[发明专利]验证图形算法及RTL实现的系统和方法

说明书

技术领域

本发明涉及一种测试系统与方法，尤其涉及一种验证图形算法及RTL(Register Transfer Level，寄存器传输级)实现的系统和方法。

背景技术

图像处理的方法有模拟式和数字式两种，我们日常生活中见到的图像一般是连续形式的模拟图像，所以数字图像处理首先要将连续图像离散化，转换为数字图像，图像的数字化包括采样和量化两个过程。

通常静态图像实际的物理情况可用f(x，y)二维函数形式表示，在特定的坐标(x，y)处，f的值或幅度是一个正的标量，其物理意义由图像源决定。当一幅图像从物理过程产生时，它的值正比于物理源的辐射能量(如电磁波或光)，而光是能量的一种形式，故f(x，y)必须大于零，且为有限值，即O＜f(x，y)＜∞；上述的数字化采样一般是按正方形点阵取样的，除此之外还有三角形点阵、正六角形点阵取样，并且以上是用f(x，y)的数值来表示(x，y)位置点上灰度级值的大小，即只反映了黑白灰度的关系，如果是一幅彩色图像，各点的数值还应当反映色彩的变化，可用f(x，y，λ)表示，其中λ是波长。如果图像是运动的，还应是时间t的函数，即可表示为f(x，y，λ，t)，在取样后对实际的f(x，y)进行量化后就得到了Lmin＜f(x，y)＜Lmax数字图像。而动态图像则是以连续的方式记录静态图像，并以数字图像的方式保存，再按照人的视觉要求进行播放即可得到了数字动态图像，其中动态图像中帧率则体现了图像动态的特征。

为达到预定的效果，通常要对静态图像与动态图像采用一定的方法处理，通常对静态图像的处理算法包括平移、旋转、镜象变换、转置、放缩，平滑(即去噪声)、锐化、反色、彩色变换、灰度修正、腐蚀、膨胀、细化、边沿检测与提取、轮廓跟踪、图像的检测及模板匹配等，而对动态图像则根据动态图像的特征进行的数学处理如运动检测、自动补偿及白平衡等

在上述所列举的处理算法中，不同的处理方法对图像有不同的要求，以平滑处理算法对图像的要求为例，实际上此平滑处理方法实现的是一种简单的低通滤波器(low pass filter)，即在灰度连续变化的图像中，如果出现了与相邻象素的灰度相差很大的点，比如说一片暗区中突然出现了一个亮点，人眼能很容易觉察到，此即为灰度突变，其在频域中代表了一种高频分量，低通滤波器的作用就是滤掉高频分量，从而达到减少图像噪声的目的。由于低通滤波器处理方式的引入，能使图像更柔和，但同时也降低了图像的锐度，那可能对于图像的另一个重要指标，如分辨率就会受到较大的影响。相反，如果引入线条图形来测试，则可以更好的分析平滑处理算法所带来的影响，从而更细致并且更精确地取得我们要的效果。

以下我们再举一个处理运动检测例子来进一步分析算法对输入数字图像的要求。通常我们在看足球比赛时，足球快速的运动会在屏幕中留下拖尾，其主要原因有三，第一：拖尾现象是响应时间不够短的问题；第二：拖尾现象是人眼本身的问题；第三：拖尾现象是视频优化技术不过关的问题。我们在运动检测算法中，常规的图像或运动检测算法(只考虑当前帧)可能有不足之处，在加入了基于时空域的运动检测方法(在对当前帧检测的同时，考虑前后帧的信息)之后结果则明显改善，所以在使用小球碰撞的测试图形进行运动检测算法的测试，通过调节小球的速度则可以更好的了解此运动检测算法的效果，达到预定的要求。

由上所述目前图形算法测试方面，基本使用直接测试的方法，测试所用图形无法进行下一步的标准化，各个测试图形之间也无法分析其共性和互补性。随着各种算法的同时引入，结果分析上亦存在无统一衡量的标准，不利于标准化的实施。因此，如何针对特定的处理算法生成合适的测试图形、如何在多种算法都加入到图形处理算法后取得有效的测试、如何指导各种算法的配合及RTL实现的精度如何取舍，这是业界人员不得不面对的一个重要问题。

发明内容

本发明要解决的技术问题在于提出一种验证图形算法及RTL实现的系统和方法，其能够现有技术的直接测试的方法中所出现的测试所用图形无法进行下一步的标准化、各个测试图形之间也无法分析其共性和互补性、在各种算法同时引入时结果分析上无统一衡量的标准、不利于标准化的实施的缺陷。

为解决上述问题，本发明验证图形算法及RTL实现的系统包括一图形自动生成模块及一应用特殊图形检查模块，其中该图形自动生成模块利用预设的图形约束生成图形并利用不同处理算法对图像进行处理后输出，而应用特殊图形检查模块通过特征检测的方式明确所得图形中是否具有相应的图形特征并输出结果。