项目的依据和意义：计算机视觉处理可以看作是为了实现某一任务从包含有大量的不相关的变量中抽取不变量，总之就是简化信息。这就意味着要扔掉一些不必要的信息而尽可能利用物体的不变性质。而边缘就是最重要的不变性质:光线的变化显著地影响了一个区域的外观，但是不会改变它的边缘。最重要的是人的视觉系统也是对边缘最敏感的。边缘检测是图像处理中的重要内容。边缘是图像的最基本特征，是图像分割、特征提取和图像识别的前提。所谓边缘，是指图像中灰度发生急剧变化的区域，或者说是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。边缘与图像中物体的边界有关但又是不同的。边缘反映的是图像灰度的不连续性。从本质上说，边缘是图像局部特性不连续性(灰度突变、颜色突变等)的反映，它标志着一个区域的终结和另一个区域的开始。由于噪声和模糊的存在，检测到的边界可能会变宽或在某些点处发生间断，因此边缘提取的任务首先要检出图像局部特性的不连续性，然后剔出某些边界点或填补边界间断点，并将这些边缘像素连成完备的边界。边缘蕴含了丰富的内在信息(如方向、阶跃性质、形状等)，能勾画出目标物体，使观察者一目了然，是人们对图像最感兴趣的特征之一。
由于在图像处理中的应用十分广泛，边缘检测的研究多年来一直受到人们的高度重视。早在1999年intel就建立了开源计算机视觉(OpenCV)，如今由Willow Garage提供支持，是一个基于（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上，它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、matlab等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。因此OpenCV被广泛用于开发计算机视觉应用，它包含2500多个优化的视频函数的函数库，专门针对台式机处理器和GPU进行优化有成千上万的用户，并且无需修改即可在Zynq器件的ARM处理器上运行，但是，利用OpenCV实现的高清处理经常受外部存储器的限制，存储带宽会成为性能瓶颈，存储访问会限制功耗效率。在包含大量数据处理模块（比如智能视频监控、先进的工业控制等应用）的场景中，对高性能、低功耗、灵活性高的处理器的需求很高，考虑到这些因素以及现有的微处理器缺乏足够的信号处理能力，Xilinx提出了Zynq-7000这一款高性能和低功耗的处理器平台，具有ARM+FPGA的体系结构，能够提供灵活和可扩展的解决方案，这是实现嵌入式计算机视觉应用的极好方法。 基于上述原因以及实际情况，本项目采用米尔公司的Z-turn，这是一款基于Xilinx Zynq™-7000扩展式处理平台开发板，采用Cotex-A9与FPGA协同的异构系统，采用硬件加速完成图像高密度的运算过程,可以很好地提高边缘检测的精度和改善实时性。
/6 
窥视卡
雷达卡
收藏
淘帖
赞
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
千斤顶
显身卡
0个回复