由于紅外圖像的成像機理以及紅外成像自身的原因，紅外圖像有對比度低、圖像較模糊、噪聲大等特點。因此抑止噪聲，提高圖像信噪比，以及調整紅外圖像對比度，以利于后續圖像分析、目標識別或跟蹤，必須對紅外圖像進行增強處理。另外，在其他場合，若采用人機交互方式，則必須對原始圖像進行預處理，改善圖像視覺效果，使其更適合人機進一步的分析和處理。

圖像增強從作用域出發，分為空間域增強和頻率域增強兩種。頻率域是一種間接增強的方法，由于存在域之間的變換和反變換，計算復雜，難以滿足實時性要求。自適應分段線性拉伸算法是一種空間域圖像增強方法，直接對圖像像素灰度進行操作，由于運算過程簡單、實現方便，目前的圖像增強預處理電路大多選用這種算法。硬件實現上，最初是采用單片DSP芯片實現，其原理為：圖像數據實時的傳輸給DSP，DSP接收完1塊數據后，再對整塊數據進行增強處理，這樣勢必會造成時間的延遲，不能滿足精確制導武器系統實時性的要求。

后來硬件結構發展為采取DSP，FPGA芯片相結合的方式。這樣，有效結合了DSP的運算能力強與FPGA邏輯和存儲資源豐富的優點；不足之處在于，DSP與FPGA之間的通信給設計工作增加了額外負擔。與DSP相比，FPGA結構上的優勢使得其更適合完成并行處理、及結構性強和高速的運算。本文基于這種算法理論基礎，使用xilinx公司規模較大的XC4VLXl5系列FPGA，實現了紅外圖像的實時處理。

1 自適應線性分段線性灰度級拉伸算法

圖像灰度線性拉伸算法表達式為：

式中：i是圖像數據行號；j是圖像數據列號；Y(i，J)是拉伸后輸出圖像灰度值；X(i，j)是輸入原始圖像灰度值，為14 b二進制數；Xmin是輸入圖像數據的最小灰度值；Xmax是輸入圖像數據的最大灰度值；Zmax表明輸出圖像的最大灰度值，設計中拉伸后的圖像灰度值用8 b二進制數表示，故Zmax=255。

首先對紅外圖像做灰度直方圖統計，低信噪比條件下，選取壓縮因子為5％，將盲元和噪聲的影響降到最低。分別搜索5％最大灰度值中的最小值作為Xmax，5％最小灰度值里的最大值作為Xmin。拉伸轉換時，將大于Xmax的像素灰度置為Zmax，小于Xmin的像素灰度置為O。此算法將線性拉伸區間自適應地分為[O，Xmin)，[Xmin，Xmax]和(Xmax，255]三個部分。其中，[O，Xmin)和(Xmax，255]兩個灰度區間的像素灰度分別被壓縮為O和255。若圖像中目標較小，且目標正好位于兩個被壓縮的區間內，就有可能被抑制。為避免這種情況發生，可視情況適當調整壓縮因子5％的大小。

2 拉伸算法的FPGA實現

2．1 設計思路

根據以上算法分析，FPGA設計思路如下：在每幀圖像幀正程，用雙端口RAM進行直方圖統計，記錄每個像素灰度值出現的次數，幀逆程即可統計得到此幀圖像的Xmin和Xmax。因為相鄰兩幀圖像近似度高，可用前幀得到的Xmin和Xmax來處理下幀圖像。在幀逆程時，調用除法器計算出的值；在下幀正程時，只需計算Q·[X(i，j)-Xmin]，然后將得到的結果除以64(左移6位)，即對每個像素只需1次減法、1次乘法和移位就可完成拉伸運算。實現框圖如圖1所示，拉伸后數據的輸出僅比輸入延時62．5 ns，實現了對紅外圖像的實時處理。

2．2 硬件設計

通過以上設計思路的分析，設計主要包括灰度直方圖統計、除法和拉伸運算3部分。下面進行詳細介紹。

2．2．1 雙端口RAM

XC4VLXl5芯片具有豐富的BlockRAM資源，用它構成雙端口RAM，進行灰度直方圖統計。像素的灰度值作為雙端口RAM的地址，對應空間存儲此灰度值在1幀圖像里的頻數。以320×256幀大小、灰度值為14 b的紅外圖像為例，在每個像素灰度值都相同的極限情況下，每個地址空間需要的存儲的值為81 920，轉換為二進制有17 b，故所需存儲空間大小為17 b×214。對雙端口RAM的操作分為三個階段：

(1)在幀正程時，只需對A端口進行讀／寫操作。根據接收到的像素灰度值，先讀出RAM中對應地址空間的儲值，加“1”后回寫入原來的地址空間，這樣在每幀正程結束時，就統計完了每個灰度值出現的頻數，即完成了灰度直方圖統計。

(2)幀逆程時，要同時對A，B端口進行讀操作。對于A端口，依次從高地址讀取RAM中的數，將讀取的數進行累加，當和大于幀像素個數的5％時，此時對應的地址值即為Xmax；類似地對B端口操作，從0地址開始讀RAM，可找到Xmin。將得到的灰度值Xmin和Xmax存入寄存器，作為除法器和下一幀圖像拉伸運算的輸入。