0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

FPGA學(xué)習(xí)算法系列:彩色轉(zhuǎn)灰度

FPGA學(xué)習(xí)交流 ? 2018-10-26 10:48 ? 次閱讀

大家好,又到了每日學(xué)習(xí)的時(shí)間了,今天我們來聊一聊FPGA學(xué)習(xí)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(chǔ)

對于彩色轉(zhuǎn)灰度,有一個(gè)很著名的心理學(xué)公式:

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


二、整數(shù)算法

而實(shí)際應(yīng)用時(shí),希望避免低速的浮點(diǎn)運(yùn)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(shí)現(xiàn)整數(shù)運(yùn)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(yùn)算是32位整型的運(yùn)算。注意后面那個(gè)除法是整數(shù)除法,所以需要加上500來實(shí)現(xiàn)四舍五入。

就是由于該算法需要32位運(yùn)算,所以該公式的另一個(gè)變種很流行:

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

但是,雖說上一個(gè)公式是32位整數(shù)運(yùn)算,但是根據(jù)80x86體系的整數(shù)乘除指令的特點(diǎn),是可以用16位整數(shù)乘除指令來運(yùn)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(gè)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(diǎn)仍制約速度,就是最后的那個(gè)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(xí)慣上使用16位精度,2的16次冪是65536,所以這樣計(jì)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(huì)有較大的誤差,應(yīng)該將以前的計(jì)算結(jié)果的誤差一起計(jì)算進(jìn)去,舍入方式是去尾法:

寫成表達(dá)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(xì)觀察上面的表格,這些精度實(shí)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(yùn)算下最好的計(jì)算公式是使用7位精度,比先前那個(gè)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(shí)最有意思的還是那個(gè)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(xì)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(biāo)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(jì)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(gè)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(bǔ)充:

理解Stride:假設(shè)有一張圖片寬度為6,因?yàn)槭荈ormat24bppRgb格式(每像素3字節(jié)。否則Bitmap默認(rèn)24位RGB)的,顯然,每一行需要6*3=18個(gè)字節(jié)存儲(chǔ)。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(shí)際的字節(jié)數(shù)將變成大于等于它的那個(gè)離它最近的4的整倍數(shù),此時(shí)的實(shí)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(gè)BitmapData.Stride = 20.顯然,當(dāng)寬度本身就是4的倍數(shù)時(shí),BitmapData.Stride = Bitmap.Width * 3.畫個(gè)圖可能更好理解。R、G、B 分別代表3個(gè)原色分量字節(jié),BGR就表示一個(gè)像素。為了看起來方便在每個(gè)像素之間插了個(gè)空格,實(shí)際上是沒有的。X表示補(bǔ)足4的倍數(shù)而自動(dòng)插入的字節(jié)。為了符合人類的閱讀習(xí)慣分行了,其實(shí)在計(jì)算機(jī)內(nèi)存中應(yīng)該看成連續(xù)的一大段。

該代碼在VS2008中編譯通過,當(dāng)使用unsafe關(guān)鍵字時(shí),項(xiàng)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(quán)轉(zhuǎn)載。文章觀點(diǎn)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(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報(bào)投訴
  • FPGA
    +關(guān)注

    關(guān)注

    1630

    文章

    21796

    瀏覽量

    605407
收藏 人收藏

    評論

    相關(guān)推薦

    TVP5151IPBSR給入彩色的PAL復(fù)合視頻信號,能否通過配置寄存器使得該芯片的Y口輸出的是Y灰度值?

    芯片是TVP5151IPBSR,給入彩色的PAL復(fù)合視頻信號,我能否通過配置寄存器使得該芯片的Y口輸出的是Y灰度值,并且同步信號由那些特定引腳輸出呢?應(yīng)該如何配置呢?
    發(fā)表于 01-02 06:29

    NPU與機(jī)器學(xué)習(xí)算法的關(guān)系

    在人工智能領(lǐng)域,機(jī)器學(xué)習(xí)算法是實(shí)現(xiàn)智能系統(tǒng)的核心。隨著數(shù)據(jù)量的激增和算法復(fù)雜度的提升,對計(jì)算資源的需求也在不斷增長。NPU作為一種專門為深度學(xué)習(xí)等機(jī)器
    的頭像 發(fā)表于 11-15 09:19 ?579次閱讀

    FPGA加速深度學(xué)習(xí)模型的案例

    FPGA(現(xiàn)場可編程門陣列)加速深度學(xué)習(xí)模型是當(dāng)前硬件加速領(lǐng)域的一個(gè)熱門研究方向。以下是一些FPGA加速深度學(xué)習(xí)模型的案例: 一、基于FPGA
    的頭像 發(fā)表于 10-25 09:22 ?329次閱讀

    FPGA做深度學(xué)習(xí)能走多遠(yuǎn)?

    今天給大俠帶來在FPAG技術(shù)交流群里平時(shí)討論的問題答疑合集(十四),以后還會(huì)多推出本系列,話不多說,上貨。 FPGA技術(shù)交流群目前已有十多個(gè)群,QQ和微信均覆蓋,有需要的大俠可以進(jìn)群,一起交流學(xué)習(xí)
    發(fā)表于 09-27 20:53

    為什么FPGA屬于硬件,還需要搞算法?

    交流學(xué)習(xí),共同進(jìn)步。 交流問題(一) Q:為什么FPGA屬于硬件,還需要搞算法? 剛?cè)腴T準(zhǔn)備學(xué)fpga但一開始學(xué)的是語法,感覺像是電路用軟件語言描述出來,
    發(fā)表于 09-09 16:54

    機(jī)器學(xué)習(xí)算法原理詳解

    機(jī)器學(xué)習(xí)作為人工智能的一個(gè)重要分支,其目標(biāo)是通過讓計(jì)算機(jī)自動(dòng)從數(shù)據(jù)中學(xué)習(xí)并改進(jìn)其性能,而無需進(jìn)行明確的編程。本文將深入解讀幾種常見的機(jī)器學(xué)習(xí)算法原理,包括線性回歸、邏輯回歸、支持向量機(jī)
    的頭像 發(fā)表于 07-02 11:25 ?1302次閱讀

    FPGA設(shè)計(jì)經(jīng)驗(yàn)之圖像處理

    今天和大俠簡單聊一聊基于FPGA的圖像處理,之前也和各位大俠聊過相關(guān)的圖像處理,這里面也超鏈接了幾篇,具體如下: 圖像邊緣檢測算法體驗(yàn)步驟(Photoshop,Matlab)算法系列
    發(fā)表于 06-12 16:26

    FPGA能實(shí)現(xiàn)什么樣的算法?

    FPGA功能如此強(qiáng)大,請問用FPGA能實(shí)現(xiàn)或者比較適合實(shí)現(xiàn)什么樣的算法?
    發(fā)表于 05-26 20:18

    基于FPGA的實(shí)時(shí)邊緣檢測系統(tǒng)設(shè)計(jì),Sobel圖像邊緣檢測,FPGA圖像處理

    。 (2)MATLAB與FPGA運(yùn)行時(shí)間對比 在MATLAB使用本文所述的 Sobel 邊緣檢測算法,提取一張1024720分辨率的灰度圖像的邊緣,經(jīng)過計(jì)時(shí)發(fā)現(xiàn)僅實(shí)現(xiàn) Sobel 邊緣檢測需要
    發(fā)表于 05-24 07:45

    算法系列彩色轉(zhuǎn)灰度

    今天和大俠簡單聊一聊彩色轉(zhuǎn)灰度算法,話不多說,上貨。 一、基礎(chǔ)  對于彩色轉(zhuǎn)
    發(fā)表于 05-22 19:02

    FPGA基礎(chǔ)知識學(xué)習(xí)

    、導(dǎo)航系統(tǒng)等。這些系統(tǒng)對實(shí)時(shí)性和可靠性要求極高,FPGA能夠滿足這些需求。 人工智能和深度學(xué)習(xí)FPGA可以用于加速深度學(xué)習(xí)算法的計(jì)算和訓(xùn)
    發(fā)表于 04-29 23:26

    簡單聊一聊彩色轉(zhuǎn)灰度算法

    R、G、B 分別代表3個(gè)原色分量字節(jié),BGR就表示一個(gè)像素。為了看起來方便在每個(gè)像素之間插了個(gè)空格,實(shí)際上是沒有的。X表示補(bǔ)足4的倍數(shù)而自動(dòng)插入的字節(jié)。為了符合人類的閱讀習(xí)慣分行了,其實(shí)在計(jì)算機(jī)內(nèi)存中應(yīng)該看成連續(xù)的一大段。
    的頭像 發(fā)表于 04-18 10:32 ?483次閱讀
    簡單聊一聊<b class='flag-5'>彩色</b><b class='flag-5'>轉(zhuǎn)</b><b class='flag-5'>灰度</b>的<b class='flag-5'>算法</b>

    算法系列:基于 FPGA 的圖像邊緣檢測系統(tǒng)設(shè)計(jì)(sobel算法

    今天給大俠帶來基于 FPGA 的圖像邊緣檢測設(shè)計(jì),話不多說,上貨。 設(shè)計(jì)流程如下:mif文件的制作→ 調(diào)用 ip 核生成rom以及仿真注意問題→ 灰度處理→ 均值濾波:重點(diǎn)是3*3 像素陣列
    發(fā)表于 03-26 16:40

    fpga學(xué)習(xí)需要具備哪些課程

    FPGA(Field Programmable Gate Array)學(xué)習(xí)需要具備一系列的課程知識和實(shí)踐技能
    的頭像 發(fā)表于 03-14 15:51 ?1283次閱讀

    FPGA圖書分享系列-2024.01.31

    Accelerators for Financial Applications》這本書面向金融領(lǐng)域,它探討了FPGA(現(xiàn)場可編程門陣列)加速器的最新方法和成果。 以下是這本書的一些亮點(diǎn)和值得學(xué)習(xí)的地方: 高性能計(jì)算
    發(fā)表于 01-31 21:14