图像处理基础：从像素到FPGA实现
各位同学，今天我们来聊聊图像处理最基础的东西。你可能觉得这些概念太简单，但说实话，我在做FPGA图像处理项目时，很多坑恰恰是这些基础概念没搞透导致的。咱们一步步来。
图像数字化：模拟世界到数字世界的桥梁
图像数字化，说白了就是把我们眼睛看到的连续画面，变成计算机能处理的离散数字。这个过程分两步：采样和量化。
采样：在空间上对图像进行离散化。想象一下，你用网格纸覆盖一张照片，每个格子就是一个采样点。网格越密，采样点越多，图像细节保留得越好。
量化：把每个采样点的亮度值用整数表示。比如8位量化，亮度范围就是0-255，共256个灰度级。
我在项目中遇到过一个问题：摄像头采集的图像在边缘处有锯齿。后来发现是采样频率不够，说白了就是网格太粗了。增加采样点数后，锯齿明显改善。
像素与分辨率：FPGA设计的关键参数
像素是图像的最小单元。每个像素包含颜色信息。分辨率就是图像中像素的总数，通常用宽×高表示，比如1920×1080。
分辨率直接影响FPGA的资源消耗和时序约束。你想想看，处理一张4K图像需要的存储带宽和处理能力，是1080p的4倍。
| 分辨率 | 像素总数 | 典型应用 | FPGA资源需求 |
|---|---|---|---|
| 640×480 | 307,200 | VGA显示 | 低 |
| 1920×1080 | 2,073,600 | 高清视频 | 中 |
| 3840×2160 | 8,294,400 | 4K视频 | 高 |
我个人习惯在设计初期就确定目标分辨率，因为这会直接影响行缓存（Line Buffer）的深度和时钟频率。比如做1080p的滤波，行缓存至少需要1920个像素的存储空间。
灰度图与彩色图：存储与处理的权衡
灰度图每个像素只有一个亮度值，通常8位。彩色图常见的是RGB格式，每个像素有R、G、B三个分量，每个分量8位，共24位。
为什么FPGA实现中经常先转灰度图？原因很简单：数据量减少到1/3，处理速度更快，资源消耗更少。很多图像滤波算法在灰度图上就能达到不错的效果。
灰度转换公式：Gray = 0.299×R + 0.587×G + 0.114×B
嗯，这里要注意：FPGA里做浮点运算很麻烦。我一般用定点数近似，比如：Gray = (77×R + 150×G + 29×B) >> 8。这样只用整数乘法和移位，效率高得多。
我曾经在项目中直接用浮点运算做灰度转换，结果资源消耗翻了一倍，时序还跑不过。后来改成定点近似，问题迎刃而解。所以，FPGA里能不用浮点就别用。
图像存储格式：BMP/JPEG/PNG
做FPGA图像处理，必须了解这些格式。因为输入输出往往涉及格式转换。
- BMP：最简单的格式，不压缩。每个像素的RGB值直接存储。FPGA处理起来最方便，但文件大。
- JPEG：有损压缩，基于DCT变换。FPGA实现JPEG编解码比较复杂，需要做DCT、量化、熵编码等。
- PNG：无损压缩，基于LZ77和Deflate算法。FPGA实现相对简单，但压缩率不如JPEG。
我个人建议：做算法验证时用BMP格式，方便调试。做产品时根据需求选择JPEG或PNG。
知识体系结构图
下面这张图展示了本章的知识脉络，我习惯用这种图来梳理思路：
这张图我每次做新项目都会先画一遍，帮助自己理清思路。你想想看，如果连基础概念都没搞透，后面做滤波算法肯定会出问题。
好了，图像处理基础就讲到这里。这些概念虽然简单，但它们是后续所有滤波算法的基石。记住：在FPGA世界里，每一个像素、每一个比特都意味着资源消耗和时序约束。打好基础，后面才能走得更远。
可可精品资料库