CN111445425A - 一种用于ai芯片的智能图像处理方法 - Google Patents
一种用于ai芯片的智能图像处理方法 Download PDFInfo
- Publication number
- CN111445425A CN111445425A CN202010378343.7A CN202010378343A CN111445425A CN 111445425 A CN111445425 A CN 111445425A CN 202010378343 A CN202010378343 A CN 202010378343A CN 111445425 A CN111445425 A CN 111445425A
- Authority
- CN
- China
- Prior art keywords
- image
- processing
- analog
- modal
- carrying
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000003379 elimination reaction Methods 0.000 claims abstract description 5
- 230000008030 elimination Effects 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 10
- 238000003709 image segmentation Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000011426 transformation method Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
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AI芯片技术领域，且公开了一种用于AI芯片的智能图像处理方法，包括如下步骤：S1.工作现场获取场景图像，对图像进行采集；S2.将模拟图像信号数字化后传输给计算机处理并存储；S3.将S2中获取得到的模拟图像进行重建，进而获取模态图像；S4.根据S3中重建得到的模态图像进行噪声消除处理；S5.根据S4中得到的模态图像进行几何形变处理；S6.根据S5中的得到的模态图像进行彩色失调处理；S7.对S6中获取的模态图像进行几何校正。该用于AI芯片的智能图像处理方法，解决了因受到设备和环境因素的影响，往往会受到不同程度的干扰，如噪声、几何形变、彩色失调等，都会妨碍接下来的处理环节的问题，满足了使用的需要。
Description
技术领域
本发明涉及AI芯片技术领域，具体为一种用于AI芯片的智能图像处理方法。
背景技术
图像处理技术应用广泛，但是由于图像信号的维数高，对其处理所需要的计算复杂度高。因此，在一些对系统处理实时性要求苛刻的应用场合，图像的处理速度往往成为影响系统精度和实用性的瓶颈。AI芯片也被称为AI加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块(其他非计算任务仍由CPU负责)；当前，AI芯片主要分为GPU、FPGA、ASIC。现有技术中用FPGA作为核心的图像处理系统，其图像处理的速度、处理方式的灵活性和对不同图像算法的适应性可以大大得到提高。
申请号201911032067.2公开了一种用于AI芯片的智能图像处理方法，包括：获取原始实景图像；根据亮度和对比度的对应关系，通过同步调整亮度和对比度，对图像的亮度和对比度进行适配处理；通过同时空间转换图像颜色空间中的点和图像边界范围内的点，对图像的饱和度进行增强处理；获得目标图像。本发明根据亮度和对比度的对应关系，只需对亮度信息进行相应地调整，即可快速可靠地获得较佳亮度和对比度下较佳显示效果的图像；其中，通过对图像的灰度值划分范围，并对像素点数量最多的某一灰度值范围内的各像素点对应的灰度值求平均值，从而可以获得可靠的当前图像亮度信息，为下一步亮度调节、获得较佳显示效果的图像提供了有利的基础条件。
上述方法虽然解决了图像的显示效果，但是在使用时，采集到的数字化的现场图像，由于受到设备和环境因素的影响，往往会受到不同程度的干扰，如噪声、几何形变、彩色失调等，都会妨碍接下来的处理环节，所以不能满足使用的需要。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种用于AI芯片的智能图像处理方法，具备消除噪声、处理几何形变和处理彩色失调，解决了多噪声、几何形变、彩色失调等，都会妨碍接下来的处理环节的问题的优点，解决了在使用时，采集到的数字化的现场图像，由于受到设备和环境因素的影响，往往会受到不同程度的干扰，如噪声、几何形变、彩色失调等，都会妨碍接下来的处理环节，所以不能满足使用的需要的问题。
(二)技术方案
为实现通过对CT扫描数据的处理，选取扫描对象的部分区域进行PET扫描，解决了多模态成像系统中的PET图像重建时间长的问题的目的，本发明提供如下技术方案：一种用于AI芯片的智能图像处理方法，包括如下步骤：
S1.工作现场获取场景图像，对图像进行采集；
S2.将模拟图像信号数字化后传输给计算机处理并存储；
S3.将S2中获取得到的模拟图像进行重建，进而获取模态图像；
S4.根据S3中重建得到的模态图像进行噪声消除处理；
S5.根据S4中得到的模态图像进行几何形变处理；
S6.根据S5中的得到的模态图像进行彩色失调处理；
S7.对S6中获取的模态图像进行几何校正；
S8.根据S5中获取的模态图像进行直方图均衡处理；
S9.将S8中得到的模态图像进行图像分割；
S10.完成图像处理。
优选的，所述S2中的模拟图像的传输包括如下步骤：
a.如果相机是模拟信号输出，需要将模拟图像信号数字化后送给计算机；
b.如USB、VGA、1394、HDMI、WiFi、Blue Tooth接口等，可以直接将模拟图像送入计算机进行处理。
优选的，所述S1图像采集使用CCD或CMOS照相机或摄像机，照相机采集的是单幅的图像，摄像机可以采集连续的现场图像。
优选的，所述S4中的噪声消除处理通常使用时域或频域滤波的方法来去除模拟图像中的噪声。
优选的，所述S5中的几何形变处理采用的是几何变换的办法来校正图像的几何失真据。
优选的，所述S6中的彩色失调处理采用直方图均衡、同态滤波等方法来减轻模拟图像的彩色偏离。
优选的，所述S9中的图像分割是按照应用要求，把图像分成各具特征的区域，从中提取出感兴趣目标，在图像中常见的特征有灰度、彩色、纹理、边缘、角点等。
(三)有益效果
与现有技术相比，本发明提供了一种用于AI芯片的智能图像处理方法，具备以下有益效果：
该用于AI芯片的智能图像处理方法，通过工作现场获取场景图像，通过CCD或CMOS照相机或摄像机，照相机采集的是单幅的图像，摄像机可以采集连续的现场图像，然后对图像进行采集，如果相机是模拟信号输出，需要将模拟图像信号数字化后送给计算机，如USB、VGA、1394、HDMI、WiFi、Blue Tooth接口等，可以直接将模拟图像送入计算机进行处理，对模拟图像进行重建，进而获取模态图像，使用时域或频域滤波的方法来去除模拟图像中的噪声，采用几何变换的办法来校正图像的几何失真，采用直方图均衡、同态滤波等方法来减轻模拟图像的彩色偏离，图像分成各具特征的区域，从中提取出感兴趣目标，在图像中常见的特征有灰度、彩色、纹理、边缘、角点等，然后完成了图像的处理，解决了因受到设备和环境因素的影响，往往会受到不同程度的干扰，如噪声、几何形变、彩色失调等，都会妨碍接下来的处理环节的问题，满足了使用的需要。
具体实施方式
下面将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做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。
一种用于AI芯片的智能图像处理方法，包括如下步骤：
S1.工作现场获取场景图像，对图像进行采集；
S2.将模拟图像信号数字化后传输给计算机处理并存储；
S3.将S2中获取得到的模拟图像进行重建，进而获取模态图像；
S4.根据S3中重建得到的模态图像进行噪声消除处理；
S5.根据S4中得到的模态图像进行几何形变处理；
S6.根据S5中的得到的模态图像进行彩色失调处理；
S7.对S6中获取的模态图像进行几何校正；
S8.根据S5中获取的模态图像进行直方图均衡处理；
S9.将S8中得到的模态图像进行图像分割；
S10.完成图像处理。
所述S2中的模拟图像的传输包括如下步骤：
a.如果相机是模拟信号输出，需要将模拟图像信号数字化后送给计算机；
b.如USB、VGA、1394、HDMI、WiFi、Blue Tooth接口等，可以直接将模拟图像送入计算机进行处理。
S1图像采集使用CCD或CMOS照相机或摄像机，照相机采集的是单幅的图像，摄像机可以采集连续的现场图像。
S4中的噪声消除处理通常使用时域或频域滤波的方法来去除模拟图像中的噪声。
S5中的几何形变处理采用的是几何变换的办法来校正图像的几何失真据。
S6中的彩色失调处理采用直方图均衡、同态滤波等方法来减轻模拟图像的彩色偏离。
S9中的图像分割是按照应用要求，把图像分成各具特征的区域，从中提取出感兴趣目标，在图像中常见的特征有灰度、彩色、纹理、边缘、角点等。
综上所述，该AI芯片的智能图像处理方法，通过工作现场获取场景图像，通过CCD或CMOS照相机或摄像机，照相机采集的是单幅的图像，摄像机可以采集连续的现场图像，然后对图像进行采集，如果相机是模拟信号输出，需要将模拟图像信号数字化后送给计算机，如USB、VGA、1394、HDMI、WiFi、Blue Tooth接口等，可以直接将模拟图像送入计算机进行处理，对模拟图像进行重建，进而获取模态图像，使用时域或频域滤波的方法来去除模拟图像中的噪声，采用几何变换的办法来校正图像的几何失真，采用直方图均衡、同态滤波等方法来减轻模拟图像的彩色偏离，图像分成各具特征的区域，从中提取出感兴趣目标，在图像中常见的特征有灰度、彩色、纹理、边缘、角点等，然后完成了图像的处理，解决了因受到设备和环境因素的影响，往往会受到不同程度的干扰，如噪声、几何形变、彩色失调等，都会妨碍接下来的处理环节的问题，满足了使用的需要。
需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种用于AI芯片的智能图像处理方法，其特征在于：包括如下步骤：
S1.工作现场获取场景图像，对图像进行采集；
S2.将模拟图像信号数字化后传输给计算机处理并存储；
S3.将S2中获取得到的模拟图像进行重建，进而获取模态图像；
S4.根据S3中重建得到的模态图像进行噪声消除处理；
S5.根据S4中得到的模态图像进行几何形变处理；
S6.根据S5中的得到的模态图像进行彩色失调处理；
S7.对S6中获取的模态图像进行几何校正；
S8.根据S5中获取的模态图像进行直方图均衡处理；
S9.将S8中得到的模态图像进行图像分割；
S10.完成图像处理。
2.根据权利要求1所述的一种用于AI芯片的智能图像处理方法，其特征在于：所述S2中的模拟图像的传输包括如下步骤：
a.如果相机是模拟信号输出，需要将模拟图像信号数字化后送给计算机；
b.如USB、VGA、1394、HDMI、WiFi、Blue Tooth接口等，可以直接将模拟图像送入计算机进行处理。
3.根据权利要求1所述的一种用于AI芯片的智能图像处理方法，其特征在于：所述S1图像采集使用CCD或CMOS照相机或摄像机，照相机采集的是单幅的图像，摄像机可以采集连续的现场图像。
4.根据权利要求1所述的一种用于AI芯片的智能图像处理方法，其特征在于：所述S4中的噪声消除处理通常使用时域或频域滤波的方法来去除模拟图像中的噪声。
5.根据权利要求1所述的一种用于AI芯片的智能图像处理方法，其特征在于：所述S5中的几何形变处理采用的是几何变换的办法来校正图像的几何失真。
6.根据权利要求1所述的一种用于AI芯片的智能图像处理方法，其特征在于：所述S6中的彩色失调处理采用直方图均衡、同态滤波等方法来减轻模拟图像的彩色偏离。
7.根据权利要求1所述的一种用于AI芯片的智能图像处理方法，其特征在于：所述S9中的图像分割是按照应用要求，把图像分成各具特征的区域，从中提取出感兴趣目标，在图像中常见的特征有灰度、彩色、纹理、边缘、角点等。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010378343.7A CN111445425A (zh) | 2020-05-07 | 2020-05-07 | 一种用于ai芯片的智能图像处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010378343.7A CN111445425A (zh) | 2020-05-07 | 2020-05-07 | 一种用于ai芯片的智能图像处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111445425A true CN111445425A (zh) | 2020-07-24 |
Family
ID=71653637
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010378343.7A Pending CN111445425A (zh) | 2020-05-07 | 2020-05-07 | 一种用于ai芯片的智能图像处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111445425A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105424350A (zh) * | 2015-12-19 | 2016-03-23 | 湖南科技大学 | 基于机器视觉的薄壁件模态测试方法及系统 |
| CN108985357A (zh) * | 2018-06-29 | 2018-12-11 | 湖南理工学院 | 基于图像特征的集合经验模态分解的高光谱图像分类方法 |
| CN110070011A (zh) * | 2019-04-10 | 2019-07-30 | 石河子大学 | 一种应用于智能制造流水线的监测方法及装置 |
| CN110400267A (zh) * | 2019-07-03 | 2019-11-01 | 安徽继远软件有限公司 | 一种基于巡检图像的预处理方法 |
| CN110766636A (zh) * | 2019-10-28 | 2020-02-07 | 河南大学 | 一种用于ai芯片的智能图像处理方法 |
-
2020
- 2020-05-07 CN CN202010378343.7A patent/CN111445425A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105424350A (zh) * | 2015-12-19 | 2016-03-23 | 湖南科技大学 | 基于机器视觉的薄壁件模态测试方法及系统 |
| CN108985357A (zh) * | 2018-06-29 | 2018-12-11 | 湖南理工学院 | 基于图像特征的集合经验模态分解的高光谱图像分类方法 |
| CN110070011A (zh) * | 2019-04-10 | 2019-07-30 | 石河子大学 | 一种应用于智能制造流水线的监测方法及装置 |
| CN110400267A (zh) * | 2019-07-03 | 2019-11-01 | 安徽继远软件有限公司 | 一种基于巡检图像的预处理方法 |
| CN110766636A (zh) * | 2019-10-28 | 2020-02-07 | 河南大学 | 一种用于ai芯片的智能图像处理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108122213B (zh) | 一种基于YCrCb的低对比度图像增强方法 | |
| CN104021532B (zh) | 一种红外图像的图像细节增强方法 | |
| CN109325922B (zh) | 一种图像自适应增强方法、装置及图像处理设备 | |
| JP4054184B2 (ja) | 欠陥画素補正装置 | |
| CN106780352B (zh) | 图像旋转方法、装置及图像形成设备 | |
| WO2013099772A1 (ja) | 細胞輪郭線形成装置及びその方法、コンピュータにより処理可能な細胞輪郭線形成プログラムを記憶する記憶媒体 | |
| US9916644B1 (en) | Ghost artifact removal system and method | |
| JP7132364B2 (ja) | マルチレベル・バイラテラル・ノイズフィルタリングのための方法、装置、およびシステム | |
| CN110246088B (zh) | 基于小波变换的图像亮度降噪方法及其图像降噪系统 | |
| US9489751B2 (en) | Image processing apparatus and image processing method for color correction based on pixel proximity and color similarity | |
| US7903900B2 (en) | Low complexity color de-noising filter | |
| CN103546730A (zh) | 基于多摄像头的图像感光度增强方法 | |
| CN110766636B (zh) | 一种用于ai芯片的智能图像处理方法 | |
| KR100852306B1 (ko) | 거리 산출 방법 및 촬상 장치 | |
| CN115358948A (zh) | 一种基于改进Retinex算法的低照度图像增强方法 | |
| CN114998122A (zh) | 一种低照度图像增强方法 | |
| US20100231740A1 (en) | Image processing apparatus, image processing method, and computer program | |
| CN113824894A (zh) | 曝光控制方法、装置、设备及存储介质 | |
| CN111445425A (zh) | 一种用于ai芯片的智能图像处理方法 | |
| US20140118580A1 (en) | Image processing device, image processing method, and program | |
| US8629917B2 (en) | Image processing apparatus, method, and recording medium | |
| Bouganssa et al. | Implementation on a FPGA of edge detection algorithm in medical image and tumors characterization | |
| CN115937031A (zh) | 一种针对低光照图像的增强方法 | |
| CN112241972A (zh) | 一种应用于高炉或地下超高或狭小空间的图像检测与跟踪系统 | |
| KR102389284B1 (ko) | 인공지능 기반 이미지 인페인팅 방법 및 디바이스 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200724 |
|
| RJ01 | Rejection of invention patent application after publication |