首页
›
AI视觉与工业视觉
›
016-相机ISP图像处理
›
《去马赛克算法设计与硬件加速实战》
VIP20
本课程属于:016-相机ISP图像处理
AI视觉与工业视觉 · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
去马赛克算法原理与硬件实现
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
课程导论
什么是去马赛克?为什么需要去马赛克?…
课程导论
什么是去马赛克?…
02
色彩空间基础
RGB · YCbCr · HSV色彩模型
色彩空间基础
RGB
03
最邻近插值算法
原理 · Python实现 · 优缺点分析
最邻近插值算法
原理
04
双线性插值算法
原理 · Python实现 · 边缘伪影分析
双线性插值算法
原理
05
双三次插值算法
原理 · Python实现 · 计算复杂度对比
双三次插值算法
原理
06
基于边缘导向的插值
Hamilton-Adams算法原理…
基于边缘导向的插…
Hamilton-Ada…
07
自适应插值算法
基于梯度阈值的自适应插值
自适应插值算法
基于梯度阈值的自…
08
基于色比/色差恒定的插值
Cok算法详解
基于色比
色差恒定的插值
09
基于方向滤波的插值
Laroche-Prescott算法
基于方向滤波的插…
Laroche-Pres…
10
迭代去马赛克算法
基于残差迭代的优化方法
迭代去马赛克算法
基于残差迭代的优…
11
频域去马赛克算法
傅里叶变换在去马赛克中的应用
频域去马赛克算法
傅里叶变换
12
小波域去马赛克算法
离散小波变换与多尺度分析
小波域去马赛克算…
离散小波变换
13
基于深度学习的去马赛克
CNN架构设计
基于深度学习的去…
CNN
14
基于深度学习的去马赛克
残差网络与U-Net
基于深度学习的去…
U-Net
15
基于深度学习的去马赛克
GAN与感知损失
基于深度学习的去…
GAN
16
去马赛克质量评估
PSNR · SSIM · CIEDE2000色差公式
去马赛克质量评估
PSNR
17
去马赛克伪影分析
拉链效应 · 假彩色 · 摩尔纹
去马赛克伪影分析
拉链效应
18
硬件实现概述
FPGA vs ASIC · 流水线架构设计
硬件实现概述
FPGA
19
硬件实现
行缓冲器设计与Line Buffer…
硬件实现
Line
20
硬件实现
乘法器与除法器资源优化
硬件实现
乘法器
21
硬件实现
双线性插值的RTL实现
硬件实现
RTL
22
硬件实现
边缘导向插值的RTL实现
硬件实现
RTL
23
硬件实现
自适应插值的RTL实现
硬件实现
RTL
24
硬件实现
色差恒定算法的RTL实现
硬件实现
RTL
25
硬件实现
深度学习加速器设计基础
硬件实现
深度学习加速器设…
26
硬件实现
卷积计算单元设计
硬件实现
卷积计算单元设计
27
硬件实现
定点量化与精度分析
硬件实现
定点量化
28
硬件实现
DDR带宽优化与数据复用
硬件实现
DDR
29
硬件实现
去马赛克Pipeline的时序收敛
硬件实现
Pipeline
30
课程总结
去马赛克技术趋势与未来方向
课程总结
去马赛克技术趋势
所属VIP或分类
同VIP:ISP-Pipeline模块调试与系统联调实战
同VIP:ISP-Tuning全流程调试与画质优化
同VIP:ISP镜头阴影坏点与黑电平校正实战