dsp圖像處理演算法

Ⅰ 用DSP做圖像處理，採用DSP+FPGA組合和採用DSP+CPLD組合有什麼區別，一般如何選擇呢

看FPGA的用途而定。如果需要做演算法或者圖像數據緩存等耗邏輯量大的工作，那毫無疑問就是FPGA；如果只需處理很簡單的邏輯，那就用CPLD。

Ⅱ 基於dsp的圖像處理系統為什麼不直接用vc編程實現呢

dsp是考慮到嵌入式的效率問題，而且dsp中對內存和硬體要求比較高，c和匯編最合適。當然匯編不利於移植和掌握，c就是編程的主流了。vc是基於windows平台的開發工具，很多優化選項對嵌入式平台並不合適。像在windows下面的乘除運算，在我們的dsp下面的速度可能就會受到影響。所以vc是不合適的，嵌入式的c才是dsp處理的主流，當然圖像處理的演算法也用的嵌入式的演算法，比如emcv。

Ⅲ 編寫了一個圖像處理軟體，但是處理速度很慢，想用dsp代替軟體完成圖像數據處理部分，可以嗎，完全不懂dsp

第一、是可以使用dsp替代進行運算的，第二、一般運算慢建議先檢查自己演算法的合理性。

Ⅳ 買DSP時會自帶一些圖像處理程序和演算法么

一般會有 的，賣家會說好附送一些演算法。

也要看你怎麼買了。在taobao上還是在哪裡

但是這些演算法都是基本的，網上一大堆的那種。

Ⅳ 有人說DSP做高速圖像處理有被FPGA取代的趨勢，是這樣嗎

對於目前來說FPGA在圖像處理方面還是沒有專業的DSP好，但FPGA的發展速度確實很快

DSP是處理器，它的作用是高速執行串列演算法，數字信號處理常用。

FPGA是一塊邏輯門電路陣列，通過改變其內部邏輯單元的鏈接，用它能夠實現各種各樣的 組合數字電路。

這兩者之間沒有什麼必然的聯系，但您之所以一起問 也許是因為 現在FPGA由於邏輯單元數量節節攀升，導致在一些高規格的FPGA晶元上已經能夠實現DSP處理器了（或者單片機 ARM的軟核） 通過植入DSP處理器的軟核，在FPGA上能夠實現靈活的設計，最終節約開發設計周期和成本。

Ⅵ 數字圖像處理與DSP原理及應用有什麼區別

一個是數字圖像處理，主要是二維變換和圖像相關的一些知識，比如濾波等等。dsp是數字信號處理，主要偏重信號處理理論。
圖像處理是數字信號的一部分，前者針對性強一點。

Ⅶ DSP是啥意思

DSP：數字信號處理，英文：Digital Signal Processing，縮寫為DSP，是面向電子信息學科的專業基礎課，先修專業課程為信號與系統。

《數字信號處理》這門課介紹的是：將事物的運動變化轉變為一串數字，並用計算的方法從中提取有用的信息，以滿足我們實際應用的需求。

(7)dsp圖像處理演算法擴展閱讀：

信號(signal)是信息的物理體現形式，或是傳遞信息的函數，而信息則是信號的具體內容。

模擬信號(analog signal)：指時間連續、幅度連續的信號。

數字信號(digital signal)：時間和幅度上都是離散(量化)的信號。

隨著大規模集成電路以及數字計算機的飛速發展，加之從60年代末以來數字信號處理理論和技術的成熟和完善，用數字方法來處理信號，即數字信號處理，已逐漸取代模擬信號處理。

隨著信息時代、數字世界的到來，數字信號處理已成為一門極其重要的學科和技術領域。

Ⅷ 我想問您下，就是dsp怎麼用openv演算法做到實時的圖像處理。

opencv可以處理RGB或者是Lumia，對於DSP下的實時處理，把ycbcr轉換成RGB，利用opencv的API處理以後，還需要再次轉換為ycbcr格式才能正常顯示，這樣的處理過程很難做到實時處理，延時會很大。建議先處理Y分量的信號，cbcr直接寫成0x80，使得處理後圖像為灰度圖像，演算法驗證好了再考慮對色度分量的處理。

Ⅸ 用DSP做圖像處理和分析，研究生在讀，無人指導

隨著圖像處理技術的深入研究和廣泛應用，不斷涌現的處理演算法和各種現實需求對硬體系統性能的要求越來越高，單一處理器在許多場合已不能滿足需要，並行、通用且處理能力強大的系統逐漸受到人們的青睞。另外尋求新的數學演算法來強化信息的表達能力是科學家們滿足這種需要而進行的一項重要探索。像模糊論集的引入、神經網路理論的實用化以及分形幾何學的應用都是其中的成功範例。小波分析是一個新的數學分支,它被諭為是泛函分析、Fourier 分析、樣條分析、調和分析、數值分析的最完美結晶,如何把新的數學理論應用於圖像數據處理也是近年來科學家們正在研究的課題。
1、多DSP並行處理系統
按照Flynn 分類法，並行系統按照處理指令流和處理數據流的多樣性，可分為SISD(單指令流單數據流)系統、SIMD(單指令流多數據流)系統、MISD(多指令流單數據流)系統和MIMD(多指令流多數據流)系統。隨著技術的發展，SISD 系統和曾經風靡一時的SIMD 系統逐漸淡出了歷史舞台；關於MISD 結構，正像Flynn 和Rudd 所指出的，從熟悉的編程結構到MISD 組織缺乏自然的映射，這抑制了人們對該體系結構的興趣。當代絕大多數並行系統都屬於MIMD 系統。
TI 公司的DSP 在全球市場上的佔有率在一半以上，而TMS320C6416 則是其最高端的產品，具有主頻高、雙套外部地址和數據匯流排等特點，非常適合用於圖像處理等領域，但是在多晶元集成處理上AD 公司的DSP 晶元性能更好一些。圖像處理演算法靈活多樣，而且還在不斷的迅速發展中。從通用性考慮出發，系統中處理器之間需要靈活的、高帶寬的通信和握手機制[8]。多處理器系統需要考慮兩方面的性能：計算能力和通信能力。主要包括分布式實時操作系統的性能、圖像處理能力和圖像序列並行處理能力[9]。
2 、基於小波變換的圖像處理方法在DSP上的實現
小波分析是近年迅速發展起來的新興學科, 與Fourier 分析和Gabor變換相比,小波變換是時間(空間)頻率的局部化分析, 它通過伸縮平移運算對信號逐步進行多尺度細化, 最終達到高頻處時間細分和低頻處頻率細分,能自動適應時頻信號分析的要求,從而可聚焦到信號的任意細節,解決了Fourier分析不能解決的許多問題。目前許多小波演算法的軟體實現已經很成熟了,但是很難達到實時性的效果。而在硬體方面,隨著數字信號處理器(DSP)和現場可編程門陣列器件(FPGA)的發展,採用DSP+FPGA 的數字硬體系統顯示出其優越性,可以把二者的優點結合在一起,兼顧速度和靈活性,因此DSP+FPGA 結構正愈來愈得到人們的重視, 應用的領域也越來越廣泛。DSP+FPGA 系統最大的優點是結構靈活,有較強的通用性, 適合於模塊化設計, 從而能夠提高演算法效率; 同時其開發周期較短, 系統容易維護和擴展, 適合實時信號處理。所以本文介紹的系統設計就是基於DSP+FPGA 結構的小波圖像處理系統。小波分析由於具有良好的時頻局部化性能, 已經在信號分析、圖像處理、語音合成、故障診斷、地質勘探等領域取得一系列重要應用。而且各種快速有效的演算法也促進了小波分析在實際系統中的應用。由於DSP 速度越來越快, 成本越來越低, FPGA 的容量越來越大, 使得DSP+FPGA 組成的系統成為解決系統設計的重要選擇方案之一, 應用領域非常廣泛

Ⅹ 圖像處理用FPGA好還是DSP好

DSP是注重數據處理。演算法很重要。FPGA主要是做邏輯電路.
現在很多框架都是基於DSP和FPGA的組合平台，DSP作演算法，FPGA作邏輯時序！
FPGA一樣可以做DSP（DSP就是數字信號處理英文縮寫，數字信號處理與數字圖像處理沒有太大區別）,就意味著可以用FPGA做硬體設計來實現DSP晶元的功能，當然，相比較專業的DSP晶元 成本太高，因此你也沒必要選擇FPGA+DSP，就選擇DSP晶元，演算法得當就可以了!