日B视频 亚洲,啪啪啪网站一区二区,91色情精品久久,日日噜狠狠色综合久,超碰人妻少妇97在线,999青青视频,亚洲一区二卡,让本一区二区视频,日韩网站推荐

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內(nèi)不再提示

FPGA學習算法系列:彩色轉(zhuǎn)灰度

FPGA學習交流 ? 2018-10-26 10:48 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

大家好,又到了每日學習的時間了,今天我們來聊一聊FPGA學習中可以遇到的一些算法,今天就聊一聊彩色轉(zhuǎn)灰度的算法。

一、基礎

對于彩色轉(zhuǎn)灰度,有一個很著名的心理學公式:

Gray = R*0.299 + G*0.587 + B*0.114


二、整數(shù)算法

而實際應用時,希望避免低速的浮點運算,所以需要整數(shù)算法。

注意到系數(shù)都是3位精度的沒有,我們可以將它們縮放1000倍來實現(xiàn)整數(shù)運算算法:

Gray = (R*299 + G*587 + B*114 + 500) / 1000

RGB一般是8位精度,現(xiàn)在縮放1000倍,所以上面的運算是32位整型的運算。注意后面那個除法是整數(shù)除法,所以需要加上500來實現(xiàn)四舍五入。

就是由于該算法需要32位運算,所以該公式的另一個變種很流行:

Gray = (R*30 + G*59 + B*11 + 50) / 100

但是,雖說上一個公式是32位整數(shù)運算,但是根據(jù)80x86體系的整數(shù)乘除指令的特點,是可以用16位整數(shù)乘除指令來運算的。而且現(xiàn)在32位早普及了(AMD64都出來了),所以推薦使用上一個公式。


三、整數(shù)移位算法

上面的整數(shù)算法已經(jīng)很快了,但是有一點仍制約速度,就是最后的那個除法。移位比除法快多了,所以可以將系數(shù)縮放成 2的整數(shù)冪。

習慣上使用16位精度,2的16次冪是65536,所以這樣計算系數(shù):

0.299 * 65536 = 19595.264 ≈ 19595

0.587 * 65536 + (0.264) = 38469.632 + 0.264 = 38469.896 ≈ 38469

0.114 * 65536 + (0.896) = 7471.104 + 0.896 = 7472

可能很多人看見了,我所使用的舍入方式不是四舍五入。四舍五入會有較大的誤差,應該將以前的計算結果的誤差一起計算進去,舍入方式是去尾法:

寫成表達式是:

Gray = (R*19595 + G*38469 + B*7472) >> 16

2至20位精度的系數(shù):

Gray = (R*1 + G*2 + B*1) >> 2

Gray = (R*2 + G*5 + B*1) >> 3

Gray = (R*4 + G*10 + B*2) >> 4

Gray = (R*9 + G*19 + B*4) >> 5

Gray = (R*19 + G*37 + B*8) >> 6

Gray = (R*38 + G*75 + B*15) >> 7

Gray = (R*76 + G*150 + B*30) >> 8

Gray = (R*153 + G*300 + B*59) >> 9

Gray = (R*306 + G*601 + B*117) >> 10

Gray = (R*612 + G*1202 + B*234) >> 11

Gray = (R*1224 + G*2405 + B*467) >> 12

Gray = (R*2449 + G*4809 + B*934) >> 13

Gray = (R*4898 + G*9618 + B*1868) >> 14

Gray = (R*9797 + G*19235 + B*3736) >> 15

Gray = (R*19595 + G*38469 + B*7472) >> 16

Gray = (R*39190 + G*76939 + B*14943) >> 17

Gray = (R*78381 + G*153878 + B*29885) >> 18

Gray = (R*156762 + G*307757 + B*59769) >> 19

Gray = (R*313524 + G*615514 + B*119538) >> 20

仔細觀察上面的表格,這些精度實際上是一樣的:3與4、7與8、10與11、13與14、19與20

所以16位運算下最好的計算公式是使用7位精度,比先前那個系數(shù)縮放100倍的精度高,而且速度快:

Gray = (R*38 + G*75 + B*15) >> 7

其實最有意思的還是那個2位精度的,完全可以移位優(yōu)化:

Gray = (R + (WORD)G<<1 + B) >> 2

由于誤差很大,所以做圖像處理絕不用該公式(最常用的是16位精度)。但對于游戲編程,場景經(jīng)常變化,用戶一般不可能觀察到顏色的細微差別,所以最常用的是2位精度。


c#代碼

///



/// 彩色圖片轉(zhuǎn)換成灰度圖片代碼

///


///源圖片

///

public Bitmap BitmapConvetGray(Bitmap img)

{

int h = img.Height;

int w = img.Width;

int gray = 0; //灰度值

Bitmap bmpOut = new Bitmap(w, h, PixelFormat. Format24bppRgb); //每像素3字節(jié)

BitmapData dataIn = img.LockBits(new Rectangle(0, 0, w, h), ImageLockMode.ReadOnly, PixelFormat.Format24bppRgb);

BitmapData dataOut = bmpOut.LockBits(new Rectangle(0, 0, w, h), ImageLockMode.ReadWrite, PixelFormat.Format24bppRgb);

unsafe

{

byte* pIn = (byte*)(dataIn.Scan0.ToPointer()); //指向源文件首地址

byte* pOut = (byte*)(dataOut.Scan0.ToPointer()); //指向目標文件首地址

for (int y = 0; y < dataIn.Height; y++) ?//列掃描

{

for (int x = 0; x < dataIn.Width; x++) ? //行掃描

{

gray = (pIn[0] * 19595 + pIn[1] * 38469 + pIn[2] * 7472) >> 16; //灰度計算公式

pOut[0] = (byte)gray; //R分量

pOut[1] = (byte)gray; //G分量

pOut[2] = (byte)gray; //B分量

pIn += 3; pOut += 3; //指針后移3個分量位置

}

pIn += dataIn.Stride - dataIn.Width * 3;

pOut += dataOut.Stride - dataOut.Width * 3;

}

}

bmpOut.UnlockBits(dataOut);

img.UnlockBits(dataIn);

return bmpOut;

}


補充:

理解Stride:假設有一張圖片寬度為6,因為是Format24bppRgb格式(每像素3字節(jié)。否則Bitmap默認24位RGB)的,顯然,每一行需要6*3=18個字節(jié)存儲。對于Bitmap就是如此。但對于C# BitmapData,雖然BitmapData.Width還是等于Bitmap.Width,但大概是出于顯示性能的考慮,每行的實際的字節(jié)數(shù)將變成大于等于它的那個離它最近的4的整倍數(shù),此時的實際字節(jié)數(shù)就是Stride.就此例而言,18不是4的整倍數(shù),而比18大的離18最近的4的倍數(shù)是20,所以這個BitmapData.Stride = 20.顯然,當寬度本身就是4的倍數(shù)時,BitmapData.Stride = Bitmap.Width * 3.畫個圖可能更好理解。R、G、B 分別代表3個原色分量字節(jié),BGR就表示一個像素。為了看起來方便在每個像素之間插了個空格,實際上是沒有的。X表示補足4的倍數(shù)而自動插入的字節(jié)。為了符合人類的閱讀習慣分行了,其實在計算機內(nèi)存中應該看成連續(xù)的一大段。

該代碼在VS2008中編譯通過,當使用unsafe關鍵字時,項目的屬性-->生成-->勾選"允許使用不安全代碼"

delphi7代碼

procedure Convert2Gray(Cnv: TCanvas);
var X, Y, jj: Integer;
Color: LongInt;
R, G, B, Gr: Byte;
begin
with Cnv do
for X := Cliprect.Left to Cliprect.Right do
for Y := Cliprect.Top to Cliprect.Bottom do
begin
Color := ColorToRGB(Pixels[X, Y]);
B := (Color and $FF0000) shr 16;
G := (Color and $FF00) shr 8;
R := (Color and $FF);
Gr := HiByte(R * 77 + G * 151 + B * 28);
jj := gr;
Gr := Trunc(B * 0.11 + G * 0.59 + R * 0.3);
Pixels[X, Y] := RGB(Gr, Gr, Gr);
end;

end;

function RGB(R, G, B: Byte): TColor;
begin
Result := B shl 16 or G shl 8 or R;
end;

procedure TfrmDemo.Button1Click(Sender: TObject);
begin
Screen.Cursor := crHourGlass;
Convert2Gray(Image1.Picture.Bitmap.Canvas);
Screen.Cursor := crDefault;
end;

今天就聊到這里,各位,加油!
聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • FPGA
    +關注

    關注

    1664

    文章

    22509

    瀏覽量

    639589
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    會FOC算法為啥也很難做好11萬轉(zhuǎn)吹風機軟件?

    很難做好11萬轉(zhuǎn)高速吹風筒項目。如圖所示:FOC算法框架各子函數(shù)很多人不經(jīng)要問:那難點究竟在哪里呢?其實最大的難點就是FOC電機算法是高速依賴電機負載這樣的場景,
    的頭像 發(fā)表于 04-13 11:02 ?185次閱讀
    會FOC<b class='flag-5'>算法</b>為啥也很難做好11萬<b class='flag-5'>轉(zhuǎn)</b>吹風機軟件?

    基于FPGA的低照度條件下EBAPS圖像混合噪聲去除算法

    本文提出了基于可編程邏輯門陣列(field programmable gate array,FPGA)的開關融合中值-高斯(open and close mix-median-Gaussian,OCMMG)濾波算法
    的頭像 發(fā)表于 03-11 09:24 ?7228次閱讀
    基于<b class='flag-5'>FPGA</b>的低照度條件下EBAPS圖像混合噪聲去除<b class='flag-5'>算法</b>

    Atmel AT17LV系列FPGA配置EEPROM的全面解析

    Atmel AT17LV系列FPGA配置EEPROM的全面解析 在FPGA設計領域,配置存儲器的選擇至關重要。Atmel的AT17LV系列FPGA
    的頭像 發(fā)表于 02-27 16:15 ?402次閱讀

    算法工程師需要具備哪些技能?

    算法工程師需要掌握一系列跨學科的技能,涵蓋數(shù)學基礎、編程能力、算法理論、工程實踐以及業(yè)務理解等多個方面。 以下是具體技能及學習建議: 線性代數(shù)核心內(nèi)容:矩陣運算、特征值分解、向量空間等
    發(fā)表于 02-27 10:53

    使用Otsu閾值算法灰度圖像二值化

    Otsu 算法是由日本學者OTSU于1979年提出的一種對圖像進行二值化的高效算法,又稱“最大類間方差法”。當我們對一個圖象進行二值化操作的時候,需要根據(jù)一項灰度閾值來判決每個像素點應該被視作純黑
    發(fā)表于 10-28 06:49

    RISC-V 算法原理及串口通信

    具體方法 算法原理: 由于場景中的目標在運動,目標的影像在不同圖像幀中的位置不同。該類算法對時間上連續(xù)的兩幀或三幀圖像進行差分運算,不同幀對應的像素點相減,判斷灰度差的絕對值,當絕對值超過一定
    發(fā)表于 10-28 06:16

    國密系列算法簡介及SM4算法原理介紹

    一、 國密系列算法簡介 國家商用密碼算法(簡稱國密/商密算法),是由我國國家密碼管理局制定并公布的密碼算法標準。其分類1所示: 圖1
    發(fā)表于 10-24 08:25

    基于FPGA的CLAHE圖像增強算法設計

    CLAHE圖像增強算法又稱為對比度有限的自適應直方圖均衡算法,其算法原理是通過有限的調(diào)整圖像局部對比度來增強有效信號和抑制噪聲信號。
    的頭像 發(fā)表于 10-15 10:14 ?825次閱讀
    基于<b class='flag-5'>FPGA</b>的CLAHE圖像增強<b class='flag-5'>算法</b>設計

    25年11月上海FPGA算法實現(xiàn)與應用技術高級研修分享

    設計仿真能力。   深入學習數(shù)據(jù)流,不僅是算法FPGA&DSP設計者的需求,對于從事接口設計工作、軟件配置工作、系統(tǒng)測試工作,項目管理工作的同事,也同樣有非常重要的意義。在實際工作中,對于
    發(fā)表于 10-11 11:55

    PID控制算法學習筆記資料

    用于新手學習PID控制算法
    發(fā)表于 08-12 16:22 ?7次下載

    基于FPGA實現(xiàn)FOC算法之PWM模塊設計

    哈嘍,大家好,從今天開始正式帶領大家從零到一,在FPGA平臺上實現(xiàn)FOC算法,整個算法的框架如下圖所示,如果大家對算法的原理不是特別清楚的話,可以先去百度上
    的頭像 發(fā)表于 07-17 15:21 ?3739次閱讀
    基于<b class='flag-5'>FPGA</b>實現(xiàn)FOC<b class='flag-5'>算法</b>之PWM模塊設計

    FPGA在機器學習中的具體應用

    ,越來越多地被應用于機器學習任務中。本文將探討 FPGA 在機器學習中的應用,特別是在加速神經(jīng)網(wǎng)絡推理、優(yōu)化算法和提升處理效率方面的優(yōu)勢。
    的頭像 發(fā)表于 07-16 15:34 ?3118次閱讀

    基于Matlab與FPGA的雙邊濾波算法實現(xiàn)

    前面發(fā)過中值、均值、高斯濾波的文章,這些只考慮了位置,并沒有考慮相似度。那么雙邊濾波來了,既考慮了位置,有考慮了相似度,對邊緣的保持比前幾個好很多,當然實現(xiàn)上也是復雜很多。本文將從原理入手,采用Matlab與FPGA設計實現(xiàn)雙邊濾波算法。
    的頭像 發(fā)表于 07-10 11:28 ?4855次閱讀
    基于Matlab與<b class='flag-5'>FPGA</b>的雙邊濾波<b class='flag-5'>算法</b>實現(xiàn)

    基于FPGA的壓縮算法加速實現(xiàn)

    本設計中,計劃實現(xiàn)對文件的壓縮及解壓,同時優(yōu)化壓縮中所涉及的信號處理和計算密集型功能,實現(xiàn)對其的加速處理。本設計的最終目標是證明在充分并行化的硬件體系結構 FPGA 上實現(xiàn)該算法時,可以大大提高該算法
    的頭像 發(fā)表于 07-10 11:09 ?2619次閱讀
    基于<b class='flag-5'>FPGA</b>的壓縮<b class='flag-5'>算法</b>加速實現(xiàn)

    【高云GW5AT-LV60 開發(fā)套件試用體驗】基于開發(fā)板進行深度學習實踐,并盡量實現(xiàn)皮膚病理圖片的識別

    說了。 首先想先對一張圖片進行相關算法的處理,不如比較開源的有對輸入的灰度圖像執(zhí)行自適應直方圖均衡化 (AHE)?;蛘?CLAHE(Contrast Limited Adaptive Histogram
    發(fā)表于 06-11 22:35
    依兰县| 普宁市| 宁津县| 札达县| 和田市| 炉霍县| 佳木斯市| 宜兴市| 白银市| 改则县| 石阡县| 陆川县| 自治县| 洱源县| 塔河县| 商城县| 宁晋县| 绥化市| 双江| 汝城县| 阳东县| 宜丰县| 高要市| 南澳县| 鹿泉市| 伊川县| 上虞市| 磴口县| 龙泉市| 两当县| 凤城市| 黔东| 龙井市| 平泉县| 大田县| 固安县| 琼中| 河南省| 沂南县| 峨山| 兴城市|