|
圖像工程在國(guó)防、教育、金融、醫(yī)療、印刷、智能交通、工業(yè)自動(dòng)化、消費(fèi)類(lèi)電子等許多領(lǐng)域獲得了廣泛應(yīng)用，發(fā)展十分迅速。眾所周知，圖像傳感器作為圖像系統(tǒng)的重要部件，基本分為兩類(lèi)：CCD sensor或CMOSsensor。兩者都是利用感光二極管(photodiode)進(jìn)行光電轉(zhuǎn)換，將圖像轉(zhuǎn)換為數(shù)字?jǐn)?shù)據(jù)，而其主要差異是數(shù)據(jù)傳送的方式不同。 sensor3彩色數(shù)字相機(jī)需要3個(gè)單色sensor獲得彩色圖像的R，G，B分量，成本較高。單CCD獲得彩色圖像的方法是在CCD表面覆蓋1個(gè)只含紅、綠、藍(lán)3色的馬賽克濾鏡，對(duì)其輸出信號(hào)通過(guò)一定的處理算法實(shí)現(xiàn)。這個(gè)設(shè)計(jì)理念最初由拜爾提出，所以這種濾鏡也被稱(chēng)作拜爾模板(bayer pattern)。 LatticeECP FPGA將高效的FPGA結(jié)構(gòu)和高速的專(zhuān)用功能集于一身。LatticeECP-DSP(EConomy plusDSP)是其中的第1個(gè)產(chǎn)品系列，它在芯片上集成了專(zhuān)用的高性能DSP塊。LatticeECP-DSP器件最適合用在具有成本優(yōu)勢(shì)的DSP功能應(yīng)用系統(tǒng)中，比如由軟件定義的無(wú)線(xiàn)電、無(wú)線(xiàn)通信、軍事、圖像和視頻處理系統(tǒng)等。 1 Bayer插值方法 Bayer Pattern的排列格式如圖1所示。 盡管通過(guò)帶有Bayer濾鏡的單sensor相機(jī)采集的原始圖像帶有R，G，B三基色分量，但是不能不加任何算法處理，僅簡(jiǎn)單地將3種分量分離。這樣不僅圖像分辨率很差，而且各像素點(diǎn)的三基色分量比例與被攝目標(biāo)相比，失真也很?chē)?yán)重。在圖2中，圖2(a)為原始彩色圖像；圖2(b)為僅取紅色分量，以灰度模式顯示的圖像；圖2(c)為僅取綠色分量，以灰度模式顯示的圖像；圖2(d)為僅取藍(lán)色分量，以灰度模式顯示的圖像。將圖2(b)～(d)圖像簡(jiǎn)單疊加后，即可得到原始圖像圖2(a)�？墒荂CD或CMOS sensor采集的原始Bayer圖像是不符合這種分離原則的，必須經(jīng)過(guò)一定的圖像算法實(shí)現(xiàn)。 在圖像處理領(lǐng)域廣泛應(yīng)用的Bayer插值方法有多種，M．C．Poilpre對(duì)JPEG圖像的處理；H．S．Malvar，等的線(xiàn)性插值法；Remi Jean的像素雙插值法以及T．Guseo的低分辨率圖像處理。具有代表性的有3種：雙線(xiàn)性插值法、Ron Kimmel方法和OptimalRecovery方法。這三種方法各有優(yōu)劣。 1.1 雙線(xiàn)性插值法 如圖3所示，每個(gè)像素位置原本僅有一種彩色分量，缺少的2種彩色分量由3×3鄰域內(nèi)具有相同顏色分量的像素平均值獲得。圖3中B7和G3處像素的R，G，B分量由下式計(jì)算： 雙線(xiàn)性插值法具有運(yùn)算簡(jiǎn)單，易于實(shí)現(xiàn)的優(yōu)點(diǎn)。其本質(zhì)是一低通濾波器，缺點(diǎn)是忽略了不同彩色分量之間的相關(guān)信息以及圖像的邊緣。這樣，錯(cuò)誤數(shù)據(jù)在復(fù)原的圖像邊緣會(huì)造成模糊甚至出現(xiàn)顏色混疊。 1.2 Ron Kimmel方法 Ron Kimmel方法對(duì)于綠色像素，計(jì)算該點(diǎn)在各個(gè)方向的梯度，然后對(duì)梯度值加權(quán)進(jìn)行平均；對(duì)紅色和藍(lán)色像素分量，取則紅色和藍(lán)色分量對(duì)綠色的比值進(jìn)行加權(quán)平均。這種方法可以顯著改善圖像中物體邊緣的顏色混疊。 1.3 Optimal Recovery方法 Optimal Recovery方法計(jì)算復(fù)雜度較高，但也是目前公開(kāi)發(fā)表的圖像質(zhì)量最佳的算法。一般的嵌入式系統(tǒng)很難實(shí)時(shí)完成。本文圖像處理系統(tǒng)采用Lattice的FPGA芯片LFECPIIM50，充分利用FPGA的天然并行結(jié)構(gòu)，實(shí)時(shí)(1 208×1 024圖像，12幀／s)實(shí)現(xiàn)Bayer轉(zhuǎn)換算法，收到了很好的效果。Optimal Recovery算法如下： (1)如圖4所示，完成圖中所示P5處綠色像素插值盡可能利用精細(xì)尺度模式。 (2)計(jì)算藍(lán)色分量需要2步： ①找回在紅色空間丟失的藍(lán)色分量： ②找回在綠色空間丟失的藍(lán)色分量： (3)處理紅色分量與計(jì)算藍(lán)色分量方法相同。 (4)下述校正步驟重復(fù)3次： ①校正綠色分量以取得合適的G／B比： ②校正綠色分量以取得合適的G／R比： ③平均藍(lán)色和紅色的插值結(jié)果： ④校正藍(lán)色和紅色分量值： ⑤算法結(jié)束，其中R5，G5，B5既是像素P5處的三色分量值。 1.4 峰值信噪比PSNR 峰值信噪比PSNR和歸一化色彩差NCD的計(jì)算公式分別為： 式中：MSE是原圖像與處理圖像之間均方誤差(meansquare error)；I表示原圖像第n個(gè)像素值；P表示處理后的圖像第n個(gè)像素值；Framesize表示圖像大小，如1 280×1 024；PSNR值越大，就代表失真越少。 2 結(jié)果分析 經(jīng)過(guò)實(shí)時(shí)圖像采集系統(tǒng)獲取的圖像如圖5所示，其中圖5(a1)，(b1)，(c1)為經(jīng)過(guò)插值變換的圖像，色彩明亮，主觀感覺(jué)良好。圖5(a2)，(b2)，(c2)為采集的原始Bayer圖像，局部放大后可看到原始的馬賽克效應(yīng)，如圖5中(a3)，(b3)，(c3)所示。峰值信噪比計(jì)算結(jié)果見(jiàn)表1，其中PSNR1為雙線(xiàn)性插值法，PSNR2為OptimalRecovery方法。 3 結(jié) 語(yǔ) 目前FPGA技術(shù)發(fā)展很快，內(nèi)部資源越來(lái)越豐富，性?xún)r(jià)比不斷提高。充分發(fā)掘FPGA資源的潛力，盡可能將圖像預(yù)處理算法在系統(tǒng)的前端完成，這必將大大提高系統(tǒng)的實(shí)時(shí)特性，拓展嵌入式系統(tǒng)的應(yīng)用領(lǐng)域。盡管著眼點(diǎn)是彩色圖像的Bayer插值變換，但對(duì)于其他使用FPGA器件的嵌入式系統(tǒng)設(shè)計(jì)方法也有積極的借鑒意義。 |
