化，我们可以将目标与背景分离，突出目标的特征，便于进一步的分析和处理。通过这些步骤，Otsu 算法能够自动确定最佳的阈值，将图像转换为二值图像，并且在很多情况下能够产生高质量的二值化结果。上面的代码是直接采用的opencv的otsu方法实现的，没有展示细节，我们下面提供的这段代码展示了otsu的方法细节。

2024-04-22 22:55:48 1329

原创 PotatoPie 4.0 实验教程(20) —— FPGA实现摄像头图像转灰度图像(RGB2Gray)

灰度图是一种只包含灰度信息（亮度信息）而不包含彩色信息的图像。在灰度图中，每个像素的亮度值表示图像中对应位置的亮度级别，通常用 0 到 255 之间的整数值表示，0 表示黑色，255 表示白色，中间的值表示不同程度的灰度。灰度图是由彩色图像经过灰度化处理得到的，灰度化处理是将彩色图像的 RGB（红绿蓝）三个通道的颜色值转换为单一的灰度值的过程。常见的灰度化方法包括将 RGB 三个通道的像素值按照一定的权重进行加权平均，或者采用其他算法，如最大值法、最小值法等。

2024-04-16 08:12:13 798

原创 PotatoPie 4.0 实验教程(19) —— FPGA实现摄像头RGB图像转YCbCr

色彩空间”一词源于西方的“Color Space”，又称作“色域”，色彩学中，人们建立了多种色彩模型，以一维、二维、三维甚至四维空间坐标来表示某一色彩，这种坐标系统所能定义的色彩范围即色彩空间。我们经常用到的色彩空间主要有RGB色彩空间和YUV色彩空间。

2024-04-15 22:40:18 1014

ICMakerChipdebug的博客