图像自适应线性分段线性灰度级拉伸算法的FPGA设计_技术

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 *** 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，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