0 引言
    由于紅外圖像的成像機(jī)理以及紅外成像自身的原因，紅外圖像有對比度低、圖像較模糊、噪聲大等特點(diǎn)。因此抑止噪聲，提高圖像信噪比，以及調(diào)整紅外圖像對比度，以利于后續(xù)圖像分析、目標(biāo)識別或跟蹤，必須對紅外圖像進(jìn)行增強(qiáng)處理。另外，在其他場合，若采用人機(jī)交互方式，則必須對原始圖像進(jìn)行預(yù)處理，改善圖像視覺效果，使其更適合人機(jī)進(jìn)一步的分析和處理。
    圖像增強(qiáng)從作用域出發(fā)，分為空間域增強(qiáng)和頻率域增強(qiáng)兩種。頻率域是一種間接增強(qiáng)的方法，由于存在域之間的變換和反變換，計算復(fù)雜，難以滿足實時性要求。自適應(yīng)分段線性拉伸算法是一種空間域圖像增強(qiáng)方法，直接對圖像像素灰度進(jìn)行操作，由于運(yùn)算過程簡單、實現(xiàn)方便，目前的圖像增強(qiáng)預(yù)處理電路大多選用這種算法。硬件實現(xiàn)上，最初是采用單片DSP芯片實現(xiàn)，其原理為：圖像數(shù)據(jù)實時的傳輸給DSP，DSP接收完1塊數(shù)據(jù)后，再對整塊數(shù)據(jù)進(jìn)行增強(qiáng)處理，這樣勢必會造成時間的延遲，不能滿足精確制導(dǎo)武器系統(tǒng)實時性的要求。后來硬件結(jié)構(gòu)發(fā)展為采取DSP，F(xiàn)PGA芯片相結(jié)合的方式。這樣，有效結(jié)合了DSP的運(yùn)算能力強(qiáng)與FPGA邏輯和存儲資源豐富的優(yōu)點(diǎn)；不足之處在于，DSP與FPGA之間的通信給設(shè)計工作增加了額外負(fù)擔(dān)。與DSP相比，F(xiàn)PGA結(jié)構(gòu)上的優(yōu)勢使得其更適合完成并行處理、及結(jié)構(gòu)性強(qiáng)和高速的運(yùn)算。本文基于這種算法理論基礎(chǔ)，使用xilinx公司規(guī)模較大的XC4VLXl5系列FPGA，實現(xiàn)了紅外圖像的實時處理。

1 自適應(yīng)線性分段線性灰度級拉伸算法
    圖像灰度線性拉伸算法表達(dá)式為：
   
式中：i是圖像數(shù)據(jù)行號；j是圖像數(shù)據(jù)列號；Y(i，J)是拉伸后輸出圖像灰度值；X(i，j)是輸入原始圖像灰度值，為14 b二進(jìn)制數(shù)；Xmin是輸入圖像數(shù)據(jù)的最小灰度值；Xmax是輸入圖像數(shù)據(jù)的最大灰度值；Zmax表明輸出圖像的最大灰度值，設(shè)計中拉伸后的圖像灰度值用8 b二進(jìn)制數(shù)表示，故Zmax=255。
    首先對紅外圖像做灰度直方圖統(tǒng)計，低信噪比條件下，選取壓縮因子為5％，將盲元和噪聲的影響降到最低。分別搜索5％最大灰度值中的最小值作為Xmax，5％最小灰度值里的最大值作為Xmin。拉伸轉(zhuǎn)換時，將大于Xmax的像素灰度置為Zmax，小于Xmin的像素灰度置為O。此算法將線性拉伸區(qū)間自適應(yīng)地分為[O，Xmin)，[Xmin，Xmax]和(Xmax，255]三個部分。其中，[O，Xmin)和(Xmax，255]兩個灰度區(qū)間的像素灰度分別被壓縮為O和255。若圖像中目標(biāo)較小，且目標(biāo)正好位于兩個被壓縮的區(qū)間內(nèi)，就有可能被抑制。為避免這種情況發(fā)生，可視情況適當(dāng)調(diào)整壓縮因子5％的大小。

2 拉伸算法的FPGA實現(xiàn)
2．1 設(shè)計思路
    根據(jù)以上算法分析，FPGA設(shè)計思路如下：在每幀圖像幀正程，用雙端口RAM進(jìn)行直方圖統(tǒng)計，記錄每個像素灰度值出現(xiàn)的次數(shù)，幀逆程即可統(tǒng)計得到此幀圖像的Xmin和Xmax。因為相鄰兩幀圖像近似度高，可用前幀得到的Xmin和Xmax來處理下幀圖像。在幀逆程時，調(diào)用除法器計算出的值；在下幀正程時，只需計算Q·[X(i，j)-Xmin]，然后將得到的結(jié)果除以64(左移6位)，即對每個像素只需1次減法、1次乘法和移位就可完成拉伸運(yùn)算。實現(xiàn)框圖如圖1所示，拉伸后數(shù)據(jù)的輸出僅比輸入延時62．5 ns，實現(xiàn)了對紅外圖像的實時處理。[!--empirenews.page--]

2．2 硬件設(shè)計
    通過以上設(shè)計思路的分析，設(shè)計主要包括灰度直方圖統(tǒng)計、除法和拉伸運(yùn)算3部分。下面進(jìn)行詳細(xì)介紹。
2．2．1 雙端口RAM
    XC4VLXl5芯片具有豐富的BlockRAM資源，用它構(gòu)成雙端口RAM，進(jìn)行灰度直方圖統(tǒng)計。像素的灰度值作為雙端口RAM的地址，對應(yīng)空間存儲此灰度值在1幀圖像里的頻數(shù)。以320×256幀大小、灰度值為14 b的紅外圖像為例，在每個像素灰度值都相同的極限情況下，每個地址空間需要的存儲的值為81 920，轉(zhuǎn)換為二進(jìn)制有17 b，故所需存儲空間大小為17 b×214。對雙端口RAM的操作分為三個階段：
    (1)在幀正程時，只需對A端口進(jìn)行讀／寫操作。根據(jù)接收到的像素灰度值，先讀出RAM中對應(yīng)地址空間的儲值，加“1”后回寫入原來的地址空間，這樣在每幀正程結(jié)束時，就統(tǒng)計完了每個灰度值出現(xiàn)的頻數(shù)，即完成了灰度直方圖統(tǒng)計。
    (2)幀逆程時，要同時對A，B端口進(jìn)行讀操作。對于A端口，依次從高地址讀取RAM中的數(shù)，將讀取的數(shù)進(jìn)行累加，當(dāng)和大于幀像素個數(shù)的5％時，此時對應(yīng)的地址值即為Xmax；類似地對B端口操作，從0地址開始讀RAM，可找到Xmin。將得到的灰度值Xmin和Xmax存入寄存器，作為除法器和下一幀圖像拉伸運(yùn)算的輸入。
    (3)每幀最后將雙端口RAM清零，為下一幀灰度直方圖統(tǒng)計做準(zhǔn)備。由于雙端口RAM沒有整體清零功能，設(shè)計中采用從“O”地址開始。依次往高地址寫零的方式清零。
2．2．2 除法器
    除法運(yùn)算通過調(diào)用ISE IP Core Generator生成的15位定點(diǎn)除法器來實現(xiàn)，滿足高精度要求，而不采用逼近法。一幀圖像的拉伸只需調(diào)用一次除法器，提高了運(yùn)算的效率。在幀逆程計算Q：=16 384／(Xmax-Xmin)的值，對于15位輸入，除法器有18個時鐘周期的延時，而這并不會影響圖像處理的實時性。
2．2．3 控制時鐘
    在1個像素時鐘周期內(nèi)要完成讀RAM、加法計算和回寫RAM的操作，RAM的控制時鐘至少必須是像素時鐘的4倍?？刂茣r鐘的選取還要考慮幀逆程的時間長度，要在逆程里訪問RAM查找到Xmin和Xmax，還要完成RAM清零操作。FPGA系統(tǒng)時鐘為96 MHz，分頻后產(chǎn)生48 MHz，為像素時鐘8倍，用它作為雙端口RAM和除法器的控制時鐘，可滿足要求。
2．2．4 拉伸運(yùn)算
    將式(1)進(jìn)行簡單變換，可以記為：

    Q值在上幀結(jié)束前已經(jīng)得到，根據(jù)式(2)拉伸運(yùn)算得到簡化，只需1次減法和乘法運(yùn)算，得到積的小數(shù)點(diǎn)左移6位后，截取低8位就得到拉伸后的灰度值。需要注意的是，截取前要判定乘法是否溢出，如果溢出，結(jié)果置為最大灰度值255。

3 系統(tǒng)驗證
    采用飛機(jī)高空采集的地面紅外圖像作為驗證模板，灰度拉伸前的原始圖像如圖2所示，整幅圖像對比度低，細(xì)節(jié)極不明顯。最大、最小灰度值按5％的比例選取，拉伸后的圖像如圖3所示，拉伸后可明顯看出河流、道路、汽車等地物的輪廓，但圖像中較亮和較暗的部分層次不清晰。若減小灰度值壓縮比例為2％，圖像的主要輪廓變化不明顯，較亮和較暗的部分將會顯現(xiàn)出一定層次，這表明被壓縮的區(qū)間相對變小，按比例拉伸的圖像范圍擴(kuò)大。分段線性拉伸的結(jié)果可好可壞，分段區(qū)間的選擇是關(guān)鍵，選取時要考慮原始圖像的質(zhì)量。噪聲和盲元數(shù)目較少時，被壓縮的區(qū)間可適當(dāng)調(diào)小。[!--empirenews.page--]

    該設(shè)計充分利用Virtex-4 FPGA的邏輯資源，實現(xiàn)了紅外圖像的自適應(yīng)分段線性拉伸，對FPGA芯片資源占用情況如表1所示。整個設(shè)計完全在FPGA中實現(xiàn)，能最大限度地減少分立元件的使用。降低了系統(tǒng)的整體功耗，設(shè)計周期和開發(fā)成本也就能隨之減少。算法完全采用流水線設(shè)計思路，處理后的數(shù)據(jù)相對輸入延時小于一個像素時鐘周期，最高系統(tǒng)時鐘可達(dá)128 MHz。設(shè)計的性能和實時性滿足預(yù)期目標(biāo)，可用于精確制導(dǎo)武器或?qū)Ш较到y(tǒng)。

4 結(jié)語
    這里簡要分析了圖像自適應(yīng)分段線性拉伸算法，利用Xilinx Virtex-4 FPGA豐富的片上資源實現(xiàn)了這一算法。通過實驗對設(shè)計的有效性進(jìn)行了驗證，圖像對比度有明顯提高，噪聲和盲元被抑制。但該算法具有局限性，僅適用于大目標(biāo)的圖像增強(qiáng)。在天文學(xué)、計算機(jī)視覺、動態(tài)景物分析、超聲及聲納圖像處理等領(lǐng)域中廣泛存在著點(diǎn)目標(biāo)紅外圖像，由于點(diǎn)目標(biāo)無形狀、尺寸等可利用的信息，處理時須存儲多幀圖像，數(shù)據(jù)處理量大。在做圖像灰度級拉伸時，目標(biāo)有可能被作為噪聲而抑制掉，從而丟失有用信息，今后需要對點(diǎn)目標(biāo)紅外圖像的增強(qiáng)方法做進(jìn)一步研究。