基于DM642 DSP技术视频图像采集与传输系统设计

视频图像的采集与传输技术一直是信号处理领域研究的热点与难点问题,文章主要以系统的硬件设计和软件设计来对系统进行详细论述,在硬件设计中,通过分析视频图像采集所需要的主要性能指标,确定了系统采用TMS320DM642 DSP芯片,并确定系统的总体设计方法,同时完成了DSP最小系统设计,电源设计以及图像传输模块设计等;在软件设计中,通过对DSP实际控制,从而实现了系统的视频编码余打包等功能,并完成了视频传输的驱动程序设计,最后通过对TMS320DM642 DSP的实时控制,实现视频图像传输与采集功能。     

基于VHDL技术实现视频采集处理器的控制

针对目前视频图像采集技术中图像采样控制复杂，应用不灵活的问题，基于现有视频采样芯片SAA7111，提出一种采用VHDL技术来模拟实现Ｉ２Ｃ总线接口的方法，控制视频采集处理器实现视频图像采集.实验证明,Ｉ２Ｃ总线控制SAA7111采样图像数据正确、稳定.该方法具有非常好的可移植性.     

基于USB2.0的非标准视频图像采集系统的设计

为了实现非标准视频信号的实时采集,设计了以DSP和CPLD为核心的基于USB2.0的图像采集系统。DSP通过数据分析能够产生高精度的同步信号,同步信号经过倍频锁相得到用于图像采集的采样脉冲。CPLD器件内部编程由DSP中断和IO引脚控制实现非标准视频信号的图像采集逻辑。系统与主机之间采用EZ USB接口芯片Cy7c68013,利用芯片的SlaveFIFO工作方式,针对视频图像在场消隐期间无有效数据的特点,提出了一种以场为单位分块传输的实时视频图像传输方案,同时实现了读写数据的双向传输。系统能够适应非标准视频图像同步频率的变化,实现预定格式的视频图像实时采集。     

基于FPGA的实时图像采集与分析系统设计

当今社会视频技术运用的越来越广泛。针对实时图像采集与分析系统对实时性要求高的特点,研究并设计了一套基于FPGA的图像实时采集与分析系统,利用在FPGA芯片上设计软硬件,速度快、稳定可靠,研发周期短等特点。整个系统以FPGA芯片为核心,辅以图像采集模块、图像分析算法、图像存储和图像分析模块。实验表明, 该系统较好地符合了系统对实时性的要求。     

显微图像的计算机采集主其应用

显微图像的计算机采集是由显微镜,CCD摄像头,视频采集卡和计算机完成的,它实现了显微图像的计算机采集与管理,最高放大倍数可达1000倍,分辨率可达1um,该系统可以在科学研究和分析中发挥重要作用。     

显微图像的计算机采集及其应用

显微图像的计算机采集是由显微镜、CCD摄像头、视频采集卡和计算机完成的,它实现了显微图像的计算机采集与管理,最高放大倍数可达1000倍,分辨率可达1μm。该系统可以在科学研究和分析中发挥重要作用。     

基于USB2.0块传输方式的实时视频图像传输

通过对USB2.0协议的传输方式和其接口芯片CY7C68013工作方式的简要介绍,利用标准视频图像传输时在场消隐期间没有有用的数据信息的特点,使用块传输的方法取代了通常实时传输数据惯用的等时传输方式。通过在场消隐时间内对采集的数据包进行处理,实现了CCD摄像头采集的视频图像数据与计算机之间的实时传输和显示,为基于USB2.0接口的实时视频图像传输提供了一种实用易行的方法。     

视频图像记录判读系统

光电经纬仪的摄影胶片图像和CCD摄像机的视频图像的数字化处理是兵器试验靶场中始终未能很好解决的问题。主要源于两个问题:一是视频图像的数字化采集和转换;二是数字图像的自动处理。介绍了根据靶场广泛应用的光学图像记录、判读需求而研制的视频图像记录判读系统,并对所采用的视频图像实时存储技术、字符识别技术、目标识别与定位技术等几项主要的关键技术进行了说明,并给出了应用结果。结果表明,图像采集记录灵活方便,速度快,不丢帧;目标图像处理精度高,实时性强,自动处理能力好,使光测数据处理的精度和效率都有了很大的提高。     

嵌入式数字视频实时采集技术研究

激光通信的视频采集需要嵌入式标准化接口的实时数字采集,采取FPGA+SAA7111A的架构来实现系统的实时化、小型化、标准化和模块化。FPGA作为控制器,经I2C总线对视频解码芯片SAA7111A进行初始化。设计了两个读写互斥的存贮单元,分别用来存贮所采集的奇场和偶场数据,并专门设计了一个用于和图像处理单元通信的标准握手接口;为减小传送数据流量,对采集后的图像进行了提取和预处理。通过反复试验仿真,基于FPGA的整个图像采集方案可行,能够在图像采集处理系统中得以应用。     

基于马尔算法的高速公路视频监控图像能见度研究

根据高速公路沿线的监控摄像机,对监控视频画面中的图像进行采集,通过对视频图像特征的分析处理,建立图像与真实场景之间的关系,根据图像特征随着真实场景的变化,运用图像处理的方法如：灰度变换、图像分割和特征提取等对图像进行图像处理,提出运用马尔算法,分别提取出目标物与背景,并将其逐一进行背景差计算,能够准确的监控图像中汽车的位置变化,确定目标物的位置,进而判别出能见度的大小。