利用二次函数的图像增强算法及FPGA实现

2020-08-03 07:58杨瑞祺王康杨依忠张章陈峰
现代电子技术 2020年8期
关键词:Matlab仿真

杨瑞祺 王康 杨依忠 张章 陈峰

摘  要: 图像增强在图像处理中有着重要的作用,常用方法有直方图均衡化和灰度值线性拉伸法等,但是这两种方法对图像质量的改善不甚理想。因此,文中提出一种基于二次函数灰度值拉伸的图像增强算法,利用两段二次函数对图像进行灰度值自我调整,同时综合考虑图像对比度增强效果及硬件电路的易实现性,在Matlab上进行算法设计及仿真,在FPGA硬件平台上进行实现及验证。结果表明,所提算法能有效处理不同场景图像,处理后的图像层次感更强,质量更佳,观感更好。

关键词: 图像增强算法; 灰度值拉伸; 算法设计; 阈值调节; Matlab仿真; 实现验证

中图分类号: TN911.73?34; TP391.41             文献标识码: A                    文章编号: 1004?373X(2020)08?0072?05

Image enhancement algorithm based on quadratic function and its

implementation with FPGA

YANG Ruiqi, WANG Kang, YANG Yizhong, ZHANG Zhang, CHEN Feng

(School of Electronic Science & Applied Physics,  Hefei University of Technology,  Hefei 230601, China)

Abstract: The image enhancement plays an important role in the image processing, whose common methods are histogram equalization, linear stretching for gray value and so on, but these two methods are not effective enough for the image quality improvement. An image enhancement algorithm based on quadratic function for gray value stretching is proposed, in which the gray value of images are self?adjusted with two quadratic functions, and the effectiveness of image contrast enhancement and the implementation feasibility of hardware circuit are comprehensively considered. The algorithm design and simulation are performed with the Matlab, and its implementation and verification are conducted on the FPGA hardware platform. The experimental results show that the proposed algorithm can handle different scene images effectively, and the processed images have stronger layering sense, better quality and better visual perception.

Keywords: image enhancement algorithm; gray value stretching; algorithm design; threshold regulation; Matlab simulation; implementation verification

0  引  言

圖像增强[1?2]是数字图像处理中用于改善图像质量以及图像视觉效果的一种方法。图像增强可以使得图片更加清晰,细节部分更加突出。经过改善后的图像可以改善人眼的视觉观感,因此,其在医疗[2?3]、城市交通[4?5]、视频监控[6?7]及图像去雾[8?9]等领域都有着广泛的应用。

图像增强主要分为空间域和频域这两大类[10]。频域图像增强的基础是傅里叶变换和滤波技术[11],所以,基于频域的图像增强硬件实现相对复杂。空间域图像增强的基础是灰度级映射变换和模板卷积[12],易于通过硬件实现。基于空间域的图像增强算法可以分为直方图均衡化法[13]和灰度变换法[14]。直方图均衡化法是将原图中的图像灰度值进行重新分配后形成新的灰度值组,从而实现了对比度的增强,这种方法的优点是计算简单,容易实现。但是,该方法可能会造成图像细节丢失、失真以及过曝等问题。灰度变换法通过线性函数、对数函数以及分段函数[15]等函数模型将原图中图像灰度值进行拉伸调节,从而达到图像增强的作用。但是,该方法中如果函数模型设计不合理则会出现图片过暗或者过亮的现象,导致图像增强效果不理想。

在灰度变换法里有一种经典的方法是线性灰度值拉伸变换。这种方法可以对特定的图像起到较好的改善效果,使得图像更加清晰。但是该方法因为线性函数调整的关系,对于局部稍暗的图像区域,其增强效果不明显,相反在稍亮的图像区域则容易产生过曝的现象,所以其应用场景受到一定的限制。

当图像的平均亮度[Yth∈[N2,N3)],也就是属于式(7)的正常范围时,将图像的平均亮度[Yth]作为图像增强的调节阈值,即[Q=Yth]。

当图像的平均亮度[Yth∈[N0,N2)],也就是对于偏暗的图像,其调节阈值[Q]可作如下调整:

式中,[M0]和[M1]分别为很暗图像以及较暗图像的阈值调节系数。如图5所示,以很暗的图像为例,将小于平均亮度[Yth]的值[Yth1]作为调节阈值,可以看出,以D点为阈值点的二次函数曲线[S1]和[S2]一直在以C点为阈值点的二次函数[T1]和[T2]上方。这样,对于偏暗的图像,相较于直接将图像平均亮度作为阈值,采用调整后的阈值所得到的变换函数可以在进行图像增强的同时将图像整体亮度适当提高,以达到更好的改善效果。

同理,对于偏亮的图像,其调节阈值[Q]可作如下调整:

式中,[M2]和[M3]分别为较亮图像以及很亮图像的阈值调节系数。对于较亮和很亮的图像,将大于平均亮度[Yth]的值[Yth3]和[Yth4]作为调节阈值[Q]。这样,相较于图5中偏暗图像的函数曲线一直在C点的上方,以[Yth3]和[Yth4]为阈值的二次函数曲线将会一直在以平均亮度[Yth]为阈值点的二次函数下方。对于偏亮的图像,这种调节模式相比于直接将图像平均亮度作为阈值,可以在进行图像增强的同时将图像整体亮度适当降低。

2.3  所提算法流程

所提算法的流程图如图6所示。首先,在图像输入模块中获取图像格式。然后,在色彩空间转换1模式中,将R,G,B格式的图像转换为Y,Cb,Cr的格式。接着,在求图像参数模块中统计得出图像亮度值Y分量的最大值和最小值;在求平均亮度模块中计算得到图像的平均亮度;在确定调节模式模块中,根据上一模块计算出的图像平均亮度以及式(7)来确定图像亮度等级,并根据不同亮度等级选择相应的阈值调节模式,计算得到图像调节阈值。

在确定函数模块中,将得到的图像亮度最大最小值、调节阈值代入式(5)中,可以获得图像的灰度值拉伸变换函数;在图像调节模块中利用所得函数对图像的灰度值进行调节。最后,在色彩空间转换2中,将调节完成的Y分量以及原图像的Cb和Cr分量重新还原成R,G,B格式并输出以实现图像增强。

3  实验结果及分析

3.1  算法的Matlab仿真

采用Matlab软件对算法进行设计和仿真,就是依据算法的流程,设定相关参数,对于给定的图像进行必要的灰度值拉伸以达到图像增强的目的。

经过多场景多组次试验,设定参数[N0=16],[N1=64],[N2=102],[N3=154],[N4=192],[N5=235]。亮度调节比例[M0=0.89],[M1=0.94],[M2=1.09],[M3=1.15]。

为了验证算法的正确性及优势,本文选取了三组场景的图片进行仿真及對比。如图7所示,图7a)为雾天场景的图片,整张图片都有一种雾蒙蒙的感觉,这是因为拍摄场景或者设备导致的图像对比度较差。图7b)为直方图均衡化处理后的图像,图中正上方天安门城楼处产生了过曝的现象。图7c)为线性拉伸处理后的图像,很明显,整张图片的右半边过曝,细节部分丢失严重。提出算法处理过后的图像如图7d)所示,处理后的图像控制住了过曝的场景,同时去雾效果明显,天安门城楼以及树的轮廓更加清晰。图7e)为日光充足下的风景照。图7f)为直方图均衡化处理后的图像,可以看出,树干发白明显,右半边天空处也过亮。在用线性拉伸算法处理后,画面变化不明显,如图7g)所示,但是经过提出算法处理后,整个画面的层次感有较大提升,有阳光的地方更明亮,树阴处也更加明显,如图7h)所示。同样对于图7i)的人像,直方图均衡化处理后的图像,整张脸部过曝,如图7j)所示。图7k)在经过线性拉伸变换后的人像,其脸部反而变暗。在提出算法处理过后,人脸明显变亮很多,黑色的头发也变得更加深邃,画质得到明显改善,如图7l)所示。图7m)为阴天图像,这张图像的灰度值范围为[16,235]。直方图均衡化处理后的图像,草地和右下角的草莓泛白明显,如图7n)所示。对于灰度值范围为[16,235]的图像,线性拉伸不能改进图像质量,如图7o)所示。如图7p)所示,在经过提出算法处理后,中间草莓的颜色更加红润,草地和树木也更加苍翠。因此,提出算法相比其他算法,对图像增强的效果更优。

3.2  算法的FPGA实现及验证

本文设计中选用Altera公司Stratix IV系列器件的Terasic TR5 FPGA开发板搭建验证平台,如图8所示。

FPGA实现及验证平台框图如图9所示。首先,信号源将图片送到图像测试仪器Quantum Data 980进行解码,然后其数据流进入FPGA。色彩空间转化,亮度值统计,求图像平均亮度和对比度增强均在FPGA上完成。将处理后的RGB数据和相应的行场同步信号发送给TTL转HDMI桥接芯片,芯片采用的桥接芯片是龙迅半导体(合肥)股份有限公司设计的LT8618EXA,最后将数据发送给相连的显示器。

图10给出的是提出算法在FPGA上实现及验证的结果,图10a)是偏亮场景的图像,原图“黄果树”字体和后面的山像被蒙上了一层薄雾。图10b)是本文算法处理后的图像,可以看出“黄果树”字体更加清晰,山上树木的颜色更加青翠,图像层次更加明显,提升了视觉观感。图10c)是偏暗场景的图片,原图整体画面较暗,路面不够清晰。提出算法处理后的图片,图像整体亮度得到了提升,尤其是在路面以及后面房屋的墙壁,图像增强效果明显,如图10d)所示。

4  结  语

本文提出用二次函数进行灰度值拉伸的图像增强算法,相比较线性拉伸中图像增强效果不明显,或者图像信息的丢失,以及直方图均衡化法中图像经常出现过曝现象,提出算法在保证图片细节不丢失的前提下,对图片增强效果有明显的提升。同时,算法充分考虑了硬件上的易实现性,处理过后的图像重点更加突出,层次感更加强烈,达到了图像增强的预期良好效果。

参考文献

[1] PARIHAR A S, VERMA O P, KHANNA C. Fuzzy?contextual contrast enhancement [J]. IEEE transactions on image processing, 2017, 26(4): 1810?1819.

[2] OKTAY O, FERRANTE E, KAMNITSAS K, et al. Anatomically constrained neural networks (ACNNs): application to cardiac image enhancement and segmentation [J]. IEEE transactions on medical imaging, 2018, 37(2): 384?395.

[3] RODRIGO M, ORJAN S. Gradient?based enhancement of tubular structures in medical images [J]. Medical image analysis, 2015, 26(1): 19?29.

[4] MARCOS Quintana, TORRES Juan, MENENDEZ Manuel, et al. Simplified computer vision system for road surface inspection and maintenance [J]. IEEE transactions on intelligent transportation systems, 2016, 17(3): 608?619.

[5] 王峰萍,王卫星,杨楠,等.基于改进Retinex的城市交通图像增强[J].交通运输系统工程与信息,2017,17(5):53?59.

[6] NAIK D K, ROUT D K. Outdoor image enhancement: increasing visibility under extreme Haze and lighting condition [C]// 2014 IEEE International Advance Computing Conference. Gurgaon: IEEE, 2014: 14?17.

[7] DUBOK Park, MINJAE Kim, BONHWA Ku, et al. Image enhancement for extremely low light conditions [C]// 2014 11th IEEE International Conference on Advanced Video and Signal Based Surveillance. Seoul: IEEE, 2014: 307?312.

[8] 方帅,赵育坤,李心科,等.基于光照估计的夜间图像去雾[J].电子学报,2016,44(11):2569?2575.

[9] 刘雪峰,刘学远,付民.基于图像增强和复原的图像去雾方法研究[J].现代电子技术,2018,41(6):18?22.

[10] VORONIN V, SEMENISHCHEV E, FRANTS V, et al. Smart cloud system for forensic thermal image enhancement using local and global logarithmic transform histogram matching [C]// 2018 3rd IEEE International Conference on Smart Cloud. New York: IEEE, 2018: 153?157.

[11] PATEL Surabhi, GOSWAMI Mausumi. Comparative analysis of histogram equalization techniques [C]// 2014 International Conference on Contemporary Computing and Informatics. Mysuru: IEEE, 2014: 167?168.

[12] GRIGORYAN A M, AGAIAN S S. Alpha?rooting method of Gray?scale image enhancement in the quaternion frequency domain [J]. Electronic imaging, 2017(13): 131?142.

[13] 董丽丽,丁畅,许文海.基于直方图均衡化图像增强的两种改进方法[J].电子学报,2018,46(10):2367?2375.

[14] KANMANI M, NARSIMHAN V. An image contrast enhancement algorithm for grayscale images using particle swarm optimization [J]. Multimedia tools & applications, 2018(3): 1?17.

[15] 趙建,赵凡,曲锋.彩色图像的FPGA实时增强系统实现[J].液晶与显示,2014,29(4):629?636.

[16] XIAO F, MIAO S Q, GUO L. Color image enhancement on YIQ color space [J]. Applied mechanics & materials, 2014, 631/632: 478?481.

[17] YUAN Pei, HU Zhonghua, OUYANG Ganxin, et al. Color space conversion from RGB to YCbCr based on FPGA [C]// 2018 International Conference on Physics, Computing and Mathematical Modeling. Shanghai: [s.n.], 2018: 204?208.

猜你喜欢
Matlab仿真
微信网络的信息传播模型研究
常规PID控制和常规模糊控制的比较
感应电机低速运行时自适应状态观测器研究
人工神经网络的改进及其在入侵检测中的应用
基于相关分析法的系统辨识算法对比及仿真
MATLAB仿真在《控制工程基础》教学中的应用
小波变换在信号奇异性特征检测中的应用