FPGA实现灰度直方图均衡

目录

前言

1、概述

2、FPGA实现直方图均衡化

参考文献

---

 

前言

关于数字图像处理方面的学习，不要仅关注于书籍、博客等其他人是如何用FPGA实现的。

算法原理仅有一种，但实现方式可以多种多样。他人的实现方式，仅仅是一种参考！

所以，重点是对算法原理的理解和掌握，独立思考如何采用FPGA实现。这个过程比简简单单的看懂别人的代码重要许多倍！

在理解掌握算法原理之后，再有自己的初步实现设计之后，可以考虑对比一下其他人的设计思路，比较一下优缺点，思考如何做优化、如何提高速度、如何提高效率等问题。

书籍推荐阅读《数字图像处理（第三版）冈萨雷斯》。

 

本文整理学习了关于灰度直方图、直方图均衡化的相关概念理论，并尝试使用FPGA进行实现直方图均衡。

文后，附上所参考的博客链接。

 

1、概述

概念一：灰度直方图

直方图：统计一副图像中各个灰度级出现的次数或概率；

我们来看一个灰度图像，让表示灰度出现的次数，这样图像中灰度为 的像素的出现概率是

 是图像中所有的灰度数， 是图像中所有的像素数,  实际上是图像的直方图，归一化到 。

概念二：累计概率分布函数（又称为“ 累计归一化直方图 ”、“直方图累计和”）

把  作为对应于  的累计概率分布函数, 定义为：

则， 是图像的累计归一化直方图。

概念三：直方图均衡

注意：

概念2中的c(i)，与概念3中的是相同含义，即累计概率分布。

 

概念四：直方图均衡的深入理解

直方图均衡化的作用是图像增强。

有两个问题比较难懂，一是为什么要选用累计概率分布函数，二是为什么使用累积分布函数处理后像素值会均匀分布。

第一个问题。均衡化过程中，必须要保证两个条件：

        ①像素无论怎么映射，一定要保证原来的大小关系不变，较亮的区域，依旧是较亮的，较暗依旧暗，只是对比度增大，绝对不能明暗颠倒；

       ②如果是八位图像，那么像素映射函数的值域应在0和255之间的，不能越界。综合以上两个条件，累积分布函数是个好的选择，因为累积分布函数是单调增函数（控制大小关系），并且值域是0到1（控制越界问题），所以直方图均衡化中使用的是累积分布函数。

第二个问题。累积分布函数具有一些好的性质，那么如何运用累积分布函数使得直方图均衡化？比较概率分布函数和累积分布函数，前者的二维图像是参差不齐的，后者是单调递增的。

直方图均衡化过程中，映射方法是：

其中，n是图像中像素的总和，是当前灰度级的像素个数，L是图像中可能的灰度级总数。

来看看通过上述公式怎样实现的拉伸。假设有如下图像：

其中，n是图像中像素的总和，是当前灰度级的像素个数，L是图像中可能的灰度级总数。

来看看通过上述公式怎样实现的拉伸。假设有如下图像：

得图像的统计信息如下图所示，并根据统计信息完成灰度值映射：

关于上图，可以参考概念三种的公式进行理解。因为在FPGA实现直方图均衡化时，具体采用的是概念三中的公式，如下所示：

举例说明：

在第一行中，灰度值为DA=50，灰度级i=50，像素个数为H(i)=4，总像素个数为16，

由于灰度级范围在[0,255]，但实际上只有50/128/200/255有数值，其他均为0，

所以，累计概率分布c(i)=c(50)=0.25=

在第二行中，灰度值DA=128，灰度级i=128的像素个数为3，总像素个数为16，

累计概率分布c(i)=c(128)=[0+0+...+H(50)+0+...+H(128)] / 16=(4+3) / 16 =0.4375

 c(i) * Dmax = 映射后的灰度值。

映射后的图像如下所示：

以上就是直方图映射均衡化的步骤，当然还有一些基于此的更优算法，比如Photoshop中的方法，在此就不一一列举了，大同小异。

2、FPGA实现直方图均衡化

    采用下面公式和步骤：

2.1 图片直方图均衡化

图片像素大小128x128，8位深度；

 

 

 

2.2 视频流直方图均衡化方案

 

 

 

 

 

 

未完，待续。缓更中

 

 

 

 

参考文献

[1]    https://www.cnblogs.com/tianyalu/p/5687782.html

[2]    https://blog.csdn.net/LZY272942518/article/details/46663599

[3]    https://blog.csdn.net/helimin12345/article/details/73395576

[4]   《数字图像处理（第三版）冈萨雷斯》