-
环视ADAS方案触手可得，图像处理技术筑牢智能驾驶根基
随着智能驾驶技术快速下沉，曾经仅搭载于高端车型的环视ADAS全景辅助系统，如今已成为家用乘用车、商用车的主流标配功能，真正实现了从高端奢配到大众普及的跨越，让全方位行车安全辅助触手可得。环视ADAS系统凭借360°无死角的全域视觉感知，彻底解决了车辆视野盲区难题，为泊车、低速通行、复杂路况行驶提供核心支撑。而在这套成熟落地的智能驾驶方案背后，图像处理技术是贯穿数据采集、场景重构、智能决策的核心命脉，直接决定环视系统的成像质量、响应速度与识别精度，是环视ADAS规模化普及、功能迭代升级的关键核心。
-
从C到Gates：高层次综合（HLS）在图像处理IP开发中的效率与资源权衡
在图像处理IP开发领域，传统RTL设计流程（Verilog/VHDL）虽能实现精细控制，但开发周期长、调试复杂。高层次综合（HLS）技术通过将C/C++代码直接转换为硬件描述语言，为开发者提供了一条“从算法到硬件”的快速通道。然而，HLS并非“银弹”，其效率与资源占用间的权衡成为开发者必须面对的核心问题。
-
特征提取——捕捉“关键线索”，区分不同物体
-
计算机视觉与图像处理的核心区别的辨析（二）
-
计算机视觉与图像处理的核心区别的辨析（五）
-
计算机视觉与图像处理的核心区别的辨析（四）
-
计算机视觉与图像处理的核心区别的辨析（三）
-
计算机视觉与图像处理的核心区别的辨析（一）
-
核心链路的协同性，决定计算机视觉的性能上限
-
决策输出——转化结果，实现技术落地价值
-
决策输出——转化结果，实现技术落地价值
-
分析识别——解读特征，实现“理解”世界
-
嵌入式端OpenCV图像处理算法的硬件加速方案（上）
-
嵌入式端OpenCV图像处理算法的硬件加速方案（下）
-
摄像头的图像传感器技术原理与性能优化
-
并行阵列架构在图像处理中的加速实现
在计算机视觉与数字图像处理领域，面对4K/8K分辨率图像的实时处理需求，传统串行架构已难以满足计算密集型任务的要求。并行阵列架构通过多核协同计算、数据分块处理和内存优化技术，为图像滤波、特征提取、三维渲染等应用提供了高效的加速方案。本文以OpenMP、CUDA及oneTBB三种技术路线为核心，系统阐述并行阵列在图像处理中的实现方法。
-
国科微AI ISP品牌 “圆鸮”震撼发布，推动图像处理技术跨越升级
-
嵌入式图像处理：利用OpenCV Lite实现人脸检测
随着嵌入式系统性能的不断提升，将复杂的图像处理任务（如人脸检测）部署到嵌入式设备上已成为可能。OpenCV Lite作为OpenCV的轻量级版本，专为资源受限的嵌入式环境设计，提供了高效的图像处理功能。本文将详细介绍如何利用OpenCV Lite在嵌入式设备上实现人脸检测，并通过代码示例展示其应用过程。
-
小规模任务的神经网络应用
在过去10-15年中,人工神经网络领域的发展迅速。典型的应用是图像处理、声音等领域的高维数据.然而,在机器学习中,系统输入的数据量很小的任务很少:例如,异常事件建模、处理人工收集的分析数据、分析低频传感器的信号等。在这种情况下,一个重要阶段是对系统训练有素的特点("特点")进行认真的工作,特别是从现有的基本特点中产生新的特点,这将能够提高设计系统的性能质量。手动方法通常用于这种生成,但是一个好的选择是使用神经网络,它不仅能够学习基本的数学运算,而且能够识别输入数据中极其复杂的模式。
-
FPGA图像处理实战：图像裁剪技术
在图像处理领域，图像裁剪是一项基础且关键的技术，它允许我们从原始图像中裁剪出感兴趣的区域，同时丢弃不相关的部分。这种技术在人脸识别、目标跟踪、图像分割等多种应用场景中发挥着重要作用。随着FPGA（现场可编程门阵列）技术的快速发展，将图像裁剪算法部署到FPGA上已成为提高处理速度和降低功耗的有效手段。本文将详细介绍FPGA图像处理中的图像裁剪技术，并给出具体的代码实现。
