《电子技术应用》
您所在的位置:首页 > 可编程逻辑 > 设计应用 > 数字图像自适应去噪算法的FPGA实现
数字图像自适应去噪算法的FPGA实现
来源:电子技术应用2012年第11期
左振鹏
哈尔滨工业大学,黑龙江 哈尔滨150001
摘要: 针对数字图像中椒盐噪声的滤除,提出一种适合FPGA实现的自适应去噪算法。在传统算法中加入二次噪声检测,并且在DE2平台上搭建数字图像的椒盐噪声自适应去噪验证平台进行验证。
中图分类号: TP391.4
文献标识码: A
文章编号: 0258-7998(2012)11-0014-02
A new adaptive switching filter for digital image on FPGA
Zuo Zhenpeng
Harbin Institute of Technology, Harbin 150001,China
Abstract: This paper proposes a new means which is implemented on FPGA. It filters the salt and pepper noise and has two steps to detect the noise. And this paper builds a platform of this arithmetic on the DE2 platform.
Key words : digital image processing;median filter;FPGA;adaptive filter

    椒盐噪声是图像在识别、传输、解码等过程中产生的亮暗点噪声[1],椒盐噪声会对图像的分析造成影响[2]。传统的中值滤波方法,在滤除椒盐噪声的同时,会对图像本身的细节造成破坏[3]。本文提出的自适应去噪方法加入噪声点的检测功能和自适应去噪功能,在保留图像细节的基础上增强去噪性能。

1 算法原理
1.1 椒盐噪声的原理

    数字图像的椒盐噪声是在图像信息中存在的离散脉冲信号,表现为图像被黑白像素点污染[4],其概率密度函数表现为脉冲函数[5]。去除椒盐噪声就是去除图像区域中的脉冲噪声,包括椒盐噪声的检测和去除两个方面[6]。其中,噪声的检测即区别噪声点与非噪声点;噪声的去除即还原图像。
1.2 噪声的检测
    噪声的检测是算法的关键,目的是确定图像中的噪声点。本文使用两级检测的方式,减少错误检测的情况发生。
    椒盐噪声的极值检测法是检测像素点是否为邻域中的极值,并将极值确定为可疑噪声点。由于图像本身含有极值像素,该检测法会将一些信号点误识别。本文加入阈值滤波,通过极值做差运算来确定噪声是否存在,从而可以降低误检测率,提升系统的整体性能。运算过程如式(1)所示,其中Dnoise为设定的滤波阈值。
  
1.3 自适应滤波窗口算法
    本文使用统计排序滤波器来确定窗口内的噪声浓度。为了提高去噪处理的效率,可运算最大值、最小值和中值,并根据噪声浓度选取滤波窗口。当浓度大于50%时,增加滤波窗口的尺寸,加强滤波性能。
    本文算法充分利用FPGA并行处理数据的特点,可使三种不同尺寸的排序滤波器同时工作,并将返回数据进行处理,加快了图像处理速度。
2 自适应去噪算法的FPGA实现
2.1 总体方案设计

    数字图像自适应去噪的FPGA实现包括三个主要的功能模块:数据读写控制模块、自适应去噪模块及验证平台控制模块,总体框图如图1所示。其中自适应去噪模块是整个架构的核心部分,其功能是实现图像读取和自适应去噪运算。

2.4 数据输出模块设计
    数据输出模块是系统算法实现的重要模块,主要功能是对排序后的数据进行运算,确定最终结果。数据输出模块的运算流程如图4所示。模块使用阈值判断方式确定被检测像素点是否为可疑噪声点,再使用极值判断与自适应窗口选择过程,从而确定最后的输出像素值。

3 实验验证结果和分析
3.1 验证平台介绍

    数字图像自适应去噪验证平台由三个主要部分构成:数字图像输入设备、DE2开发板及VGA显示器,如图5所示。DE2开发板是整个系统的核心部分,其功能包括数字图像的存储、自适应去噪处理和驱动外接设备。

 

 

3.2 验证结果
    使用该平台分别对不同噪声浓度图像进行去噪处理,并计算去噪后图像的峰值信噪比,其结果的部分图像如图6所示。低浓度噪声图像去噪后可以清晰地看到图像的轮廓和细节,随着椒盐噪声浓度的提高,去噪后图像中会出现大量斑点。

    不同椒盐噪声浓度图像去噪前和去噪后的峰值信噪比(PSNR)如表1所示。PSNR拟合曲线与传统窗口中值滤波器的PSNR拟合曲线进行对比,结果如图7所示。

    通过分析信噪比曲线可知,本文中验证平台的峰值信噪比更高,即对椒盐噪声的去噪效果更好,对图像原始细节的保留更完整。
    本文针对数字图像椒盐噪声提出一种更适合FPGA实现的椒盐噪声自适应去噪方式。加入噪声的二次检测和自适应去噪功能,更好地保留了图像的原始细节,增强了去噪性能。通过分析验证平台峰值信噪比结果,该平台的去噪结果以及处理速度都具有明显的优势。
参考文献
[1] 唐佳.自适应滤波算法的分析与FPGA高速实现[J].计算机科学,2008,30(7):100-103.
[2] GONZALEZ R C,WOODS R E.Digital image processing[M].New Jersey.Prentice Hall,2011.
[3] 董继扬,张军英.一种简单的椒盐噪声滤波算法[J].计算机工程与应用,2003,20(11):27-28.
[4] Chen Chuxia,Ding Yong,Liu Lili.Adaptive switch weighted mean filtering for salt and pepper noise removal[J]. Computer Engineering,2010,36(4):100-110.
[5] HWANG H,HADDAD R A.Adaptive median filters:new algorithms and results[J].IEEE Electronics Letters,1997,33(2):124-125.
[6] ZHANG S,KARIM M A.A new impulse detector for  switching median filters[J].IEEE Signal Process Letters,2002,11(9):360-363.

此内容为AET网站原创,未经授权禁止转载。