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/發帖/加入社區
會員中心
創作中心

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天內不再提示

FPGA學習算法系列:彩色轉灰度

FPGA學習交流 ? 2018-10-26 10:48 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

大家好,又到了每日學習的時間了,今天我們來聊一聊FPGA學習中可以遇到的一些算法,今天就聊一聊彩色轉灰度的算法。

一、基礎

對于彩色轉灰度,有一個很著名的心理學公式:

Gray = R*0.299 + G*0.587 + B*0.114


二、整數算法

而實際應用時,希望避免低速的浮點運算,所以需要整數算法。

注意到系數都是3位精度的沒有,我們可以將它們縮放1000倍來實現整數運算算法:

Gray = (R*299 + G*587 + B*114 + 500) / 1000

RGB一般是8位精度,現在縮放1000倍,所以上面的運算是32位整型的運算。注意后面那個除法是整數除法,所以需要加上500來實現四舍五入。

就是由于該算法需要32位運算,所以該公式的另一個變種很流行:

Gray = (R*30 + G*59 + B*11 + 50) / 100

但是,雖說上一個公式是32位整數運算,但是根據80x86體系的整數乘除指令的特點,是可以用16位整數乘除指令來運算的。而且現在32位早普及了(AMD64都出來了),所以推薦使用上一個公式。


三、整數移位算法

上面的整數算法已經很快了,但是有一點仍制約速度,就是最后的那個除法。移位比除法快多了,所以可以將系數縮放成 2的整數冪。

習慣上使用16位精度,2的16次冪是65536,所以這樣計算系數:

0.299 * 65536 = 19595.264 ≈ 19595

0.587 * 65536 + (0.264) = 38469.632 + 0.264 = 38469.896 ≈ 38469

0.114 * 65536 + (0.896) = 7471.104 + 0.896 = 7472

可能很多人看見了,我所使用的舍入方式不是四舍五入。四舍五入會有較大的誤差,應該將以前的計算結果的誤差一起計算進去,舍入方式是去尾法:

寫成表達式是:

Gray = (R*19595 + G*38469 + B*7472) >> 16

2至20位精度的系數:

Gray = (R*1 + G*2 + B*1) >> 2

Gray = (R*2 + G*5 + B*1) >> 3

Gray = (R*4 + G*10 + B*2) >> 4

Gray = (R*9 + G*19 + B*4) >> 5

Gray = (R*19 + G*37 + B*8) >> 6

Gray = (R*38 + G*75 + B*15) >> 7

Gray = (R*76 + G*150 + B*30) >> 8

Gray = (R*153 + G*300 + B*59) >> 9

Gray = (R*306 + G*601 + B*117) >> 10

Gray = (R*612 + G*1202 + B*234) >> 11

Gray = (R*1224 + G*2405 + B*467) >> 12

Gray = (R*2449 + G*4809 + B*934) >> 13

Gray = (R*4898 + G*9618 + B*1868) >> 14

Gray = (R*9797 + G*19235 + B*3736) >> 15

Gray = (R*19595 + G*38469 + B*7472) >> 16

Gray = (R*39190 + G*76939 + B*14943) >> 17

Gray = (R*78381 + G*153878 + B*29885) >> 18

Gray = (R*156762 + G*307757 + B*59769) >> 19

Gray = (R*313524 + G*615514 + B*119538) >> 20

仔細觀察上面的表格,這些精度實際上是一樣的:3與4、7與8、10與11、13與14、19與20

所以16位運算下最好的計算公式是使用7位精度,比先前那個系數縮放100倍的精度高,而且速度快:

Gray = (R*38 + G*75 + B*15) >> 7

其實最有意思的還是那個2位精度的,完全可以移位優化:

Gray = (R + (WORD)G<<1 + B) >> 2

由于誤差很大,所以做圖像處理絕不用該公式(最常用的是16位精度)。但對于游戲編程,場景經常變化,用戶一般不可能觀察到顏色的細微差別,所以最常用的是2位精度。


c#代碼

///



/// 彩色圖片轉換成灰度圖片代碼

///


///源圖片

///

public Bitmap BitmapConvetGray(Bitmap img)

{

int h = img.Height;

int w = img.Width;

int gray = 0; //灰度值

Bitmap bmpOut = new Bitmap(w, h, PixelFormat. Format24bppRgb); //每像素3字節

BitmapData dataIn = img.LockBits(new Rectangle(0, 0, w, h), ImageLockMode.ReadOnly, PixelFormat.Format24bppRgb);

BitmapData dataOut = bmpOut.LockBits(new Rectangle(0, 0, w, h), ImageLockMode.ReadWrite, PixelFormat.Format24bppRgb);

unsafe

{

byte* pIn = (byte*)(dataIn.Scan0.ToPointer()); //指向源文件首地址

byte* pOut = (byte*)(dataOut.Scan0.ToPointer()); //指向目標文件首地址

for (int y = 0; y < dataIn.Height; y++) ?//列掃描

{

for (int x = 0; x < dataIn.Width; x++) ? //行掃描

{

gray = (pIn[0] * 19595 + pIn[1] * 38469 + pIn[2] * 7472) >> 16; //灰度計算公式

pOut[0] = (byte)gray; //R分量

pOut[1] = (byte)gray; //G分量

pOut[2] = (byte)gray; //B分量

pIn += 3; pOut += 3; //指針后移3個分量位置

}

pIn += dataIn.Stride - dataIn.Width * 3;

pOut += dataOut.Stride - dataOut.Width * 3;

}

}

bmpOut.UnlockBits(dataOut);

img.UnlockBits(dataIn);

return bmpOut;

}


補充:

理解Stride:假設有一張圖片寬度為6,因為是Format24bppRgb格式(每像素3字節。否則Bitmap默認24位RGB)的,顯然,每一行需要6*3=18個字節存儲。對于Bitmap就是如此。但對于C# BitmapData,雖然BitmapData.Width還是等于Bitmap.Width,但大概是出于顯示性能的考慮,每行的實際的字節數將變成大于等于它的那個離它最近的4的整倍數,此時的實際字節數就是Stride.就此例而言,18不是4的整倍數,而比18大的離18最近的4的倍數是20,所以這個BitmapData.Stride = 20.顯然,當寬度本身就是4的倍數時,BitmapData.Stride = Bitmap.Width * 3.畫個圖可能更好理解。R、G、B 分別代表3個原色分量字節,BGR就表示一個像素。為了看起來方便在每個像素之間插了個空格,實際上是沒有的。X表示補足4的倍數而自動插入的字節。為了符合人類的閱讀習慣分行了,其實在計算機內存中應該看成連續的一大段。

該代碼在VS2008中編譯通過,當使用unsafe關鍵字時,項目的屬性-->生成-->勾選"允許使用不安全代碼"

delphi7代碼

procedure Convert2Gray(Cnv: TCanvas);
var X, Y, jj: Integer;
Color: LongInt;
R, G, B, Gr: Byte;
begin
with Cnv do
for X := Cliprect.Left to Cliprect.Right do
for Y := Cliprect.Top to Cliprect.Bottom do
begin
Color := ColorToRGB(Pixels[X, Y]);
B := (Color and $FF0000) shr 16;
G := (Color and $FF00) shr 8;
R := (Color and $FF);
Gr := HiByte(R * 77 + G * 151 + B * 28);
jj := gr;
Gr := Trunc(B * 0.11 + G * 0.59 + R * 0.3);
Pixels[X, Y] := RGB(Gr, Gr, Gr);
end;

end;

function RGB(R, G, B: Byte): TColor;
begin
Result := B shl 16 or G shl 8 or R;
end;

procedure TfrmDemo.Button1Click(Sender: TObject);
begin
Screen.Cursor := crHourGlass;
Convert2Gray(Image1.Picture.Bitmap.Canvas);
Screen.Cursor := crDefault;
end;

今天就聊到這里,各位,加油!
聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • FPGA
    +關注

    關注

    1645

    文章

    22049

    瀏覽量

    618360
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    基于FPGA實現FOC算法之PWM模塊設計

    哈嘍,大家好,從今天開始正式帶領大家從零到一,在FPGA平臺上實現FOC算法,整個算法的框架如下圖所示,如果大家對算法的原理不是特別清楚的話,可以先去百度上
    的頭像 發表于 07-17 15:21 ?287次閱讀
    基于<b class='flag-5'>FPGA</b>實現FOC<b class='flag-5'>算法</b>之PWM模塊設計

    FPGA在機器學習中的具體應用

    ,越來越多地被應用于機器學習任務中。本文將探討 FPGA 在機器學習中的應用,特別是在加速神經網絡推理、優化算法和提升處理效率方面的優勢。
    的頭像 發表于 07-16 15:34 ?278次閱讀

    基于FPGA的壓縮算法加速實現

    本設計中,計劃實現對文件的壓縮及解壓,同時優化壓縮中所涉及的信號處理和計算密集型功能,實現對其的加速處理。本設計的最終目標是證明在充分并行化的硬件體系結構 FPGA 上實現該算法時,可以大大提高該算法
    的頭像 發表于 07-10 11:09 ?703次閱讀
    基于<b class='flag-5'>FPGA</b>的壓縮<b class='flag-5'>算法</b>加速實現

    進群免費領FPGA學習資料!數字信號處理、傅里葉變換與FPGA開發等

    進群免費領FPGA學習資料啦!小編整理了數字信號處理、傅里葉變換與FPGA開發等FPGA必看資料,需要的小伙伴可以加小助手(微信:elecfans123)或進 QQ 群:9135011
    發表于 04-07 16:41

    請問STM32部署機器學習算法硬件至少要使用哪個系列的芯片?

    STM32部署機器學習算法硬件至少要使用哪個系列的芯片?
    發表于 03-13 07:34

    使用DPLC410進行灰度圖像的顯示,顯示時有時圖像會抖動是怎么回事?

    編程一下APPSFPGA后,又能夠正常顯示灰度圖像。下面兩個視頻分別是顯示時有抖動和正常顯示的情況,APPSFPGA下載的同樣的固件 灰度顯示參考如下的方法: 這個8us的過程中
    發表于 02-26 06:08

    在結構光三維成像方面DLP LightCrafter 4500如何連續投射彩色圖?

    結構光三維成像方面,DLP LightCrafter 4500 如何連續投射彩色圖?一般我們生成三張不同相移的灰度圖,然后合成24bit,依次投射灰度圖,但是這樣并不是一張RGB彩色
    發表于 02-25 08:23

    如何用DLP (Light Crafter 4500)如何連續投射24bit彩色圖?

    灰度正弦圖案,然后在DLP上合成24bit,我們在pattern sequence下依次投射三張8bit的圖案; 現在我們需要一次性的投射24bit彩色圖案:所以我們如何用DLP (Light Crafter 4500)如何連續投射24bit
    發表于 02-25 08:03

    FPGA上的圖像處理算法集成與優化

    、Tophat形態學濾波、RAW8RGB888、彩色圖像均值濾波、Alpha背景疊加、直方圖灰度拉伸算法以及自動白平衡算法。每種
    的頭像 發表于 02-14 13:46 ?656次閱讀
    <b class='flag-5'>FPGA</b>上的圖像處理<b class='flag-5'>算法</b>集成與優化

    TVP5151IPBSR給入彩色的PAL復合視頻信號,能否通過配置寄存器使得該芯片的Y口輸出的是Y灰度值?

    芯片是TVP5151IPBSR,給入彩色的PAL復合視頻信號,我能否通過配置寄存器使得該芯片的Y口輸出的是Y灰度值,并且同步信號由那些特定引腳輸出呢?應該如何配置呢?
    發表于 01-02 06:29

    NPU與機器學習算法的關系

    在人工智能領域,機器學習算法是實現智能系統的核心。隨著數據量的激增和算法復雜度的提升,對計算資源的需求也在不斷增長。NPU作為一種專門為深度學習等機器
    的頭像 發表于 11-15 09:19 ?1214次閱讀

    FPGA加速深度學習模型的案例

    FPGA(現場可編程門陣列)加速深度學習模型是當前硬件加速領域的一個熱門研究方向。以下是一些FPGA加速深度學習模型的案例: 一、基于FPGA
    的頭像 發表于 10-25 09:22 ?1228次閱讀

    FPGA做深度學習能走多遠?

    今天給大俠帶來在FPAG技術交流群里平時討論的問題答疑合集(十四),以后還會多推出本系列,話不多說,上貨。 FPGA技術交流群目前已有十多個群,QQ和微信均覆蓋,有需要的大俠可以進群,一起交流學習
    發表于 09-27 20:53

    為什么FPGA屬于硬件,還需要搞算法

    交流學習,共同進步。 交流問題(一) Q:為什么FPGA屬于硬件,還需要搞算法? 剛入門準備學fpga但一開始學的是語法,感覺像是電路用軟件語言描述出來,
    發表于 09-09 16:54

    FPGA在人工智能中的應用有哪些?

    FPGA可以有效地處理深度學習中的大規模并行運算,從而提高深度學習應用的效率。 定制化計算:FPGA的高度可編程性使其可以針對特定的應用場景和算法
    發表于 07-29 17:05