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 PDF

Info

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
modal
analog
processing method
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
Application number
CN202010378343.7A
Other languages
English (en)
Inventor
李玉华
张王卫
范艳焕
贺智强
韩旭
马军霞
黄万伟
王昌海
黄艳
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.)
Zhengzhou University of Light Industry
Original Assignee
Zhengzhou University of Light Industry
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 Zhengzhou University of Light Industry filed Critical Zhengzhou University of Light Industry
Priority to CN202010378343.7A priority Critical patent/CN111445425A/zh
Publication of CN111445425A publication Critical patent/CN111445425A/zh
Pending legal-status Critical Current

Links

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

一种用于AI芯片的智能图像处理方法
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。
CN202010378343.7A 2020-05-07 2020-05-07 一种用于ai芯片的智能图像处理方法 Pending CN111445425A (zh)

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)

* Cited by examiner, † Cited by third party
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
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
CN111080724A (zh) 一种红外和可见光的融合方法
CN105809689B (zh) 基于机器视觉的船体六自由度测量方法
CN104897071B (zh) 一种基于机器视觉的双绞线节距测量方法
CN110322485B (zh) 一种异构多相机成像系统的快速图像配准方法
WO2020006899A1 (zh) 牲畜体重测量方法及装置
CN103839255B (zh) 视频抠像篡改检测方法及装置
CN107133590B (zh) 一种基于人脸图像的身份识别系统
CN104504722B (zh) 一种利用灰色点校正图像颜色的方法
CN110766636B (zh) 一种用于ai芯片的智能图像处理方法
CN108182682A (zh) 一种基于计算机图像处理和模式识别的检测方法
Wang et al. Compressive hyperspectral imaging with complementary RGB measurements
Zeng et al. High dynamic range infrared image compression and denoising
CN110853145A (zh) 高空间分辨率便携式抗抖动高光谱成像方法及装置
CN110390339B (zh) 一种图像校正方法、装置及存储介质
Ein-shoka et al. Quality enhancement of infrared images using dynamic fuzzy histogram equalization and high pass adaptation in DWT
CN109325956A (zh) 一种基于图像处理的输电导线覆冰截面特征提取方法
CN111445425A (zh) 一种用于ai芯片的智能图像处理方法
CN103136530A (zh) 在复杂工业环境下的视频图像中自动识别目标图像的方法
Bouganssa et al. Implementation on a FPGA of edge detection algorithm in medical image and tumors characterization
CN117979174A (zh) 光电感应图像智能转换系统
CN115937031A (zh) 一种针对低光照图像的增强方法
CN111147815A (zh) 一种视频监控系统
CN113436214B (zh) 布氏硬度压痕圆测量方法、系统及计算机可读存储介质
CN116579921A (zh) 一种基于图像拼接的红外热像扫描在线热损失测量技术
CN105721863A (zh) 视频质量评价方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200724