1系統(tǒng)概述

如圖所示，這是整個視頻采集系統(tǒng)的原理框圖。上電初始，FPGA需要通過IIC接口對CMOS Sensor進(jìn)行寄存器初始化配置。這些初始化的基本參數(shù)，即初始化地址對應(yīng)的初始化數(shù)據(jù)都存儲在一個預(yù)先配置好的FPGA片內(nèi)ROM中。在初始化配置完成后，CMOS Sensor就能夠持續(xù)輸出標(biāo)準(zhǔn)RGB的視頻數(shù)據(jù)流，F(xiàn)PGA通過對其同步信號，如時鐘、行頻和場頻進(jìn)行檢測，從而從數(shù)據(jù)總線上實時的采集圖像數(shù)據(jù)。MT9V034攝像頭默認(rèn)初始化數(shù)據(jù)就能輸出正常的視頻流，因此FPGA中實際上未作任何IIC初始化配置。

在FPGA內(nèi)部，采集到的視頻數(shù)據(jù)先通過一個FIFO，將原本25MHz頻率下同步的數(shù)據(jù)流轉(zhuǎn)換到50MHz的頻率下。接著將這個數(shù)據(jù)再送入寫DDR3緩存的異步FIFO中，這個FIFO中的數(shù)據(jù)一旦達(dá)到一定數(shù)量，就會寫入DDR3中。與此同時，讀取DDR3中緩存的圖像數(shù)據(jù)，緩存到FIFO中，并最終送往LCD驅(qū)動模塊進(jìn)行顯示。LCD驅(qū)動模塊不斷的發(fā)出讀圖像數(shù)據(jù)的請求，并驅(qū)動液晶顯示器顯示視頻圖像。

本實例除了前面提到對原始圖像做DDR3緩存和顯示，還會在原始圖像緩存到DDR3之前，另外做圖像的多行緩存和平滑處理運算，獲得新的平滑后的圖像流，這個圖像流也寫入到DDR3中。根據(jù)LCD顯示模塊的請求，讀取DDR3中處理后的圖像進(jìn)行顯示。最終在VGA液晶顯示器上，可以看到左側(cè)圖像是原始的圖像，右側(cè)圖像是經(jīng)過平滑處理后的圖像。

2圖像平滑與濾波

? ? ? ?2.1 基本概念

從統(tǒng)計學(xué)的觀點來看，凡是統(tǒng)計特征不隨時間變化的噪聲稱為平穩(wěn)噪聲，而統(tǒng)計特征隨

時間變化的噪聲稱為非平穩(wěn)噪聲。幅值基本相同，但是噪聲出現(xiàn)的位置是隨機(jī)的，稱為椒鹽

噪聲；如果噪聲的幅值是隨機(jī)的，根據(jù)幅值大小的分布，有高斯型和瑞利型兩種，分別稱為

高斯噪聲和瑞利噪聲。

圖像濾波，即在盡量保留圖像細(xì)節(jié)特征的條件下對目標(biāo)圖像的噪聲進(jìn)行抑制，是圖像預(yù)

處理中不可缺少的操作，其處理效果的好壞將直接影響到后續(xù)圖像處理和分析的有效性和可

靠性。

消除圖像中的噪聲成分叫作圖像的平滑化或濾波操作。信號或圖像的能量大部分集中在

幅度譜的低頻和中頻段是很常見的，而在較高頻段，感興趣的信息經(jīng)常被噪聲淹沒。因此一

個能降低高頻成分幅度的濾波器就能夠減弱噪聲的影響。

圖像濾波的目的有兩個，一是抽出對象的特征作為圖像識別的特征模式；另一個是為適應(yīng)圖像處理的要求，消除圖像數(shù)字化時所混入的噪聲。而對濾波處理的要求也有兩條，一是不能損壞圖像的輪廓及邊緣等重要信息；二是使圖像清晰視覺效果好。

平滑濾波是低頻增強(qiáng)的空間域濾波技術(shù)。它的目的有兩類：一類是模糊；另一類是消除

噪音。空間域的平滑濾波一般采用簡單平均法進(jìn)行，就是求鄰近像元點的平均亮度值。鄰域的大小與平滑的效果直接相關(guān)，鄰域越大平滑的效果越好，但鄰域過大，平滑會使邊緣信息損失的越大，從而使輸出的圖像變得模糊，因此需合理選擇鄰域的大小。

關(guān)于濾波器，一種形象的比喻法是：我們可以把濾波器想象成一個包含加權(quán)系數(shù)的窗口，

當(dāng)使用這個濾波器平滑處理圖像時，就把這個窗口放到圖像之上，透過這個窗口來看我們得

到的圖像。舉一個濾波在我們生活中的應(yīng)用：美顏的磨皮功能。如果將我們臉上坑坑洼洼比作是噪聲的話，那么濾波算法就是來取出這些噪聲，使我們自拍的皮膚看起來很光滑。

2.2 濾波算法

各種不同的濾波算法如下：

?限幅濾波法（又稱程序判斷濾波法）

? 中位值濾波法

? 算術(shù)平均濾波法

? 高斯濾波法

? 遞推平均濾波法（又稱滑動平均濾波法）

? 中位值平均濾波法（又稱防脈沖干擾平均濾波法）

? 限幅平均濾波法

? 一階滯后濾波法

? 加權(quán)遞推平均濾波法

? 消抖濾波法

? 限幅消抖濾波法

?卡爾曼濾波（非擴(kuò)展卡爾曼）

2.3 均值濾波

均值濾波器是圖像處理中一種常見的濾波器，它主要應(yīng)用于平滑噪聲。它的原理主要是利用某像素點周邊像素的平均值來達(dá)到平滑噪聲的效果。

例如，1~8像素是（x,y）點周圍鄰近的8個像素點。最簡單的均值濾波，即對（x,y）以及周邊8個像素點求平均替代原來的（x,y）點。

這種濾波方式的優(yōu)點很明顯，算法簡單，計算速度快。缺點是降低噪聲的同時使圖像產(chǎn)生模糊，特別是景物的邊緣和細(xì)節(jié)部分。

2.4 加權(quán)均值濾波器

由于我們已經(jīng)注意到了中心點和周邊像素點的重要程度不同，因此可以將均值濾波進(jìn)行改進(jìn)，獲得圖像平滑濾波效果的同時，也在一定程度上盡量降低圖像邊緣和細(xì)節(jié)的損失。

基于1/16的加權(quán)均值濾波，我們的Matlab代碼如下：

clear

clc

I1=imread('.lena.jpg');

I=im2double(I1);

[m,n,c]=size(I);

A=zeros(m,n,c);

%? ?? ?? ???1? ?2? ?1

%? ?1/16 *??2? ?4? ?2

%? ?? ?? ???1? ?2? ?1

%for R

for i=2:m-1

for j=2:n-1

A(i,j,1)=I(i-1,j-1,1)+I(i+1,j-1,1)+I(i-1,j+1,1)+I(i+1,j+1,1)+2*I(i+1,j,1)+2*I(i-1,j,1)+2*I(i,j+1,1)+2*I(i,j-1,1)+4*I(i,j,1);

end

end

%for G

for i=2:m-1

for j=2:n-1

A(i,j,2)=I(i-1,j-1,2)+I(i+1,j-1,2)+I(i-1,j+1,2)+I(i+1,j+1,2)+2*I(i+1,j,2)+2*I(i-1,j,2)+2*I(i,j+1,2)+2*I(i,j-1,2)+4*I(i,j,2);

end

end

%for B

for i=2:m-1

for j=2:n-1

A(i,j,3)=I(i-1,j-1,3)+I(i+1,j-1,3)+I(i-1,j+1,3)+I(i+1,j+1,3)+2*I(i+1,j,3)+2*I(i-1,j,3)+2*I(i,j+1,3)+2*I(i,j-1,3)+4*I(i,j,3);

end

end

B=A/16;

%output

imwrite(B,'lena.tif','tif');

imshow('.lena.jpg');title('origin image');figure

imshow('lena.tif');title('image after average filter')

濾波效果如下。

Matlab源碼、Lena.jpg原圖和比對圖存放在at7_img_ex01matlab文件夾下。