q1594的博客

该专栏的内容可能会非常多，为了能快速找到指定内容，特地设置索引来快速查找想要的内容

1.VGA时序2.不同分辨率的VGA参数3.基于小梅哥5寸800x480TFT屏幕的显示驱动3.1小梅哥TFT屏幕接口和意义由表可知，驱动TFT屏幕需要输入RGB分量、TFT像素时钟、DISP显示开关、HSYNC、VSYNC行场同步信号、DE数据使能.驱动代码为`module tft_driver(input wire tft_clk,input wire tft_rst_n,input wire tft_disp,input wire [15:0] dat

本节主要讲解如何基于ZYNQ7020搭建一个视频流接收以及显示的数据通路。为后续的算法图像验证提供基础。

AXI4协议是ZYNQ中非常重要的一个协议，包括AXI4_FULL、AXI4_LITE、AXI4_Stream三大协议。是XILINX官方IP的重要接口以及PS、PL通讯的主要手段。

在没有arm核的情况下，PL端IP核需要自己编写axi_lite协议来配置IP核，在项目中，arm核的作用是提供DDR3控制接口以及用axi_lite来配置VDMA IP核，这里我们将配置IP核的部分放到PL端来实现。实现了一个axi_master_lite IP核接口，以后其他的axi_slave_lite 都可以使用此IP核进行控制。

数据结论固定数据✖固定数据不消耗资源，直接出固定结果固定数据/固定数据不消耗资源，直接出固定结果固定数据%固定数据不消耗资源，直接出固定结果数据结论变量✖2的指数倍固定数据综合成移位结构，不消耗逻辑资源变量/2的指数倍固定数据综合成移位结构，不消耗逻辑资源变量%2的指数倍固定数据不消耗资源，直接出固定结果数据结论变量✖小固定数据消耗少量的逻辑资源变量✖大固定数据直接消耗DSP,乘法器变量/固定数据消耗大量的逻辑资源,是乘法的数倍变量%小固定数据。

RGB转灰度有很多种方式1.将RGB中任意分量拿出来当做灰度值。2.取RGB三通道的均值来当灰度值。3.将RGB转YUV(YCbCr)然后取Y分量作为灰度值。其余的几种实现方式较为简单，这里不做介绍。重点实现RGB转YCbCr。

在数字图像处理中的各种边沿检测、滤波、腐蚀膨胀等操作都离不开卷积核的生成。下面介绍如何生成各种3X3的卷积核。为后面的数字图像操作打下基础。由于图像经过卷积操作后会减少两行两列，因此在生成卷积核的时候一般会对图像进行填充，填充的方式有加0，加1和复制边界三种方法。本文将会构建一个边沿复制的的卷积核模块，一个边沿填充0或者1的卷积核模块和一个边沿不填充的卷积核模块。

均值滤波是一种低通滤波，它可以有效过滤图片中的椒盐噪声，但是副作用也同样明显，会使图片的边缘过于模糊。均值滤波的卷积核系数均为1。这里最终重复一下算法实现以及验证的步骤：1.MATLAB读取图片并转化为TXT格式，命名为pre.txt。2.ModelSim读取pre.txt文本并输入给FPGA实现的算法模块进行仿真，并将仿真后的数据写入TXT文本，命名为post.txt。

在3X3的卷积模板中，找出中值共需要经历七次排序。1.前三次排序分别对3X3模板的三行进行排序，得到min、mid、max。2.后三次排序在三个最小值中找出一个最大值，三个中值中找出一个中值，三个最大值中找出一个最小值。3.在步骤二找出的三个值中找出中值，这个值即为最终需要赋值的像数值。

高斯滤波(Gaussian filter)包含很多种，包括低通、高通、带通等，在图像上说的高斯滤波通常是指的高斯模糊(Gaussian Blur)，是一种高斯低通滤波。通常这个算法也可以用来模糊图像，提供模糊滤镜。也可以用来过滤自然界的高斯白噪声。高斯分布（正态分布）是一个常见的连续概率分布，μσ2σ。正态分布的概率密度函数曲线呈钟形，所以又被称为钟形曲线。我们常说的μ0方差σ21。若随机变量X服从一个位置参数为μ、方差为σ2的正态分布，可以记为XNμσ2gx。

边缘是图像的基本特征，所谓的边缘就是指的图像的局部不连续性。灰度或者结构等信息的突变之处称之为边缘。如灰度级的突变、颜色的突变、纹理结构的突变等。边缘是一个区域的结束，也是另一个区域的开始，利用该特征可以分割图像。图像的边缘有方向和幅度两种特性，边缘通常可以通过一阶导数或二阶导数检测得到。一阶导数是以最大值作为对应边缘的位置，而二阶导数则以过零点作为对应边缘的位置。

在数字图像处理中，经常需要用到的一个架构就是多帧缓存。视频流中需要用到多帧缓存来防止帧撕裂现象，图像处理中也需要帧差法来做移动目标检测。因此一个多帧缓存架构在图像系统的设计中是十分重要的。

图片放大是图像处理中的一个特别基础的操作。几乎在每一个图片相关的项目中，从传统图像处理到i深度学习，都有应用。简单来说，插值指利用已知的点来“猜”未知的点，图像领域插值常用在修改图像尺寸的过程，由下图是双线性插值的效果。最近邻算法不需要计算新图像中矩阵中点的数值，直接找到原图像中对应的点，将数值赋值给新图像矩阵中的点，根据对应关系找到原图像中的对应的坐标，这个坐标可能不是整数；这时候找最近的点进行插值。