一种改进的图像重组算法及其硬件实现

作者：时间：2011-06-04来源：网络收藏

本文在kimmel算法的基础上进行了如下的改进：

(1) 待重组图像像素与周边像素的关联性进一步增强，从而改善图像的边沿特性。

在kimmel算法中梯度简单地以两个像素的某个分量差绝对值表示，本文提出的方法是用一个相应方向上更大范围窗口的像素点的差的平均值来代替原来梯度。

例如，在kimmel算法中，如图1，D=|G[5，5]□G[6，6]|，用本文的方法则为：

这样可进一步加强所求像素点与周边像素已知分量的关联性，从而减弱混淆现象。

(2) 修正kimmel算法在G分量缺少时的缺陷。

在kimmel算法中，在G很小的区域，两像素的G比例就会变得很大，这样会造成图像失真和放大噪声。为此，本文在利用G计算R、B时，可给G设一阈值；此值越大，图像质量越差；此值越小，在G较小区域的图像失真就越严重；因此，此值的设定要经过反复的仿真试验，找到合适的平衡点，本文经过实验对比各参数下的效果，将此值选择为40～60。

(3) 改变kimmel算法所有像素都重新计算其三分量值的做法。

kimmel的算法会改变每个像素三个分量的值，本算法保留原来该像素的已知值，从而可以保留原始图像更多的信息，提高了图像质量。由于本算法要在ASIC上实现，在不影响图像总体质量的前提下，应尽量简化某些运算，节省硬件资源。

①本文在求E时不用开方倒数的方式，而采用查表的方式，即一个范围内的D值对应一个E值，只要所设的值能达到“D大则E小”的效果便可；

②求D时所需的除以21/2的运算可转化成近似移位相加。

4．硬件实现

本算法涉及了大量的算术运算，而且计算中像素相关性的要求需要存储大量像素，所以硬件实现必须适当减少硬件资源和RAM的使用量，从而降低ASIC的面积，本文提出如下的解决方法。

4.1 流水线式的运算处理

由式(1)、式(2)可见，计算插入的R、G、B值要经过大量的运算，而传感器送过来的数据是实时的，对其处理也必须是实时的，也就是说进来像素的分量值就要送出一个像素的R、G、B值。假设模块的主频率和传感器送来的数据频率分别为48MHz和12MHz，则在四个周期就要输出一个像素的R、G、B值。显然，四个48MHz时钟周期是不可能完成如此多的运算的。

本文采用的方法是把众多运算分成m个步骤完成，而每个步骤都占n个周期，一个步骤完成的结果在下一个n个周期运用计算，如此一级一级的计算，输入与输出都是实时的，其设计思想近似于计算机架构中的流水线结构。其中m和n要根据模块时钟与传感器输出数据的频率的比例关系以及所设计ASIC的工艺水平对时序的限制来确定。此方法可使此模块面积减为原始设计的1／2左右。以计算R[5,5](像素坐标如图1)为例：步骤1：求得G[4，3]，G[4，5]，G[6,3]，G[6,5]，G[4，7]，G[6，7]；步骤2：求得R[5,4]和R[5，6]；步骤3：求得R[5，5]，这样，每个步骤都有4个周期去完成，就可以满足模块的实时性。其中步骤1可再分为前两个周期计算G[4，3]，G[4，5]和G[6，3]，后两个周期计算G[6,5]，G[4，7]，G[6，7]，从而复用其中除法器、加法器和乘法器，使该运算占用资源减少到一半。同样道理，计算R[5，4]和R[5，6]时也可以复用资源，分别在两个周期内完成其运算。

4.2 堆栈式的RAM操作

此算法要求存储9×9窗口大小的像素信息，也就是要存下9行的传感器送来的数据。本文提出的方法只需要存8行的像素信息即可，但要配合一个9×9的寄存器阵列实现。下面以实例说明RAM操作过程：当第9行数据要送来时，前8行数据已按顺序存储在RAM中。当传感器送来G[1，9]时，模块要进行以下工作：(1)把RAM第1列数据读出；(2)然后把第1列后7行的数据连同G[1，9]写到RAM的第1列中，同时把第1列全部数据连同G[1，9]写到9x9的阵列的第一列中，这样既保存了第1行的数据，又保证第9行数据能写到RAM里，相当于将RAM数据往里推，丢去第1行数据，推入第9行的数据。如此类推，就可以减少一行存储资源。

5．仿真与验证

本文基于摄像头控制器芯片的开发平台进行了仿真验证，并比较了改进的算法与传统算法的优劣。

此模块通过了功能仿真、DC工具时序、面积等分析，并在FPGA板上通过接传感器，经JPEP压缩，由USB传输到计算机验证其效果。本文采用Syn-opsys公司的DC compiler分析了各算法实现的面积代价。同时，本文针对几种算法的图像还原能力作了分析：用线性方法、kimmel方法和本算法处理同一张图片转化的bayer格式图片，设R(x，y)为原图像素值，r(x，y)为处理后像素值：