一種改進的圖像重組算法及其硬件實現(xiàn)

3．改進的算法

本文在kimmel算法的基礎(chǔ)上進行了如下的改進：

(1) 待重組圖像像素與周邊像素的關(guān)聯(lián)性進一步增強，從而改善圖像的邊沿特性。

在kimmel算法中梯度簡單地以兩個像素的某個分量差絕對值表示，本文提出的方法是用一個相應(yīng)方向上更大范圍窗口的像素點的差的平均值來代替原來梯度。

例如，在kimmel算法中，如圖1，D=|G[5，5]□G[6，6]|，用本文的方法則為：

這樣可進一步加強所求像素點與周邊像素已知分量的關(guān)聯(lián)性，從而減弱混淆現(xiàn)象。

(2) 修正kimmel算法在G分量缺少時的缺陷。

在kimmel算法中，在G很小的區(qū)域，兩像素的G比例就會變得很大，這樣會造成圖像失真和放大噪聲。為此，本文在利用G計算R、B時，可給G設(shè)一閾值；此值越大，圖像質(zhì)量越差；此值越小，在G較小區(qū)域的圖像失真就越嚴重；因此，此值的設(shè)定要經(jīng)過反復(fù)的仿真試驗，找到合適的平衡點，本文經(jīng)過實驗對比各參數(shù)下的效果，將此值選擇為40～60。

(3) 改變kimmel算法所有像素都重新計算其三分量值的做法。

kimmel的算法會改變每個像素三個分量的值，本算法保留原來該像素的已知值，從而可以保留原始圖像更多的信息，提高了圖像質(zhì)量。由于本算法要在ASIC上實現(xiàn)，在不影響圖像總體質(zhì)量的前提下，應(yīng)盡量簡化某些運算，節(jié)省硬件資源。

①本文在求E時不用開方倒數(shù)的方式，而采用查表的方式，即一個范圍內(nèi)的D值對應(yīng)一個E值，只要所設(shè)的值能達到“D大則E小”的效果便可；

②求D時所需的除以21/2的運算可轉(zhuǎn)化成近似移位相加。

4．硬件實現(xiàn)

本算法涉及了大量的算術(shù)運算，而且計算中像素相關(guān)性的要求需要存儲大量像素，所以硬件實現(xiàn)必須適當減少硬件資源和RAM的使用量，從而降低ASIC的面積，本文提出如下的解決方法。

4.1 流水線式的運算處理

由式(1)、式(2)可見，計算插入的R、G、B值要經(jīng)過大量的運算，而傳感器送過來的數(shù)據(jù)是實時的，對其處理也必須是實時的，也就是說進來像素的分量值就要送出一個像素的R、G、B值。假設(shè)模塊的主頻率和傳感器送來的數(shù)據(jù)頻率分別為48MHz和12MHz，則在四個周期就要輸出一個像素的R、G、B值。顯然，四個48MHz時鐘周期是不可能完成如此多的運算的。

本文采用的方法是把眾多運算分成m個步驟完成，而每個步驟都占n個周期，一個步驟完成的結(jié)果在下一個n個周期運用計算，如此一級一級的計算，輸入與輸出都是實時的，其設(shè)計思想近似于計算機架構(gòu)中的流水線結(jié)構(gòu)。其中m和n要根據(jù)模塊時鐘與傳感器輸出數(shù)據(jù)的頻率的比例關(guān)系以及所設(shè)計ASIC的工藝水平對時序的限制來確定。此方法可使此模塊面積減為原始設(shè)計的1／2左右。以計算R[5,5](像素坐標如圖1)為例：步驟1：求得G[4，3]，G[4，5]，G[6,3]，G[6,5]，G[4，7]，G[6，7]；步驟2：求得R[5,4]和R[5，6]；步驟3：求得R[5，5]，這樣，每個步驟都有4個周期去完成，就可以滿足模塊的實時性。其中步驟1可再分為前兩個周期計算G[4，3]，G[4，5]和G[6，3]，后兩個周期計算G[6,5]，G[4，7]，G[6，7]，從而復(fù)用其中除法器、加法器和乘法器，使該運算占用資源減少到一半。同樣道理，計算R[5，4]和R[5，6]時也可以復(fù)用資源，分別在兩個周期內(nèi)完成其運算。

4.2 堆棧式的RAM操作

此算法要求存儲9×9窗口大小的像素信息，也就是要存下9行的傳感器送來的數(shù)據(jù)。本文提出的方法只需要存8行的像素信息即可，但要配合一個9×9的寄存器陣列實現(xiàn)。下面以實例說明RAM操作過程：當?shù)?行數(shù)據(jù)要送來時，前8行數(shù)據(jù)已按順序存儲在RAM中。當傳感器送來G[1，9]時，模塊要進行以下工作：(1)把RAM第1列數(shù)據(jù)讀出；(2)然后把第1列后7行的數(shù)據(jù)連同G[1，9]寫到RAM的第1列中，同時把第1列全部數(shù)據(jù)連同G[1，9]寫到9x9的陣列的第一列中，這樣既保存了第1行的數(shù)據(jù)，又保證第9行數(shù)據(jù)能寫到RAM里，相當于將RAM數(shù)據(jù)往里推，丟去第1行數(shù)據(jù)，推入第9行的數(shù)據(jù)。如此類推，就可以減少一行存儲資源。

5．仿真與驗證

本文基于攝像頭控制器芯片的開發(fā)平臺進行了仿真驗證，并比較了改進的算法與傳統(tǒng)算法的優(yōu)劣。

此模塊通過了功能仿真、DC工具時序、面積等分析，并在FPGA板上通過接傳感器，經(jīng)JPEP壓縮，由USB傳輸?shù)接嬎銠C驗證其效果。本文采用Syn-opsys公司的DC compiler分析了各算法實現(xiàn)的面積代價。同時，本文針對幾種算法的圖像還原能力作了分析：用線性方法、kimmel方法和本算法處理同一張圖片轉(zhuǎn)化的bayer格式圖片，設(shè)R(x，y)為原圖像素值，r(x，y)為處理后像素值：

設(shè)滿足(3)式的點為還原良好點，其個數(shù)為n，本文所用測試圖片為640×480大小，令h=n／640×480為算法的還原程度判斷。

圖5和表1是幾種Demosaicing算法的仿真結(jié)果圖片及其相應(yīng)的h值和面積代價，可以看到本文提出的方法的圖像質(zhì)量要比其他算法的好，尤其在高頻時，混淆現(xiàn)象得到了很好的改善。

6 結(jié)論

本文在詳細分析傳統(tǒng)算法的優(yōu)劣基礎(chǔ)上，提出了新的圖象重組算法，而流水線式分時復(fù)用資源的實現(xiàn)方法節(jié)省了接近一半的資源，很好地克服了模塊實時性要求，主頻時鐘限制和demosaicing算法復(fù)雜性帶給硬件實現(xiàn)資源成本高的問題。