摘  要： 量化過程大量減少了圖像中低對比度信息，也會造成超出量化量程的圖像信息完全丟失。本文針對不能采用數(shù)字算法對以上圖像進行有效增強的問題，提出使用模擬技術進行圖像增強的方法。該方法實現(xiàn)了模擬信息定位、提取、放大，從而正確添加原始信息，提高圖像分辨精度。其分辨能力遠高于采用高分辨模數(shù)變換芯片所能達到的精度，最終實現(xiàn)了數(shù)字方法無法獲取的圖像增強效果。

    關鍵詞： 圖像增強；相關雙采樣；圖像采集；對比度

    以數(shù)字方法實現(xiàn)圖像增強的技術由來已久。從傳統(tǒng)的直方圖修正到近年來基于小波變換的圖像增強、基于視覺特性的圖像增強等方法，數(shù)字增強取得了顯著成果?？墒菙?shù)字方法依賴于原圖量化后信息的完整性，是數(shù)字增強方法的先天局限性?，F(xiàn)今很多領域在圖像增強方面提出了更高的要求，如數(shù)字X線圖像、霧天圖像、掌紋識別、衛(wèi)星遙感圖像、生物病變組織檢測等領域，都存在數(shù)字信息損失嚴重的問題，使用數(shù)字方法也沒有得到滿意的增強結果。

    針對上述問題，本文提出一種新的方法——模擬圖像增強方法。此方法通過對模擬信號幅值進行定位、提取、放大，以改變模擬的信息量對比關系，達到圖像增強的目的。

1 模擬增強的原理分析

    圖像的灰度量化范圍用方框的高度表示，如圖1所示。原圖在斜格內(nèi)的灰度信息集中，直接量化后得到的信息量較少。模擬增強方法將斜格內(nèi)的模擬信號定位、提取并放大，再進入模數(shù)變換芯片得到模擬細節(jié)圖像，在此圖像中得到了豐富的信息量，實現(xiàn)了提高圖像分辨率的目的。在量化模擬細節(jié)圖像的同時，量化原圖信息，將量化后的原圖和模擬細節(jié)圖像進行灰度映射，最終得到模擬增強圖像，可以拉伸圖像中感興趣的灰度細節(jié)信息。

    模擬信號的定位、提取可以通過模擬和差運算電路實現(xiàn)，統(tǒng)一減去感興趣段灰度范圍的最小值，將得到模擬信息提取的結果。此過程在灰度直方圖中反映為坐標軸右移，減去的灰度最小值就是坐標軸右移的數(shù)值(以下稱此為過程為坐標右移)。坐標右移的方法同樣可將感興趣的超出量化量程的模擬信息反映在量化后的模擬增強圖像中。

    為了添加圖像量化信息，可以采用高分辨率模數(shù)變換芯片實現(xiàn)。本文方法與之相比較的優(yōu)勢體現(xiàn)在以下兩個方面：

    (1)在實現(xiàn)中，本文所提方法可以實現(xiàn)模數(shù)變換芯片達不到的分辨精度。圖像處理通常使用8位精度，而提高到12位精度在實現(xiàn)中并不復雜，這樣分辨能力可以提高16倍。如果圖像信息要求繼續(xù)提高分辨率，有效精度到12位之上在實現(xiàn)中非常困難。而本文方法對信息在模擬階段進行定位、提取并放大，使用模擬放大技術將模擬信號放大100倍是可靠簡單的技術，而且視頻AD中都集成有可調(diào)增益放大器，如本文在后面試驗中使用的10位視頻模數(shù)變換芯片AD9846A，在增益設定為40db，也就是對輸入信號放大100倍的情況下，其輸出在10位精度分辨下會產(chǎn)生4個最低有效位的錯誤。而將其使用在8位精度時，由于模擬放大調(diào)整產(chǎn)生的錯誤不超過1個最低有效位，因此，在系統(tǒng)集成設計中，對于8位分辨的數(shù)字圖像，本方法可以方便可靠地將感興趣的灰度段信息再提高100倍的分辨能力，而使用高精度模數(shù)變換芯片達到此精度將是極困難的。

    (2)提高分辨率增大了數(shù)字圖像信息，加重了后端數(shù)字處理的負擔。而本文的方法相當于對模擬的信息進行了非線性變換，其后進行量化處理，所獲取信息的分辨率不變，不會加重后端數(shù)字處理負擔。

2 模擬圖像增強的硬件電路實現(xiàn)

    圖2給出了電路實現(xiàn)結構。圖像傳感器選用了線陣傳感器TCD1209D。此圖像傳感器的上限輸出像素速率為20Mb/s，有效像素為2 048，全部像素為2 098。試驗中其像素輸出速率設計為10Mb/s，行頻設定為4.7K/S，即光積分時間為1/4700s。在此工作速度下，選用10位視頻AD芯片AD9846A[1]，其采樣速度上限為30MS/s，可以滿足像素輸入速度要求；此視頻AD中還具有可調(diào)模擬增益放大器，通過SPI接口輸入放大倍數(shù)，可以方便對輸入的模擬信號的幅值進行調(diào)整。處理器選擇TMS320DM642芯片，因為此處理器具有輸入速率80M的視頻接口[2]，與處理器中的EDMA結合可以方便地輸入視頻數(shù)據(jù)流；還具有硬件系統(tǒng)中需要的I2C、SPI和MAC接口，方便實現(xiàn)系統(tǒng)管控以及局域網(wǎng)接口。

    下面描述系統(tǒng)的工作流程。

    首先采集觀察圖像，進行灰度分析，確定合適的坐標右移位置和細節(jié)圖像需放大的倍數(shù)，實現(xiàn)CCD采集條件設定，圖2中以粗實線表示此過程。經(jīng)視頻AD1量化后的數(shù)字圖像由DSP的視頻接口輸入到DSP系統(tǒng)中，進行灰度分析。其分析可以由圖像算法進行目標提取后獲取目標圖像的灰度范圍來實現(xiàn)灰度分析的結果，也可以由灰度的統(tǒng)計分布情況進行灰度分析。本文中給出由主導灰度的統(tǒng)計分布實現(xiàn)灰度分析的算法。算法如下：

    確定灰度直方圖中主導灰度的起始位置與范圍。

    設灰度直方圖中灰度值為ri，其分布函數(shù)為F(ri)，灰度量化為L級，主導灰度的閾值為T。

    求出滿足公式（1）的所有的rij、rj的值：

    將坐標右移的數(shù)值通過I2C接口傳遞到DAC芯片MAX5280進行鎖存，將放大倍數(shù)通過SPI接口傳遞到視頻AD2的可編程增益控制器中決定細節(jié)圖像的放大倍數(shù)，從而完成采集條件的設定。

    然后進行CCD的圖像采集增強，圖2中以細實線表示此過程：兩片視頻AD同時采集所觀察圖像的模擬信息，分別得到原圖圖像和細節(jié)圖像，在DSP中將原圖圖像和細節(jié)圖像進行灰度映射得到模擬增強圖像，根據(jù)算法和觀察需要可選擇某幅圖像進行處理。在本實現(xiàn)中，是將三幅圖像通過網(wǎng)絡傳遞到PC機中進行顯示比較。

    模擬細節(jié)圖像的采集過程分五步進行：

    (1)相關雙采樣[3]處理，濾除CCD信號中的低頻相關噪聲，獲得像素輸出電壓差。

    (2)信息定位。其具體實現(xiàn)電路可以有多種方案，本文給出一種實現(xiàn)，實現(xiàn)的原理圖如圖3所示。

    放大器A1實現(xiàn)了輸入Sig_In的反向與vr′的疊加，放大器A2實現(xiàn)DAC輸出的直流電壓X的抬升，并且放大器A2的飽和溢出位置為vr′。

      放大器A1、A2需滿足電阻平衡要求，如公式（3）。

    選擇所有電阻均為1kΩ，可以滿足電阻平衡要求。

    放大器A1的輸出：

    將(4)式代入(5)式，并將電阻阻值1kΩ代入得輸出表達如下式：

    經(jīng)過以上變化后，模擬CCD信號如圖4所示。其中粗線表示變化后的信號，細線表示被抬升后的信號。由于放大器A2的飽和溢出位置為vr′，因此細線所示信號經(jīng)過放大器A2后并不輸出，達到了模擬信息定位的目的。

    (3)進入視頻AD2芯片，再次通過相關雙采樣處理，獲得模擬定位后的像素輸出電壓差。

    (4)通過視頻AD2的可編程增益放大器，將信號幅值放大αβ倍（α來自CCD采集條件設定，β是原圖的放大倍數(shù)）。將定位后的模擬信息進行提取。

    (5)量化后形成細節(jié)圖像。

    在圖像采集中，同步時序驅(qū)動貫穿整個過程，圖2中以虛線表示。同步控制由FPGA實現(xiàn)，首先產(chǎn)生對線陣CCD的正確驅(qū)動，在數(shù)字圖像的采集過程中，將線陣傳感器輸出拼接成一幅指定高度的數(shù)字圖像；其次正確驅(qū)動相關雙采樣，根據(jù)CCD的輸出正確控制相關雙采樣中開關電容的動作；最后產(chǎn)生正確的數(shù)據(jù)標記時刻，包括正確標記AD的采樣時刻與DSP的數(shù)據(jù)接收時刻。

    FPGA的時序如圖5所示。圖中OS信號是TCD1209D輸出的模擬信號。CLPOB信號用于控制視頻AD完成暗電平自動校準，因為TCD1209D的光學暗像素為B13～B28，而AD9846A要求自動校準時間為2～20個像素時間，因此，設計中CLPOB的有效時刻從B13開始，持續(xù)了8個像素時間。SHP、SHD是視頻AD用來采樣暗電平和有效電平的信號，上升沿有效，其上升沿時刻需要在實現(xiàn)中給予關注以完成相關雙采樣的正確采樣。VP_EN是DM642視頻接口接收數(shù)據(jù)有效控制信號。由于AD9846A在10個像素時間后輸出采樣結果，因此VP_EN的有效時刻是在S11像素處。VP_CLK是視頻接口的時鐘信號，其上升沿有效。VP_data是視頻接口的數(shù)據(jù)，其數(shù)據(jù)D1是像素S1的數(shù)字采樣信息。TCD1209D的時序控制[4]可參照數(shù)據(jù)手冊，在圖5中并未繪出。

3 實驗結果及分析

    圖6給出了6幅圖像，除原圖外分別采用數(shù)字增強和模擬增強生成的圖像。

    原圖(a)為了清晰地拍攝菊花花瓣，采用了較強光源，同時也造成了下方的淺紋曝光過度。另外三張圖片對原圖使用數(shù)字方法進行增強：(b)圖采用數(shù)字直方圖增強，(c)圖采用數(shù)字頻域銳化，(d)圖采用數(shù)字小波增強，它們從不同方面增強了原圖。但可以看出，它們都沒有提供原圖中由于曝光過度而丟失的淺紋信息。采用模擬增強技術達到了不同的效果——在模擬細節(jié)圖像(e)中采用坐標右移與模擬放大技術添加了曝光過度丟失的淺紋信息，同時可以看出淺紋的對比度比原圖有明顯提高，接下來將細節(jié)圖像(e)與原圖(a)進行變換，灰度映射成模擬增強圖像(f)，從中既可以清楚地看到菊花花瓣，也可以清楚地看到淺紋信息。

    本文針對數(shù)字圖像增強技術中存在的不足，提出一種基于模擬技術的圖像增強方法。通過分析與實驗表明，模擬圖像增強具有數(shù)字算法圖像增強所不具備的優(yōu)勢，而這些功能都是用數(shù)字的方法實現(xiàn)不了的。本文所述的模擬圖像增強方法可以添加超出量化量程的丟失信息，也可以補充量化后低對比度中的有限信息，所補充信息的分辨程度可以達到采用高分辨模數(shù)變換芯片無法實現(xiàn)的精度，最終達到圖像增強的目的，為后續(xù)的圖像識別或視覺觀察提供更有力的支持。