一種改進的實時抗噪增強算法及其硬件實現(xiàn)

張 遼，趙金宇，曹景太，吳慶林，崔博川

(1.中國科學院 長春光學精密機械與物理研究所，吉林 長春130033;2.中國科學院大學，北京100049)

在實時監(jiān)控、觀測中，為了得到質量良好的圖像，必須對采集到的圖像進行增強處理。增強處理有兩個作用:第一，圖像在采集過程中會受到噪聲干擾而使圖像質量下降［1］，增強后，會使噪聲變小，圖像的質量得到改善;第二，圖像增強后會變得更符合計算機的識別和系統(tǒng)應用的要求［2］，視覺特性也會得到改善。圖像增強算法主要有頻率域法和空間域法［3］，前者主要變換到頻率域處理，后者是對每個像素的灰度值直接處理［4］。

實時性是圖像增強非常重要的指標。近年來關于圖像去噪，國內外許多學者提出了很多效果較好的算法［5－9］，但是大都不滿足工程應用的實時性要求。因此，目前的實時性算法大都比較簡單，算法效果有待提高［10－11］。主流的增強方法是利用直方圖均衡化理論，其核心思想是減少圖像的灰度級，來使圖像對比度變大。此方法的優(yōu)點是簡單、有效且易于實現(xiàn)。但是，過度增強像素點、放大噪聲、圖像細節(jié)丟失等缺點也限制了它的廣泛應用［12］。

本文提出了一種改進的基于局部統(tǒng)計特性的增強算法。在傳統(tǒng)的局部增強算法之前，使用超限鄰域法對原始圖像進行去噪處理:通過設置閾值判斷像素點是否為噪聲點以及是否需要增強。由算法的仿真可得出，改進算法的抗噪能力得到增強;硬件測試后，實時性能也符合工程應用要求。

1 基于局部統(tǒng)計的增強算法

1.1 算法簡介

基于局部統(tǒng)計的增強算法［13］是基于圖像鄰域的數(shù)字特征的算法，它以局部區(qū)域統(tǒng)計特征(方差、均值)為依據(jù)，在一定指標下，判斷某一區(qū)域像素點是否需要進行增強。主要步驟如下:

1)相關數(shù)字特征的計算

對數(shù)字圖像的處理，實質上是對灰度矩陣的處理。假設1 個m×n 像素矩陣，它的所有像素的平均值(全局灰度)是MG，標準差是DG。它們分別度量了圖像的強度和對比度。

假設一像素點(x，y)，Sxy是以它為中心的確定大小的鄰域，(s，t)是鄰域內像素點，mSxy表示領域的平均像素灰度值，δSxy表示鄰域的標準差。計算公式如下

式中:鄰域內(s，t)坐標處的灰度值用rs，t表示，對應灰度值的鄰域歸一化直方圖分量由p(rs，t)表示，它代表了灰度值rs，t在鄰域內出現(xiàn)的概率。rs，t和p(rs，t)分別度量了鄰域強度和對比度。由公式(1)和(2)可得出，當鄰域擴大為整幅圖時，MG變?yōu)閙Sxy，DG變?yōu)棣腟xy。

2)增強條件的判斷

首先要選擇需要增強的是暗區(qū)還是亮區(qū)，不同的區(qū)域會導致參數(shù)不同。如增強亮區(qū)域則應有:待增強區(qū)域均值大于全局均值，即mSxy≥k0MG，k0＞1，反之同理。其次，所需增強區(qū)域一般具有較低的對比度，故還需進行對比度限制:δSxy≤k2DG，0 ＜k2＜1，表明局部對比度小于全局對比度;此外，為了不對標準差為0 的恒定區(qū)域進行增強，對δSxy還應有δSxy≥k1DG，其中k0，k1和k2是系數(shù)，都為正，且存在k1＜k2。符合以上所有條件的像素點才是增強目標。

3)增強公式

對待增強像素點進行如下處理

式中:f(x，y)是(x，y)點處原有的像素值;g(x，y)是處理后該點的像素值;E 是增強的倍數(shù);k0，k1，k2是相關參數(shù)。

4)確定各相關參數(shù)的取值。

1.2 算法局限性

對某些特定圖像比如暗背景圖像，此算法具有較好的增強效果。但由于只是簡單地將灰度增強了E 倍，導致某些區(qū)域對比度不夠明顯。另外，由于未對噪聲進行處理，該算法很容易把噪聲點誤判為需要增強的像素點，對噪聲的灰度進行放大，影響圖像質量?？乖肽芰Σ?，成為了它被廣泛應用的最大限制之一。

2 基于超限鄰域法的改進算法

2.1 超限鄰域均值法

鄰域均值法是一種基于空間的局部處理算法，即將一個像元為中心的整個鄰域的均值賦給輸出圖像相應的像元，從而達到圖像平滑去噪。用公式表達為

鄰域均值法算法簡單，處理速度快，但是在降低噪聲的同時使圖像產生模糊，邊緣和細節(jié)退化，退化程度和鄰域半徑成正比。

超限鄰域法是在鄰域均值法的基礎上改進得到，它對鄰域均值法的模糊作用進行了抑制，同時保留了其算法簡單、快速的優(yōu)點。

如果鄰域A(N×N)內某點像素值大于相應鄰域像素的均值，且達到了一定水平(閾值T)，則判斷它是噪聲，就用鄰域均值替代該點像素值

大量實驗證明，閾值T 選擇太大會使噪聲消除不干凈，太小則會降低處理速度以及使圖像模糊，一般T 的取值在10～30 范圍。實際應用中，由于計算量限制，窗口大小一般選3×3。

2.2 本文改進算法

在圖像采集的過程中，由于外界條件的干擾經常會出現(xiàn)毛刺等噪聲，使得某一像素點的值與周圍相差較大。在用局部增強算法增強時，有時會把該噪聲點錯誤增強。為了將噪聲去除，在判斷一個像素點是否需要增強之前，先判斷它是否是噪聲，如式(5)。算法的流程如圖1 所示。

圖1 改進算法的流程

設置一個閾值，如果該點像素值與鄰域均值的差的絕對值大于閾值T，就判斷它是噪聲點，進行去噪;不是噪聲的像素點，再進行局部統(tǒng)計增強判斷，進行增強。

相比原算法，它增加了一個去噪過程，對噪聲特別是孤點噪聲的抑制效果得到提高。在此基礎上，鄰域均值不需要額外計算，增加的計算量很小，可滿足實時性要求。

3 仿真實驗

本文的仿真實驗是用MATLAB R2013a 完成的。仿真所得的實驗圖如圖2 ～圖4 所示。

2 原圖及其經過不同算法處理后的增強圖

圖3 加椒鹽噪聲后原圖及其經過不同算法處理后的增強圖

圖2a 是一根支架上纏繞的鎢絲圖像，其背景右側中還存在一根鎢絲，但是很暗，要使右側的鎢絲特征顯現(xiàn)出來，現(xiàn)用傳統(tǒng)算法和改進算法分別進行暗區(qū)增強處理。本文選擇k0=0.4，k1=0.01，k2=0.4，E=4，鄰域大小選擇3×3(圖2、圖3均如此選擇參數(shù))。圖2b 是使用傳統(tǒng)的局部增強算法增強后的圖像，可以看到，右側陰暗部分的細節(jié)已經被顯示出來，明亮區(qū)域也得到了保留，但產生了一些過亮點。圖2c 是使用本文改進算法得到的，可以看到效果和傳統(tǒng)算法相差不大。

為了校驗改進后的去噪性能，在原圖的基礎上加上噪聲，比較不同算法的處理結果，并用峰值信噪比(PSNR)來作為去噪客觀標準。結果如表1 示。

圖3a 是引入了噪聲比例為0.01 的椒鹽噪聲的鎢絲原圖。圖3b 是傳統(tǒng)局部增強算法處理后的圖像，可以看到雖然背景鎢絲被增強，但是椒鹽噪聲卻充斥整幅圖像，說明原算法對椒鹽噪聲的抵抗力很低。圖3c 是經過本文改進算法處理后得到的圖像，閾值T=30，可以看到，椒鹽噪聲得到了較大地抑制。

表1 不同算法處理后的PSNR 值 dB

圖4a 是在原圖基礎上加入了均值為0，方差為0.01 的高斯噪聲得到的。圖4b 可看出，經過傳統(tǒng)算法處理后，背景鎢絲幾乎被噪聲淹沒，較難分辨出增強后的背景。選取閾值T=10 后，圖4c 的視覺效果比圖4b 有所提高，高斯噪聲得到了較大的抑制，背景鎢絲已經可以分辨出來。

圖4 加高斯噪聲后原圖及其經過不同算法處理后的增強圖

可以看出，改進算法較好地解決了原算法抗噪性差的缺點，對比表1 的峰值信噪比可以看出，改進算法在椒鹽噪聲和高斯噪聲的影響下，相比改進前PSNR 值提高了約有3～4 dB。

4 硬件實現(xiàn)與實驗結果

4.1 硬件平臺結構及實現(xiàn)

硬件平臺是采用DSP+FPGA 架構實現(xiàn)的，具有較好的靈活性和通用性［14－15］。用相機采集圖像后，經過DSP 板卡編程處理，在顯示器上顯示出圖像。板卡是以FPGA Xilinx VIRTEX－4 和DSP C6000 芯片為核心，包含了各種接口、存儲器。圖5 是板卡的內部邏輯原理圖，圖6 則是板卡的實物圖。

4.2 實驗結果

圖7a 所示是一個印有白色小樹圖案的灰色水杯，在白色小樹周圍還有一些小的白色圖案?，F(xiàn)要實現(xiàn)把中央?yún)^(qū)域的白色小樹灰度增強，而暗區(qū)不動。圖像大小為720×576，對中心250×250 大小區(qū)域采用本文算法，閾值選取T=20，參數(shù)選取k0=1.5，k1=0.01，k2=0.4，E=2，鄰域大小選擇3×3。局部增強后得到圖7b，可以看到，白色小樹以及周圍白色圖案的亮度得到增強，而暗區(qū)基本不變化，邊界未出現(xiàn)明顯輪廓，對噪聲的抑制效果也有體現(xiàn)。在實驗過程中，圖像一秒幀數(shù)大于25 幀，滿足實時性要求。

圖5 板卡的內部原理圖

圖6 板卡的實物圖

圖7 實時性硬件驗證實驗圖

5 結論

為了滿足工程應用的要求，針對傳統(tǒng)局部增強算法抗噪性差的缺點，提出了一種局部區(qū)域增強的改進算法，且復雜度的增加有限。該算法對椒鹽噪聲、高斯噪聲具有較好的抑制效果，同時具有較好的增強效果;局部區(qū)域增強后，邊界較為平滑，無明顯的假輪廓，保證了視覺效果。仿真實驗證明，在高斯、椒鹽噪聲干擾下改進算法的PSNR 值提高約3～4 dB;硬件實驗表明，算法在實時應用中具有較好的增強效果，實時處理每幀延時約20 ms，可滿足實時圖像處理領域中噪聲抑制和處理速度的要求。它是一種具有實用意義的圖像增強算法。

［1］張達奇，胡劍凌.基于人眼失真敏感度的圖像質量評價算法研究［J］.電視技術，2014，38(19):28－31.

［2］魯業(yè)頻，陳兆龍，李素平.圖像質量評價的研究現(xiàn)狀與發(fā)展［J］.電視技術，2014，38(19):23－27.

［3］劉春香，李洪祚.實時圖像增強算法研究［J］. 中國光學與應用光學，2009(5):395－401.

［4］張穎穎，張帥，張萍，等. 融合對比度和分布性的圖像顯著性區(qū)域檢測［J］.光學精密工程，2014(4):1012－1019.

［5］NERCESSIAN S C，PANETTA K A，AGAIAN S S.Non－linear direct multi－scale image enhancement based on the luminance and contrast masking characteristics of the human visual system［J］.IEEE Trans.Image Process，2013，22(9):3549－3561.

［6］XIE X，WANG C，ZHANG A，et al. A robust level set method based on local statistical information for noisy image segmentation［J］. Optik－International Journal for Light and Electron Optics，2014，125(9):2199–2204.

［7］YS C.A robust approach to image enhancement based on fuzzy logic［J］.IEEE Trans.Image Process，1997(5):14－19.

［8］吳俊，汪源源，陳悅，等. 基于同質區(qū)域自動選取的各向異性擴散超聲圖像去噪［J］.光學精密工程，2014(5):1312－1321.

［9］LEE K S，DOH W，PARK K J，et al.Image enhancement based on signal subspace approach［J］. International Conference on Image Processing，1996(8):777－780.

［10］黃梅，吳志勇，梁敏華，等. 暗背景下低灰度圖像的實時增強［J］.液晶與顯示，2011(3):374－378.

［11］魏朝龍，滕少華.基于改進ILAE 算法的圖像局部自適應增強研究［J］.計算機應用與軟件，2011(2):111－113.

［12］陳瑩，朱明.多子直方圖均衡微光圖像增強及FPGA 實現(xiàn)［J］.中國光學，2014(2):225－233.

［13］RAFAEL C G，RICHARD E W.數(shù)字圖像處理［M］.北京:電子工業(yè)出版社，2001.

［14］趙建，趙凡，曲鋒. 彩色圖像的FPGA 實時增強系統(tǒng)實現(xiàn)［J］.液晶與顯示，2014(4):629－636.

［15］王德勝，康令州.基于FPGA 的實時圖像采集與預處理［J］.電視技術，2011，35(3):32－35.