CN112085038A - 一种基于多核dsp的高速视频图像处理方法及系统 - Google Patents

一种基于多核dsp的高速视频图像处理方法及系统 Download PDF

Info

Publication number
CN112085038A
CN112085038A CN201910448003.4A CN201910448003A CN112085038A CN 112085038 A CN112085038 A CN 112085038A CN 201910448003 A CN201910448003 A CN 201910448003A CN 112085038 A CN112085038 A CN 112085038A
Authority
CN
China
Prior art keywords
video image
fpga
core dsp
image processing
color
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
CN201910448003.4A
Other languages
English (en)
Inventor
王亚飞
张书文
刘建波
曹海波
李海峰
姜清秀
朱祥
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.)
Hubei Sanjiang Aerospace Wanfeng Technology Development Co Ltd
Original Assignee
Hubei Sanjiang Aerospace Wanfeng Technology Development 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 Hubei Sanjiang Aerospace Wanfeng Technology Development Co Ltd filed Critical Hubei Sanjiang Aerospace Wanfeng Technology Development Co Ltd
Priority to CN201910448003.4A priority Critical patent/CN112085038A/zh
Publication of CN112085038A publication Critical patent/CN112085038A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/4401—Bootstrapping
    • G06F9/4405—Initialisation of multiprocessor systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于多核DSP的高速视频图像处理方法及系统，该方法包括以下步骤：S1：将原始图片分为多个图像块，使用K‑means聚类算法计算每个图像块的代表色；S2：计算各代表色之间的关联度，取关联度小于第一预设值的代表色作为初始特征颜色；S3：以初始特征颜色为初始聚类中心，通过K‑means算法对原始图片中的所有像素点进行迭代聚类，迭代收敛后得到原始图片的特征颜色；S4：计算各像素点颜色与特征颜色之间的关联度，分割出关联度小于第二预设值的像素点区域作为缺陷区域；本发明采用DSP+FPGA架构，DSP的多个处理核并行工作，实现图像读取、缺陷处理和结果反馈并行处理，提高了图像处理速度，实时性高。

Description

一种基于多核DSP的高速视频图像处理方法及系统
技术领域
本发明属于计算机视觉和信号处理技术领域，更具体地，涉及一种基于多核DSP的高速视频图像处理方法及系统，用于实现对陶瓦缺陷的实时检测、处理及显示。
背景技术
陶瓦是以粘土为材料，加入粉碎的沉积页岩成分高温煅烧而成的。在中国西周就有陶瓦应用的记载，近代更是制造了色彩丰富、外表亮丽的琉璃瓦。然而，随着人们环保意识的增强，传统落后的陶瓦生产工艺越来越不适应现代化发展的需要，陶瓦面临着被淘汰的边缘，日渐退出人们的视野。然而，近几年随着经济的飞速发展，更多的欧洲建筑风靡中国。特别是华东、华南、华北等发达地区，欧式别墅屡见不鲜，与之相配套的欧式瓦--陶瓦也从新流行起来。
目前在对陶瓦进行质量检测时，多采用人工检测的方法完成质量检测和产品分级，人工检测时，由于工作时间长导致视觉疲劳，通常会造成检测误差大、漏检率高等问题。采用机器视觉进行陶瓦缺陷检测，需要用高清面阵CCD对生产线上陶瓦进行实时拍照，采集、检测处理，由于图像采样率高、图像数据量大以及图像检测算法复杂度高，造成陶瓦缺陷检测实时性不足、效率低。目前针对高速视频处理的解决方案基本为多个DSP协同处理，但集成多片DSP协同工作的方法存在印制板面积占用过大，外围电路复杂，并且片间通信部分设计难度增加，布板困难等诸多问题。
发明内容
针对现有技术的至少一个缺陷或改进需求，本发明提供了一种基于多核DSP的高速视频图像处理方法及系统，其目的在于解决现有技术中对高速视频进行处理时存在的实时性不足、效率低的问题。
为实现上述目的，按照本发明的一个方面，提供了一种基于多核DSP的高速视频图像处理方法，包括以下步骤：
S1：将待测的原始图片划分为多个图像块，使用K-means聚类算法计算每个所述图像块的代表色；
S2：计算各图像块的所述代表色之间的关联度，取所述关联度小于第一预设值的代表色作为初始特征颜色；
S3：以所述初始特征颜色为初始聚类中心，通过K-means算法对原始图片中的所有像素点进行迭代聚类，迭代收敛后得到原始图片的特征颜色；
S4：计算原始图片中各像素点的颜色与所述特征颜色之间的关联度，分割出所述关联度小于第二预设值的像素点区域作为缺陷区域。
优选的，上述高速视频图像处理方法，其步骤S2中所述的关联度的计算方法为：
Figure BDA0002074243540000021
式中，γ(X0，Xi)为关联度；X0为HSV颜色空间中任一特征色，Xi表示第i个图像块的代表色；k表示图像块的个数。
优选的，上述高速视频图像处理方法，其步骤S4之后还包括以下步骤：计算所述缺陷区域的大小并根据预设的判断规则判定原始图片的缺陷等级，将所述缺陷等级标注在对应的原始图片上；所述判断规则包括缺陷区域大小及其对应的缺陷等级。
优选的，上述高速视频图像处理方法，其步骤S1之前还包括以下步骤：对待测的原始图片进行中值滤波以去除干扰，将滤波后的原始图片从RGB转换到HSV空间。
按照本发明的另一个方面，还提供了一种基于多核DSP的高速视频图像处理系统，该系统包括多核DSP和FPGA；
所述FPGA用于接收外部视频采集设备发送的视频图像，并将所述多核DSP反馈的对所述视频图像进行缺陷检测的处理结果反馈给外部上位机；
所述多核DSP包括多个并行工作的处理核，其中一个所述处理核用于创建图像缓冲区以存储FPGA发送的视频图像，并将所述视频图像以单幅图片为单位依次发送给其他处理核；其他处理核用于按照上述任一项所述的高速视频图像处理方法对视频图像进行缺陷检测。
优选的，上述高速视频图像处理系统还包括电源电路；所述电源电路用于分别为多核DSP、FPGA提供所需的工作电压。
优选的，上述高速视频图像处理系统，其FPGA还用于根据多核DSP的供电时序要求控制多核DSP的启动逻辑；该FPGA在上电启动后输出第一使能信号，所述第一使能信号用于控制电源电路输出多核DSP所需的第一工作电压；当接收到电源电路反馈的上电完成信号后输出第二使能信号，所述第二使能信号用于指示电源电路输出多核DSP所需的第二工作电压；FPGA仅在接收到电源电路反馈的上电完成信号后才控制电源电路进入下一供电状态，否则维持在当前供电状态；FPGA按照上述方法控制多核DSP的上电时序直至多核DSP上电完成。
优选的，上述高速视频图像处理系统还包括网口收发器；所述网口收发器通过FPGA与多核DSP的SGMII接口相连，用于接收网口相机传输的视频图像或将向多核DSP的图像处理结果回传至外部上位机。
优选的，上述的高速视频图像处理系统还包括数字视频接收电路；所述数字视频接收电路与FPGA的IO口相连，用于采集数字视频图像。
优选的，上述高速视频图像处理系统还包括串口收发器；所述网口收发器通过FPGA与多核DSP的UART接口相连，用于将外部上位机发送的控制命令传输给多核DSP，以及回传多核DSP的运行状态至上位机。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
(1)本发明提供的基于多核DSP的高速视频图像处理方法及系统，采用多核DSP+FPGA架构，多核DSP中的多个处理核并行协同工作，实现图像读取、缺陷处理和结果反馈的并行处理，提高了图像处理算法的速度，实时性高，满足高速视频图像处理的实时性要求；缺陷处理时，使用K-means聚类算法求解分割后的各图像块的代表色，取各代表色之间的关联度最小的K种代表色作为最终的初始特征颜色；以初始特征颜色为初始聚类中心，通过K-means算法对原始图片中的所有像素点进行迭代聚类，迭代收敛后得到原始图片的特征颜色；计算原始图片中各像素点的颜色与特征颜色之间的关联度，分割出关联度最小的像素点区域作为缺陷区域，识别出鼓包、缺釉等缺陷区域；检测误差小、漏检率低。
(2)本发明提供的基于多核DSP的高速视频图像处理方法及系统，采用FPGA辅助电源电路为多核DSP供电，由FPGA控制多核DSP的启动逻辑，只有当收到电源电路反馈的上电完成信号后FPGA才会控制电源电路进入下一供电时序，确保DSP的上电过程严格遵守供电时序要求，避免DSP上电启动失败。
(3)本发明提供的基于多核DSP的高速视频图像处理方法及系统，采用多核DSP+FPGA架构，减小了处理器间通信设计难度、缩小了印制板尺寸，能够满足小型化的需求。
(4)本发明提供的基于多核DSP的高速视频图像处理方法及系统，采用基于机器视觉的陶瓦缺陷检测装置替代人工检测，检测效率高，误差小、漏检率低；支持网口相机和Cameralink接口相机视频采集，能同时输出PAL模拟视频和数字视频，可以满足不同场合的需求。
附图说明
图1是本发明实施例提供的基于多核DSP的高速视频图像处理系统的结构示意图；
图2是本发明实施例提供的电源电路的逻辑框图；
图3是本发明实施例提供的FPGA内部上电时序逻辑的示意图；
图4是本发明实施例提供的多核DSP与FPGA之间通过高速SRIO传输视频图像的流程图；
图5是本发明实施例提供的多核DSP的工作流程图；
图6是本发明实施例提供的多核DSP进行缺陷处理的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明所提供的一种基于多核DSP的高速视频图像处理系统，该系统包括多核DSP和FPGA；其中，FPGA用于接收外部视频采集设备发送的视频图像，并将多核DSP反馈的对所述视频图像进行缺陷检测的处理结果反馈给外部上位机；多核DSP包括多个并行工作的处理核，其中一个所述处理核用于创建图像缓冲区以存储FPGA发送的视频图像，并将所述视频图像以单幅图片为单位依次发送给其他处理核；其他处理核通过缺陷检测算法对视频图像进行缺陷检测。
下面通过具体的实施例对本发明提供的高速视频图像处理系统的结构组成和工作原理进行说明。
图1是本实施例提供的基于多核DSP的高速视频图像处理系统的结构示意图，如图1所示，该系统包括多核DSP TMS320C6678、FPGA XC7K325T、电源电路、网口收发器88E1111、数字视频接收电路DS90CR285、串口收发器ADM2682、时钟电路、复位监控电路、两个SDRAM存储器和两个NorFlash存储器；
其中，NOR Flash存储器通过SPI口与多核DSP相连，用于存储多核DSP执行程序，SDRAM存储器通过DDR3接口与多核DSP相连，用于存储临时变量及待处理的图像数据；多核DSP的UART接口通过FPGA与串口收发器相连，用于接收上位机发送的控制命令及回传运行状态给上位机；多核DSP的SGMII接口通过FPGA与网口收发器相连，用于接收网口相机的视频图像或通过网口向上位机回传图像信息。FPGA的IO口与数字视频接收电路相连，用于数字视频图像的采集，如采集Camearalink接口相机的数字图像；多核DSP的SRIO接口与FPGA相连，用于接收FPGA采集的数字视频图像；NOR Flash存储器通过SPI口与FPGA相连，用于存储FPGA运行程序，SDRAM通过DDR3接口与FPGA相连，用于存储待处理的图像数据。电源电路为系统正常工作提供需要的电源，时钟电路用于为多核DSP和FPGA工作提供所需时钟。
图2为本实施例提供的电源电路的逻辑框图，电源电路主要分为系统外围芯片供电(所需电源3.3V)、多核DSP供电和FPGA供电三部分。由于多核DSP上电启动时有严格的供电时序要求，因此本实施例采用FPGA辅助电源电路为多核DSP供电，具体的，在多核DSP启动前，FPGA先上电，然后由FPGA控制多核DSP的启动逻辑。图3为FPGA内部上电时序逻辑的示意图，FPGA上电启动后输出CVDD_EN信号给电源电路中的电源芯片LM21215，控制电源芯片LM21215输出多核DSP核心电压CVDD，输出稳定后电源芯片LM21215会反馈POWER GOOD信号给FPGA，FPGA根据该信号来判断电源是否上电完成，并决定是否执行当前电源上电操作；如果POWER GOOD信号有效，才会跳转转到下一状态，否则就会一直保持在当前状态等待该POWER GOOD信号有效。FPGA依据图3所示的上电逻辑严格控制多核DSP的上电过程，直到最后DSP的RESETSTAT状态引脚输出高电平后，DSP上电启动完成。
图4为本实施例提供的多核DSP与FPGA之间通过高速SRIO传输视频图像的流程图。系统上电完成后，多核DSP完成系统时钟、中断初始化，初始化QMSS(Queue Manager Sub-System)、CPPI(Communication Peripheral Port Interface)，然后初始化SRIO配置；多核DSP的SRIO外设初始化完成后，通过读(NREAD)事务读取FPGA端图像信息，DSP根据获取的图像信息(分辨率，图像格式)创建图像缓冲区，并将图像缓冲区的信息通过写(NWRITE_R)事务发送给FPGA；DSP通过门铃(DOORBELL)事务通知FPGA地址信息已经发送，FPGA可以向DSP的图像缓冲区写入数据；FPGA根据本地DSP地址映射表通过NWRITE_R事务向DSP图像缓冲区发送图像，完成向DSP的内存写入图像后，FPGA用DOORBELL事务触发中断通知DSP当前图像数据完整可用，DSP从图像缓冲区获取图像，并做相应算法处理。
本实施例中，多核DSP包括八个处理核CORE0-CORE7，其中处理核CORE0负责读取视频图像，CORE0-CORE6负责图像算法处理，处理完成后CORE7将CORE0-CORE6的图像处理结果发送给上位机；八个处理核协同工作，实现图像读取、缺陷处理和结果反馈的并行进行，满足高速视频图像处理的实时性要求。图5为本实施例挺的多核DSP的工作流程图；系统上电完成后，CORE7等待CORE0初始化完成；当CORE0初始化完成后，CORE7进行初始化配置，包括网口配置、MSS(Queue Manager Sub-System)、CPPI(Communication Peripheral PortInterface)、SRIO配置；创建主线程以用来完成与上位机的通信；创建客户端用来向上位机发送图像结果；根据FPGA发送的图像信息创建图像缓冲区；以上配置完成后，FPGA通过SRIO发送图像数据包，当缓冲区中的数据包达到一幅图片的大小时，CORE7配置OpenMP(OpenMulti-Processing)将图片信息发送给CORE0，并等待CORE0-CORE6返回图像处理结果，当收到结果时，将其发送给上位机显示；如果没有收到，则继续等待。
七个处理核CORE0-CORE6并行进行图像算法处理，如图6所示，处理过程包括以下步骤：
步骤1：采用中值滤波算法对原始图片进行预处理，去除干扰；将原始RGB图像转换到HSV空间；
步骤2：将原始图片划分为大小相同(5×5)的k个图像块，使用K-means聚类算法求解每个图像块的代表色；图像块的划分数量越多，缺陷区域的检测精度越高，但是计算工作量变大；因此k值需兼顾检测精度和计算量，本实施例中k的取值为10；
步骤4：分别计算各个代表色之间的关联度，计算公式如下：
Figure BDA0002074243540000061
式中，γ(X0，Xi)表示关联度；X0为HSV颜色空间中任一特征色，Xi表示第i个图像块的代表色；k表示图像块的个数。
步骤5：取关联度小于第一预设值的代表色作为初始特征颜色；该初始特征颜色可以是一个或多个代表色；
步骤6：以得到的初始特征颜色为初始聚类中心，使用K-means算法对原始图片中的所有像素点进行迭代聚类，迭代收敛后的结果即为原始图片的特征颜色；在迭代过程中，七个处理器CORE0-CORE6并行执行该迭代过程，加快收敛速度，进而提高整个图像处理的速度；
步骤7：由于缺陷区域的颜色通常与陶瓦正常区域颜色不同，按照公式(1)计算原始图片中各像素点颜色与特征颜色之间的关联度，其中，γ(X0，Xi)表示关联度；X0代表特征颜色，Xi表示第i个像素点的颜色；k表示像素点的个数；然后分割出该关联度小于第二预设值的像素点区域作为缺陷区域；以关联度数值最小作为归类标准，进行缺陷区域与正常区域的分割；
步骤8：计算分割出来的缺陷区域的大小，然后根据设定的判断规则判定原始图片的缺陷等级，并将缺陷等级标注在对应的原始图片上；该判断规则包括缺陷区域大小及其对应的缺陷等级。
CORE0-CORE6将标注了缺陷等级的原始图片发送给CORE7，由CORE7发送给上位机进行显示，用于后续检测结果分析及图像数据保存处理。
本发明提供的基于多核DSP的高速视频图像处理方法及系统，采用多核DSP+FPGA架构，多核DSP中的多个处理核并行协同工作，实现图像读取、缺陷处理和结果反馈的并行处理，提高了图像处理算法的速度，实时性高，满足高速视频图像处理的实时性要求；缺陷处理时，使用K-means聚类算法求解分割后的各图像块的代表色，取各代表色之间的关联度最小的K种代表色作为最终的初始特征颜色；以初始特征颜色为初始聚类中心，通过K-means算法对原始图片中的所有像素点进行迭代聚类，迭代收敛后得到原始图片的特征颜色；计算原始图片中各像素点的颜色与特征颜色之间的关联度，分割出关联度最小的像素点区域作为缺陷区域，识别出鼓包、缺釉等缺陷区域；检测误差小、漏检率低。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于多核DSP的高速视频图像处理方法，其特征在于，包括以下步骤：
S1：将原始图片划分为多个图像块，使用K-means聚类算法计算每个所述图像块的代表色；
S2：计算各图像块的所述代表色之间的关联度，取所述关联度小于第一预设值的代表色作为初始特征颜色；
S3：以所述初始特征颜色为初始聚类中心，通过K-means算法对原始图片中的所有像素点进行迭代聚类，迭代收敛后得到原始图片的特征颜色；
S4：计算原始图片中各像素点的颜色与所述特征颜色之间的关联度，分割出所述关联度小于第二预设值的像素点区域作为缺陷区域。
2.如权利要求1所述的高速视频图像处理方法，其特征在于，步骤S2中所述关联度的计算方法为：
Figure FDA0002074243530000011
式中，γ(X0，Xi)为关联度；X0为HSV颜色空间中任一特征色，Xi表示第i个图像块的代表色；k表示图像块的个数。
3.如权利要求1或2所述的高速视频图像处理方法，其特征在于，步骤S4之后还包括以下步骤：计算所述缺陷区域的大小并根据预设的判断规则判定原始图片的缺陷等级，将所述缺陷等级标注在对应的原始图片上；所述判断规则包括缺陷区域大小及其对应的缺陷等级。
4.如权利要求3所述的高速视频图像处理方法，其特征在于，步骤S1之前还包括以下步骤：对待测的原始图片进行中值滤波以去除干扰，将滤波后的原始图片从RGB转换到HSV空间。
5.一种基于多核DSP的高速视频图像处理系统，其特征在于，包括多核DSP和FPGA；
所述FPGA用于接收外部视频采集设备发送的视频图像，并将所述多核DSP反馈的对所述视频图像进行缺陷检测的处理结果反馈给外部上位机；
所述多核DSP包括多个并行工作的处理核，其中一个所述处理核用于创建图像缓冲区以存储FPGA发送的视频图像，并将所述视频图像以单幅图片为单位发送给其余的处理核；其余的处理核用于根据权利要求1-4任一项所述的高速视频图像处理方法对视频图像进行缺陷检测。
6.如权利要求5所述的高速视频图像处理系统，其特征在于，还包括电源电路；所述电源电路用于分别为多核DSP、FPGA提供所需的工作电压。
7.如权利要求6所述的高速视频图像处理系统，其特征在于，所述FPGA还用于根据多核DSP的供电时序要求控制多核DSP的启动逻辑；该FPGA在上电启动后输出第一使能信号，所述第一使能信号用于控制电源电路输出多核DSP所需的第一工作电压；当接收到电源电路反馈的上电完成信号后输出第二使能信号，所述第二使能信号用于指示电源电路输出多核DSP所需的第二工作电压；FPGA仅在接收到电源电路反馈的上电完成信号后才控制电源电路进入下一供电状态，否则维持在当前供电状态。
8.如权利要求5或7所述的高速视频图像处理系统，其特征在于，还包括网口收发器；所述网口收发器通过FPGA与多核DSP的SGMII接口相连，用于接收网口相机传输的视频图像或将向多核DSP的图像处理结果回传至外部上位机。
9.如权利要求8所述的高速视频图像处理系统，其特征在于，还包括数字视频接收电路；所述数字视频接收电路与FPGA的IO口相连，用于采集数字视频图像。
10.如权利要求9所述的高速视频图像处理系统，其特征在于，还包括串口收发器；所述网口收发器通过FPGA与多核DSP的UART接口相连，用于将外部上位机发送的控制命令传输给多核DSP，以及回传多核DSP的运行状态至上位机。
CN201910448003.4A 2019-05-27 2019-05-27 一种基于多核dsp的高速视频图像处理方法及系统 Pending CN112085038A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910448003.4A CN112085038A (zh) 2019-05-27 2019-05-27 一种基于多核dsp的高速视频图像处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910448003.4A CN112085038A (zh) 2019-05-27 2019-05-27 一种基于多核dsp的高速视频图像处理方法及系统

Publications (1)

Publication Number Publication Date
CN112085038A true CN112085038A (zh) 2020-12-15

Family

ID=73733220

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910448003.4A Pending CN112085038A (zh) 2019-05-27 2019-05-27 一种基于多核dsp的高速视频图像处理方法及系统

Country Status (1)

Country Link
CN (1) CN112085038A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112597088A (zh) * 2020-12-25 2021-04-02 航天科工微电子系统研究院有限公司 一种双总线高速图像处理系统及方法
CN113778031A (zh) * 2021-08-27 2021-12-10 北京和利时系统工程有限公司 一种智能控制节点和数据传输方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100231995A1 (en) * 2009-03-11 2010-09-16 Canon Kabushiki Kaisha Image processing apparatus, image processing apparatus control method, and storage medium storing program
US20110082650A1 (en) * 2009-10-07 2011-04-07 Iyun Leu Method for utilizing fabrication defect of an article
CN103971355A (zh) * 2013-01-31 2014-08-06 山东财经大学 基于测地距离的数字图像抗噪分类技术
CN106803257A (zh) * 2016-12-22 2017-06-06 北京农业信息技术研究中心 一种作物病害叶片图像中病斑的分割方法
CN107063458A (zh) * 2017-02-07 2017-08-18 泉州装备制造研究所 基于机器视觉的瓷砖色度分块检测方法
CN108711134A (zh) * 2018-04-09 2018-10-26 湖北三江航天万峰科技发展有限公司 一种高频线阵ccd图像处理
CN108960255A (zh) * 2018-06-28 2018-12-07 西安工程大学 基于颜色相似性和位置聚集性的显著性织物疵点检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100231995A1 (en) * 2009-03-11 2010-09-16 Canon Kabushiki Kaisha Image processing apparatus, image processing apparatus control method, and storage medium storing program
US20110082650A1 (en) * 2009-10-07 2011-04-07 Iyun Leu Method for utilizing fabrication defect of an article
CN103971355A (zh) * 2013-01-31 2014-08-06 山东财经大学 基于测地距离的数字图像抗噪分类技术
CN106803257A (zh) * 2016-12-22 2017-06-06 北京农业信息技术研究中心 一种作物病害叶片图像中病斑的分割方法
CN107063458A (zh) * 2017-02-07 2017-08-18 泉州装备制造研究所 基于机器视觉的瓷砖色度分块检测方法
CN108711134A (zh) * 2018-04-09 2018-10-26 湖北三江航天万峰科技发展有限公司 一种高频线阵ccd图像处理
CN108960255A (zh) * 2018-06-28 2018-12-07 西安工程大学 基于颜色相似性和位置聚集性的显著性织物疵点检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李庆利;王永强;张帆;: "陶瓷砖特征颜色提取算法研究", 中国陶瓷 *
李庆利;王永强;张帆;: "陶瓷砖表面缺陷视觉检测算法研究", 中国陶瓷 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112597088A (zh) * 2020-12-25 2021-04-02 航天科工微电子系统研究院有限公司 一种双总线高速图像处理系统及方法
CN112597088B (zh) * 2020-12-25 2022-07-22 航天科工微电子系统研究院有限公司 一种双总线高速图像处理系统及方法
CN113778031A (zh) * 2021-08-27 2021-12-10 北京和利时系统工程有限公司 一种智能控制节点和数据传输方法

Similar Documents

Publication Publication Date Title
WO2019085605A1 (zh) 一种基于cpu+gpu+fpga架构的自动光学检测系统
WO2020199906A1 (zh) 人脸关键点检测方法、装置、设备及存储介质
CN107766812B (zh) 一种基于MiZ702N的实时人脸检测识别系统
CN107527317B (zh) 基于图像处理的数据传输系统
CN102202171B (zh) 一种嵌入式高速多通道图像采集与存储系统
WO2018120446A1 (zh) 一种面向实时目标识别的异构处理机并行协调处理方法
CN112085038A (zh) 一种基于多核dsp的高速视频图像处理方法及系统
JPH01270177A (ja) 細胞画像切出記憶処理装置および方法
CN102118657A (zh) 全数字化的楼宇对讲系统
CN112040198A (zh) 一种基于图像处理的智能水表读数识别系统与方法
CN104243781A (zh) 一种基于sopc的全方位视觉系统
WO2022017197A1 (zh) 一种智能化的产品质量检测方法及装置
CN108318773A (zh) 一种输电导线断股检测方法及系统
CN103268238A (zh) 基于ReWorks操作系统的USB摄像头驱动实现的方法
US6920180B1 (en) Image processing inspection apparatus
CN110602462B (zh) 一种基于ai的工业图像检测装置及方法
CN2845007Y (zh) 一种高速数据采集卡
CN101483768B (zh) 电子装置
CN109803065A (zh) 一种数据处理方法及系统
CN208255909U (zh) 一种基于嵌入式深度学习人脸识别装置
CN110569173A (zh) 一种基于龙芯ip核的服务器健康管理芯片及实现方法
CN110069435A (zh) 基于usb3.0转sccb的多摄像模组配置装置及方法
CN102039738A (zh) 高速装订机页面在线模糊识别系统
EP4198869A1 (en) Electronic apparatus, and image processing method for electronic apparatus
TWI331316B (en) Synchronizing access system and method thereof and graphics processing unit

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