CN101276457B - 验证图形算法及寄存器传输级实现的系统和方法 - Google Patents
验证图形算法及寄存器传输级实现的系统和方法 Download PDFInfo
- Publication number
- CN101276457B CN101276457B CN2008101046774A CN200810104677A CN101276457B CN 101276457 B CN101276457 B CN 101276457B CN 2008101046774 A CN2008101046774 A CN 2008101046774A CN 200810104677 A CN200810104677 A CN 200810104677A CN 101276457 B CN101276457 B CN 101276457B
- Authority
- CN
- China
- Prior art keywords
- algorithm
- image
- verification pattern
- register transfer
- transfer level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012795 verification Methods 0.000 title claims description 21
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 238000007689 inspection Methods 0.000 claims abstract description 5
- 238000012546 transfer Methods 0.000 claims description 13
- 239000011324 bead Substances 0.000 claims description 7
- 238000013519 translation Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 abstract description 25
- 230000008569 process Effects 0.000 abstract description 10
- 238000005070 sampling Methods 0.000 description 5
- 230000003542 behavioural effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 206010019133 Hangover Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000002948 stochastic simulation Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
一种验证图形算法及RTL实现的系统，包括一图形自动生成模块及一应用特殊图形检查模块，其中该图形自动生成模块利用预设的图形约束生成图形并利用不同处理算法对图像进行处理后输出，而应用特殊图形检查模块通过特征检测的方式明确所得图形中是否具有相应的图形特征并输出结果，如此通过图形自动生成方式以解决图形特性与相应算法匹配的问题，为多个算法合成提供合适的测试图形，并且利用本发明验证图形算法及RTL实现的系统和方法把物理原形与实际应用对应，把不同标准从物理细节上统一，从而提供了一套完整的验证系统和方法。
Description
技术领域
本发明涉及一种测试系统与方法，尤其涉及一种验证图形算法及RTL（Register Transfer Level，寄存器传输级）实现的系统和方法。
背景技术
图像处理的方法有模拟式和数字式两种，我们日常生活中见到的图像一般是连续形式的模拟图像，所以数字图像处理首先要将连续图像离散化，转换为数字图像，图像的数字化包括采样和量化两个过程。
通常静态图像实际的物理情况可用f(x，y)二维函数形式表示，在特定的坐标（x，y）处，f的值或幅度是一个正的标量，其物理意义由图像源决定。当一幅图像从物理过程产生时，它的值正比于物理源的辐射能量（如电磁波或光），而光是能量的一种形式，故f(x，y)必须大于零，且为有限值，即O<f(x，y)<∞；上述的数字化采样一般是按正方形点阵取样的，除此之外还有三角形点阵、正六角形点阵取样，并且以上是用f(x，y)的数值来表示(x，y)位置点上灰度级值的大小，即只反映了黑白灰度的关系，如果是一幅彩色图像，各点的数值还应当反映色彩的变化，可用f(x，y，入)表示，其中入是波长。如果图像是运动的，还应是时间t的函数，即可表示为f(x，y，入，t)，在取样后对实际的f(x，y)进行量化后就得到了Lmin <f(x，y)<Lmax数字图像。而动态图像则是以连续的方式记录静态图像，并以数字图像的方式保存，再按照人的视觉要求进行播放即可得到了数字动态图像，其中动态图像中帧率则体现了图像动态的特征。
为达到预定的效果，通常要对静态图像与动态图像采用一定的方法处理，通常对静态图像的处理算法包括平移、旋转、镜象变换、转置、放缩，平滑(即去噪声)、锐化、反色、彩色变换、灰度修正、腐蚀、膨胀、细化、边沿检测与提取、轮廓跟踪、图像的检测及模板匹配等，而对动态图像则根据动态图像的特征进行的数学处理如运动检测、自动补偿及白平衡等
在上述所列举的处理算法中，不同的处理方法对图像有不同的要求，以平滑处理算法对图像的要求为例，实际上此平滑处理方法实现的是一种简单的低通滤波器(low pass filter)，即在灰度连续变化的图像中，如果出现了与相邻象素的灰度相差很大的点，比如说一片暗区中突然出现了一个亮点，人眼能很容易觉察到，此即为灰度突变，其在频域中代表了一种高频分量，低通滤波器的作用就是滤掉高频分量，从而达到减少图像噪声的目的。由于低通滤波器处理方式的引入，能使图像更柔和，但同时也降低了图像的锐度，那可能对于图像的另一个重要指标，如分辨率就会受到较大的影响。相反，如果引入线条图形来测试，则可以更好的分析平滑处理算法所带来的影响，从而更细致并且更精确地取得我们要的效果。
以下我们再举一个处理运动检测例子来进一步分析算法对输入数字图像的要求。通常我们在看足球比赛时，足球快速的运动会在屏幕中留下拖尾，其主要原因有三，第一：拖尾现象是响应时间不够短的问题；第二：拖尾现象是人眼本身的问题；第三：拖尾现象是视频优化技术不过关的问题。我们在运动检测算法中，常规的图像或运动检测算法（只考虑当前帧）可能有不足之处，在加入了基于时空域的运动检测方法（在对当前帧检测的同时，考虑前后帧的信息）之后结果则明显改善，所以在使用小球碰撞的测试图形进行运动检测算法的测试，通过调节小球的速度则可以更好的了解此运动检测算法的效果，达到预定的要求。
由上所述目前图形算法测试方面，基本使用直接测试的方法，测试所用图形无法进行下一步的标准化，各个测试图形之间也无法分析其共性和互补性。随着各种算法的同时引入，结果分析上亦存在无统一衡量的标准，不利于标准化的实施。因此，如何针对特定的处理算法生成合适的测试图形、如何在多种算法都加入到图形处理算法后取得有效的测试、如何指导各种算法的配合及RTL实现的精度如何取舍，这是业界人员不得不面对的一个重要问题。
发明内容
本发明要解决的技术问题在于提出一种验证图形算法及RTL实现的系统和方法，其能够现有技术的直接测试的方法中所出现的测试所用图形无法进行下一步的标准化、各个测试图形之间也无法分析其共性和互补性、在各种算法同时引入时结果分析上无统一衡量的标准、不利于标准化的实施的缺陷。
为解决上述问题，本发明验证图形算法及RTL实现的系统包括一图形自动生成模块及一应用特殊图形检查模块，其中该图形自动生成模块利用预设的图形约束生成图形并利用不同处理算法对图像进行处理后输出，而应用特殊图形检查模块通过特征检测的方式明确所得图形中是否具有相应的图形特征并输出结果，其中所述处理算法包括平移、小球碰撞及色彩处理之一，或多种方式组合。
依据上述主要特征，其中图形自动生成模块利用伪随机数生成技术生成图形。
依据上述主要特征，其中图形自动生成模块通过自动选择图像尺寸、配置底色、选择块单元变化趋势、设置不同块的颜色、饱和度而生成图像。
本发明验证图形算法及RTL实现的方法包括如下步骤：
步骤一：预设特殊图形约束；
步骤二：依上述特殊图形约束自动生成图形；
步骤三：利用不同处理算法对图像进行处理，其中所述处理算法包括平移、小球碰撞及色彩处理之一，或多种方式组合；
步骤四：输出上述处理后的图形；
步骤五：利用上述图形对上述算法进行验证；
步骤六：依据验证结果，通过特征检测的方式明确所得图形中是否具有相应的图形特征并输出结果。
依据上述主要特征，其中在步骤六中是将输出结果回馈至步骤二中以生成图形。
依据上述主要特征，其中图形自动生成模块利用伪随机数生成技术生成图形。
依据上述主要特征，其中图形自动生成模块通过自动选择图像尺寸、配置底色、选择块单元变化趋势、设置不同块的颜色、饱和度而生成图像。
依据上述主要特征，其中所输出的图形的格式为RGB或YUV或Bayer。
与现有技术相比较，本发明通过图形自动生成方式以解决图形特性与相应算法匹配的问题，为多个算法合成提供合适的测试图形，并且可把不同标准从物理细节上统一，从而提供了一套完整的验证系统和方法。
附图说明
图1为实施本发明的系统框架图。
图2为实施本发明的流程图。
具体实施方式
以下结合附图对本发明具体实施方式进行说明。
由背景技术可知，目前图形算法测试方面基本使用直接测试的方法，测试所用图形无法进行下一步的标准化，各个测试图形之间也无法分析其共性和互补性。随着各种算法的同时引入，结果分析上亦存在无统一衡量的标准，不利于标准化的实施。因此，如何针对特定的处理算法生成合适的测试图形、如何在多种算法都加入到图形处理算法后取得有效的测试、如何指导各种算法的配合及RTL实现的精度如何取舍，这是业界人员不得不面对的一个重要问题，本发明正是会对此问题提出一种验证图形算法及RTL实现的系统和方法。
如图1所示，本发明验证图形算法及RTL实现的系统包括一图形自动生成模块及一应用特殊图形检查模块，其中该图形自动生成模块利用预设的图形约束生成图形并利用不同处理算法对图像进行处理后输出，而应用特殊图形检查模块通过特征检测的方式明确所得图形中是否具有相应的图形特征并输出结果。
在上述的图形自动生成模块在生成图形时是采用伪随机数生成以来填充图像的f(x，y)。
同时，为保证自动生成的图形能体现相应的图形特性来检查相应的算法，必须依据相应的图形特征才能有针对性地使用随机生成，因此需加入所需的控制，即图形约束，如分辨率--线条，色彩饱和度--平均方差，等模式识别所需的对应图形模式特征，如此我们就可以得到涵盖多种测试要求的图形。
在实际实施时，可根据RTL实现的算法和精度取得每一算法相对应的图形特征，加入到实际的测试系统中，通过随机模拟及自动检测可以得到更精确和细致的结果，进而指导下一步的优化。
请参阅图2所示，为实施本发明的流程图，包括如下步骤：
步骤一：预设特殊图形约束；
步骤二：依上述特殊图形约束自动生成图形，包括自动选择图像尺寸、配置底色、选择块单元变化趋势、设置不同块的颜色及饱和度等，并利用伪随机数生成技术生成图形；
步骤三：利用不同处理算法对图像进行处理，图形处理的方式包括平移、小球碰撞及色彩处理；
步骤四：输出上述处理后的图形，其中所输出的图形的格式为RGB或YUV或Bayer；
步骤五：利用上述图形对上述算法进行验证；
步骤六：依据验证结果，通过特征检测的方式明确所得图形中是否具有相应的图形特征，对应得图形特征的质量如何。如前所述，此特殊的图形特征包括色彩饱和度，亮度，色调，分辨率及动态特征等。根据处理后的图形，对于物理基本特征的检测可以全面的了解此次算法/RTL实现的状况，并且随结果分析的积累，可以把测试结果的标准化纳入结果分析中。
在标准化测试中，可依亮度、色调、色饱和度、分辨率、动态特征等指标进行测式，其定义及参考标准如下。
亮度：亮度表示某种颜色在人眼视觉上引起的明暗程度，它直接与光的强度有关。光的强度越大，景物就越亮；光的强度越小，景物就会越暗。亮度表现了光能量的大小，也称辉度。量化后与Y值相关，可根据Y值检测。用亮度偏差来分析和标准化亮度测试的结果。
色调：色调表示光的颜色，它决定于光的波长。实际上，可见光的各色波长范围之间的界限并不十分明显，色调是由强度最大的彩色成分来决定的。例如自然界中的七色光就分别对应着不同的色调，而每种色调又分别对应着不同的波长。可根据RGB方差于原色对比进行检测，同时根据偏差结果方差来标准化色调处理结果。
色饱和度：色饱和度表示播放的光的彩色深浅度或鲜艳度，取决于彩色中的白色光含量，白光含量越高，即彩色光含量就越低，色彩饱和度即越低，反之亦然。其数值为百分比，介于0 - 100%之间。纯白光的色彩饱和度为0，而纯彩色光的饱和度则为100%。根据色彩饱和度比较得到处理对饱和度的影响，同时根据偏差结果方差来标准化色饱和度处理结果。
分辨率：根据线条测试得到最低分辨率结果，此项已有标准化定义,如VGA/SVGA。
动态特征：根据碰撞速度得到动态特征，此项已有标准化定义，如30f/60/。
在结果分析上，把亮度，对比度，色度，通过模型记录下来，并引入方差分析结合图形标准质量的参考要求，对处理后的结果和理想结果进行分析，即假设以X 代表一个像素点的值，若E{[X-E(X)]^2}存在，则称E{[X-E(X)]^2}为X的方差，X是一个随机变量代表的点记为D(X)或DX，即D(X)=E{[X-E(X)]^2}
1.当 X点为常数C时，则D(c)= 0 (X 无波动)
2. 当X点波动很小时，利用方差的放大特性，求取cX的方差D(cX) = C2D(x)，即通过放大差异来进行结果分析。
通过此项分析后建立标准，从而量化人眼的容忍度，为算法和实现提供测试标准。
随着图形特征的积累使用，可以快速了解算法及实现的情况并对不同的特征处理提出针对的改进建议，并令图形处理结果标准化，并对系统对图形的影响得到量化的指标。
与现有的图形算法测试方法相比，因现有技术基本使用直接测试的方法，测试所用图形无法进行下一步的标准化，各个测试图形之间也无法分析其共性和互补性。随着各种算法的同时引入，结果分析上亦存在无统一衡量的标准并且不利于标准化的实施。而本发明验证图形算法及RTL实现的系统和方法把物理原形与实际应用的对应，把不同标准从物理细节上统一，从而提供了一套完整的验证系统和方法，不仅可以面对现有的标准，还可以扩展支持以后的标准，并且通过对标准检测的标准化来避免以前直接测试的缺点，为统一标准的执行提供解决方案。
可以理解的是，对本领域普通技术人员来说，可以根据本发明的技术方案及其发明构思加以等同替换或改变，而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。
Claims (2)
1.一种验证图形算法及寄存器传输级实现的系统，其特征在于该系统包括一图形自动生成模块及一应用特殊图形检查模块，其中该图形自动生成模块利用预设的图形约束生成图形并利用不同处理算法对图像进行处理后输出，而应用特殊图形检查模块通过特征检测的方式明确所得图形中是否具有相应的图形特征并输出结果,其中所述处理算法包括平移、小球碰撞及色彩处理之一，或多种方式组合。
2.如权利要求1所述的验证图形算法及寄存器传输级实现的系统，其特征在于：图形自动生成模块利用伪随机数生成技术生成图形。
3．如权利要求2所述的验证图形算法及寄存器传输级实现的系统，其特征在于：图形自动生成模块通过自动选择图像尺寸、配置底色、选择块单元变化趋势、设置不同块的颜色、饱和度而生成图像。
4．一种验证图形算法及寄存器传输级实现的方法，其特征在于该方法包括如下步骤：
步骤一：预设特殊图形约束；
步骤二：依上述特殊图形约束自动生成图形；
步骤三：利用不同处理算法对图像进行处理，其中所述处理算法包括平移、小球碰撞及色彩处理之一，或多种方式组合；
步骤四：输出上述处理后的图形；
步骤五：利用上述图形对上述算法进行验证；
步骤六：依据验证结果，通过特征检测的方式明确所得图形中是否具有相应的图形特征并输出结果。
5．如权利要求4所述的验证图形算法及寄存器传输级实现的方法，其特征在于：步骤六中是将输出结果回馈至步骤二中以生成图形。
6．如权利要求5所述的验证图形算法及寄存器传输级实现的方法，其特征在于：图形自动生成模块利用伪随机数生成技术生成图形。
7．如权利要求5所述的验证图形算法及寄存器传输级实现的方法，其特征在于：图形自动生成模块通过自动选择图像尺寸、配置底色、选择块单元变化趋势、设置不同块的颜色、饱和度而生成图像。
8．如权利要求5所述的验证图形算法及寄存器传输级实现的方法，其特征在于：所输出的图形的格式为RGB。
9．如权利要求5所述的验证图形算法及寄存器传输级实现的方法，其特征在于：所输出的图形的格式为YUV。
10．如权利要求5所述的验证图形算法及寄存器传输级实现的方法，其特征在于：所输出的图形的格式Bayer。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008101046774A CN101276457B (zh) | 2008-04-22 | 2008-04-22 | 验证图形算法及寄存器传输级实现的系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008101046774A CN101276457B (zh) | 2008-04-22 | 2008-04-22 | 验证图形算法及寄存器传输级实现的系统和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101276457A CN101276457A (zh) | 2008-10-01 |
| CN101276457B true CN101276457B (zh) | 2011-11-23 |
Family
ID=39995874
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2008101046774A Expired - Fee Related CN101276457B (zh) | 2008-04-22 | 2008-04-22 | 验证图形算法及寄存器传输级实现的系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101276457B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101609552B (zh) * | 2009-03-30 | 2012-12-19 | 浙江工商大学 | 有限复杂背景下视频目标的特征检测方法 |
| CN105224320A (zh) * | 2015-09-25 | 2016-01-06 | 武汉大学 | 一种rtl图形化描述方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1755623A (zh) * | 2004-09-30 | 2006-04-05 | 微软公司 | 在应用程序内创建和布局图形的方法、系统和计算机可读介质 |
| CN101127927A (zh) * | 2006-08-16 | 2008-02-20 | 鸿富锦精密工业（深圳）有限公司 | 图形发生器测试治具 |
-
2008
- 2008-04-22 CN CN2008101046774A patent/CN101276457B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1755623A (zh) * | 2004-09-30 | 2006-04-05 | 微软公司 | 在应用程序内创建和布局图形的方法、系统和计算机可读介质 |
| CN101127927A (zh) * | 2006-08-16 | 2008-02-20 | 鸿富锦精密工业（深圳）有限公司 | 图形发生器测试治具 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101276457A (zh) | 2008-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8483479B2 (en) | Light detection, color appearance models, and modifying dynamic range for image display | |
| CN102341826B (zh) | 用于将输入图像数据转换成输出图像数据的方法 | |
| CN102957934B (zh) | 显示处理方法、装置及显示装置 | |
| CN107886920B (zh) | 一种获得正确Mura补偿数据的方法及系统 | |
| KR20160047972A (ko) | 영상 처리 장치, 영상 처리 방법, 및 영상 표시 장치 | |
| CN102968943B (zh) | 显示器件伽马值测试卡的生成方法及伽马值的测量方法 | |
| CN103926714A (zh) | 一种显示装置伽马校正系统与校正方法 | |
| Huang et al. | Enhancing color representation for the color vision impaired | |
| TW202303579A (zh) | 補償查找表的配置方法、顯示面板的補償方法、補償查找表的配置裝置 | |
| CN104952059A (zh) | 用于将图像检测系统的错误识别自动参数化的方法 | |
| CN101276457B (zh) | 验证图形算法及寄存器传输级实现的系统和方法 | |
| CN107094219A (zh) | 图像处理装置和图像处理方法 | |
| CN106226033A (zh) | 检测透光基板透过率的方法及装置 | |
| KR102486485B1 (ko) | 대면 휘도계를 이용한 감마 캘리브레이션 장치 | |
| CN106441820A (zh) | 显示屏均匀性测试方法及系统 | |
| Blankenbach et al. | Optimizing and evaluating new automotive HMI image enhancement algorithms under bright light conditions using display reflectance characteristics | |
| CN110310341A (zh) | 颜色算法中默认参数的生成方法、装置、设备和存储介质 | |
| CN113066419B (zh) | 像素补偿实现方法及相关设备 | |
| TWI353187B (zh) | ||
| JP2007267284A (ja) | テストパターン生成装置およびテストパターン生成方法 | |
| CN111292300B (zh) | 显示面板的亮点不良的检测方法和设备、可读存储介质 | |
| Carvalho et al. | Determination of yarn production characteristics using image processing | |
| CN114677983B (zh) | 显示校准方法及相关装置 | |
| CN109087362A (zh) | 确定图像中主色的系统和方法及非暂态计算机可读介质 | |
| US20220012521A1 (en) | System for luminance qualified chromaticity |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C17 | Cessation of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111123 Termination date: 20120422 |