1.對比度增強原理

對比度增強是個廣泛的話題，前文中關于直方圖均衡的方法，其實就是一種對比度增強。而對比度增強，就是提高明暗之間的差異，從而達到提高圖像對比度、改善主觀視覺效果的目的。

采用直方圖均衡的方法，其實是對圖像灰度的拉伸，但本文將介紹的，是基于曲線灰度映射變換。典型的比如指數變換，對數變換，Gamma變換等等。

為了直觀的說明對比度增強的效果，我們先生成一張灰度對稱分布圖，以指數對比度增強為例，效果如下所示。可見對比度增強后的圖，黑色部分更黑了，白色部分更白了，對比更明顯了。

然后我們進一步分析增強前后的直方圖，可見增強后圖像的直方圖，暗的像素值更暗的，亮的像素值也更亮了，敏感之間的對比更大，那么對于對比度較低的圖像，增強后確實可以提高可視度。

相關代碼如下：

指數對比度增強有很多方法，但萬變不離其宗，即以一定閾值為中心，提高閾值以上的亮度，并降低閾值以下的亮度。典型的以對數對比度增強函數為例，公式如下所示：

針對閾值=127，E取2/4/6的曲線，使用Matlab繪制，如下所示：

如上圖所示，分別是E=2，E=4，E=6的指數對比度增強曲線，橫坐標為原始像素，縱坐標為映射后的像素。從曲線可見，E的值越大，對暗區的壓縮及亮區的提升程度就越大，那么明暗之間的對比就越明顯，即E可以表示為圖像對比度增強的程度。圖中三條曲線交匯在閾值127處，那么也可以采用不同程度增強曲線的融合模式，比如閾值以下采用E=2，閾值以上采用原值或E=6方式，區別對待圖像明暗區域的對比度。

2.指數對比度增強Matlab實現

這里以閾值=127，E=7為例，我們看一下對比度增強后的圖像效果。其中matlab代碼如下：

對比度增強后的圖如下所示，可見原圖對比度較低，整體給人灰蒙蒙的效果，而右圖則看起來更通透，明暗之間的對比度更加鮮明，整體視覺效果也更好了。

結合之前講過的直方圖均衡算法，與現在指數對比度增強效果以及各自的直方圖進行對比，如下圖所示：

我們從以下幾個方面去對比效果：

1）對比度：

由灰度圖可見，明暗對比不明顯。通過對比度增強，壓縮了暗區并提高了亮區，明暗對比度提高了；通過直方圖拉伸后，將圖像灰度拉伸到0-255，自然明暗之間的對比度也提高了。不過對比效果，直方圖對比度更高，同時也引入了局部過曝的問題。

2）直方圖

由直方圖可見，原圖像素集中在100左右，對比度增強后，壓縮/拉伸到25-150，而直方圖均衡后拉伸到了0-255，因此從當前測試圖來看，直方圖拉伸后的動態范圍更寬，不過這也因圖而異，比如原圖就比較亮的圖，對比測試效果如下，對比度增強后效果還差強人意，而直方圖拉伸后圖像過暗，因為本身偏亮，拉伸后則整體亮度降低了。

3.指數對比度增強FPGA實現

直方圖拉伸，本質上是對像素概率的統計，然后進行擴展拉伸。

而對比度增強，無論是指數函數，還是各類曲線映射，其本質上就是一種像素映射操作。由于指數函數、對數函數等，實時的計算比較耗時。并且當選定參數后，其結果是固定的，因此可以根據參數提前計算好函數的映射結果，再以數組的方式進行索引，得到計算后的結果。這種方法，在學術領域通俗的講就是Mapping操作，可在X-Y坐標上找到各自的映射點。

以E=7，THRESHOLD=127為例，指數對比度產生的結果如下所示（reshape是為了方便在Command Windows中顯示，實際上是一個一維數組），在matlab中可以直接根據如下結果進行索引映射。

在FPGA中進行Mapping操作時，可以將數組存放在RAM或者以RTL源碼的方式進行映射。FPGA的RAM采用的是mif或hex的格式進行存儲，并且在生成RAM的時候需要進行文件的指定。由于256Byte的存儲不大，同時為了提高移植的靈活度，這里我推薦使用RTL源代碼的方式，并且使用matlab直接生成verilog文件。以指數對比度增強為例，生成文件的源碼如下所示：

在當前文件夾下將會生成Curve_Contrast_Array.v文件，即為Matlab生成的曲線對比度映射verilog文件，由于最終實現只是一個簡單的地址譯碼，電路相對比較簡單，因此直接采用組合邏輯實現，生成的代碼如下所示：

至此，我們已經生成好了Mapping的數組，那么在FPGA中只需要簡單的映射就可以完成指定強度的對比度增強算法，即只需要例化該模塊，進行原始數據的映射，輸出增強后的數據即可，相關代碼如下所示：

4.RTL仿真結果及實測

原文標題：圖像指數對比度增強之Matlab&FPGA實現

文章出處：【微信公眾號：FPGA技術江湖】歡迎添加關注！文章轉載請注明出處。