精品国产人成在线_亚洲高清无码在线观看_国产在线视频国产永久2021_国产AV综合第一页一个的一区免费影院黑人_最近中文字幕MV高清在线视频

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

關于圖像處理芯片的性能分析和應用

lC49_半導體 ? 來源:djl ? 2019-08-30 15:33 ? 次閱讀

在了解視頻處理之前,我們需要了解圖像的基本組成:像素(pixel),即“畫像元素”。每個像素就是真實圖像的一個取樣點,而照片就是這一個個取樣點的集合,單位面積內的像素越多代表分辨率越高,所顯示的圖片就會接近于真實物體。

我們平時說的百萬像素(Mega Pixels,縮寫為MP)是指有“一百萬個像素”,通常用于表達相機的分辨率。例如,我們說一個攝像頭有1200萬像素分辨率,拍攝出的最高像素圖片一行大約4000個像素,一列大約3000個像素,合計約為4000×3000=12,000 ,000像素,即12MP。現在主流電視一般支持1080P片源。

關于圖像處理芯片的性能分析和應用

攝像的過程實際就是把光信號轉換為電信號的過程。在數字攝像的過程中,外面的光通過透鏡打到傳感器芯片,傳感器芯片把圖像分解成百上千萬個像素,傳感器測量每個像素的色彩與亮度,并把它轉化為數字信號作為代號,例如“010101010……”。這樣,實際圖像就變成一系列數字的集合。由于原始圖片尺寸通常很大,為了傳輸方便,視頻處理芯片再對其繼續進行壓縮編碼等處理,以方便傳輸儲存等。

攝像處理流程:

1. 鏡頭:匯聚外界景物發出的光線。

2. 傳感器芯片:傳感器芯片把外屆圖像分解成百上千萬個像素,并轉化為電信號,并傳給模擬數字轉換器,轉換成數字信號。

3. 視頻處理芯片:接受傳感器傳送的數字信號,對其進一步處理,比如壓縮編碼等。

所以,傳感器芯片(光信號轉為電信號)與視頻處理芯片(主要處理數字信號)是圖像處理最重要的兩種電子元器件

關于圖像處理芯片的性能分析和應用

CMOS傳感器逐步代替CCD傳感器成為主流

傳感器芯片主要有兩種類型:電荷耦合元件(CCD,Charge-Coupled Device)與CMOS傳感器(CIS,CMOS Image Sensor)。CCD于1969年被發明,并于1975年正式應用于照相機領域,CMOS的出現則相對晚了十年。

隨著后來CMOS成像技術不斷提升,CIS借其低功耗、體積小、高幀數(有利于拍攝動態影像)等優勢,逐步在民用消費電子等領域占領市場,而CCD則由于圖像質量有優勢,在專業領域如在衛星、醫療等領域仍有一席之地,但已經逐步丟失大部分市場份額。鑒于CIS的市場份額已經超過99%。我們在本文主要討論CIS的行業狀況。

關于圖像處理芯片的性能分析和應用

2.1 CIS行業技術發展與趨勢——得技術者得天下

芯片作為最高端的電子元器件,一直是靠技術迭代驅動,而CIS又是屬于芯片中相對高端的一類產品,故此一直是得技術者得天下,且龍頭效應愈發明顯。索尼公司憑借在攝像領域強大的技術儲備與領先程度,近幾年一直處于龍頭地位而且在CIS市場份額一直在擴大,從2015年的38%上升到2016年的42%。

CIS主要分為傳統(前照式)CIS、背照式(Back-illuminated)CIS。

傳統的前照式CIS光線射入后依次經過片上透鏡、彩色濾光片、金屬線路最后光線才被光電二極管接收。由于金屬線路會對光線產生影響,最后被光點二極管吸收的光只有80%或者更少,折舊影響了圖像質量。

背照式CIS改變了架構,把金屬線路與光電二極管位置調換,讓光線依次經過片上透鏡、彩色濾光片、光電二極管。這樣減少金屬線路對管線的干擾,從而增加進光量,減少噪度,對于光線不足場景有比較明顯效果。Sony公司平衡了量產工藝與成本的問題,于2009年將背照式CIS商用化。

關于圖像處理芯片的性能分析和應用

在背照式CIS的基礎上,各家公司紛紛開發新的技術:

2013年,為了解決相鄰像素模塊互相干擾問題,三星開發了ISOCELL技術,在相鄰像素模塊中間插入金屬隔離層,這樣每個像素模塊可以吸收更多光線,大幅度提高圖像質量。隨后三星在ISOCELL基礎上推出升級版ISOCELL Plus,把金屬隔離層改成日本富士公司(Fujifilm)提供的特殊材料,進一步減少金屬對于光線的干擾,可以將感光度提升15%。目前ISOCELL PLUS技術主要應用在大像素產品上,例如分辨率20MP以上的傳感器。

關于圖像處理芯片的性能分析和應用

2017年,在背照式CIS之后索尼發明了業界第一款三層堆疊式stacked CIS。這款傳感器在傳統堆疊式傳感器的感光層(光電二極管)與金屬線路之間增加了一層DRAM存儲層。增加DRAM存儲層用來臨時存儲數據,作用類比計算機的內存,可以整體提高數據讀寫速度,對于高速動態物體的抓拍有很好的效果。

2018年,索尼公司為了解決圖像扭曲問題,推出具有模擬數字轉關(ADCAnalog Digital Converter)模塊的CIS。傳統的CIS需要一行一行讀取傳輸感光模塊,這就造成了圖像焦面扭曲。索尼新產品在傳統感光層下面平鋪一層ADC層,可以同時讀取感光模塊,完美的解決了圖像扭曲問題。在感光層與ADC之間,用銅-銅Cu-Cu連接,在一款傳感器中最多用了300萬個銅-銅連接器

關于圖像處理芯片的性能分析和應用

關于圖像處理芯片的性能分析和應用

可以看出CIS的技術門檻很高,微架構方面的改進都是在納米級別。半導體制造方面也需要有足夠的工藝水平來配合設計的構想,故此索尼與三星在CIS方面都是IDM模式(Integrated Device Manufacturing,全產業鏈模式),即自己擁有設計、制造、封裝全套技術。

通過技術方面的不斷探索,索尼與三星逐步占領了CIS市場份額前兩位,目前兩個巨頭市場份額超過60%。

2.2 CIS市場概況

根據IC insights 2016年數據,2016年全球圖像傳感器市場規模約為116億美金,到2021年預計為170億美金,CAGR=10.3%,銷售數量CAGR=13.6%。我們的預測數據高于IC insight,詳情請看2.3節。

CIS市場集中度較高,龍頭(索尼)份額進一步加大。2016年前四大公司占有全球76%的市場份額,索尼(42%)、三星(18%)、豪威/Omnivision(12%)、安森半導體(6%)。前幾大廠的側重點各不一樣,索尼與三星主要是消費電子應用占主導,安森半導體則在汽車電子有優勢。

關于圖像處理芯片的性能分析和應用

2.3 下游需求仍將保持旺盛

過去十年,對于CIS最大的拉動莫過于智能手機的普及。未來十年,我們認為多攝像頭手機無人駕駛汽車、安防、醫療、機器人等行業應用占比將逐步升高,繼續拉動下游需求。

關于圖像處理芯片的性能分析和應用

從左下圖可以看出,從智能手機興起開始,CIS的出貨量曲線基本擬合智能手機出貨量曲線。2013年以前主要是智能手機的拉動,盡管在2013年后,手機增長趨勢放緩,但是由于其他應用的崛起,例如安防、智能汽車、物聯網等,CIS的增長曲線仍能保持以前的增長趨勢。

多攝或將成為行業趨勢

雖然智能手機出貨量已經趨于穩定,但是雙攝甚至多攝攝手機再一次拉動了CIS的需求。目前配備雙攝的主要是2000元以上手機。根據第三方數據,2017年全球雙攝手機滲透率達到了8%-10%,我們估計未來3年有望達到50%滲透率甚至更高。即絕大部分2000元機以及相當比例千元機會標配雙攝。僅此一項,按年出貨15億部手機計算,未來三年即可額外拉動7億顆CIS需求。

2018年華為已經率先推出搭配3攝的P20 Pro旗艦手機。而國外廠商Light已經推出配備9個攝像頭的原型機。在智能手機創新不足的情況下,攝像頭是為數不多可以做文章的突破口。

關于圖像處理芯片的性能分析和應用

關于圖像處理芯片的性能分析和應用

關于圖像處理芯片的性能分析和應用

3D感測(3D Sensing)將增加紅外CMOS圖像傳感器需求

3D感測是未來人機交互的重要入口之一。根據AMS公司預測,2017年3D感測市場規模為1億歐元,未來5年3D感測市場CAGR=44%,2022年將達到8億歐元。目前由于成本與技術的原因,大部分3D sensing 應用在工業領域。隨著產品技術的不斷發展,未來4年電子/汽車/工業領域CAGR分別為74%/45%/13%。到2022年預計超過60%的下游應用在消費電子領域。

關于圖像處理芯片的性能分析和應用

未來3D感測應用將從手機延伸到汽車、智能家居、可穿戴設備。主要應用有:

智能手機:人臉識別、AR、手勢識別

工業:3D 定位、無人機器人、圖案(Pattern)識別

智能家居:手勢識別、光線感應、人體感應。

汽車:駕駛監控(例如疲勞駕駛)、手勢識別、3D雷達

目前3D感測主要有三種技術路徑:結構光(structured Light)、TOF(Time of Flight)與雙目測距(Stereo Vision)。其中雙目測距所需算法量太大,對于硬件資源要求較高,目前產業主要以結構光與ToF為主。

關于圖像處理芯片的性能分析和應用

從上表可以看出,3D sensing中對于紅外攝像頭或者紅外傳感器的需求是最多的。

隨著AR應用的發展,未來手機3D感測配置將從前置擴展到后置。ToF 感應技術識別距離可達4~5m,遠超過結構光識別距離(一般在1m以內),故此我們分析未來后置3D感測技術路徑將是ToF主導。例如微軟游戲主機Xbox One中的Kinect就是采用ToF技術解決方案。

根據智能手機出貨量與3D感測前置/后置滲透率,我們估算未來三年3D感測對于紅外CIS的拉動需求為7000萬顆/1.79億顆/3.5億顆,YOY分別為600%/255%/196%。

關于圖像處理芯片的性能分析和應用

汽車無疑是繼手機之后最大的CIS應用場景之一

預計到2021年,車用CIS在所有應用占比將從2015年的3%提升到14%,是增幅最大的下游應用。

車均攝像頭數目有望從目前1.23個持續增加,到2020年預計達到2.2個/車。2017年全球車載攝像頭出貨量約為1.2億臺,汽車產量約為9700萬輛,平均全球每臺車裝備攝像頭數目約為1.23個。隨著各個國家對于交通安全的重視(例如美國要求在2018年5月開始所有新產轎車必須裝備后視攝像頭,到2019年范圍擴大到所有卡車與公交車)以及ADAS的滲透率提升,未來 車均攝像頭數目有望持續增加。

一個攝像頭對應一顆CIS。基于以下幾個假設,我們估計未來3年車載CIS需求量:

全球汽車產量年均增長4%

配備ADAS車均攝像頭5個,1個后視攝像頭+4個環視攝像頭

普通車配備一個攝像頭

關于圖像處理芯片的性能分析和應用

結論:預計未來3年車載(前裝市場)CIS需求量分別為1.4億、1.8億、2.4億顆,增速分別達到21%、28%、33%,到2020年車均攝像頭數目為2.2顆。以上估算略有保守,高端ADAS車型車均攝像頭超過5個,例如Tesla配置8顆攝像頭。

多攝智能手機、3D感測、無人汽車 三駕馬車對于CIS拉動

綜上所述,我們預測了對于CIS拉動最大的三架馬車:即智能手機多攝、3D 感測、無人駕駛汽車(前裝市場),對于CIS的需求未來三年將達到34億、39億、45億顆,YoY分別為12%、15%、15%。

關于圖像處理芯片的性能分析和應用

視頻處理芯片——計算機視覺芯片將成為主流

視頻處理芯片的作用主要是處理上游CIS傳輸過來的數字信號,例如受限于傳輸帶寬的原因,圖像需要進行壓縮、編碼等處理,經過傳輸,在后端進行解壓縮還原圖像。在這個過程中,視頻處理芯片處理算法的質量直接決定著圖像后端顯示的清晰程度,重要程度可見一斑。

目前估計全球視頻處理芯片市場規模約為30億美金,其中安防領域5億美金左右。預計到2022年整體將達到55億美金,4年CAGR約為16%,其中汽車占比最高(74%),將達到41億美金;安防占比其次(20%),將達到11億美金。

關于圖像處理芯片的性能分析和應用

我們認為以下幾個方面將會繼續拉動視頻處理芯片的發展:

終端視頻設備數量持續增加。隨著芯片小型化與性能提高,越來越多的終端可以提供高質量視頻,如智能手機、平板電腦、可穿戴設備、安防攝像頭、無人機等。關于手機、汽車等數據請參閱我們第二章的分析。

安防領域,我們估計2017年全球網絡攝像機芯片出貨量達到1億臺左右,其中專業安防占70%,消費級安防占30%,估計未來安防市場CAGR=15%,到2022年預計網絡攝像芯片整體數目將達到2.01億臺。

關于圖像處理芯片的性能分析和應用

圖像處理質量能力提升->ASP提升。終端產品所支持的圖像畫質逐步提升,從最早的480P->720P->1080P->4K(UHD,超高清)。終端屏幕顯示能力的提高反過來驅動了片源圖像質量的提升,同時也驅動了芯片的處理能力的提升。

視頻壓縮能力需求加強->ASP提升。對于家用攝像機領域,壓縮視頻可以延長攝像機的電池使用壽命與攝錄工作時間。我們看到純無線電池類攝像頭開始涌現,代表產品:Amazon doorbell ,待機時間可長達6個月。對于專業安防領域則可以節省傳輸帶寬,故此芯片壓縮視頻的能力變得至關重要。

例如,現在視頻芯片普遍從H.264編碼格式升級到H.265編碼方式。相比H.264,H.265只需原先H.264編碼的一半帶寬即可傳輸相同質量的視頻,同樣存儲方面也會節省一半的空間。

功能性模塊增加->ASP提升。在個人消費領域,消費者會隨時把視頻從終端傳到智能手機或者社交網站分享,而在專業領域,視頻會被傳輸到云端儲存、分析。這就要求芯片具有無線通訊能力,即藍牙或者wifi模塊。

關于圖像處理芯片的性能分析和應用

計算機視覺功能加入->ASP提升。計算機視覺指的是芯片可以自動分析、處理、識別圖像中的內容。比如停車場中的自動識別車牌、自動駕駛中識別左右交通線防止車道偏離、人臉識別等。

具有計算機視覺模塊的視頻處理芯片將會逐步占領主流市場,目標領域是邊緣端。把計算機視覺處理能力放在邊緣端可以1)降低減少帶寬需求2)降低云端存儲成本3)加快反應時間

代表產品:海康威視500 萬星光級1/2.7”CMOS ICR 日夜型半球型網絡攝像機,其主要特點有:

高分辨率:2560×1440@25fps

支持背光補償,適應不同監控環境

紅外模式:自動切換,實現真正的日夜監控

計算機視覺:10項行為分析,2項異常檢測,1項識別檢測

關于圖像處理芯片的性能分析和應用

主要視頻芯片廠商

4.1 全球CIS相關公司

這里我們對比一下國內外CIS廠商各自主流高端產品:

從傳感器尺寸、有效像素、幀率等三個主要參數看,索尼仍然在CIS領域領先全球。例如索尼2018年7月最新發布的IMX586具有業界最高水平的 4800 萬像素,并且傳感器尺寸為 1/2 英寸,在高達4800萬像素圖像下,仍然可以達到每秒30幀的水平,性能相當強悍。三星與豪威緊隨其后,中國廠商的產品雖然距離一流大廠還有一定差距,但已經逐步從中低端開始滲透。

關于圖像處理芯片的性能分析和應用

索尼——CIS市占率42%

源自日本,以研制電子產品為主業,經營領域橫跨消費性電子產品、專業性電子產品、游戲、金融、娛樂等。眾所周知,索尼公司長期統治了相機市場,與其掌握強大的核心元器件技術CIS是分不開的。2017其半導體營收占集團總營收10%,達到72億美金,其中主要產品有CIS(營收45億美金,約占半導體營收60%)、VCSEL(應用于3D感測核心部件)、電視投影儀芯片、OLED等。其多次發布革命性CIS技術,如3D堆疊(具體見2.1節),牢牢占據攝像領域高端市場。

關于圖像處理芯片的性能分析和應用

三星電子——CIS市占率18%

韓國最大的消費電子產品及電子組件制造商,亦是全球最大的信息技術公司。2017年受益于存儲器價格景氣周期,存儲龍頭三星電子超過Intel成為最大的半導體公司。2017年三星電子總營收2139億美金,其中半導體營收663億美金,占總營收31%。CIS營收約為20億美金左右。

關于圖像處理芯片的性能分析和應用

Omnivision(北京豪威科技)——CIS市占率12%

成立于1995年的豪威科技,是一家領先的數字圖像處理方案提供商,原為美國納斯達克上市公司,后于2016年初被中資財團以19億美金收購。公司主營業務就是CMOS圖像傳感技術。

截止到2017年底,豪威主要財務數據如下(人民幣):資產總額 143.7億;凈資產90.89億;營收90.5億元;凈利潤27.7億元。

2018年7月14日,韋爾股份公告擬以現金收購北京豪威1.97%的股權,本次收購價格預計為人民幣2.6-3.0億元,我們預期以后韋爾會提高其持股。

中國資本收購豪威,有助于補中國在CIS領域的空白。被收購前,豪威是屬于CIS第一集團,市占率僅次于索尼、三星。從豪威專利數量也可以看出豪威的技術儲備,而且在國外的專利數量(我們分析主要是中國)已經超過美國本土。如果中方資本能夠利用好豪威的技術儲備,背靠中國的大市場,豪威在中國半導體的產業鏈中將占有重要一環。

關于圖像處理芯片的性能分析和應用

安森美半導體On Semiconductor——CIS市占率6%

安森美半導體(ON Semiconductor,美國納斯達克上市代號:ON)提供全面的高能效電源管理、模擬、傳感器、邏輯、時序、互通互聯、分立、系統單芯片(SoC)及定制器件。

關于圖像處理芯片的性能分析和應用

關于圖像處理芯片的性能分析和應用

格科微——未上市

公司創立于2003年,是國內領先的圖像傳感器芯片設計公司,主要服務于全球移動設備及消費電子市場。目前,公司主要從事CMOS圖像傳感器、LCD Driver、高端嵌入式多媒體SOC芯片及應用系統的設計開發和銷售,獲得中國半導體行業協會頒發的“2017年中國十大集成電路設計企業獎”。

國內第一顆量產的CMOS圖像傳感芯片,第一顆基于BSI工藝的5M像素CMOS圖像傳感芯片以及第一顆BSI工藝的2M像素CMOS圖像傳感芯片均來自于格科。

4.2 圖像處理芯片相關廠商

華為海思國內芯片龍頭企業已經占有專業安防領域超過50%市場份額,從以下產品性能對比也可以看出,高端Hi3559芯片在專業安防領域已經不遜于國外產品。安霸新產品CV2主要賣點在于配備神經網絡(DNN)的計算機視覺功能,可以在邊緣端領域自動識別物體;被英特爾收購的Movidius芯片有比較好的性能與功耗的平衡,目標市場在于可穿戴、無人機等領域;中國富瀚微在高清視頻處理方面頗又有競爭力,已經成功進入國內一流安防市場,并且積極進行汽車前裝領域的驗證。

關于圖像處理芯片的性能分析和應用

華為海思——專業安防芯片領域市占率超過50%

海思半導體作為中國大陸半導體設計公司龍頭,2017年營收達到387億人民幣,同比增長27.7%.海思已經深耕半導體行業20多年,有超過200種芯片和專利數量超過5000。在以智能手機代表的移動通信領域,海思麒麟系列芯片已經成功躋身國際一線芯片行列,無論是從處理器速度、基帶(全網通模式,上下行下載速度)、工藝制程等參數均不輸于國外一線大廠。

關于圖像處理芯片的性能分析和應用

在安防領域,根據我們的市場調研,海思已經在專業安防領域(即對芯片性能要求最高的領域),已經占有全球50%以上市場份額,產品已經廣泛應用于海康威視、大華股份等一線安防廠商。而華為的目標不僅僅是專業安防領域,在消費級也在逐步擴展市場。例如視頻會議系統、USB即插即用運動相機等。

華為在安防領域的優勢:

1)掌握底層核心技術:芯片。在這一系列擴張的背后都是有強大的技術做支持:從底層芯片到上層軟件從而延伸到整個系統,缺一不可。而華為恰恰掌握了底層最核心的元器件——芯片,即掌握了整個系統的入口,在自家芯片上開發自家系統,無論從安全性與系統開發迭代速度角度看都有較大優勢的。

2)掌握未來發展的入口:人工智能。未來安防向著智能化方向發展。而華為已經率先在自家芯片試驗人工智能模塊,例如應用于旗艦機Mate10的麒麟970芯片。雖然麒麟970的人工智能功能不是很明顯,可以看做是一次試水,我們更期待今年發布麒麟980芯片在人工智能方面的表現,但是這個證明華為已經在未來科技入口處開始布局,并且是從芯片、軟件、系統、產品全方位布局,可以推斷華為會將人工智能應用從智能手機擴展到智能安防領域。

安霸(Ambarella)——市場地位受到挑戰

2017發布第一款計算機視覺芯片CV1,主要應用在安防、可穿戴、無人機領域,未來還將擴展到無人汽車等領域。下游主要客戶包括海康威視、大華股份、GoPro, Garmin等。2018財年營收達到2.95億美金,下游主要市場包括安防、無人機、運動相機、汽車(包括前裝、后裝)等。

安霸在視頻市場的地位收到了來自中國廠家的挑戰,主要競爭對手包括海思、富瀚微等。故此安霸需要加快開發高端產品,以增加產品附加值,例如2018年推出的采用10nm工藝的CV2計算機視覺芯片,主要定位于無人汽車市場。

關于圖像處理芯片的性能分析和應用

關于圖像處理芯片的性能分析和應用

富瀚微

A 股為數不多的安防芯片優質標的。公司成立于2004年,是國內最早進入安防視頻監控相關領域的企業之一,公司主要產品為安防視頻監控多媒體處理芯片。其中,圖像信號處理(ISP)芯片產品種類覆蓋度高,2016年模擬攝像機ISP芯片市場份額超過60%;網絡攝像機芯片(IPC SoC)的市場份額由于與安防巨頭海康威視的深度合作得以快速提升,2017年度IPC SoC 芯片在安防領域實現從零到一的增長。

公司積極向高端領域擴展:

1)逐步向汽車前裝市場滲透。公司現在已經有1顆芯片進入國內主流廠商前裝驗證環節,目標是360度環視系統。

2)積極投入研發,在研項目有:

面向消費應用的云智能網絡攝像機SoC芯片:具備AI人臉識別的輕應用人工智能芯片。

H.265超高清視頻編碼SoC芯片。H.265編碼技術將比上一代H.264編碼技術提高一倍的壓縮比例,即H.265只需原先H.264編碼的一半帶寬即可傳輸相同質量的視頻,同樣存儲方面也會節省一半的空間。

預計安防市場空間未來3-5 年仍有望保持15%-20%左右高速增長,公司仍將受益于行業增長紅利。

關于圖像處理芯片的性能分析和應用

晶方科技——CIS封測廠商

公司成立于2005年,專注于傳感器領域的封裝測試業務,同時具備8英寸、12英寸晶圓級芯片封裝技術。封裝產品主要包括CIS芯片、指紋識別芯片、微機電系統芯片(MEMS)等。

公司一直在走“小而美”路線。深耕晶圓級封裝技術,相對于同行業,毛利率凈利率一直領先三大封測廠。

國家扶持推動公司發展。2018年初,國家大基金以6.8億元入股晶方科技,占9.32%股份。晶方科技是細分賽道CIS封測的龍頭,未來無論在物聯網、3D sensing 領域均有重要戰略意義。

大力投入研發。2017年研發支出9600萬,占營收15%,行業內也處于遙遙領先地位。預計公司未來將在汽車電子、3D sensing等領域逐步擴展業務。

關于圖像處理芯片的性能分析和應用

關于圖像處理芯片的性能分析和應用

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 半導體
    +關注

    關注

    334

    文章

    27063

    瀏覽量

    216490
  • 處理芯片
    +關注

    關注

    0

    文章

    24

    瀏覽量

    11395
  • 圖形處理器
    +關注

    關注

    0

    文章

    197

    瀏覽量

    25529
收藏 人收藏

    評論

    相關推薦

    做實時的圖像處理應該怎么選擇芯片

    器主要負責一些接口邏輯 ,比如圖像的采集,圖像的顯示,圖像的存儲。還有FPGA和DSP之間的通信 。那我想問一下 處理圖像應該用什么系列的f
    發表于 08-06 10:53

    實時圖像處理FPGA芯片怎么選擇

    器主要負責一些接口邏輯 ,比如圖像的采集,圖像的顯示,圖像的存儲。還有FPGA和DSP之間的通信 。那我想問一下 處理圖像應該用什么系列的f
    發表于 08-06 10:54

    關于fpga的圖像處理

    各位大蝦好,我現在正在做關于fpga的課題。想問問大家用fpga處圖像,圖片以怎么的方式輸入fpga再進行處理
    發表于 04-12 11:00

    關于圖像處理這方面的

    目前正在做關于圖像處理--測量疲勞裂紋長度的畢設,由于裂紋長度太細小,我先編了一個讀取圖像-中值濾波-圖像增強-提取邊緣,發現除了邊緣被測器
    發表于 04-26 17:45

    富士通圖像處理芯片MB91680兼容Foveon X3高級圖像傳感器

      富士通微電子(上海)有限公司(Fujitsu)宣布,富士通微電子推出全新大規模集成電路圖像處理芯片MB91680A-T,該產品使用Foveon X3圖像傳感器和3CCD技術,是富士
    發表于 10-26 16:53

    MATLAB圖像處理在鑄鐵材料定量金相分析中的應用

    MATLAB圖像處理在鑄鐵材料定量金相分析中的應用摘要:不論何種材料,其宏觀性能都取決于材料內部顯微組織的組成、形態和分布。為此,討論了Matlab的圖形
    發表于 08-31 06:00

    圖像處理分析

    圖像處理分析:一:數字圖象處理的基本概念二:數字圖象處理的發展歷史三:數字圖象處理的研究內容四
    發表于 09-11 11:24 ?0次下載

    圖像處理分析與機器視覺_艾海舟譯

    本書針對圖像處理圖像分析和機器視覺領域的有關原理與技術展開了廣泛而深入的討論,包括圖像處理
    發表于 10-13 15:52 ?0次下載
    <b class='flag-5'>圖像</b><b class='flag-5'>處理</b><b class='flag-5'>分析</b>與機器視覺_艾海舟譯

    ISP圖像處理芯片

    本文主要介紹了一種ISP圖像處理芯片,FH8510是一款針對CIS(CMOSImageSensor)的圖像信號處理
    發表于 01-12 17:31 ?1.9w次閱讀
    ISP<b class='flag-5'>圖像</b><b class='flag-5'>處理</b><b class='flag-5'>芯片</b>

    Omnitek圖像處理分析

    圖像處理分析:UltraXR 4K波形監視器/ VectorScope和Ultra 4k工具箱
    的頭像 發表于 11-30 06:25 ?4189次閱讀

    關于華芯通芯片“升龍”的性能分析和應用

    據了解,升龍處理器是華芯通第一代服務器芯片產品,它是兼容ARMv8架構的48核處理芯片,采用目前國際上先進的10納米工藝,在性能上媲美國際
    的頭像 發表于 09-02 10:33 ?2161次閱讀

    關于基于FPGA的圖像FFT濾波處理分析和介紹

    基于FPGA的圖像FFT濾波處理 AT7_Xilinx 開發板( USB3.0+LVDS )資料共享 騰訊鏈接: https://share.weiyun.com/5GQyKKc 百度網盤鏈接
    發表于 09-15 09:33 ?1755次閱讀
    <b class='flag-5'>關于</b>基于FPGA的<b class='flag-5'>圖像</b>FFT濾波<b class='flag-5'>處理</b>的<b class='flag-5'>分析</b>和介紹

    MATLAB圖像處理工具箱的函數介紹和圖像處理分析的技術實現分析

    介紹了MATLAB 圖像處理工具箱中的函數, 給出了圖像處理分析的技術實現, 如用空域法進行圖像
    發表于 10-30 16:30 ?10次下載
    MATLAB<b class='flag-5'>圖像</b><b class='flag-5'>處理</b>工具箱的函數介紹和<b class='flag-5'>圖像</b><b class='flag-5'>處理</b>與<b class='flag-5'>分析</b>的技術實現<b class='flag-5'>分析</b>

    POL8901圖像處理芯片規格書

    POL8901圖像處理芯片規格書。系統 :高性能 MIPS 32bit CPU 內核; 高性能 DSP 內核
    發表于 03-28 11:34 ?4次下載

    如何使用機器學習處理圖像

    圖像處理是利用復雜的算法對圖像進行技術分析。在圖像處理中,
    的頭像 發表于 07-24 15:00 ?696次閱讀