FPGA|数字图像处理实现口罩识别——二值化

这篇具有很好参考价值的文章主要介绍了FPGA|数字图像处理实现口罩识别——二值化。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

【写在前面】刚入门小菜鸟,记录一下口罩识别学习过程。参考文件和网址会在文末注明。有错误欢迎指出,也欢迎进行补充~

FPGA|数字图像处理实现口罩识别——二值化

原理图如下,二值化对应为红框里的部分

FPGA|数字图像处理实现口罩识别——二值化

使用的二值化方法是手动指定一个阈值,通过阈值来进行二值化处理。(还有一种方法是一个自适应阈值二值化方法,在这里未使用)

源码如下:

module binarization(
    //module clock
    input   clk,
    input   rst_n,        //复位信号

    //图像处理前数据接口
    input   ycbcr_vsync,
    input   ycbcr_hsync,
    input   [7:0]   luminance,

    //图像处理后数据接口
    output  post_vsync,
    output  post_hsync,
    output  post_de,
    outputreg   monoc
);

//reg   define
reg ycbcr_vsync_d;
reg ycbcr_hsync_d;
reg ycbcr_de_d;

assign post_vsync = ycbcr_vsync_d ;
assign post_hsync = ycbcr_hsync_d ;
assign post_de = ycbcr_de_d ;

//二值化
always@(posedge clk or negedge rst_n) begin
    if(!rst_n)
        monoc <= 1'b0;
    else if(luminance > 8'd64)    //灰度阈值
        monoc <= 1'b1;            //低于时赋1
    else
        monoc <= 1'b0;            //高于时赋0
end

//延时1拍以同步时钟信号
always@(posedge clk or negedge rst_n) begin
    if(!rst_n) begin
        ycbcr_vsync_d <= 1'd0;
        ycbcr_hsync_d <= 1'd0;
        ycbcr_de_d <= 1'd0;
    end
    else begin
        ycbcr_vsync_d <= ycbcr_vsync;
        ycbcr_hsync_d <= ycbcr_hsync;
        ycbcr_de_d <= ycbcr_de ;
    end
end

endmodule

涉及到的知识解释: 

1.LCD显示器显像的信号HSync ,VSync

VSYNC:帧同步信号。表示扫描1帧的开始,一帧也就是LCD显示的一个画面。
HSYNC:行同步信号。表示扫描1行的开始。

例如,要显示一个A x B的画面,则有:
VSYNC = HSYNC x B
HSYNC = PCLK x A

再例如:FPGA|数字图像处理实现口罩识别——二值化

 

FPGA|数字图像处理实现口罩识别——二值化

 
PCLK:像素时钟,时最小时钟单位,控制整个程序的运行进程。
ENABLE:数据使能,为1时才能接受数据,为0时不能。
P_DATA: 数据输出
上升沿:由0—>1
下降沿:由1—>0

更多知识请看:LCD显示器显像的信号HSync ,VSync - 简书 (jianshu.com)

2.二值化部分

二值化即将灰度值(光亮值)和设定的阈值比较,比较结果以0和1的形式存入monoc中。0和1只是比较的结果,不是像素的实际灰度值。之后需要根据monoc确定像素点的颜色。

3.延时以同步时钟信号

我们在前面使用了一个时钟周期进行二值化,相应的同步信号也应该延迟一个时钟周期,从而实现数据的同步。

参考:《开拓者FPGA开发指南V1.5》文章来源地址https://www.toymoban.com/news/detail-410232.html

到了这里,关于FPGA|数字图像处理实现口罩识别——二值化的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 数字图像处理中的车牌识别

    车牌识别是一种通过计算机视觉技术和图像处理技术来识别车辆车牌号码的技术。它可以通过摄像头捕捉车辆的图像,对图像进行处理和分析,从而自动识别车辆的车牌号码。这项技术在交通管理、安防、停车场管理等领域都有广泛的应用。近年来,随着人工智能技术的发展

    2024年02月13日
    浏览(29)
  • 数字图像处理——实验五 基于图像分割的车牌定位识别

    (1)掌握车牌阈值分割; (2)掌握基于形态学计算的图像分割; (3)掌握图像的二值化; (4)掌握基于像素投影的字符分割; (5)掌握字符识别原理。 (1)计算机; (2)Python 3.x及PyCharm软件; (3)需进行车牌识别的图片。 注: opencv-python 使用的是3.x 版本 (1) 图像灰

    2024年02月08日
    浏览(37)
  • MATLAB【数字图像处理】 大作业:人脸表情识别

    运用已掌握的知识以及查阅相关资料,设计方案能够识别人脸表情中的高兴、厌恶、生气、悲伤、面无表情这五类表情。 本系统是基于PCA算法的人脸特征提取。运用PCA算法来实现人脸特征提取,然后通过计算欧式距离来判别待识别测试人脸。 整个系统的流程是首先是人面部

    2024年02月06日
    浏览(27)
  • 数字图像处理之matlab大作业:车牌识别

    1、基于模板的车牌识别,带GUI GitHub - joeyos/LicensePlateRecognition: License plate recognition 2、基于模板的车牌识别,注释详细 https://github.com/hangxyz/License-Plate-Recognition-by-MATLAB 3、其他优秀作品 1)董同学:带语音播报的车牌识别 车牌识别-基于模板匹配_勇敢歪歪的博客-CSDN博客_车牌识

    2024年02月08日
    浏览(33)
  • 基于FPGA的车牌识别,其中包括常规FPGA图像处理算法

    基于FPGA的车牌识别,其中包括常规FPGA图像处理算法:         rgb转yuv,        sobel边缘检测,        腐蚀膨胀,        特征值提取与卷积模板匹配。 有bit流可以直接烧录实验。 保证无错误,完好,2018.3vivado版本,正点达芬奇Pro100t,板卡也可以自己更改移植一下。 所

    2024年04月14日
    浏览(36)
  • 数字图像处理——大作业 基于车道信息的违法车辆车牌识别

    车牌识别系统广泛应用于交通管理、收费站、城市交叉口、港口和机场、机动车检测、停车场管理等不同的场所,对提高这些场所交通系统的管理水平和自动化程度具有重要的意义[1]。车牌自动识别系统主要包括车牌定位、车牌分割、车牌字符识别三部分。 其中,仅就车牌字

    2024年02月07日
    浏览(42)
  • 深度学习图像处理基础工具——opencv 实战信用卡数字识别

    任务 信用卡数字识别 穿插之前学的知识点  形态学操作 模板匹配 等 总体流程与方法 1.有一个模板 2 用轮廓检测把模板中数字拿出来 外接矩形(模板和输入图像的大小要一致 )3 一系列预处理操作 问题的解决思路 1.分析准备:准备模板,读取文件——转化为灰度图——转化

    2024年04月15日
    浏览(31)
  • 【Python_Opencv图像处理框架】信用卡数字识别项目

    本篇文章是opencv学习的第六篇文章,前面主要讲解了对图像的一些基本操作,这篇文章我们就开始大展身手,将前面所学的基础操作活学活用。既能复习基础操作,又能学到一些新的知识。作为初学者,我尽己所能,但仍会存在疏漏的地方,希望各位看官不吝指正🥰 我们通

    2024年02月03日
    浏览(35)
  • 【数字图像处理】基于Simulink的PCB孔位检测识别实验报告和代码

    需要一种图像处理系统来检测印刷电路板(PCB)中的小孔,并将它们的位置与预定义的规格进行比较。本实验的主要目的是处理图像,以便可以显示检测到的孔位置的覆盖(例如使用红色标记)以及预定义位置的覆盖(例如使用绿色标记)。图1中显示了一个样本图像(部分)。如果有任

    2024年02月07日
    浏览(35)
  • 三种目标检测方法(基于传统数字图像处理的识别方法、基于传统机器学习的识别方法和基于深度学习的识别方法)的区别

    问题描述:图像检测分为了基于传统数字图像处理的识别方法、基于传统机器学习的识别方法和基于深度学习的识别方法,但是有时迷惑三者的区别是什么呢? 问题解答: 第一,基于传统数字图像处理的识别方法和其他两者的区分在于基于传统图像处理方法没有损失函数,

    2024年02月12日
    浏览(29)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包