今天介紹幾個和圖像處理的項目，廢話不多說，我們開始吧~

FPGA-Imaging-Library

https://github.com/dtysky/FPGA-Imaging-Library

介紹

一個開源的FPGA圖像處理庫。

F-I-L是一個FPGA平臺的開源的圖像處理庫，已經擁有了許多常用操作，并在不斷更新中。這些操作被以IP核的形式進行了封裝，遵循同一種規范化的接口，同時具有流水線和請求響應兩種使用模式。

fpga_image_processing

https://github.com/damdoy/fpga_image_processing

介紹

少邏輯量FPGA圖像處理庫。在verilog中實現簡單的圖像處理操作，該項目圍繞一個中央圖像處理模塊展開image_processing.v，該模塊使用 verilator 仿真。在ICE40 FPGA上實現。

因為它針對的是低端 fpga 設備（無論是價格還是功耗），例如 ice40 ultraplus。它使用 1Mbit 的 ram 將圖像存儲到兩個緩沖區中，即輸入緩沖區和存儲緩沖區。圖像在輸入緩沖區中加載和讀取，計算在存儲緩沖區中完成。這兩個緩沖區可以交換。大多數操作將在存儲緩沖區中完成，如果對兩個圖像應用操作（例如 binary_add），則生成的圖像將寫入存儲緩沖區。

架構

ImageStitchBasedOnFPGA

https://github.com/mhhai/ImageStitchBasedOnFPGA

七路攝像頭拼接

Image-Classification-using-CNN-on-FPGA

https://github.com/padhi499/Image-Classification-using-CNN-on-FPGA

項目是關于在 FPGA 上設計一個經過訓練的神經 n/w（CIFAR-10 數據集），以使用深度學習概念（CNN-卷積神經網絡）對圖像 I/P 進行分類。

有 6 層（滑動窗口卷積、ReLU 激活、最大池化、扁平化、完全連接和 Softmax 激活）決定了我們的 I/P 圖像的類別。Kernels/Filters用于從圖像 I/P 進行特征檢測。圖像 I/P 可以是灰度/彩色的。

使用的工具

賽靈思 Vivado v17.4

Matlab vR2018.a

使用的語言

Verilog HDL

Image_sim

https://github.com/Bestduan/Image_sim

介紹

基于FPGA的圖像處理模塊（出自于crazybingo）（將里面的Intel的shift_RAM以及altsqrt的IP核換為Verilog來實現，方便實現跨平臺移植）

含有圖像的仿真模塊

文件結構基于vscode下FPGA_Develop_Support插件

魔方圖像處理

https://github.com/IdlessChaye/magicalcubeImageProcess

功能

使用ov7725獲取magiccube表面正確位置的像素，通過hsv編碼轉換為3位顏色編碼。

輸出

6 個魔方表面 * 9 個正方形 * 3 位顏色編碼。

板卡

Xilinx FPGA EGO1 xc7a35tcsg324

microshift_compression

https://github.com/zhangmozhe/microshift_compression

Microshift：一種高效的硬件圖像壓縮算法

這是 TCSVT 論文“Microshift: An Efficient Image Compression Algorithm for Hardware”的 Matlab 和 Verilog 實現

• Arxiv 論文：https ://arxiv.org/abs/2104.09820

• IEEE 鏈接：https ://ieeexplore.ieee.org/document/8529272

• Github 代碼：https ://github.com/zhangmozhe/microshift_compression

• 綜合教程：https ://github.com/zhangmozhe/microshift_compression/tree/master/VLSI%20design%20flow

描述

Microshift是一種有損圖像壓縮算法，可以在硬件上以極低的功耗高效實現。

• 在數據集上進行測試時，它可以將圖像壓縮到1.25 BPP，其結果質量優于最先進的片上壓縮算法 ( PSNR=33.16, SSIM=0.90 )。

• 提出了一種高效的 VLSI 架構，并在 FPGA 上實現。
• ASIC 設計的結果進一步驗證了低硬件復雜性和高功率效率。
• 我們的方法有望用于低功耗無線視覺傳感器網絡（WVSN）。

論文

https://github.com/zhangmozhe/microshift_compression/blob/master/paper.pdf

HDR

https://github.com/markos-stefanidis/FPGA-Based-HDR-algorithm

https://github.com/sh-vlad/FPGA_rtime_HDR_video

matlab-imageprocess

https://github.com/LiaoYuxuan/matlab-imageprocess

最后就是一些資料了，主要是圖像處理算法，核心是岡薩雷斯數字圖像處理MATLAB版本。

總結

終于介紹完了SNN、TPU、CNN和DNN，今天推薦幾個視頻/圖像處理的項目，說實話其實這方面內容比較少，項目也是比較老舊，因為這方面內容太多，已經發展了幾十年了，ASIC在這方面基本都滿足了常規應用，所以在FPGA方面基本停滯不前了。但是國內像CrazyBingo等大佬還在這方面繼續耕耘。后續我也準備追隨大佬們的腳步出系列教程（圍繞ISP）。

最后，還是感謝各個大佬開源的項目，讓我們受益匪淺。后面有什么感興趣方面的項目，大家可以在后臺留言或者加微信留言，今天就到這，我是爆肝的碎碎思，期待下期文章與你相見。

審核編輯 ：李倩