女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內(nèi)不再提示

Simulink中搭建圖像的采集與輸出模型案例分析

電子設計 ? 來源:CSDN博主 ? 作者:FPGADesigner的博客 ? 2020-12-30 12:06 ? 次閱讀

圖像屬于二維信號,如果想在Simulink中采集和輸出圖像,進行圖像處理算法仿真時會遇到一些問題。本文將介紹如何搭建圖像的采集與輸出模型。

采集圖像需要解決的問題

Computer Vision System Toolbox中包含兩個模塊:Image From File可以讀取圖片格式的文件;Video Viewer可以輸入圖像并顯示(類似于Scope觀察信號波形一樣)。

但是Image From File一次讀出的便是完整的圖片信息,是一個向量形式,而Gateway In只能接收標量數(shù)據(jù)的輸入(即單個數(shù)據(jù))。如果將兩者直接相連,會出現(xiàn)如下錯誤:

o4YBAF9uJ8yALKbbAAAeh1p1T0k389.jpg

Image From File讀取一個256*256大小的圖像,讀出數(shù)據(jù)為一個256*256*3的數(shù)據(jù)(RGB三個通道),這個數(shù)據(jù)不能直接輸入到FPGA中。我們需要利用Simulink提供的功能豐富的block完成數(shù)據(jù)之間的轉(zhuǎn)換。

圖像采集實現(xiàn)

在Simulink中添加block按下圖連接:

pIYBAF9uJ82Af2csAACjzx7xP6E012.jpg

下面以列表的形式給出每個block的作用(以讀取256*256的RGB圖像為例,工作空間中設置變量ImSize=256):

●Image From File:讀取圖像:

pIYBAF9uJ8-ANNrVAABmxdHyYhc641.jpg

“File name”設置圖片文件路徑;“Sample time”設置為ImSize*ImSize即只做一次完整的圖像采集;“Image signal”設置為Separate color signals可以獨立輸出圖像的R、G、B三個通道,每個通道都是256*256大小。

●Math Function:該block可以運行一些基本的數(shù)學函數(shù)(如指數(shù)、對數(shù)、平方等),這里設置為Transpose,計算圖像的轉(zhuǎn)置矩陣。

●Convert 2-D to 1-D:該block可以將二維數(shù)組重新按一維數(shù)組的順序排列,從矩陣的列開始轉(zhuǎn)換,如下圖例子所示:

o4YBAF9uJ9CAQXOGAAAXCR5zktU768.jpg

由于圖像處理算法大多都是以行為單位,因此在前面加了一個Math Function模塊求轉(zhuǎn)置矩陣,這樣在轉(zhuǎn)換后的一維數(shù)組中便是按圖像的每一行依次排列。

●Frame Conversion和Unbuffer:這兩個block配合使用,將一維數(shù)組(向量)轉(zhuǎn)換為Gateway In可以接收的標量形式。示例如下:

pIYBAF9uJ9GAXpKJAABCpa6w6BI714.jpg

Unbuffer將幀格式(frame)轉(zhuǎn)換為標量數(shù)據(jù);Frame Conversion的作用便是將一維數(shù)組以幀格式采樣輸出,即將一副圖像共(256*256=)65536個數(shù)據(jù)打包為一幀,再由Unbuffer轉(zhuǎn)換為標量。

●Data Type Conversion:目前的RGB圖像每個通道大多都是uint8格式,該模塊將數(shù)據(jù)格式轉(zhuǎn)換為uint8。

●Unit Delay:延時一個單位,數(shù)據(jù)緩存。

●Gateway In:讀取uint8格式的圖像數(shù)據(jù),數(shù)據(jù)格式設置為UFix_8_0。

圖像輸出實現(xiàn)

圖像輸出的流程恰好與圖像采集相反,是為了將FPGA處理后的標量數(shù)據(jù)重新轉(zhuǎn)換組織成圖片的數(shù)組形式。在Simulink中添加block按下圖連接:

pIYBAF9uJ9OAQ8nQAACPtliK2T4136.jpg

下面以列表的形式給出每個block的作用(以輸出256*256的RGB圖像為例,工作空間中設置變量ImSize=256):

●Data Type Conversion:Simulink從Gateway Out讀出的數(shù)據(jù)會默認轉(zhuǎn)換為double,這里加入該block將數(shù)據(jù)轉(zhuǎn)換為圖像的uint8格式。

●Buffer:與Unbuffer作用相反,將標量數(shù)據(jù)重新組織為指定幀格式輸出。示例如下:

o4YBAF9uJ9SARIObAAApsH4BZW0360.jpg

雙擊配置該block,將“Output buffer size”設置為ImSize*ImSize,即每幅圖像的數(shù)據(jù)為一幀。

●Convert 1-D to 2-D:將一維數(shù)組重新整理為指定格式的二維數(shù)組,示例如下:

pIYBAF9uJ9WAIGQDAAA2H4aRJ2c179.jpg

雙擊配置該block,將“Number of output rows”和“Number of output columns”都設置為ImSize,即以256*256的格式輸出。

●Math Function:由上圖可知,整形為二維數(shù)組后,原本圖像的每一行數(shù)據(jù)變成了矩陣的每一列。因此需要加入此模塊再求一此轉(zhuǎn)置矩陣,得到原圖像的數(shù)據(jù)排列方式。

●Video Viewer:雙擊打開,點擊File->Image Signal->Separate Color Signals,即可分別輸入R、G、B三個通道的數(shù)據(jù)。

打包子系統(tǒng)

可以看到上面的整個模型已經(jīng)很龐大,因此將圖像采集部分和圖像輸出部分分別打包為子系統(tǒng)。選中對應部分,右鍵->Create Subsystem from selection。代開子系統(tǒng),修改IN/OUT管腳的名稱為R、G、B。此時系統(tǒng)整體連接如下圖:

o4YBAF9uJ9aAdz7pAABRE-TNGP0799.jpg

在System Generator和Gateway In中將采樣時間設置為1S;Simulink仿真時長設置為256*256,即保證采集完一幅圖像。再添加一個Video Viewer觀察原始圖片。運行仿真,結(jié)果如下:

輸入與輸出圖片相同,表明結(jié)果正確。如果需要進行數(shù)字圖像處理算法的仿真驗證,在其中加入其它block實現(xiàn)算法即可。本系統(tǒng)實現(xiàn)了圖像的采集與輸出,使仿真時的結(jié)果更直觀,更容易觀察算法效果,大大提升了仿真效率。

編輯:hfy

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
收藏 人收藏

    評論

    相關推薦
    熱點推薦

    如何實現(xiàn)MC33774IC在Simulink環(huán)境中使用基于模型的設計?

    我想熟悉如何實現(xiàn)MC33774IC 在 Simulink 環(huán)境中使用基于模型的設計。 盡管 MATLAB 提供了一些示例文件,但它們似乎是最終版本。要更深入地了解如何配置MC33774,我正在尋找一個教程,該教程解釋了如何從頭開始在 S
    發(fā)表于 04-10 08:05

    如何使用圖像采集

    在現(xiàn)代數(shù)字技術的不斷發(fā)展圖像采集卡作為一種重要的硬件設備,越來越普遍地應用于各類領域,包括視頻監(jiān)控、醫(yī)療影像、影視制作及游戲直播等。圖像采集
    的頭像 發(fā)表于 12-13 15:03 ?709次閱讀
    如何使用<b class='flag-5'>圖像</b><b class='flag-5'>采集</b>卡

    Simulink與 Simscape的結(jié)合使用

    。用戶可以利用 Simulink 進行系統(tǒng)建模、仿真、測試和驗證,以及生成代碼。 Simscape 簡介 Simscape 是一個用于創(chuàng)建基于物理的模型的仿真環(huán)境。它提供了一個庫,包含各種物理組件,如機械、電氣、液壓和熱力系統(tǒng)等。Simscape 允許用戶以直觀的方式構(gòu)建
    的頭像 發(fā)表于 12-12 09:31 ?1551次閱讀

    Simulink與 MATLAB 的結(jié)合使用 Simulink的信號處理方法

    在工程和科學研究,信號處理是一個重要的領域,涉及到信號的采集分析、處理和生成。MATLAB 提供了豐富的信號處理工具箱,而 Simulink 提供了一個直觀的圖形界面,使得復雜的信
    的頭像 發(fā)表于 12-12 09:25 ?1293次閱讀

    Simulink模型仿真與分析技巧

    1. 模型構(gòu)建基礎 1.1 理解系統(tǒng)需求 在開始構(gòu)建模型之前,明確系統(tǒng)的需求和目標是至關重要的。這包括了解系統(tǒng)的動態(tài)特性、輸入輸出關系以及預期的性能指標。 1.2 選擇合適的模塊 Simuli
    的頭像 發(fā)表于 12-12 09:23 ?2222次閱讀

    Simulink自定義模塊開發(fā)教程 Simulink 在控制系統(tǒng)的應用

    在控制系統(tǒng)的設計和分析Simulink 提供了一個強大的工具集,允許工程師通過圖形化界面快速構(gòu)建和測試復雜的系統(tǒng)模型。然而,Simulink
    的頭像 發(fā)表于 12-12 09:21 ?1981次閱讀

    圖像采集卡的保養(yǎng)和維護

    圖像采集卡是計算機和數(shù)字圖像處理系統(tǒng)不可或缺的組件,它將外部視頻信號轉(zhuǎn)換為計算機可以理解和處理的格式。隨著數(shù)字化進程的加速,越來越多的行業(yè)開始依賴
    的頭像 發(fā)表于 11-21 13:05 ?541次閱讀
    <b class='flag-5'>圖像</b><b class='flag-5'>采集</b>卡的保養(yǎng)和維護

    AI大模型圖像識別的優(yōu)勢

    模型借助高性能的計算硬件和優(yōu)化的算法,能夠在短時間內(nèi)完成對大量圖像數(shù)據(jù)的處理和分析,顯著提高了圖像識別的效率。 識別準確性 :通過深度學習和計算機視覺技術,AI大
    的頭像 發(fā)表于 10-23 15:01 ?2282次閱讀

    圖像采集卡:增強視覺數(shù)據(jù)采集

    圖像采集卡介紹:在視覺數(shù)據(jù)采集領域,圖像采集卡在捕獲和處理來自各種來源的圖像或視頻方面發(fā)揮著關鍵
    的頭像 發(fā)表于 09-24 11:06 ?593次閱讀
    <b class='flag-5'>圖像</b><b class='flag-5'>采集</b>卡:增強視覺數(shù)據(jù)<b class='flag-5'>采集</b>

    用TINA如何搭建仿真模型

    使用TINA仿真單極運放的環(huán)路,仿真模型知道怎么搭建,現(xiàn)在要仿真由兩級TL082搭建的兩級運放的環(huán)路穩(wěn)定性,請教,用TINA如何搭建仿真模型
    發(fā)表于 08-15 08:10

    拓撲篇丨LLC諧振變換器仿真建模與控制策略分析

    我們采用MATLAB的可視化電路仿真軟件包 Simulink 進行電路模型搭建Simulink 被廣泛應用于線性系統(tǒng)、非線性系統(tǒng)、數(shù)字
    發(fā)表于 08-12 16:23

    拓撲篇丨LLC諧振變換器仿真建模與控制策略分析

    副端輸出負載電阻與原端等效電阻。計算變壓器副端輸出負載電阻: 計算變壓器原端等效負載阻值: ④確定諧振電感和諧振電容: 二、電路仿真1、電路模型搭建目前,電路仿真軟件很多,本篇我們采用
    發(fā)表于 07-19 10:17

    在PyTorch搭建一個最簡單的模型

    在PyTorch搭建一個最簡單的模型通常涉及幾個關鍵步驟:定義模型結(jié)構(gòu)、加載數(shù)據(jù)、設置損失函數(shù)和優(yōu)化器,以及進行模型訓練和評估。
    的頭像 發(fā)表于 07-16 18:09 ?2699次閱讀

    圖像分割與語義分割的CNN模型綜述

    圖像分割與語義分割是計算機視覺領域的重要任務,旨在將圖像劃分為多個具有特定語義含義的區(qū)域或?qū)ο蟆>矸e神經(jīng)網(wǎng)絡(CNN)作為深度學習的一種核心模型,在圖像分割與語義分割中發(fā)揮著至關重要的
    的頭像 發(fā)表于 07-09 11:51 ?1770次閱讀

    使用PyTorch搭建Transformer模型

    Transformer模型自其問世以來,在自然語言處理(NLP)領域取得了巨大的成功,并成為了許多先進模型(如BERT、GPT等)的基礎。本文將深入解讀如何使用PyTorch框架搭建Transformer
    的頭像 發(fā)表于 07-02 11:41 ?2466次閱讀