在线观看www成人影院-在线观看www日本免费网站-在线观看www视频-在线观看操-欧美18在线-欧美1级

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

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

    1630

    文章

    21796

    瀏覽量

    605999
收藏 人收藏

    評論

    相關推薦

    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 ?600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 ?354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

    機器學習算法原理詳解

    機器學習作為人工智能的一個重要分支,其目標是通過讓計算機自動從數據中學習并改進其性能,而無需進行明確的編程。本文將深入解讀幾種常見的機器學習算法原理,包括線性回歸、邏輯回歸、支持向量機
    的頭像 發表于 07-02 11:25 ?1359次閱讀

    FPGA設計經驗之圖像處理

    今天和大俠簡單聊一聊基于FPGA的圖像處理,之前也和各位大俠聊過相關的圖像處理,這里面也超鏈接了幾篇,具體如下: 圖像邊緣檢測算法體驗步驟(Photoshop,Matlab)算法系列
    發表于 06-12 16:26

    FPGA能實現什么樣的算法

    FPGA功能如此強大,請問用FPGA能實現或者比較適合實現什么樣的算法
    發表于 05-26 20:18

    基于FPGA的實時邊緣檢測系統設計,Sobel圖像邊緣檢測,FPGA圖像處理

    。 (2)MATLAB與FPGA運行時間對比 在MATLAB使用本文所述的 Sobel 邊緣檢測算法,提取一張1024720分辨率的灰度圖像的邊緣,經過計時發現僅實現 Sobel 邊緣檢測需要
    發表于 05-24 07:45

    算法系列彩色灰度

    今天和大俠簡單聊一聊彩色灰度算法,話不多說,上貨。 一、基礎  對于彩色
    發表于 05-22 19:02

    FPGA基礎知識學習

    、導航系統等。這些系統對實時性和可靠性要求極高,FPGA能夠滿足這些需求。 人工智能和深度學習FPGA可以用于加速深度學習算法的計算和訓
    發表于 04-29 23:26

    簡單聊一聊彩色灰度算法

    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。
    的頭像 發表于 04-18 10:32 ?487次閱讀
    簡單聊一聊<b class='flag-5'>彩色</b><b class='flag-5'>轉</b><b class='flag-5'>灰度</b>的<b class='flag-5'>算法</b>

    算法系列:基于 FPGA 的圖像邊緣檢測系統設計(sobel算法

    今天給大俠帶來基于 FPGA 的圖像邊緣檢測設計,話不多說,上貨。 設計流程如下:mif文件的制作→ 調用 ip 核生成rom以及仿真注意問題→ 灰度處理→ 均值濾波:重點是3*3 像素陣列
    發表于 03-26 16:40

    fpga芯片系列介紹

    FPGA芯片系列眾多,不同廠商會推出各具特色的產品系列以滿足不同的應用需求。以下是一些主要的FPGA芯片系列
    的頭像 發表于 03-14 16:15 ?1392次閱讀

    fpga學習需要具備哪些課程

    FPGA(Field Programmable Gate Array)學習需要具備一系列的課程知識和實踐技能
    的頭像 發表于 03-14 15:51 ?1306次閱讀
    主站蜘蛛池模板: 五月婷婷之综合激情 | 免费人成在线观看网站品爱网 | 婷婷开心激情 | 网站在线你懂的 | 免费亚洲一区 | 欧美一区二区三区成人看不卡 | 九九福利视频 | 天天色综合6 | 视频网站免费看 | 在线好吊色视频98gao | 日韩午夜在线视频不卡片 | 欧美人与牲动交xxxxbbbb | 亚洲久优优色优在线播放 | 孩交精品xxxx视频视频 | 久久久久久久成人午夜精品福利 | 一级毛片不收费 | 亚洲精品色一区色二区色三区 | 在线观看www日本免费网站 | 五月天婷婷免费视频观看 | 一区二区三区四区视频在线 | 欧美性生活网站 | 人人搞人人干 | 婷婷六月在线 | 五月天精品在线 | 操碰91| 色多多高清在线观看视频www | 奇米影视7777久久精品 | 91精品欧美激情在线播放 | 欧美图片小说视频 | 天堂成人一区二区三区 | 性欧美xx| 日本吻胸抓胸激烈视频网站 | 免费国产网站 | 天天干天天操天天舔 | 五月天亚洲婷婷 | 看全色黄大色大片免费 | 亚洲午夜视频在线观看 | 18满xo影院视频免费体验区 | 五月婷婷六月综合 | 欧美大色网 | 欧美xxx另类 |