图像处理之滤波器（二）

在学习了一些图像处理知识之后，总结成了上一篇博文“图像处理之滤波器”（http://www.openhard.org/myspace/blog/show.php?id=76210），此文主要阐述了为什么要进行滤波和目前滤波方法的大致的分类，也说明了我的博客为什么会偏重于说明图像处理算法。有人可能会说，这个主题放在这个网站的主题好像不符合吧。那我要说说当前数字图像处理的FPGA实现的发展，特别是在进行图像采集和预处理上FPGA有很大的优势。对于计算机视觉、多媒体应用等领域来说，实时的数字图像处理是其中的重点学科之一。传统的数字信号处理算法（如FFT、FIR）大都是ASIC或PDSP构建的，在硬件的实时性上很难满足实时性的要求。FPGA技术将成为数字信号前端的主流，它可以作为并行处理机对图像信号进行预处理从而满足图像处理的实时性。再结合我们团队的《移动物体检测与跟踪系统》欲采用CCD图像传感器采集视频图像。但CCD采集来的图像具有很强的背景噪声，所以就必须要在处理图像前对图像进行滤波，将图像中的噪声滤去。前端预处理系统一般的形式如下图所示。

 

 因此要开发出良好的移动物体检测系统，这一步是必不可少的，这样在后续的处理中可以减少很多不必要的麻烦。既然说了这么多它的必要性和重要性。那么接下来我将总结一下前端时间学习的最主要的高斯滤波和中值滤波两种我认为重要且容易在FPGA上实现的方法。这两种方法分别针对高斯噪声和脉冲噪声两种主要的噪声有很好的效果。

    首先是高斯滤波器。 高斯滤波器是平滑线性滤波器的一种，线性滤波器很适合于去除高斯噪声。而非线性滤波则很适合用于去除脉冲噪声，中值滤波就是非线性滤波的一种。平滑滤波器就是用滤波掩模确定的邻域内像素的平均灰度值去替代图像的每个像素点的值，这很容易用硬件实现。而高斯滤波器是带有权重的平均值，即加权平均，中心的权重比邻近像素的权重更大，这样就可以克服边界效应。高斯滤波如果采用3×3掩模的具体公式如下:

g(x,y)={f(x-1,y-1)+f(x-1,y+1)+f(x+1,y-1)+f(x+1,y+1)+[f(x-1,y)+f(x,y-1)+f(x+1,y)+f(x,y+1)]*2+f(x,y)*4}/16;

其中，f(x,y)为原图像中（x,y)像素点的灰度值，g(x,y)为经过高斯滤波和的值。

上述的公式可以结构化为3×3的掩模如下：

×1/16 

从结构化掩模中可以看到，处于掩模中心的位置比其他任何像素的权值都大，因此在均值计算中给定的这一像素显得更为重要。而距离掩模中心较远的像素就显得不太重要，这样做是为了减小平滑处理中的模糊。当然可以采取其他的权重达到相同的目的，其中16=1+2+1+2+4+2+1+2+1。但是由于1、2、4、16都是2的整数次幂很便于硬件的实现。

    我在网上搜到一篇在FPGA上实现高斯滤波器的具体方法，上传到我的分享中了。

    地址是http://www.openhard.org/down.php?menuid=1767。

    具体的参考数字图像处理的经典书——冈萨雷斯的《数字图像处理（matlab版）》借此机会希望有更多喜欢“图像处理+FPGA”的同学一同探讨这本书上的精华。

    其次是中值滤波器。中值滤波器是统计滤波器的一种，属于非线性的的空间滤波器。正如其名，它是将像素（中值计算中包括的原像素值）邻域内灰度的中值代替该像素的值。中值滤波器的使用非常普遍，这是因为对于一定类型的随机噪声，它提供了优秀的去噪能力，比小尺寸的线性平滑滤波器的模糊程度明显要低。中值滤波器对处理脉冲噪声非常有效。中值滤波器在FPGA上实现起来相对高斯滤波的难度更大一点。因为它要对相邻的像素进行排序，需要用到一些比较器。

    虽然说中值滤波器对脉冲信号很有效，但是仅采用简单的中值滤波将不可避免的丢失图像的细节，造成视觉效果的模糊。于是后来又些人提出了一些改进的方法，如基于个数判断的脉冲噪声的中值滤波器、自适应门限的中值滤波器、多窗口下的自适应中值滤波器等等。