Спроектируйте предназначенный на оборудование фильтр изображений с помощью блоков Vision HDL Toolbox™. Это также использует блоки Computer Vision Toolbox™.

Создайте предназначенный на оборудование проект в Simulink®, который реализует то же поведение как исходный проект MATLAB®.

Спроектируйте предназначенный на оборудование фильтр изображений с помощью объектов Vision HDL Toolbox™.

Ускорьте алгоритм обработки видеоданных пиксельного потока в MATLAB при помощи MATLAB Coder™.

Спроектируйте фильтры, которые работают с мультипиксельным входным видеопотоком. Используйте мультипиксельную потоковую передачу, чтобы обработать видео или высокой частоты кадров с высоким разрешением с той же синтезируемой тактовой частотой как интерфейс потоковой передачи одно пикселя. Мультипиксель, передающий потоком также, улучшает скорость симуляции и пропускную способность, потому что меньше итераций требуется, чтобы обрабатывать каждый кадр при поддержании аппаратных преимуществ интерфейса потоковой передачи.

Работа с многокомпонентным мультипикселем пиксельным потоком. Многокомпонентная мультипикселем потоковая передача включает обработку в режиме реального времени видеопотоков цвета или высокой частоты кадров с высоким разрешением.

Интерфейс с пульсирующими пиксельными потоками, такими как те от DMA и источников Camera Link®, с помощью блока Pixel Stream FIFO.

Введите нарушения для того, чтобы протестировать проект с несовершенным вводом видео.

Спроектируйте алгоритм Vision HDL Toolbox для интегрирования в существующую систему, которая использует протокол сигнала Camera Link®.

Преобразуйте сигналы Camera Link® в pixelcontrol структуру, инвертируйте пиксели с объектом Vision HDL Toolbox и преобразуйте управляющие сигналы назад в формат Ссылки Камеры.

Реализуйте однопроходный соединенный с 8 путями - алгоритм маркировки компонента и выполните анализ блоба.

Реализуйте отмечающий маршрут алгоритм обнаружения для FPGAs.

Расширяет Сгенерировать мультипликационные Изображения Используя Двусторонний пример Фильтрации, чтобы включать вычисление центроида и накладывание центроидного маркера и текстовой метки на обнаруженных выбоинах.

Сгенерируйте многоуровневые пиксельные потоки пирамиды изображений от входного потока. Эта модель выводит несколько пиксельных потоков путем субдискретизации оригинального изображения и в горизонтальных и в вертикальных направлениях, использования Гауссовой фильтрации. Этот тип фильтра старается не искажать артефакты. Реализация использует архитектуру, подходящую для FPGAs.

Downsample изображение при помощи билинейного, bicubic, или алгоритм интерполяции Lanczos-2. Реализация использует архитектуру, подходящую для FPGAs.

Вычислите несоизмеримость между левыми и правыми изображениями стереофотоаппарата с помощью Полуглобального алгоритма Соответствия Блока. Этот алгоритм подходит для реализации на FPGA.

Реализуйте исправление стереоизображения для калиброванной пары стереофотоаппарата. Модель в качестве примера аппаратно-совместима FPGA и обеспечивает эффективность в реальном времени. Этот пример сравнивает свои результаты с Computer Vision Toolbox™ rectifyStereoImages функция.

Удалите вуаль из изображений, полученных при туманных условиях. Алгоритм подходит для FPGAs.

Улучшите изображения недостаточной освещенности с помощью алгоритма, подходящего для FPGAs.

Реализуйте алгоритм ограниченной контрастом адаптивной эквализации гистограммы (CLAHE) с помощью блоков Simulink. Модель в качестве примера аппаратно-совместима FPGA.

Выполните угловое обнаружение с помощью алгоритма от ускоренного теста сегмента (FAST) функций. Алгоритм FAST определяет, присутствует ли угол путем тестирования круговой области вокруг потенциального центра угла. Тест обнаруживает угол, если непрерывный раздел пикселей является или более ярким, чем центр плюс порог или более темным, чем центр минус порог. Алгоритм подходит для FPGAs. Для другого углового алгоритма обнаружения для FPGAs смотрите пример детектирования углов методом Харриса.

Используйте обнаружение ребра в качестве первого шага в угловом обнаружении. Алгоритм подходит для FPGAs.

Сгенерируйте мультипликационные линии и наложите их на изображение.

Используйте библиотечный блок Гистограммы Vision HDL Toolbox, чтобы реализовать эквализацию гистограммы.

Разработка и реализация отделимый фильтр изображений, который использует меньше аппаратных ресурсов, чем традиционный 2D фильтр изображений.

Используйте блок Image Statistics, чтобы выполнить измерение мультизоны, чтобы извлечь видимую область (ROI).

Обнаружьте и подсветите края объекта в видеопотоке. Поведение блока Sobel Edge Detector пиксельного потока, выравнивания видеопотока, и наложения, проверяется путем сравнения результатов с тем же алгоритмом, вычисленным блоками полной системы координат из Computer Vision Toolbox™.

Реализуйте модуль фронтенда проекта обработки изображений. Этот модуль фронтенда удаляет шум и увеличивает резкость изображения, чтобы обеспечить лучшее начальное условие для последующей обработки.

Передающая потоком пиксель гамма-коррекция модели для аппаратных проектов. Модель сравнивает результаты блока Vision HDL Toolbox™ Gamma Corrector с результатами, сгенерированными блоком Gamma полной системы координат из Системы Компьютерного зрения Toolbox™.

Уменьшайте задержку и сохраните аппаратные ресурсы, не добавив дополнение пикселей в ребре каждой системы координат.

Спроектируйте алгоритмы обработки видеоданных пиксельного потока с помощью объектов Vision HDL Toolbox™ в среде MATLAB® и сгенерируйте HDL-код из проекта.

Разработайте комплексный алгоритм обработки видеоданных пиксельного потока, ускорьте его симуляцию с помощью MATLAB Coder™ и сгенерируйте HDL-код из проекта. Алгоритм улучшает обнаружение ребра от шумного цветного видео.