摘 要： 隨著視頻設備的高速發展，數字視頻相關應用同樣發展迅速，如監控設備、行車記錄儀以及手機等電子產品。而如今數字視頻圖像增強的算法層出不窮，由于算法的復雜程度比較高，很難滿足實時性這一基本的要求。討論了基于Retinex模型的處理圖像像素以及拉伸尺度可配置的關鍵技術，對關鍵模塊進行實踐以及仿真，最后將其通過FPGA實現（Virtex-5），系統時鐘125 MHz，可以滿足30 f/s的(2 000×2 048)像素的圖像。

0 引言

視頻增強技術應用范圍廣泛，例如醫療電子、工業控制、消費電子以及深空探測。Retinex理論是由Edwin Land在1971年提出。基于Retinex模型的使用較為廣泛的有單尺度Retinex算法(Single Scale Retinex，SSR)、多尺度Retinex算法(Multi Scale Retinex，MSR)、帶有顏色校正的多尺度Retinex算法(Multi Scale Retinex with Color Restoration，MSRCR)，基于先驗模型的算法如基于辯分框架的Retinex算法，但是這種算法的復雜度過高會消耗過多硬件資源，還不能在實際中得到很好的應用。而單尺度或多尺度Retinex算法對圖像增強效果同樣顯著，多尺度Retinex算法的主要硬件結構就是單尺度Retinex算法硬件電路的重構。本文旨在視頻增強算法硬件關鍵技術的研究，所以采取單尺度Retinex算法，然而對于這樣的算法用CPU也不能滿足其視頻處理過程中實時性的要求，本文采用125 MHz頻率FPGA，可以滿足30 f/s的(2 000×2 048)像素的圖像。

本文主要討論了基于Retinex的關鍵算法，基于圖像像素可配置以及拉伸尺度可配置。提出針對可適應不同像素視頻的硬件架構。實現對關鍵模塊的設計和仿真，通過Virtex-5型號FPGA實現整個設計，最后評估算法的處理效果。

1 基于Retinex模型的視頻增強算法

圖1為視頻增強Retinex算法流程圖。視頻中的幀圖像通過RGB將HSV轉化成灰度幀圖像V，色度幀圖像S，飽和度幀圖像H。估計照度幀圖像，適當拉伸處理后得到光照分量V2以及反分量像V3。經過拉伸處理以及合成處理后的圖像O即為處理完成的一幀圖像。

?

1.1 RGB轉HSV

由于RGB色彩空間圖像直接處理會產生色彩失真，因此需要轉換色彩空間。

1.2 提取光照圖像和反色圖像

原幀圖像I(x，y)能夠被分解成兩部分[2]。一部分是光照幀圖像L(x，y)，另一部分為反射幀圖像R(x，y)，如式（1）所示。

本文采用高斯濾波器進行光照估計，將高頻成分(圖像的細節部分和噪聲部分)濾掉。

?

1.3 反射幀分量處理方法及光照分量的處理

反射分量可以通過sigmoid函數進行非線性拉伸。以此可以很好地抑制噪聲同時放大有用的細節成分。

?

1.4 HSV圖像到RGB圖像轉換

RGB色彩空間是一種由紅綠藍三種色彩組成，用于顯示器顯示，所以將HSV圖像轉換為RGB圖像。

2 視頻增強硬件邏輯架構

自適應視頻增強VLSI架構如圖2所示，圖2中框內為FPGA實現部分，框外的部分由MATLAB實現轉換。本系統由decoder模塊對內部配置寄存器進行配置，主要任務是配置處理圖像像素。SRAM_interface是SRAM連接外部圖像數據流的緩沖，SRAM內部分配兩個存儲空間用來對視頻數據乒乓操作。濾波器采用的是改進型的二維濾波器。本濾波器可以適應不同像素圖片濾波較高的處理速度。由濾波器估計光照圖像同時由于對數運算和減法的復雜程度相對較高，并且使得亮度較高像素失真，本文采用較高精度除法器得到反射圖像。同時通過兩個拉伸函數處理經過乘法器得到增強后的圖像，經由HVSRGB還原成RGB圖像。

?

2.1 改進后的濾波器模塊

本文基于文獻[3][4]提出了一個可配置處理像素大小和具有較好的時序特征的二維濾波器。架構如圖3所示。本文的濾波器分為3部分，第一部分的作用是將兩個8位的數據合并成一個16位的數據，并依次寫入不同FIFO。第二部分是可配置的FIFO，通過配置內部寄存器來配置FIFO的深度，給不同行的濾波器窗寫數據。第三部分為濾波器窗口，將16位數據轉換成8位寫到濾波器窗兩個像素點，下一個周期將這兩個像素點移位到后面兩個像素點。通過濾波系數每個周期得到新的處理后的像素點。這種結構不僅節約資源，而且可以配置處理視頻圖像像素點多少，處理過程中的時鐘頻率是一半的系統時鐘頻率，更好地滿足時序要求。