红外图像处理算法研究及其FPGA实现(6)

Ｐ７，Ｐ８，像素排列如表２．１所示。

表２．１３ｘ３窗口内各像素的排列

第Ｏ列

第Ｏ行

第１行

第２行ＰｏＰ３Ｐ６第１列ＰｌＰ４Ｐ７第２列Ｐ２Ｐ５Ｐ８

做FPGA方面很好的论文

武汉理工大学硕士学位论文

首先对窗口内的每－－Ｎ分别计算最大值，中值和最小值，这样就得到３组数

据，分别为最大值组，中值组和最小值组，计算过程如下：

最大值组：Ｍａｘｏ＝ｍａｘ［Ｐｏ，Ｐｓ，Ｐ６１，Ｍａｘｌ＝ｍａｘ［Ｐ！，Ｐ４，ｅｄ，Ｍａｘｚ＝ｍａｘ［Ｐ２，Ｐｓ，Ｐｓ】

中值组：Ｍｅｄｏ＝ｍｅｄ［Ｐｏ，Ｐ３，，０６１，Ｍｅｄｌ＝ｍｅｄ［Ｐ１，Ｐ４，ｎ】，Ｍｅｄ２＝ｒｅｅｄ［Ｐ２，Ｐｓ，Ｐｓ】

最小值组：Ｍｉｎｏ＝ｍｉｎ［Ｐｏ，Ｐｓ，Ｐ６］，Ｍｉｎｉ＝ｍｉｎ［Ｐ１，Ｐ４，ＰＴ］，Ｍｉｒａ＝ｍｉｎ［Ｐ２，Ｐ５，Ｐｓ】

其中ｍａｘ表示取最大值，ｍｅｄ表示取中值操作，ｍｉｎ表示取最小值操作。

由此可以看出，最大值组中的最大值与最小值组中的最小值一定是９个像素

中的最大值和最小值，除此，中值组中的最大值至少大于５个像素：本列中的最小值和其他两列中的中值和最小值；中值组中的最小值至少小于５个像素：

本列中的最大值和其他两列中的最大值和中值，同样，最大组中的中值至少大于５个像素，最小值组的中值至少小于５个像素，即最大组中的最小值为ｍａｘｍｉｎ，中值组中的中值为ｍｅｄｍｅｄ，最小值组中的最大值ｍｉｎｍａｘ，则滤波结果的输出像素值Ｗｉｎｍｅｄ应该为三者的中值，这一计算过程表示如下：

Ｍａｘｍｉｎ＝ｍｉｎ［Ｍａｘｏ，Ｍａｘｌ，Ｍａｘ２】

Ｍｅｄｍｅｄ＝ｍｅｄ［Ｍｅｄｏ，Ｍｅｄｉ，Ｍｅｄ２】

Ｍｉｎｍａｘ＝ｍａｘ［Ｍｉｎｏ，Ｍｉｒａ，Ｍｉｒａ】

Ｗｉｎｍｅｄ＝ｍｅｄ［Ｍａｘｍｉｎ，Ｍｅｄｍｅｄ，Ｍｉｎｍａｘ］

采用该方法，中值的计算仅需做１９次比较，此外，由于常规的滤波算法使

窗１：３每移动一次，就要进行一次排序，这种做法实际上包含了大量重复比较的过程。若－－￥，Ｊ图像的大小为ＮｘＮ，则整个计算过程需要Ｏ（ＮＥＤ２）时间，当窗口尺寸增大时，计算量将按平方增大，这主要是传统算法未能充分利用相邻窗口间的相关信息。因此本文提出一种类似于滑动窗的改进的中值滤波算法，如图２．５所示，该算法能够充分利用前一窗口中已排序部分的信息。实验表明，该算法可以有效地降低图像处理的复杂度，加快图像处理速度。

８

４

１０６３０１９２１２１７７２３１５１４～．＼卜’’：４８１０６１９３０２１２１７７２３。１５ｈ嘣≥

乙／．／

（ａ）取３ｘ３窗（ｂ）对３ｘ３窗进行列排序

图２．５利用滑动窗排序示意图

做FPGA方面很好的论文

武汉理工大学硕士学位论文

算法的步骤如下：

（１）首先对图２．５（ａ）中黑色方框部分的内容按列进行排序，设排序后的

第１行为最小值行Ａ，中间行为Ｂ，最大值行为Ｃ，得到图２．５（ｂ）的结果；

（２）对Ａ行取最大值，对Ｂ行取中值，对Ｃ行取最小值，并分别标记Ａ

中最大值的位置和Ｃ中最小值的位置；

（３）取Ａ中最大值、Ｂ中中值、Ｃ中最小值这三个值的中值；

（４）将窗口在图像中滑动，新的窗口的如上图阴影部分所示：

（５）将新添加的一列进行大小排序；

（６）根据（２）中标记的结果对阴影部分的Ａ取最大值，Ｂ取中值，Ｃ取最

小值，并分别标记Ａ中最大值的位置和Ｃ中最小值的位置；

（７）回到（３），直到此行的结束。

通常窗口移动时其中心位置按先变列下标再变行下标的顺序遍历图像中各

像素，其左边少一列像素，右边将添加一列像素，可以看出，这一部分的前两列元素已经经过了排序，利用该排序的结果，只需要对最后一列的元素排序即可，排序完后，可以根据上一窗口中标记的位置取相应的值和最后一列的比较，如果Ａ中的最大值或Ｃ中的最小值在阴影部分中，则和第三列进行一次比较即可取出最后一次比较所需的值。这样的运算量比每次排序的运算量少６￣８次。若一帧图像为ＮｘＮ，总的运算量将少６（Ｎ．１）２次。

经过这样的优化，计算的复杂度就减少了很多，在硬件实现的过程中，可以

充分利用硬件并行处理的优势，将输入的像素进行并行比较，一次处理９个像素，这样的经过３次并行计算就可以实现中值的替换，将比较的第一步的结果放在存储器中，可以作为下一组数据比较的输入，而且在比较的过程中可以采用流水线的形式进行操作，即比较完第一步就可以进行下一组第一步的比较，这样流水线加并行处理的方式可以使其达到很快的速度。

此外，中值滤波的效果依赖于滤波窗口的大小，太大会使边缘模糊，太小了

则去噪效果不好【２２Ｊ。考虑到噪声点和边缘点同样是灰度变化较为剧烈的像素，普通中值滤波在改变噪声点灰度值的时候，会一定程度地改变边缘像素灰度值。但是根据图像的特点可以看出，噪声点几乎都是领域像素的极值，而边缘不是，因此可以利用这个特性来限制中值滤波。当处理该像素的时候，看该像素是否是滤波窗口所覆盖下邻域像素的极大或者极小值，如果是，则用正常的中值滤波处理该像素。如果不是，则不处理。图２．６为一幅红外图像加入噪声后的图像经过４种不同形式的中值滤波后实验对比。

做FPGA方面很好的论文

武议理工大学硕上学位论文

一一■一■一（ａ）红外原图像（ｂ）加入密度为００２的椒盐噪声（ｃ）３ｘ３模板中值滤波（ｄ）加入极值判断的３×３滤波（ｅ）５×５模板中值滤波（Ｄ加入极值判断的５ｘ５滤波

图２－６红外图像椒燕噪声的中值滤波实验对比从图２－６可以看出，加入极值判断的图像（图２－６（ｄ），图２－６（ｆ））整体比没加入极值削断的图像（图２－６（ｃ），罔２－６（ｅ））滤波效果要好，尤其是边缘的信息较好的得到了保护，其巾３×３模板加入极值判断后的效果最好，因此在厉面的ＦＰＧＡ实现叶Ｊ我们采用３ｘ３模板进行计算。２．２．３灰度变换

在对红外图像的预处理过程中，为了保证红外传感器具有足够的动态范围，通常其Ａ／Ｄ转换器的精度为１４～１６位，最终输出一般为１２位，相麻的厌度图像所对应的灰度等级为０－４０９５，但目前通常显示器所能显示的灰度等级为２５６级，因此，耍将红外图像在目前的显１‘器卜显示必须先进行灰度变换（即将４０９６级灰度压缩到２５６缎）。

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说高考高中红外图像处理算法研究及其FPGA实现(6)在线全文阅读。