图像自适应分段线性拉伸算法的FPGA设计
来源： 作者： 发布时间：2015-01-17 10:10:42 浏览量：
0 引言
由于红外图像的成像机理以及红外成像自身的原因，红外图像有对比度低、图像较模糊、噪声大等特点。因此抑止噪声，提高图像信噪比，以及调整红外图像对比度，以利于后续图像分析、目标识别或跟踪，必须对红外图像进行增强处理。另外，在其他场合，若采用人机交互方式，则必须对原始图像进行预处理，改善图像视觉效果，使其更适合人机进一步的分析和处理。
图像增强从作用域出发，分为空间域功率电感器增强和频率域增强两种。频率域是一种间接增强的方法，由于存在域之间的变换和反变换，计算复杂，难以满足实时性要求。自适应分段线性拉伸算法是一种空间域图像增强方法，直接对图像像素灰度进行操作，由于运算过程简单、实现方便，目前的图像增强预处理电路大多选用这种算法。硬件实现上，最初是采用单片DSP芯片实现，其原理为：图像数据实时的传输给DSP，DSP接收完1块数据后，再对整块数据进行增强处理，这样势必会造成时间的延迟，不能满足电感厂家精确制导武器系统实时性的要求。后来硬件结构发展为采取DSP，FPGA芯片相结合的方式。这样，有效结合了DSP的运算能力强与FPGA逻辑和存储资源丰富的优点；不足之处在于，DSP与FPGA之间的通信给设计工作增加了额外负担。与DSP相比，FPGA结构上的优势使得其更适合完成并行处理、及结构性强和高速的运算。本文基于这种算法理论基础，使用xilinx公司规模较大的XC4VLXl5系列FPGA，实现了红外图像的实时处理。
1 自适应线性分段线性灰度级拉伸算法
图像灰度线性拉伸算法表达式为：
式中：i是图像数据行号；j是图像数据列号；Y(i，J)是拉伸后输出图像灰度值；X(i，j)是输入原始图像灰度值，为14 b二进制数；Xmin是输入图像数据的最小灰度值；Xmax是输入图像数据的最大灰度值；Zmax表明输出图像的最大灰度值，设计中拉伸后的图像灰度值用8 b二进制数表示，故Zmax=255。
首先对红外图像做灰度直方图统计，低信噪比条件下，选取压缩因子为5％，将盲元和噪声的影响降到最低。分别搜索5％最大灰度值中的最小值作为Xmax，5％最小灰度值里的最大值作为Xmin。拉伸转换时，将大于Xmax的像素灰度置为Zmax，小于Xmin的像素灰度置为O。此算法将线性拉伸区间自适应地分为[O，Xmin)，[Xmin，Xmax]和(Xmax，255]三个部分。其中，[O，Xmin)和(Xmax，255]两个灰度区间的像素灰度分别被压缩为O和255。若图像中目标较小tdk电感器，且目标正好位于两个被压缩的区间内，就有可能被抑制。为避免这种情况发生，可视情况适当调整压缩因子5％的大小。
2 拉伸算法的FPGA实现
2．1 设计思路
根据以上算法分析，FPGA设计思路如下：在每帧塑封电感图像帧正程，用双端口RAM进行直方图统计，记录每个像素灰度值出现的次数，帧逆程即可统计得到此帧图像的Xmin和Xmax。因为相邻两帧图像近似度高，可绕行电感用前帧得到的Xmin和Xmax来处理下帧图像。在帧逆程时，调用除法器计算出
的值；在下帧正程时，只需计算Q·[X(i，j)-Xmin]，然后将得到的结果除以64(左移6位)，即对每个像素只需1次减法、1次乘法和移位就可完成拉伸运算。实现框图如图1所示，拉伸后数据的输出仅比输入延时62．5 ns，实现了对红外图像的实时处理。
由于红外图像的成像机理以及红外成像自身的原因，红外图像有对比度低、图像较模糊、噪声大等特点。因此抑止噪声，提高图像信噪比，以及调整红外图像对比度，以利于后续图像分析、目标识别或跟踪，必须对红外图像进行增强处理。另外，在其他场合，若采用人机交互方式，则必须对原始图像进行预处理，改善图像视觉效果，使其更适合人机进一步的分析和处理。
图像增强从作用域出发，分为空间域功率电感器增强和频率域增强两种。频率域是一种间接增强的方法，由于存在域之间的变换和反变换，计算复杂，难以满足实时性要求。自适应分段线性拉伸算法是一种空间域图像增强方法，直接对图像像素灰度进行操作，由于运算过程简单、实现方便，目前的图像增强预处理电路大多选用这种算法。硬件实现上，最初是采用单片DSP芯片实现，其原理为：图像数据实时的传输给DSP，DSP接收完1块数据后，再对整块数据进行增强处理，这样势必会造成时间的延迟，不能满足电感厂家精确制导武器系统实时性的要求。后来硬件结构发展为采取DSP，FPGA芯片相结合的方式。这样，有效结合了DSP的运算能力强与FPGA逻辑和存储资源丰富的优点；不足之处在于，DSP与FPGA之间的通信给设计工作增加了额外负担。与DSP相比，FPGA结构上的优势使得其更适合完成并行处理、及结构性强和高速的运算。本文基于这种算法理论基础，使用xilinx公司规模较大的XC4VLXl5系列FPGA，实现了红外图像的实时处理。
1 自适应线性分段线性灰度级拉伸算法
图像灰度线性拉伸算法表达式为：
式中：i是图像数据行号；j是图像数据列号；Y(i，J)是拉伸后输出图像灰度值；X(i，j)是输入原始图像灰度值，为14 b二进制数；Xmin是输入图像数据的最小灰度值；Xmax是输入图像数据的最大灰度值；Zmax表明输出图像的最大灰度值，设计中拉伸后的图像灰度值用8 b二进制数表示，故Zmax=255。
首先对红外图像做灰度直方图统计，低信噪比条件下，选取压缩因子为5％，将盲元和噪声的影响降到最低。分别搜索5％最大灰度值中的最小值作为Xmax，5％最小灰度值里的最大值作为Xmin。拉伸转换时，将大于Xmax的像素灰度置为Zmax，小于Xmin的像素灰度置为O。此算法将线性拉伸区间自适应地分为[O，Xmin)，[Xmin，Xmax]和(Xmax，255]三个部分。其中，[O，Xmin)和(Xmax，255]两个灰度区间的像素灰度分别被压缩为O和255。若图像中目标较小tdk电感器，且目标正好位于两个被压缩的区间内，就有可能被抑制。为避免这种情况发生，可视情况适当调整压缩因子5％的大小。
2 拉伸算法的FPGA实现
2．1 设计思路
根据以上算法分析，FPGA设计思路如下：在每帧塑封电感图像帧正程，用双端口RAM进行直方图统计，记录每个像素灰度值出现的次数，帧逆程即可统计得到此帧图像的Xmin和Xmax。因为相邻两帧图像近似度高，可绕行电感用前帧得到的Xmin和Xmax来处理下帧图像。在帧逆程时，调用除法器计算出
的值；在下帧正程时，只需计算Q·[X(i，j)-Xmin]，然后将得到的结果除以64(左移6位)，即对每个像素只需1次减法、1次乘法和移位就可完成拉伸运算。实现框图如图1所示，拉伸后数据的输出仅比输入延时62．5 ns，实现了对红外图像的实时处理。
2．2 硬件设计
通过以上设计思路的分析，设计主要包括灰度直方图统计、除法和拉伸运算3部分。下面进行详细介绍。
2．2．1 双端口RAM
XC4VLXl5芯片具有丰富的BlockRAM资源，用它构成双端口RAM，进行灰度直方图统计。像素的灰度值作为双端口RAM的地址，对应空间存储此灰度值在1帧图像里的频数。以320×256帧大小、灰度值为14 b的红外图像为例，在每个像素灰度值都相同的极限情况下，每个地址空间需要的存储的值为81 920，转换为二进制有17 b，故所需存储空间大小为17 b×214。对双端口RAM的操作分为三个阶段：
(1)在帧正程时，只需对A端口进行读／写操作。根据接收到的像素灰度值，先读出RAM中对应地址空间的储值，加“1”后回写入原来的地址空间，这样在每帧正程结束时，就统计完了每个灰度值出现的频数，即完成了灰度直方图统计。
H.264在ADSP-BF561上的实现与优化目前，音视频技术日新月异，其中，视频实时编码传输极具代表性。在视频压缩算法领域，新一代视频压缩标准H.264以其优异的压缩性能和图像质量使视频实时编码传输技术的实现成为可能。但该标准的计算复杂度高，用
采用软件无线电架构加速无线设备开发和测试随着现在无线电应用数量的增加—从相距数公里的两个朋友之间的视频交谈到PDA控制的库房环境和照明，无线标准的数量也在增加。每个行业都进入无线通信的应用领域，然而每个行业具有其自己的要求和规范，需要根据特
有源电力滤波器主电路研究摘要：随着大功率开关器件的广泛应用，电能质量问题日益严重。就谐波治理中的无源及有源滤波技术进行了对比，介绍了有源滤器的分类、工作原理。提出了由组合相移SPWM变流器构造的电流源型有源滤波器和能在较低开