一. 2D 去噪介紹

ISP中通常包括對圖像的去噪，英文名稱為Image Denoising。是指的對數(shù)字圖像中的噪聲進(jìn)行消除或減少的過程。2D去噪指的是對單幀圖像進(jìn)行幀內(nèi)降噪處理，而3D去噪則需要關(guān)聯(lián)前后幀。本文僅介紹幾種常見的基于濾波器的方法的2D去噪：均值濾波、高斯濾波、中值濾波。

二. 均值濾波

均值濾波是一種典型的線性濾波算法。原理很簡單，以當(dāng)前處理像素為中心，取n x n大小的圖像矩陣，求出該矩陣內(nèi)的像素的均值替代該像素，如此遍歷整個圖像，即可完成整幅圖像的均值濾波。

以5x5的濾波矩陣為例，算法示意圖如圖2-1所示。

圖2-1 均值濾波原理示意圖

均值濾波的FPGA實(shí)現(xiàn)框圖如圖2-2所示，以行方式輸入的圖像信號通過line_cache處理后,以5行的形式輸出，輸送至avg_filter_process進(jìn)行5x5的濾波處理。以圖像大小1080P,像素深度為12bit灰度為例，用于緩存的RAM大小為1920x48（深度1920，寬度12x4）。

圖2-2 均值濾波FPGA實(shí)現(xiàn)框圖

line_cache每進(jìn)來一行,會將緩存在RAM_1920x48中的前4行的像素逐個取出,加上新輸入的一行圖像,組成一個個5x5的矩陣,并組成新的4行數(shù)據(jù)(48bit)寫入RAM_1920x48中,準(zhǔn)備給下一行使用。此過程中需要對圖像上下左右的邊界進(jìn)行邊界處理，即輸入圖像大小為1924x1084。然后對5x5的矩陣的矩陣相加再除25。除操作通常轉(zhuǎn)換為近似的乘操作，如該代碼中會乘以2641（1/25*2^16），再將結(jié)果右移16位。

仿真結(jié)果見圖2-3、圖2-4。

圖2-3 均值濾波仿真圖1

圖2-4 均值濾波仿真圖2

效果對比圖如圖2-5，左邊為原圖，右邊為均值濾波后的結(jié)果。

圖2-5 均值濾波效果對比圖

基于5x5的均值濾波會引入兩行的延時。基于Xilinx 7A50T的資源占用如圖2-6所示。

圖2-6 資源占用情況

三. 高斯濾波

高斯濾波就是對整個圖像進(jìn)行加權(quán)平均的過程，每一個像素點(diǎn)的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到。高斯濾波的具體操作是：用一個模板（或稱卷積、掩模）掃描圖像中的每一個像素，用模板確定的鄰域內(nèi)像素的加權(quán)平均灰度值去替代模板中心像素點(diǎn)的值。

高斯濾波的公式為：f(x)=aexp [-(x-m)^2/2σ^2]

其中,a是常數(shù),m是均值,σ是標(biāo)準(zhǔn)差。

本文介紹基于Xilinx FPGA實(shí)現(xiàn)的5x5的濾波，處理的圖像是bayer圖像，并且對bayer圖像中的R、Gr、B、Gb四個通道分開進(jìn)行處理。以bayer圖像中的一個像素進(jìn)行高斯濾波為例，處理過程：首先以目標(biāo)像素為中心取出一個9x9的像素陣列，再在該9x9像素陣列的基礎(chǔ)上取出一個5x5的像素陣列，然后將像素陣列中的像素值與對應(yīng)的濾波系數(shù)相乘，再將所有值相加，最后將所得的值除以濾波系數(shù)之和，相除所得的值就是高斯濾波的結(jié)果。

圖3-1 高斯濾波原理示意圖

其中高斯濾波的濾波系數(shù)H由標(biāo)準(zhǔn)差σ確定。本文中使用的濾波系數(shù)如圖3-2所示。

圖3-2 高斯濾波的濾波系數(shù)

高斯濾波的FPGA實(shí)現(xiàn)框圖如圖3-3所示，實(shí)現(xiàn)方式與均值濾波類似。由于是基于Bayer圖像，需要先將Bayer圖像的通道分離，分別進(jìn)行處理。另外5x5的均值濾波可以理解為濾波系數(shù)均為1的高斯濾波，其他處理過程一致。

圖3-3 高斯濾波FPGA實(shí)現(xiàn)框圖

line_cache的處理與均值濾波類似，只是緩存行數(shù)由4行增加到了8行。對5x5的矩陣數(shù)據(jù)均乘以一個系數(shù)H，再將所有值相加，最后將所得的值除以濾波系數(shù)之和，相除所得的值就是高斯濾波的結(jié)果。Pipe line的處理方式如圖3-4所示。

圖3-4 高斯濾波FPGA處理流程

仿真波形如圖3-5、圖3-6。

圖3-5 高斯濾波仿真圖1

圖3-6 高斯濾波仿真圖2

效果對比如圖3-7，左邊為原圖，右邊為高斯濾波后的結(jié)果。

圖3-7 高斯濾波效果對比圖

高斯濾波與均值濾波類似，總體是對圖像進(jìn)行一個只跟距離有關(guān)的抹平。因此對邊緣細(xì)節(jié)沒有保留，效果也差別不大。

基于5x5的均值濾波會引入四行的延時。基于Xilinx 7A50T的資源占用如圖所示。

圖3-8 資源占用情況

四. 中值濾波

中值濾波是一種非線性濾波算法。原理也很簡單，以當(dāng)前處理像素為中心，取n x n大小的圖像矩陣，將該矩陣內(nèi)的像素值進(jìn)行排序，將值大小排列在最中間的像素替換該點(diǎn)。如此遍歷整個圖像，即可完成整幅圖像的中值濾波。

以3x3的濾波矩陣為例，算法示意圖如圖4-1所示。

圖4-1 中值濾波原理示意圖

中值濾波的FPGA實(shí)現(xiàn)框圖如圖4-2所示。以圖像大小1080P,像素深度為8bit灰度為例，用于緩存的RAM大小為1920x16（深度1920，寬度8x2）。

圖4-2 中值濾波FPGA實(shí)現(xiàn)框圖

line_cache的處理與均值濾波類似，只是緩存行數(shù)由4行減少到了2行。對輸出的3x3矩陣內(nèi)的9個數(shù)進(jìn)行排序，輸出中間值即可。

仿真波形如圖4-3、圖4-4。

圖4-3 中值濾波仿真圖1

圖4-4 中值濾波仿真圖2

效果對比如圖4-5所示，左邊為原圖，右邊為中值濾波后的結(jié)果。

圖4-5 中值濾波效果對比圖

中值濾波原理決定了其能較好地消除孤立的噪聲點(diǎn)而不會對圖像造成較大的抹平模糊（相較于均值濾波和高斯濾波）。因此對邊緣細(xì)節(jié)保留較好。

基于3x3的均值濾波會引入一行的延時。基于Xilinx 7A50T的資源占用如圖所示。

圖4-6 資源占用情況

五. 延申

以上幾種2D去噪算法均為最基礎(chǔ)的去噪處理，實(shí)際應(yīng)用中，不一定能滿足我們的應(yīng)用需求。因此，基于上述幾種濾波器，通常還有一些改進(jìn)型。如：

A. 雙邊濾波器: 雙邊濾波器實(shí)際上是在高斯濾波器的基礎(chǔ)上引入像素差值作為H濾波器系數(shù)的參考，權(quán)重系數(shù)動態(tài)變化，使得濾波器在濾除噪聲的同時也能保留圖像的邊緣信息。

B. 自適應(yīng)的中值濾波器: 中值濾波器的開窗大小可以應(yīng)對不同的噪聲密度，但是窗口越大，圖像的失真也會越大。因此增加一個對噪聲密度進(jìn)行判斷的模塊從而指導(dǎo)中值濾波器動態(tài)地變化濾波開窗大小，就能同時兼顧去噪和保留圖像的細(xì)節(jié)。





審核編輯：劉清