CN108198125A - 一种图像处理方法及装置 - Google Patents

一种图像处理方法及装置 Download PDF

Info

Publication number
CN108198125A
CN108198125A CN201711477926.XA CN201711477926A CN108198125A CN 108198125 A CN108198125 A CN 108198125A CN 201711477926 A CN201711477926 A CN 201711477926A CN 108198125 A CN108198125 A CN 108198125A
Authority
CN
China
Prior art keywords
pixel
pixel information
coefficient
convolution
fifo
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.)
Granted
Application number
CN201711477926.XA
Other languages
English (en)
Other versions
CN108198125B (zh
Inventor
张永胜
蒋文
周阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Intellifusion Technologies Co Ltd
Original Assignee
Shenzhen Intellifusion Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Intellifusion Technologies Co Ltd filed Critical Shenzhen Intellifusion Technologies Co Ltd
Priority to CN201711477926.XA priority Critical patent/CN108198125B/zh
Publication of CN108198125A publication Critical patent/CN108198125A/zh
Application granted granted Critical
Publication of CN108198125B publication Critical patent/CN108198125B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00General purpose image data processing
    • G06T1/20Processor architectures; Processor configuration, e.g. pipelining

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例公开了一种图像处理方法及装置,所述方法应用于电子设备,电子设备包括级联寄存器和FIFO,级联寄存器与FIFO级联以存储像素点信息,其中方法包括:从FIFO中读取一个像素点信息;将像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果;对卷积结果进行计算,得到像素点信息所包含像素点的参数,参数包括振幅和/或角度。本发明实施例操作便捷,可有效实现流水计算。

Description

一种图像处理方法及装置
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像处理方法及装置。
背景技术
由于图像梯度处理对图像边缘的敏感程度高于对光照、亮度等变化的敏感程度,且梯度信息能够直观反映图像的变化幅度,因此通常通过图像梯度处理获取图像的图像边缘。传统的图像处理方法中,将用于进行梯度运算的输入变量缓存到随机存取存储器(Random Access Memory,RAM)中,然后在进行图像处理时,从RAM中读取该输入变量进行卷积运算时所需的矩阵系数,基于该矩阵系数进行梯度运算,控制复杂,不利于实现流水计算。
发明内容
本发明实施例提供了一种图像处理方法及装置,操作便捷,可有效实现流水计算。
第一方面,本发明实施例提供了一种图像处理方法,所述方法应用于电子设备,所述电子设备包括级联寄存器和先入先出队列FIFO,所述级联寄存器与所述FIFO级联以存储像素点信息,所述方法包括:
从所述FIFO中读取一个像素点信息;
将所述像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果;
对所述卷积结果进行计算,得到所述像素点信息所包含像素点的参数,所述参数包括振幅和/或角度。
第二方面,本发明实施例提供了一种图像处理装置,该装置包括用于执行上述第一方面的方法的单元。
第三方面,本发明实施例提供了一种电子设备,该电子设备包括:级联寄存器、先入先出队列FIFO和处理器,所述级联寄存器与所述FIFO级联以存储像素点信息。该电子设备具有实现第一方面所述的图像处理方法的功能。所述功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的单元或模块。
第四方面,本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序包括程序指令,程序指令当被处理器执行时使处理器执行上述第一方面的方法。
本发明实施例中级联寄存器与FIFO级联以存储像素点信息,从FIFO中读取一个像素点信息,就可以将该像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果,进而对卷积结果进行计算,得到像素点信息所包含像素点的参数,进而可以再次从FIFO中读取一个像素点信息,将该像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果,进而对卷积结果进行计算,得到像素点信息所包含像素点的参数,操作便捷,可有效实现流水计算。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种电子设备的结构示意图;
图2是本发明实施例公开的一种图像处理方法的流程示意图;
图3是本发明实施例公开的一种对像素点进行边缘复制的示意图;
图4是本发明实施例公开的一种图像处理过程中数据流的示意图;
图5是本发明实施例公开的一种图像处理装置的结构示意图;
图6是本发明另一实施例公开的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参见图1,图1是本发明实施例公开的一种电子设备的结构示意图。如图1所示,该电子设备包括至少一个级联寄存器、至少一个FIFO以及系数寄存器。其中级联寄存器与FIFO级联以存储像素点信息。系数寄存器用于存储矩阵系数,矩阵系数可以包括基于X方向的矩阵系数和基于Y方向的矩阵系数,可选的,系数寄存器可以包括第一系数寄存器及第二系数寄存器,第一系数寄存器用于存储基于X方向的矩阵系数,第二系数寄存器用于存储基于Y方向的矩阵系数。可选的,电子设备还可以包括至少一个备份寄存器,备份寄存器用于缓存位于当前需要处理的图像中第一列或者最后一列的像素点的像素点信息。该电子设备中各个组成部分的通信关系为:级联寄存器与FIFO建立通信,FIFO与备份寄存器建立通信。
级联寄存器以及FIFO用于缓存像素点信息。像素点信息可以包括位于当前需要处理的图像中至少一个像素点的像素点信息。
其中,像素点信息可以包括像素点的位置、颜色或者亮度等信息。
传统的图像处理方法中,将用于进行梯度运算的输入变量缓存到RAM中,然后在进行图像处理时,从RAM中读取该输入变量进行卷积运算时所需的矩阵系数,基于该矩阵系数进行梯度运算,控制复杂,不利于实现流水计算。
而本发明实施例中,从FIFO中读取预先缓存的一个像素点信息,将该像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果,对卷积结果进行计算,得到该像素点信息所包含像素点的参数,参数包括振幅和/或角度,进而可以再次从FIFO中读取一个像素点信息,将该像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果,进而对卷积结果进行计算,得到像素点信息所包含像素点的参数,操作便捷,可有效实现流水计算。
请参见图2,图2是本发明实施例提供的一种图像处理方法的流程示意图。具体的,如图2所示,本发明实施例的图像处理方法可以包括以下步骤:
步骤S201、从FIFO中读取一个像素点信息。
具体的,FIFO可以预先缓存多个像素点信息,其中一个像素点信息可以包括至少一个像素点的像素点信息,则电子设备可以从FIFO中读取一个像素点信息。以图1为例,电子设备将当前需要处理的图像的像素点的像素点信息发送至级联寄存器,级联寄存器将该像素点信息发送至FIFO,其中一个FIFO可以存储(行*宽-3)个像素点的像素点信息,9个级联寄存器与2个FIFO级联可以存储(2行+3)个像素点的像素点信息。需要说明的是,电子设备需要进行预取操作,在FIFO中读出数据后,直接送入级联寄存器中,以保证流水计算时可以连续送出所需的矩阵系数。
可选的,电子设备可支持边缘复制,边缘复制的具体方式可以为:当检测到位于图像中的第一列或者最后一列的像素点存储到FIFO中时,电子设备可以将位于图像中的第一列或者最后一列的像素点存储到备份寄存器中,将FIFO以及备份寄存器中位于图像中的第一列或者最后一列的像素点发送至级联寄存器,将级联寄存器中像素点的像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果,进而对卷积结果进行计算,得到位于图像中的第一列或者最后一列的像素点的参数。
以图1为例,当第一列像素点或者最后一列像素点通过第一行级联寄存器存储到第一个FIFO中时,电子设备可以同时将第一列像素点或者最后一列像素点存储到第一个备份寄存器中。电子设备将第一个FIFO以及第一个备份寄存器中的像素点发送至第二行级联寄存器,将第二行级联寄存器中的像素点信息存储到第二个FIFO中,并将第一列像素点或者最后一列像素点存储到第二个备份寄存器中。电子设备将第二个FIFO以及第二个备份寄存器中的像素点发送至第三行级联寄存器,则通过第三行级联寄存器输出的像素点信息可以包括(2行+3)个像素点的像素点信息。电子设备将第三行级联寄存器输出的像素点信息与第一系数寄存器中存储的基于X方向的矩阵系数进行卷积运算,得到基于X方向的卷积结果。电子设备还可以将第三行级联寄存器输出的像素点信息与第二系数寄存器中存储的基于Y方向的矩阵系数进行卷积运算,得到基于Y方向的卷积结果。电子设备还可以对基于X方向的卷积结果和基于Y方向的卷积结果进行计算,得到像素点信息所包含像素点的参数。
边缘复制第一行像素点的方式是,当输入(2行+3)个数据时,会冻结上级模块,同时启动卷积运算,卷积运算所需的矩阵系数从级联寄存器中选取,同时级联寄存器的值要重新流入FIFO,即完成第一行卷积运算后,级联寄存器和FIFO中的数据与启动运算时保持一致,此时解冻上级模块,当流入新数据时,可以开始新一行的卷积运算。
边缘复制最后一行的方法是,卷积运算所需的矩阵系数从级联寄存器中选取,同时级联寄存器的值要重新流入FIFO。
经过边缘复制得到的更新后的图像可以如图3所示,电子设备对当前需要处理的图像的边界的多个像素点进行复制,得到映像像素点,其中各个映射像素点所属的列数与对应的像素点所属的列数相同,各个映射像素点所属的行数与对应的像素点所属的行数相邻,或者各个映射像素点所属的行数与对应的像素点所属的行数相同,各个映射像素点所属的列数与对应的像素点所属的列数相邻。
可选的,若像素点所属的行数为图像的第一行,则映射像素点所属的列数与对应的像素点所属的列数相同,映射像素点对应的像素点所属的行数为更新后的图像的第二行。
以图3为例,当前需要处理的图像所包含的像素点位于矩形框内,该图像所包含的像素点的排列方式为9行*10列。位于该图像的边界的像素点可以为位于该图像的第一行像素点、最后一行像素点、第一列像素点以及最后一列像素点。电子设备可以复制第一行像素点,得到第一行映射像素点,第一行映射像素点所包含的各个映射像素点所属列数与对应的像素点所属列数相同,该图像所包含的原像素点的行数依次加1,得到更新后的图像,即更新前的图像所包含的第n行像素点位于更新后的图像的第n+1行,n为正整数,1≤n≤9。
可选的,若像素点所属的行数为图像的最后一行,则映射像素点所属的列数与对应的像素点所属的列数相同,映射像素点对应的像素点所属的行数为更新后的图像的最后一行。
以图3为例,电子设备还可以对更新前的图像所包含的最后一行像素点进行复制,得到最后一行映射像素点,该图像所包含的原像素点的行数保持不变,最后一行映射像素点位于更新后的图像的最后一行,最后一行映射像素点所包含的各个映射像素点所属列数与对应的像素点所属列数相同。由此可知,更新后的图像包括11行像素点。
可选的,若像素点所属的行数为图像的第一列,则电子设备在图像的第一列插入映射像素点,得到更新后的图像,映射像素点所属的行数与对应的像素点所属的行数相同,映射像素点对应的像素点所属的列数为更新后的图像的第二列。
以图3为例,电子设备内插第一行映射像素点和最后一行映射像素点之后,可以复制更新后的图像中的第一列像素点,得到第一列映射像素点,第一列映射像素点所包含的各个映射像素点所属行数与对应的像素点所属行数相同,该图像所包含的原像素点的列数依次加1,得到更新后的图像,即更新前的图像所包含的第m列像素点位于更新后的图像的第m+1列,m为正整数,1≤m≤10。
可选的,若像素点所属的行数为图像的最后一列,则电子设备在图像的最后一列插入映射像素点,得到更新后的图像,映射像素点所属的行数与对应的像素点所属的行数相同,映射像素点对应的像素点所属的列数为更新后的图像的最后一列。
以图3为例,电子设备内插第一行映射像素点和最后一行映射像素点之后,还可以对更新后的图像所包含的最后一列像素点进行复制,得到最后一列映射像素点,该图像所包含的原像素点的列数保持不变,最后一列映射像素点位于更新后的图像的最后一列,最后一列映射像素点所包含的各个映射像素点所属行数与对应的像素点所属行数相同。
以图3为例,当前需要处理的图像包括9*10个像素点,电子设备进行边缘复制得到的更新后的图像包括11*12个像素点。电子设备可以以3*3的框,stride=1的步长,从左侧开始做水平方向的滑动,水平方向的滑动都完成后,再在垂直方向滑动一个stride=1的步长后,再重新从左侧开始做水平方向的滑动。每进行一次滑动,电子设备可以得到一个像素点集合,该像素点集合包括3*3个像素点,即图3所述的方框内的像素点(3*3矩阵)。则电子设备需要做9次垂直方向的滑动,在每一次做垂直方向滑动之后,在水平方向滑动时可以得到10个像素点集合,即电子设备可以得到9*10个像素点集合,电子设备获取到的像素点集合的数量与当前需要处理的图像所包含的像素点的数量相同。
进而电子设备可以将各个像素点集合所包含的所有像素点的信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果,并对卷积结果进行计算,得到像素点信息所包含像素点的参数。
步骤S202、将像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果。
具体的,系数寄存器中可以存储基于X方向的矩阵系数和基于Y方向的矩阵系数,进而电子设备可以将像素点信息与系数寄存器中存储的基于X方向的矩阵系数进行卷积运算,得到基于X方向的卷积结果。电子设备还可以将像素点信息与系数寄存器中存储的基于Y方向的矩阵系数进行卷积运算,得到基于Y方向的卷积结果。
可选的,系数寄存器可以包括第一系数寄存器和第二系数寄存器,矩阵系数可以包括基于X方向的矩阵系数和基于Y方向的矩阵系数,其中第一系数寄存器存储基于X方向的矩阵系数,第二系数寄存器存储基于Y方向的矩阵系数。则电子设备可以将像素点信息与第一系数寄存器中存储的基于X方向的矩阵系数进行卷积运算,得到基于X方向的卷积结果。电子设备还可以将像素点信息与第二系数寄存器中存储的基于Y方向的矩阵系数进行卷积运算,得到基于Y方向的卷积结果。
以图4为例,电子设备可以将像素点信息与第一系数寄存器中存储的基于X方向的矩阵系数进行卷积运算,得到基于X方向的卷积结果(例如dx)。电子设备还可以将像素点信息与第二系数寄存器中存储的基于Y方向的矩阵系数进行卷积运算,得到基于Y方向的卷积结果(例如dy)。进而电子设备可以对基于X方向的卷积结果和基于Y方向的卷积结果进行计算,得到像素点信息所包含像素点的参数。
可选的,电子设备将像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果之前,可以接收用户输入的矩阵系数,并将矩阵系数存储到系数寄存器中。例如,电子设备在出厂时,系数寄存器中未存储矩阵系数,则电子设备进行图像处理之前,可以接收用户输入的矩阵系数,并将该矩阵系数存储到系数寄存器中,以便在图像处理过程中可以基于用户输入的矩阵系数进行卷积运算。又如,电子设备在出厂时,系数寄存器中可以预先存储矩阵系数,若该矩阵系数不是当前图像处理所需要的矩阵系数时,可以接收用户输入的矩阵系数,并将该矩阵系数存储到系数寄存器中,以便在图像处理过程中可以基于用户输入的矩阵系数进行卷积运算。若电子设备未接收到用户输入的矩阵系数,则电子设备在图像处理过程中可以基于系数寄存器预先存储的矩阵系数进行卷积运算。需要说明的是,本发明实施例中的矩阵系数是可配置的,以支持多种边缘检测算法的需求,可根据不同应用场景,用不同的边缘检测算法解决图像边缘敏感的问题。
可选的,电子设备将像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果之前,可以接收用户输入的基于X方向的矩阵系数,并将基于X方向的矩阵系数存储到第一系数寄存器中。电子设备还可以接收用户输入的基于Y方向的矩阵系数,并将基于Y方向的矩阵系数存储到第二系数寄存器中。
可选的,当检测到未将所述像素点信息与系数寄存器中存储的矩阵系数进行卷积运算时,电子设备可以暂停在所述FIFO中读取一个像素点信息。本发明实施例在下级模块没有准备接收数据时,可以冻结梯度计算的流水线,以便支持下级模块的反压操作。
步骤S203、对卷积结果进行计算,得到像素点信息所包含像素点的参数,参数包括振幅和/或角度。
可选的,当检测到未对卷积结果进行计算,得到像素点信息所包含像素点的参数时,电子设备可以暂停将所述像素点信息与系数寄存器中存储的矩阵系数进行卷积运算。可选的,电子设备还可以暂停在所述FIFO中读取一个像素点信息。本发明实施例在下级模块没有准备接收数据时,可以冻结梯度计算的流水线,以便支持下级模块的反压操作。
以图1为例,一个FIFO可以缓存(行*宽-3)个像素点的像素点信息,因此9个寄存器和2个FIFO如图1所示级联在一起可以缓存(2行+3)个像素点的像素点信息。当流入(2行+3)个像素点的像素点信息时,卷积运算所需的矩阵系数已经在9个级联寄存器中,此后每流入一个新的数据就与寄存器中的矩阵系数进行卷积运算,得到卷积结果,对卷积结果进行计算,得到像素点信息所包含像素点的参数,卷积运算及卷积结果运算都是流水进行,从而实现梯度的流水计算。
在图2所示的图像处理方法中,在FIFO中读取一个像素点信息,并将像素点信息发送至级联寄存器,通过级联寄存器将像素点信息与级联寄存器中存储的矩阵系数进行卷积运算,得到卷积结果,对卷积结果进行计算,得到像素点信息所包含像素点的参数,操作便捷,可有效实现流水计算。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序包括程序指令,程序指令被处理器执行时,可执行如图2所示方法实施例中所执行的步骤。
请参阅图5,图5是本发明实施例提供的一种图像处理装置的结构示意图。具体的,如图5所示,该图像处理装置,包括:
像素点信息获取单元501,用于从所述FIFO中读取一个像素点信息,其中FIFO与级联寄存器级联以存储像素点信息;
卷积运算单元502,用于将所述像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果;
参数获取单元503,用于对所述卷积结果进行计算,得到所述像素点信息所包含像素点的参数,所述参数包括振幅和/或角度。
可选的,所述图像处理装置还可以包括:
矩阵系数接收单元504,用于在所述卷积运算单元502将所述像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果之前,接收用户输入的矩阵系数;
存储单元505,用于将所述矩阵系数存储到系数寄存器中。
可选的,像素点信息获取单元501具体用于:
当检测到位于当前需要处理的图像中的第一列或者最后一列的像素点存储到所述FIFO中时,将所述位于所述图像中的第一列或者最后一列的像素点存储到备份寄存器中;
将FIFO以及所述备份寄存器中位于所述图像中的第一列或者最后一列的像素点发送至所述级联寄存器;
所述卷积运算单元502,具体用于将所述级联寄存器中的像素点的像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果。
可选的,图像处理装置还可以包括:
暂停单元506,用于当检测到未将所述像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果时,暂停在所述FIFO中读取一个像素点信息。
可选的,所述矩阵系数包括基于X方向的矩阵系数和基于Y方向的矩阵系数,则卷积运算单元502,具体用于:
将所述像素点信息与第一系数寄存器中存储的基于X方向的矩阵系数进行卷积运算,得到基于X方向的卷积结果;
将所述像素点信息与第二系数寄存器中存储的基于Y方向的矩阵系数进行卷积运算,得到基于Y方向的卷积结果。
本发明实施例和图2所示方法实施例基于同一构思,其带来的技术效果也相同,具体原理请参照图2所示实施例的描述,在此不赘述。
请参阅图6,图6是本发明实施例提供的一种电子设备的结构示意图。该电子设备包括:级联寄存器601、FIFO602以及处理器603以及系数寄存器604,其中,级联寄存器601、FIFO602、处理器603和系数寄存器604通过总线605连接。
处理器603可以是中央处理单元(Central Processing Unit,CPU);也可以进一步包括硬件芯片,上述硬件芯片可以是专用集成电路(application-specific integratedcircuit,ASIC),可编程逻辑器件(programmable logic device,PLD)等。上述PLD可以是现场可编程逻辑门阵列(field-programmable gate array,FPGA),通用阵列逻辑(genericarray logic,GAL)等。该处理器603还可以是其他通用处理器。其中:
处理器603从所述FIFO602中读取一个像素点信息;
处理器603将所述像素点信息与系数寄存器604中存储的矩阵系数进行卷积运算,得到卷积结果;
处理器603对所述卷积结果进行计算,得到所述像素点信息所包含像素点的参数,所述参数包括振幅和/或角度。
可选的,所述处理器603将所述像素点信息与系数寄存器604中存储的矩阵系数进行卷积运算,得到卷积结果之前,还可以执行以下操作:
接收用户输入的矩阵系数;
将所述矩阵系数存储到系数寄存器604中。
可选的,处理器603在所述FIFO中读取一个像素点信息,具体可以为:
当检测到位于当前需要处理的图像中的第一列或者最后一列的像素点存储到所述FIFO中时,将所述位于所述图像中的第一列或者最后一列的像素点存储到备份寄存器中;
将FIFO以及所述备份寄存器中位于所述图像中的第一列或者最后一列的像素点发送至所述级联寄存器601;
处理器603将所述像素点信息与系数寄存器604中存储的矩阵系数进行卷积运算,得到卷积结果,具体可以为:
将所述级联寄存器601中像素点的像素点信息与所述系数寄存器604中存储的矩阵系数进行卷积运算,得到卷积结果。
可选的,处理器603还可以执行以下操作:
当检测到未将所述像素点信息与所述系数寄存器604中存储的矩阵系数进行卷积运算,得到卷积结果时,暂停在所述FIFO中读取一个像素点信息。
可选的,所述矩阵系数包括基于X方向的矩阵系数和基于Y方向的矩阵系数,则处理器603将所述像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果,具体用于:
将所述像素点信息与第一系数寄存器中存储的基于X方向的矩阵系数进行卷积运算,得到基于X方向的卷积结果;
将所述像素点信息与第二系数寄存器中存储的基于Y方向的矩阵系数进行卷积运算,得到基于Y方向的卷积结果。
具体实现中,本发明实施例中所描述处理器602可执行本发明实施例图2提供的图像处理方法中所描述的实现方式,也可执行本发明实施例图5所描述的图像处理装置的实现方式,在此不赘述。
以上,仅为本发明的部分实施方式,但本发明的保护范围并不局限于此,在上述实施例的基础上想到的各种等效的修改或替换,都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种图像处理方法,其特征在于,所述方法应用于电子设备,所述电子设备包括级联寄存器和先入先出队列FIFO,所述级联寄存器与所述FIFO级联以存储像素点信息,所述方法包括:
从所述FIFO中读取一个像素点信息;
将所述像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果;
对所述卷积结果进行计算,得到所述像素点信息所包含像素点的参数,所述参数包括振幅和/或角度。
2.根据权利要求1所述的方法,其特征在于,所述将所述像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果之前,还包括:
接收用户输入的矩阵系数;
将所述矩阵系数存储到所述系数寄存器中。
3.根据权利要求1所述的方法,其特征在于,所述在所述FIFO中读取一个像素点信息,包括:
当检测到位于当前需要处理的图像中的第一列或者最后一列的像素点存储到所述FIFO中时,将所述位于所述图像中的第一列或者最后一列的像素点存储到备份寄存器中;
将所述FIFO以及所述备份寄存器中位于所述图像中的第一列或者最后一列的像素点发送至所述级联寄存器;
所述将所述像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果,包括:
将所述级联寄存器中像素点的像素点信息与所述系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
当检测到未将所述像素点信息与所述系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果时,暂停在所述FIFO中读取一个像素点信息。
5.根据权利要求1-3任一项所述的方法,其特征在于,所述矩阵系数包括基于X方向的矩阵系数和基于Y方向的矩阵系数;
所述将所述像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果,包括:
将所述像素点信息与第一系数寄存器中存储的基于X方向的矩阵系数进行卷积运算,得到基于X方向的卷积结果;
将所述像素点信息与第二系数寄存器中存储的基于Y方向的矩阵系数进行卷积运算,得到基于Y方向的卷积结果。
6.一种图像处理装置,其特征在于,所述装置应用于电子设备,所述电子设备包括级联寄存器和先入先出队列FIFO,所述级联寄存器与所述FIFO级联以存储像素点信息,所述装置包括:
像素点信息获取单元,用于从所述FIFO中读取一个像素点信息;
卷积运算单元,用于将所述像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果;
参数获取单元,用于对所述卷积结果进行计算,得到所述像素点信息所包含像素点的参数,所述参数包括振幅和/或角度。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
矩阵系数接收单元,用于在所述卷积运算单元将所述像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果之前,接收用户输入的矩阵系数;
存储单元,用于将所述矩阵系数存储到所述系数寄存器中。
8.根据权利要求6所述的方法,其特征在于,所述像素点信息获取单元,具体用于:
当检测到位于当前需要处理的图像中的第一列或者最后一列的像素点存储到所述FIFO中时,将所述位于所述图像中的第一列或者最后一列的像素点存储到备份寄存器中;
将所述FIFO以及所述备份寄存器中位于所述图像中的第一列或者最后一列的像素点发送至所述级联寄存器;
所述卷积运算单元,具体用于:
将所述级联寄存器中像素点的像素点信息与所述系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果。
9.一种电子设备,其特征在于,所述电子设备包括级联寄存器、先入先出队列FIFO和处理器,所述级联寄存器与所述FIFO级联以存储像素点信息,所述处理器用于执行以下操作:
从所述FIFO中读取一个像素点信息;
将所述像素点信息与系数寄存器中存储的矩阵系数进行卷积运算,得到卷积结果;
对所述卷积结果进行计算,得到所述像素点信息所包含像素点的参数,所述参数包括振幅和/或角度。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-5任一项所述的方法。
CN201711477926.XA 2017-12-29 2017-12-29 一种图像处理方法及装置 Active CN108198125B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711477926.XA CN108198125B (zh) 2017-12-29 2017-12-29 一种图像处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711477926.XA CN108198125B (zh) 2017-12-29 2017-12-29 一种图像处理方法及装置

Publications (2)

Publication Number Publication Date
CN108198125A true CN108198125A (zh) 2018-06-22
CN108198125B CN108198125B (zh) 2021-10-08

Family

ID=62586585

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711477926.XA Active CN108198125B (zh) 2017-12-29 2017-12-29 一种图像处理方法及装置

Country Status (1)

Country Link
CN (1) CN108198125B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110610451A (zh) * 2019-08-12 2019-12-24 深圳云天励飞技术有限公司 图像梯度计算装置
CN111260536A (zh) * 2018-12-03 2020-06-09 中国科学院沈阳自动化研究所 可变参数的数字图像多尺度卷积处理器及其实现方法
CN111382094A (zh) * 2018-12-29 2020-07-07 深圳云天励飞技术有限公司 一种数据处理方法及装置

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012027571A2 (en) * 2010-08-25 2012-03-01 Qualcomm Incorporated Circuit and method for computing circular convolution in streaming mode
US8254455B2 (en) * 2007-06-30 2012-08-28 Microsoft Corporation Computing collocated macroblock information for direct mode macroblocks
CN102819818A (zh) * 2012-08-14 2012-12-12 公安部第三研究所 基于fpga芯片的动态可重构技术实现图像处理的方法
CN103646232A (zh) * 2013-09-30 2014-03-19 华中科技大学 飞行器地面运动目标红外图像识别装置
US9349215B1 (en) * 2003-12-31 2016-05-24 Ziilabs Inc., Ltd. Multiple simultaneous bin sizes
US20160219225A1 (en) * 2015-01-22 2016-07-28 Google Inc. Virtual linebuffers for image signal processors
CN106127672A (zh) * 2016-06-21 2016-11-16 南京信息工程大学 基于fpga的图像纹理特征提取算法
CN106250939A (zh) * 2016-07-30 2016-12-21 复旦大学 基于fpga+arm多层卷积神经网络的手写体字符识别方法
CN106250103A (zh) * 2016-08-04 2016-12-21 东南大学 一种卷积神经网络循环卷积计算数据重用的系统
JP2017072954A (ja) * 2015-10-06 2017-04-13 株式会社Jvcケンウッド 画像変換装置及び画像変換方法
CN106575428A (zh) * 2014-08-05 2017-04-19 高通股份有限公司 图形处理单元中的高阶滤波
US20170236053A1 (en) * 2015-12-29 2017-08-17 Synopsys, Inc. Configurable and Programmable Multi-Core Architecture with a Specialized Instruction Set for Embedded Application Based on Neural Networks
CN107274362A (zh) * 2017-06-01 2017-10-20 西安电子科技大学 硬件实现导向滤波的优化系统和方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9349215B1 (en) * 2003-12-31 2016-05-24 Ziilabs Inc., Ltd. Multiple simultaneous bin sizes
US8254455B2 (en) * 2007-06-30 2012-08-28 Microsoft Corporation Computing collocated macroblock information for direct mode macroblocks
WO2012027571A2 (en) * 2010-08-25 2012-03-01 Qualcomm Incorporated Circuit and method for computing circular convolution in streaming mode
CN102819818A (zh) * 2012-08-14 2012-12-12 公安部第三研究所 基于fpga芯片的动态可重构技术实现图像处理的方法
CN103646232A (zh) * 2013-09-30 2014-03-19 华中科技大学 飞行器地面运动目标红外图像识别装置
CN106575428A (zh) * 2014-08-05 2017-04-19 高通股份有限公司 图形处理单元中的高阶滤波
US20160219225A1 (en) * 2015-01-22 2016-07-28 Google Inc. Virtual linebuffers for image signal processors
JP2017072954A (ja) * 2015-10-06 2017-04-13 株式会社Jvcケンウッド 画像変換装置及び画像変換方法
US20170236053A1 (en) * 2015-12-29 2017-08-17 Synopsys, Inc. Configurable and Programmable Multi-Core Architecture with a Specialized Instruction Set for Embedded Application Based on Neural Networks
CN106127672A (zh) * 2016-06-21 2016-11-16 南京信息工程大学 基于fpga的图像纹理特征提取算法
CN106250939A (zh) * 2016-07-30 2016-12-21 复旦大学 基于fpga+arm多层卷积神经网络的手写体字符识别方法
CN106250103A (zh) * 2016-08-04 2016-12-21 东南大学 一种卷积神经网络循环卷积计算数据重用的系统
CN107274362A (zh) * 2017-06-01 2017-10-20 西安电子科技大学 硬件实现导向滤波的优化系统和方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
PO PINHEIRO等: "《From image-level to pixel level labeling with convolutional networks》", 《IEEE》 *
张震: "《基于FPGA的USB3.0高速图像采集系统设计与图像特征提取算法研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111260536A (zh) * 2018-12-03 2020-06-09 中国科学院沈阳自动化研究所 可变参数的数字图像多尺度卷积处理器及其实现方法
CN111260536B (zh) * 2018-12-03 2022-03-08 中国科学院沈阳自动化研究所 可变参数的数字图像多尺度卷积处理器及其实现方法
CN111382094A (zh) * 2018-12-29 2020-07-07 深圳云天励飞技术有限公司 一种数据处理方法及装置
CN111382094B (zh) * 2018-12-29 2021-11-30 深圳云天励飞技术有限公司 一种数据处理方法及装置
CN110610451A (zh) * 2019-08-12 2019-12-24 深圳云天励飞技术有限公司 图像梯度计算装置

Also Published As

Publication number Publication date
CN108198125B (zh) 2021-10-08

Similar Documents

Publication Publication Date Title
CN109522874B (zh) 人体动作识别方法、装置、终端设备及存储介质
CN108198191B (zh) 图像处理方法及装置
CN108229654B (zh) 神经网络卷积运算装置及方法
CN109840881B (zh) 一种3d特效图像生成方法、装置及设备
CN112102164B (zh) 一种图像处理方法、装置、终端及存储介质
CN108198125A (zh) 一种图像处理方法及装置
CN105843477B (zh) 显示事件的方法和设备
CN112508793A (zh) 一种图像缩放方法、装置及电子设备和存储介质
CN111383232A (zh) 抠图方法、装置、终端设备及计算机可读存储介质
CN111984189B (zh) 神经网络计算装置和数据读取、数据存储方法及相关设备
CN110738317A (zh) 基于fpga的可变形卷积网络运算方法、装置和系统
CN111932595A (zh) 图像配准方法、装置、电子设备及存储介质
CN109543139A (zh) 卷积运算方法、装置、计算机设备及计算机可读存储介质
CN117437697B (zh) 卧姿人体检测模型的训练方法、卧姿人体检测方法及系统
CN113140292A (zh) 图像异常区域浏览方法、装置、移动端设备及存储介质
CN108961268A (zh) 一种显著图计算方法及相关装置
CN111178513A (zh) 神经网络的卷积实现方法、卷积实现装置及终端设备
CN109271538A (zh) 一种图片存储方法及相关设备
CN114385844A (zh) 可视化图像处理的方法及终端设备
CN107977923A (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN107657663A (zh) 用于显示信息的方法及装置
Suk et al. Fixed homography–based real‐time sw/hw image stitching engine for motor vehicles
CN109542837B (zh) 运算方法、装置及相关产品
CN108012191B (zh) 视频数据处理方法及装置、计算设备、介质
CN111400145A (zh) 流水图监控页面的配置方法、装置及终端设备

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