数字图像空域滤波算法的FPGA设计与实现

liyf

在图像通信、遥感图像分析、医学成像诊断等应用领域，为了便于显示、观察或进行进一步的处理，常常需要对原始的数字图像进行特征提取(如边缘检测、边缘锐化)、噪声平滑滤波、几何校正等处理，这类图像处理技术称为图像的预处理。在实际应用中，空域滤波算法被广泛地应用于图像的预处理技术中。
　　空域滤波算法是图像增强技术的一种，直接对图像的象素进行处理，不需要进行变换。常见的滤波算子如锐化算子、高通算子、平滑算子等，可以完成图像的边缘提取、噪声去除等处理。这些滤波算子尽管功能不同，实现方法却都是类似的，都是通过模板卷积的方法来实现的。
　　VLSI技术的迅猛发展为数字图像实时处理技术提供了硬件基础，其中FPGA(现场可编程门阵列)的特点使其非常适用于数字图像处理。本文研究的就是在FPGA设计平台上设计硬件电路，实现数字图像的空域滤波算法。
　　1 数字图像空域滤波算法
　　数字图像空域滤波算法的实现步骤如图1所示，左边的部分是要处理的图像的某一部分，中间是对图像进行处理的3×3模板。



　　具体的处理步骤是：
　　将模板在图像上漫游，并将模板中心与图中某个象素位置重合；
　　将模板上的系数与模板下对应的象素相乘；
　　将所有的乘积相加。
　　把和(模板的输出响应)赋给图像中对应模板中心位置的象素。图1中所示是图像的一部分，S0～S8是象素点的灰度值，K0～K8是3×3的模板系数。用这个3×3模板来进行空域滤波的过程是：将模板中心点，即模板系数为K0的点所在位置，与图像中灰度值为S0的点重合，模板的输出响应R为：
　　R=K0*S0+K1*S1+…+K8*S8 (1)
　　这样增强后的图像在原来位置为(x，y)处的象素点的灰度值就由S0变为R。如果对图像中的每个象素点都这样进行模板操作，就可以得到增强后的图像在所有位置的新灰度值。如果在设计滤波器时给模板系数赋予不同的值，就可以得到不同的高通、低通效果。
　　本文采用的图像是256×256大小的灰度图像，滤波模板3×3大小。如何设计硬件电路来完成上述空域滤波算法，分析上述算法实现过程，可以得出结论，实现空域滤波算法可采用3个三阶的FIR滤波器+延时单元来描述。