CN106683041B - 一种基于neqr表达式的量子图像错切方法 - Google Patents
一种基于neqr表达式的量子图像错切方法 Download PDFInfo
- Publication number
- CN106683041B CN106683041B CN201611139949.5A CN201611139949A CN106683041B CN 106683041 B CN106683041 B CN 106683041B CN 201611139949 A CN201611139949 A CN 201611139949A CN 106683041 B CN106683041 B CN 106683041B
- Authority
- CN
- China
- Prior art keywords
- quantum
- image
- miscut
- axis
- adder
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000014509 gene expression Effects 0.000 title claims abstract description 18
- 238000013519 translation Methods 0.000 claims abstract description 27
- 238000010008 shearing Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 6
- 239000002096 quantum dot Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 3
- JXASPPWQHFOWPL-UHFFFAOYSA-N Tamarixin Natural products C1=C(O)C(OC)=CC=C1C1=C(OC2C(C(O)C(O)C(CO)O2)O)C(=O)C2=C(O)C=C(O)C=C2O1 JXASPPWQHFOWPL-UHFFFAOYSA-N 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/18—Image warping, e.g. rearranging pixels individually
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于NEQR表达式的量子图像错切方法,其特征在于:利用NEQR表达式对量子图像进行编译,NEQR表达式通过量子序列的基本态来存储像素的灰度值,因此,图像在量子系统中的存储是通过两个纠缠的量子序列实现的,分别表示像素的灰度信息与位置信息,对于NEQR量子图像的错切操作,可以分为对x轴的错切和对y轴的错切;量子图像沿x轴错切时,图像中每行像素沿x轴的平移量与本行像素的y轴坐标值呈正相关关系;利用量子乘法器计算量子图像在错切操作中每行像素的平移量,然后,通过量子插值操作将该平移量转化为整数,最后,利用量子加法器求得错切操作后量子图像的位置信息。
Description
技术领域
本发明涉及一种基于NEQR表达式的量子图像错切方法,是一种量子图像处理的基本操作,属于计算机图像处理技术领域。
背景技术
图像的错切在经典计算机图像处理领域是基本操作之一,它可以让图像的几何分解变得简单、迅速、高效,因而广泛应用于很多图像处理算法。近年来,随着量子计算和量子信息技术的发展,量子图像处理受到了广泛的关注,而对量子图像进行错切操作的研究还处于空白。一幅量子图像可以由多种量子表达式来表示,NEQR(Novel Enhanced QuantumRepresentation)表达式即为其中一种。本发明通过对错切矩阵的探究,以及对量子加法器、量子乘法器、量子插值操作的合理运用,实现了对NEQR量子图像的错切操作,解决了这个在量子图像处理领域的关键问题。
发明内容
本发明的目的在于提供一种基于NEQR表达式的量子图像错切方法,首先,利用量子乘法器计算量子图像在错切操作中每行像素的平移量,然后,通过量子插值操作将该平移量转化为整数,最后,利用量子加法器求得错切操作后量子图像的位置信息。
本发明的技术方案是这样实现的:一种基于NEQR表达式的量子图像错切方法,其特征在于:首先,利用NEQR表达式对量子图像进行编译,NEQR表达式通过量子序列的基本态来存储像素的灰度值,因此,图像在量子系统中的存储是通过两个纠缠的量子序列实现的,分别表示像素的灰度信息与位置信息,其定义如下所示:
对于NEQR量子图像的错切操作,可以分为对x轴的错切和对y轴的错切;由于错切方向不同,最终图像产生的错切效果也不同,其错切矩阵及相应公式为:
步骤2、量子图像沿x轴错切时,图像中每行像素沿x轴的平移量与本行像素的y轴坐标值呈正相关关系。因此,利用量子乘法器计算,从而求得每行像素在x轴上的平移量。在量子计算中,通过量子加法器的n次迭代即可实现量子乘法操作,其中每个加法器的运算结果均作为下一步加法器的一个输入,同时利用量子自加器“S-A”对加法器的另一个输入进行自加操作,并通过判断其取值为或 (其中i表示加法器的迭代步骤)。当执行到最后一个加法器时,输出结果即为多位量子乘法器的输出结果。
步骤3、通过步骤2中计算的像素平移量通常为小数,利用量子插值操作以一种合理的方式将小数转化为整数,进而确定像素平移后的位置信息。在此过程中,将二进制小数的精度确定为小数点后四位,并通过小数的最高位来判断是否需要向整数进位,然后利用量子加法器将整数部分与进位相加得到插值操作的结果。
本发明的积极效果如下:将经典图像处理中的错切操作拓展到量子计算领域,同时提出了进行量子位乘法运算的量子乘法器和将二进制小数进行整数化的量子插值算法;弥补了量子图像处理领域对该方法研究的空白,为后续量子图像处理算法的研究提供了坚实的基础。
附图说明
图1为量子乘法器的线路图。
图2为量子自加器的线路图。
图3为量子插值操作的线路图。
图4为量子图像错切操作的线路图。
具体实施方式
下面结合附图对本发明做进一步的描述:一种基于NEQR表达式的量子图像错切方法,其特征在于:首先,利用NEQR表达式对量子图像进行编译,NEQR表达式通过量子序列的基本态来存储像素的灰度值,因此,图像在量子系统中的存储是通过两个纠缠的量子序列实现的,分别表示像素的灰度信息与位置信息,其定义如下所示:
对于NEQR量子图像的错切操作,可以分为对x轴的错切和对y轴的错切;由于错切方向不同,最终图像产生的错切效果也不同,其错切矩阵及相应公式为:
步骤2、量子图像沿x轴错切时,图像中每行像素沿x轴的平移量与本行像素的y轴坐标值呈正相关关系。因此,利用量子乘法器(如图1所示)计算,从而求得每行像素在x轴上的平移量。在量子计算中,通过量子加法器的n次迭代即可实现量子乘法操作,其中每个加法器的运算结果均作为下一步加法器的一个输入,同时利用量子自加器“S-A”(如图2所示)对加法器的另一个输入进行自加操作,并通过判断其取值为或 (其中i表示加法器的迭代步骤)。当执行到最后一个加法器时,输出结果即为多位量子乘法器的输出结果。
步骤3、通过步骤2中计算的像素平移量通常为小数,利用量子插值操作(如图3所示)以一种合理的方式将小数转化为整数,进而确定像素平移后的位置信息。在此过程中,将二进制小数的精度确定为小数点后四位,并通过小数的最高位来判断是否需要向整数进位。图中为整数部分,为小数部分,通过C-NOT门实现小数部分的进位操作,然后利用量子加法器将整数部分与进位相加得到插值操作的结果。
Claims (1)
1.一种基于NEQR表达式的量子图像错切方法,其特征在于:首先,利用NEQR表达式对量子图像进行编译,NEQR表达式通过量子序列的基本态来存储像素的灰度值,因此,图像在量子系统中的存储是通过两个纠缠的量子序列实现的,分别表示像素的灰度信息与位置信息,其定义如下所示:
其中|I>表示一幅大小为2n×2n,灰度范围为[0,2q-1]的NEQR量子图像,|yx>表示图像中像素的位置信息,而|f(y,x)>表示相应像素的颜色信息,它由含有q个量子位的量子序列表示,即其中,为量子位的基本态|0>或|1>;
对于NEQR量子图像的错切操作,可以分为对x轴的错切和对y轴的错切;由于错切方向不同,最终图像产生的错切效果也不同,其错切矩阵及相应公式为:
其中,Mx是图像沿x轴的错切矩阵,My是图像沿y轴的错切矩阵;显然,随着图像中每行像素沿x轴的线性平移或每列像素沿y轴的线性平移,最后会令图像产生错切的效果;θ为错切参数,设置了图像错切过程中的平移量,具体过程如下:
步骤1、在量子系统中准备一幅用NEQR表达式编译的量子图像,其由两个纠缠的量子序列基本态组成;通过设置错切参数θ来计算函数|tan(θ/2)>的值,并用量子态进行表示;
步骤2、量子图像沿x轴错切时,图像中每行像素沿x轴的平移量与本行像素的y轴坐标值呈正相关关系;因此,利用量子乘法器计算|y>×|tan(θ/2)>,从而求得每行像素在x轴上的平移量;在量子计算中,通过量子加法器的n次迭代即可实现量子乘法操作ax=20ax0+21ax1+…+2n-1axn-1,其中每个加法器的运算结果均作为下一步加法器的一个输入,同时利用量子自加器“S-A”对加法器的另一个输入进行自加操作,并通过xi判断其取值为|0>或|2ia>,其中i表示加法器的迭代步骤;当执行到最后一个加法器时,输出结果即为多位量子乘法器的输出结果;
步骤3、通过步骤2中计算的像素平移量通常为小数,利用量子插值操作以一种合理的方式将小数转化为整数,进而确定像素平移后的位置信息;在此过程中,将二进制小数的精度确定为小数点后四位,并通过小数的最高位来判断是否需要向整数进位,然后利用量子加法器将整数部分与进位相加得到插值操作的结果;
步骤4、利用量子加法器,将像素平移量|y>×|tan(θ/2)>与x轴坐标值相加,从而得到|x>+|y>×|tan(θ/2)>作为像素平移后的x坐标;当所有像素均根据平移量|y>×|tan(θ/2)>进行x轴方向的计算平移后,生成的图像即为进行错切操作后的量子图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611139949.5A CN106683041B (zh) | 2016-12-12 | 2016-12-12 | 一种基于neqr表达式的量子图像错切方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611139949.5A CN106683041B (zh) | 2016-12-12 | 2016-12-12 | 一种基于neqr表达式的量子图像错切方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106683041A CN106683041A (zh) | 2017-05-17 |
CN106683041B true CN106683041B (zh) | 2023-03-07 |
Family
ID=58868082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611139949.5A Active CN106683041B (zh) | 2016-12-12 | 2016-12-12 | 一种基于neqr表达式的量子图像错切方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106683041B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633292B (zh) * | 2017-09-29 | 2021-03-09 | 长春理工大学 | 一种基于量子结构的机器人情感空间建模方法 |
CN109741236B (zh) * | 2018-12-12 | 2022-11-11 | 四川大学 | 一种在ibm量子实验平台实现的量子图像阈值分割方法 |
CN110473134B (zh) * | 2019-07-18 | 2021-02-19 | 广西师范大学 | 一种基于gneqr的量子图像置乱方法 |
CN111832734B (zh) * | 2020-07-17 | 2023-10-17 | 重庆邮电大学 | 一种量子图像乘法运算的设计方法及其仿真实现方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09312763A (ja) * | 1996-05-22 | 1997-12-02 | Canon Inc | 画像処理装置 |
CN102567963A (zh) * | 2011-11-10 | 2012-07-11 | 西安电子科技大学 | 基于量子多目标聚类的遥感图像分割方法 |
CN103778593A (zh) * | 2014-01-14 | 2014-05-07 | 南昌大学 | 基于图像关联分解的量子图像加密方法 |
CN104217391A (zh) * | 2014-08-26 | 2014-12-17 | 长春理工大学 | 一种多通道量子图像的加密方法 |
CN104966306A (zh) * | 2015-07-07 | 2015-10-07 | 长春理工大学 | 一种基于测量的复杂背景下量子视频动目标检测方法 |
WO2016054285A1 (en) * | 2014-10-01 | 2016-04-07 | Lyrical Labs Video Compression Technology, LLC | Method and system for unsupervised image segmentation using a trained quality metric |
CN106127669A (zh) * | 2016-06-29 | 2016-11-16 | 广东工业大学 | 基于保面积Baker映射的混沌图像加密方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8897586B2 (en) * | 2012-06-15 | 2014-11-25 | Comcast Cable Communications, Llc | Dynamic generation of a quantization matrix for compression of a digital object |
-
2016
- 2016-12-12 CN CN201611139949.5A patent/CN106683041B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09312763A (ja) * | 1996-05-22 | 1997-12-02 | Canon Inc | 画像処理装置 |
CN102567963A (zh) * | 2011-11-10 | 2012-07-11 | 西安电子科技大学 | 基于量子多目标聚类的遥感图像分割方法 |
CN103778593A (zh) * | 2014-01-14 | 2014-05-07 | 南昌大学 | 基于图像关联分解的量子图像加密方法 |
CN104217391A (zh) * | 2014-08-26 | 2014-12-17 | 长春理工大学 | 一种多通道量子图像的加密方法 |
WO2016054285A1 (en) * | 2014-10-01 | 2016-04-07 | Lyrical Labs Video Compression Technology, LLC | Method and system for unsupervised image segmentation using a trained quality metric |
CN104966306A (zh) * | 2015-07-07 | 2015-10-07 | 长春理工大学 | 一种基于测量的复杂背景下量子视频动目标检测方法 |
CN106127669A (zh) * | 2016-06-29 | 2016-11-16 | 广东工业大学 | 基于保面积Baker映射的混沌图像加密方法 |
Non-Patent Citations (4)
Title |
---|
Moving Target Detection in Multi-Channel Quantum Video;Fei Yan等;《2015 IEEE International Symposium in Intelligent Signal Processing》;20150517;1-4 * |
NEQR: a novel enhanced quantum representation of digital images;Yi Zhang等;《Quantum Information Processing》;20130815;第12卷(第08期);2833-2860 * |
混合量子粒子群图像分割算法IS-MQPS;高颖慧 等;《计算机工程与科学》;20150115;第37卷(第01期);125-132 * |
量子图像处理问题综述;宋显华 等;《智能计算机与应用》;20141201;第04卷(第06期);11-14 * |
Also Published As
Publication number | Publication date |
---|---|
CN106683041A (zh) | 2017-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Valueva et al. | Application of the residue number system to reduce hardware costs of the convolutional neural network implementation | |
CN106683041B (zh) | 一种基于neqr表达式的量子图像错切方法 | |
KR102647858B1 (ko) | 컨볼루션 신경망 계산을 위한 저전력 하드웨어 가속 방법 및 시스템 | |
He et al. | Learning depth from single images with deep neural network embedding focal length | |
JP7304148B2 (ja) | ニューラルネットワークにおいてコンボリューション演算を処理する方法及びその装置 | |
Chervyakov et al. | Residue number system-based solution for reducing the hardware cost of a convolutional neural network | |
CN110474769B (zh) | 一种基于修改方向的量子彩色图像加密方法 | |
CN115423688B (zh) | 量子线路图及基于双线性插值的量子彩色图像缩放方法 | |
Liu et al. | An optimized quantum representation for color digital images | |
WO2020190466A1 (en) | Spatially sparse convolutional neural networks for inking applications | |
Noronha et al. | A parallel implementation of sequential minimal optimization on FPGA | |
Li et al. | Quantum representation and basic operations of digital signals | |
CN109741236B (zh) | 一种在ibm量子实验平台实现的量子图像阈值分割方法 | |
Yan et al. | Quantum image rotation by an arbitrary angle | |
JP2023541350A (ja) | 表畳み込みおよびアクセラレーション | |
Blachut et al. | Real-time efficient fpga implementation of the multi-scale lucas-kanade and horn-schunck optical flow algorithms for a 4k video stream | |
Pezzotti et al. | Linear tsne optimization for the web | |
CN117808659A (zh) | 用于执行多维卷积运算方法、系统、设备和介质 | |
CN108280800A (zh) | 一种量子图像卷积方法 | |
CN114581454B (zh) | 基于背景差分法的量子图像分割方法、装置及存储介质 | |
CN108898228B (zh) | 一种不破坏源操作数的量子加法器设计方法 | |
US6674914B1 (en) | Expandable grayscale morphological erosion operator | |
CN111832734B (zh) | 一种量子图像乘法运算的设计方法及其仿真实现方法 | |
CN117422842A (zh) | 用于处理点云的方法、电子设备和计算机程序产品 | |
Kim et al. | Efficient brain-inspired hyperdimensional learning with spatiotemporal structured data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |