图像处理ASIC设计方法 笔记18 轮廓跟踪算法的硬件加速方案

这篇具有很好参考价值的文章主要介绍了图像处理ASIC设计方法 笔记18 轮廓跟踪算法的硬件加速方案。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。

图像处理ASIC设计方法 笔记18 轮廓跟踪算法的硬件加速方案,异构计算,FPGA,算法,图像处理,笔记,算法

P129
轮廓跟踪算法的硬件加速方案

1排除伪孤立点(断裂链表)

如果图像中某区域存在相邻像素之间仅有对角连接的部位,则对包围该区域的像素进行跟踪时,在对角连接部位,轮廓跟踪方向可能发生转移,跨越目标区域,最终生成断裂链表或者伪孤立点链表。伪孤立点是指与相邻像素仅存在对角连通的像素点,而非真正的孤立像素。

这些断裂链表不反映区域的真实形状,不仅消耗了算法处理时间和链表存储空间,而且对于后续图像处理造成干扰。

方法1 限制链表的长度

限制链表的长度的方法,是排除节点个数在某限定值以下的链表。
优点:简单。缺点:不严谨,在检测较小目标时是不可行的。

方法2 增加判断条件排除断裂链表

增加判断条件排除断裂链表的方法,需要通过实际的算法设计和针对不同情况进行实验。
优点:可行,严谨。缺点:不普适,不同类型的图像要针对性设计;错误率高,有些情况不能正确跟踪轮廓;算法设计复杂,轮廓跟踪速度减慢。

方法3 排除不必要跟踪的轮廓(推荐用这个方法)

该方法是在轮廓跟踪之前,通过排除不必要跟踪的轮廓而减少断裂链表生成。
缺点:有前提,适用于只跟踪区域外边界轮廓的情况。(因为断裂列表通常产生于跟踪内边界,只跟踪外边界对于目标识别这个最主要的应用是够用的)
优点:可达目标,速度快(仿真结果表明,在给定轮廓起点的情况下执行轮廓跟踪算法,与原始算法相比,加速比达到数十万倍)。利用标记算法的扫描过程,得到轮廓起点信息,从而避免轮廓跟踪算法中的逐像素扫描过程。以该坐标为起点跟踪区域边界,可以得到围绕该区域的外边界。大多数情况下,图像中位于区域边界的像素数量远远小于图像像素的总数,因此,免除逐像素扫描过程将可以显著减少轮廓跟踪算法的执行时间。

轮廓起点可以在标记代换过程中,检测到新的连通域时获得。这样,以很小的硬件代价,借助硬件与软件进行合理功能分割,实现了极高的轮廓跟踪算法加速比。

图像处理ASIC设计方法 笔记18 轮廓跟踪算法的硬件加速方案,异构计算,FPGA,算法,图像处理,笔记,算法文章来源地址https://www.toymoban.com/news/detail-860771.html

到了这里,关于图像处理ASIC设计方法 笔记18 轮廓跟踪算法的硬件加速方案的文章就介绍完了。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

  • OpenCV(图像处理)-基于Python-轮廓查找

    一个图像中具有相同颜色或强度(灰度图)的连续点所组成的集合,就是轮廓。轮廓可用于图形分析、物体的识别与检测等等。 在图像中,为了防止轮廓边缘强弱不明显,需要先对图像进行二值化或Canny操作(一般改为黑底白字), 画轮廓时会修改输入的图像。 查找图形的

    2024年02月09日
    浏览(54)
  • 数字图像处理【11】OpenCV-Canny边缘提取到FindContours轮廓发现

    本章主要介绍图像处理中一个比较基础的操作:Canny边缘发现、轮廓发现 和 绘制轮廓。概念不难,主要是结合OpenCV 4.5+的API相关操作,为往下 \\\"基于距离变换的分水岭图像分割\\\" 做知识储备。 在讲述轮廓之前,要花点时间学学边缘检测提取的一个著名算法——Canny边缘提取算法

    2024年02月16日
    浏览(38)
  • 我在Vscode学OpenCV 图像处理四(轮廓查找 cv2.findContours() cv2.drawContours())-- 待补充

    在OpenCV中,边缘检测和轮廓查找是两个不同的图像处理任务,它们有不同的目标和应用。 1.1.1 边缘检测: 定义: 边缘检测是指寻找图像中灰度级别变化明显的地方,即图像中物体之间的界限。这些变化通常表示图像中的边缘或轮廓。 方法: 常用的边缘检测算法包括Sobel、

    2024年02月03日
    浏览(56)
  • 图像处理学习笔记(一)

    一、基础知识 1、彩色图像 (1)RGB RGB色彩模式是工业界的一种颜色标准,通过对红R、绿G、蓝B三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色,这个标准几乎包括了人类视力所能感知的所有颜色,是运用最广的颜色系统之一。 图像中每个像素都分成R、

    2024年02月16日
    浏览(46)
  • 图像处理学习笔记

    图像处理的流程:获取图像-分割区域-特征提取。 嵌入式工业读码器 :包括DM码、QR码、vericode码 Blob分析与形态学 1.Blob区域是Blobs这一数据类型在halcon中的一种贴切的表达形式。 采集图像-区域分割,最后通过特征(如圆度、面积、矩形度等)筛选,这一过程被称为Blob(bin

    2024年02月14日
    浏览(46)
  • Python 使用多种方法对图像进行锐化处理——图像处理

    fun_01() fun_02() fun_03()      

    2024年02月13日
    浏览(77)
  • 【Android学习笔记】图形与图像处理(动态处理)

    逐帧动画 AnimationDrawable与逐帧动画。在元素中定义子元素,表示动画的全部帧,并制定持续时间即可。 animation-list xmlns:android=\\\"“android:onshot=true/false item android:drawable=”@package_name:drawable/resource_name\\\"android:duration=“integer”/ /animation-list 补间动画 android使用Animation代表抽象的动画类

    2024年02月12日
    浏览(42)
  • 【图像处理】模板匹配的学习笔记

    cv.TM_CCOEFF cv.TM_CCOEFF_NORMED cv.TM_CCORR cv.TM_CCORR_NORMED cv.TM_SQDIFF cv.TM_SQDIFF_NORMED Note: cv2.TM_CCOEFF_NORMED :相较于其它方法,通常被认为具有较好的鲁棒性

    2024年02月10日
    浏览(31)
  • 计算机视觉学习笔记(图像的灰度与灰度级 图像的深度 图像噪声 图像处理)

    如果把白色和黑色之间按对数关系分为若干等级,称为灰度,灰度分为256阶,0为黑色,灰度就是没有色彩,RGB色彩分量全部相等(150,150,150)就代表灰度为150. 一幅图像中不同位置的亮度是不一样的,可用f(x,y)来表示(x,y)上的亮度。由于光是一种能量形式,因此亮度是非负

    2024年02月01日
    浏览(54)
  • 图像处理秘籍:12种图像增强方法。【附代码】

    使用场景:深色(黑色)背景的亮点(白点)检测 详情见: 对比度亮度图像增强及convertTo详解 实现: 简单介绍一下,暂时用不到。 直方图均衡化是对一整幅图像进行映射,并不会对某些区域局部映射,对于那些部分区域偏暗或者偏亮的图像而言并不适用。同时直方图均衡化后的

    2024年02月06日
    浏览(40)

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