文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.2016.11.008
中文引用格式： 楊學(xué)博，李磊，陳光拓. 彩色視頻增強(qiáng)算法關(guān)鍵技術(shù)FPGA實(shí)現(xiàn)[J].電子技術(shù)應(yīng)用，2016，42(11)：37-39，43.
英文引用格式： Yang Xuebo，Li Lei，Chen Guangtuo，et al. Key technology of color video enhancement algorithm and FPGA implementation[J].Application of Electronic Technique，2016，42(11)：37-39，43.
0 引言
視頻增強(qiáng)技術(shù)應(yīng)用范圍廣泛，例如醫(yī)療電子、工業(yè)控制、消費(fèi)電子以及深空探測(cè)。Retinex理論是由Edwin Land在1971年提出?；赗etinex模型的使用較為廣泛的有單尺度Retinex算法(Single Scale Retinex，SSR)、多尺度Retinex算法(Multi Scale Retinex，MSR)、帶有顏色校正的多尺度Retinex算法(Multi Scale Retinex with Color Restoration，MSRCR)，基于先驗(yàn)?zāi)Ｐ偷乃惴ㄈ缁谵q分框架的Retinex算法，但是這種算法的復(fù)雜度過高會(huì)消耗過多硬件資源，還不能在實(shí)際中得到很好的應(yīng)用。而單尺度或多尺度Retinex算法對(duì)圖像增強(qiáng)效果同樣顯著，多尺度Retinex算法的主要硬件結(jié)構(gòu)就是單尺度Retinex算法硬件電路的重構(gòu)。本文旨在視頻增強(qiáng)算法硬件關(guān)鍵技術(shù)的研究，所以采取單尺度Retinex算法，然而對(duì)于這樣的算法用CPU也不能滿足其視頻處理過程中實(shí)時(shí)性的要求，本文采用125 MHz頻率FPGA，可以滿足30 f/s的(2 000×2 048)像素的圖像。
本文主要討論了基于Retinex的關(guān)鍵算法，基于圖像像素可配置以及拉伸尺度可配置。提出針對(duì)可適應(yīng)不同像素視頻的硬件架構(gòu)。實(shí)現(xiàn)對(duì)關(guān)鍵模塊的設(shè)計(jì)和仿真，通過Vertex-5型號(hào)FPGA實(shí)現(xiàn)整個(gè)設(shè)計(jì)，最后評(píng)估算法的處理效果。
1 基于Retinex模型的視頻增強(qiáng)算法
圖1為視頻增強(qiáng)Retinex算法流程圖。視頻中的幀圖像通過RGB將HSV轉(zhuǎn)化成灰度幀圖像V，色度幀圖像S，飽和度幀圖像H。估計(jì)照度幀圖像，適當(dāng)拉伸處理后得到光照分量V2以及反分量像V3。經(jīng)過拉伸處理以及合成處理后的圖像O即為處理完成的一幀圖像。
1.1 RGB轉(zhuǎn)HSV
由于RGB色彩空間圖像直接處理會(huì)產(chǎn)生色彩失真，因此需要轉(zhuǎn)換色彩空間。
1.2 提取光照?qǐng)D像和反色圖像
原幀圖像I(x，y)能夠被分解成兩部分[2]。一部分是光照幀圖像L(x，y)，另一部分為反射幀圖像R(x，y)，如式（1）所示。
本文采用高斯濾波器進(jìn)行光照估計(jì)，將高頻成分(圖像的細(xì)節(jié)部分和噪聲部分)濾掉。
1.3 反射幀分量處理方法及光照分量的處理
反射分量可以通過sigmoid函數(shù)進(jìn)行非線性拉伸。以此可以很好地抑制噪聲同時(shí)放大有用的細(xì)節(jié)成分。
1.4 HSV圖像到RGB圖像轉(zhuǎn)換
RGB色彩空間是一種由紅綠藍(lán)三種色彩組成，用于顯示器顯示，所以將HSV圖像轉(zhuǎn)換為RGB圖像。
2 視頻增強(qiáng)硬件邏輯架構(gòu)
自適應(yīng)視頻增強(qiáng)VLSI架構(gòu)如圖2所示，圖2中框內(nèi)為FPGA實(shí)現(xiàn)部分，框外的部分由MATLAB實(shí)現(xiàn)轉(zhuǎn)換。本系統(tǒng)由decoder模塊對(duì)內(nèi)部配置寄存器進(jìn)行配置，主要任務(wù)是配置處理圖像像素。SRAM_interface是SRAM連接外部圖像數(shù)據(jù)流的緩沖，SRAM內(nèi)部分配兩個(gè)存儲(chǔ)空間用來對(duì)視頻數(shù)據(jù)乒乓操作。濾波器采用的是改進(jìn)型的二維濾波器。本濾波器可以適應(yīng)不同像素圖片濾波較高的處理速度。由濾波器估計(jì)光照?qǐng)D像同時(shí)由于對(duì)數(shù)運(yùn)算和減法的復(fù)雜程度相對(duì)較高，并且使得亮度較高像素失真，本文采用較高精度除法器得到反射圖像。同時(shí)通過兩個(gè)拉伸函數(shù)處理經(jīng)過乘法器得到增強(qiáng)后的圖像，經(jīng)由HVSRGB還原成RGB圖像。
2.1 改進(jìn)后的濾波器模塊
本文基于文獻(xiàn)[3][4]提出了一個(gè)可配置處理像素大小和具有較好的時(shí)序特征的二維濾波器。架構(gòu)如圖3所示。本文的濾波器分為3部分，第一部分的作用是將兩個(gè)8位的數(shù)據(jù)合并成一個(gè)16位的數(shù)據(jù)，并依次寫入不同F(xiàn)IFO。第二部分是可配置的FIFO，通過配置內(nèi)部寄存器來配置FIFO的深度，給不同行的濾波器窗寫數(shù)據(jù)。第三部分為濾波器窗口，將16位數(shù)據(jù)轉(zhuǎn)換成8位寫到濾波器窗兩個(gè)像素點(diǎn)，下一個(gè)周期將這兩個(gè)像素點(diǎn)移位到后面兩個(gè)像素點(diǎn)。通過濾波系數(shù)每個(gè)周期得到新的處理后的像素點(diǎn)。這種結(jié)構(gòu)不僅節(jié)約資源，而且可以配置處理視頻圖像像素點(diǎn)多少，處理過程中的時(shí)鐘頻率是一半的系統(tǒng)時(shí)鐘頻率，更好地滿足時(shí)序要求。
2.2 高速乘法器
本設(shè)計(jì)中用到了一些乘法器[5-7]，由于時(shí)序原因本文采用高速乘法器，圖4為乘法器硬件架構(gòu)圖，乘法器包括基-4的booth算法，由CSA組成的Wallace樹和超前進(jìn)位加法器。
部分和產(chǎn)生器是基4 booth算法，將部分和減少近一半，通過CSA累加單元組成的Wallace樹結(jié)構(gòu)，得到兩個(gè)部分和通過超前進(jìn)位加法器最后得到乘積。
2.3 除法器
本文采用精度較高除法器，減少因?yàn)檫\(yùn)算產(chǎn)生的誤差，高速除法器硬件電路如圖5所示，由乘法器和查找表組成，查找表存儲(chǔ)除數(shù)的倒數(shù)。
2.4 幀圖像拉伸和調(diào)整
光照幀圖像實(shí)現(xiàn)伽馬校正，本文采用查找表的方法。
反射圖像做拉伸運(yùn)算，采用圖6所示架構(gòu)來實(shí)現(xiàn)，本文是可配置的拉伸，本方法可以實(shí)現(xiàn)通過改變Con寄存器改變其拉伸程度。改變其圖像處理效果。Fun1和Fun用來實(shí)現(xiàn)函數(shù)的組合電路。
3 基本模塊仿真和實(shí)驗(yàn)結(jié)果
由于VCS仿真能力強(qiáng)于modesim對(duì)于各個(gè)模塊的仿真，本文使用8核16線程48 G的內(nèi)存濾波器debian linux操作系統(tǒng)，VCS 2013版本的仿真平臺(tái)，得到結(jié)果如圖7、圖8所示。
本文采用Vertex_5_FXT(FX70/100T)_FF1136 FPGA芯片搭建的硬件平臺(tái)實(shí)現(xiàn)圖中方框內(nèi)部關(guān)鍵部分，其他部分由AMD 4核4 G內(nèi)存matlab 2014b實(shí)現(xiàn)。圖9、圖10是對(duì)不同圖片的處理結(jié)果。
4 算法評(píng)估
熵是信息論里面重要概念，表示了信息量的多少，在圖像中也反映了圖像的內(nèi)容多少[8-9]。式(11)為熵的表達(dá)式。
圖像增強(qiáng)前后熵的對(duì)比如表1所示。
5 結(jié)語
本文主要分析了基于Retinex視頻圖像增強(qiáng)算法的不同架構(gòu)，先驗(yàn)的Retinex算法由于算法復(fù)雜度較高，本文選擇了單尺度Retinex算法關(guān)鍵技術(shù)，經(jīng)過單尺度算法重構(gòu)即為多尺度Retinex算法，基于圖像像素可配置以及拉伸尺度可配置提出硬件架構(gòu)，并對(duì)各個(gè)模塊進(jìn)行實(shí)現(xiàn)和仿真，最后通過FPGA實(shí)現(xiàn)，并評(píng)估圖像處理效果。
參考文獻(xiàn)
[1] Wang Wen，Li Bo，Zeng Jin，et al.A fast multi-scale retinex algorithm for color image enhancement[C].Proceedings of the 2008 International Conference on Wavelet Analysis and Pattern Recognition，Hong Kong，2008：30-31.
[2] Fu Xueyang，Sun Ye，LiWang Minghui，et al.A novel retinex based approach for image enhencement with illumination adjustment[C].2014 IEEE International Conference on Acoustic，Speech and Signal Processing，2014：1190-1194.
[3] BAILEY D G.Effcient implementation of greyscale morphological filters[C].International conference on Field Programmalle Technology.2010：421-424.
[4] SEDCOLE P.Reconfigurable platform-based design in FPGAs for video image processing[D].Deparment of Electrical and Electronic Engineering，imperial College，London，UK.2006.
[5] Yao Aihong，Li Ling，Sun Mengzhe.Design of pipeline multiplier based on modified booth′s algorithm and wallace tree[C].Advanced Researon Electronic Commerce，Web Application，and CommunicationInternational Conference，ECWAC 2011 Guangzhou，China，2011，Part I.
[6] Jagadeshwar Rao M，DUBEY S.A high speed and area efficient booth recoded wallace tree multiplier for fast arithmetic circuits[C].2012Asia Pacific Conference on Postgraduate Research in Microelectronics & Electronics，2012.
[7] HENSLEY J，LASTRA A，SINGH M.A scalable counterflow-pipelined asynchronous radix-4 booth multiplier[C].International Symposium on Asynchronous Circuits and Systems，2005：128-137.
[8] Xu Xin，Chen Qiang，Pheng Ann Heng，et al.A fast halofree image enhancement method based on retinex[J].Journal of computer-aided design&computer graphics，2008，20(10).
[9] LEVERICK G，WU C，SZTURM T.Coarse quantization in calculations of entropy measures for experimental time series[J].Nonlinear Dynamics，2014，79(1)：93-100.