基于33的中值滤波的FPGA实现【毕业论文】.doc

1、 本科毕业设计 （ 20 届） 基于 3*3 的中值滤波的 FPGA 实现 所在学院 专业班级 电子信息工程 学生姓名 学号 指导教师 职称 完成日期 年 月 - - 1 - - 摘 要 数字图像在其形成、传输和形成过程中，由于受到了成像系统、传输介质和记录设备的不完善的影响，使图像变得不清晰，受到 污染。因此在模式识别、计算机视觉、图像分析和视频编码等领域，处理含噪图像就显得很重要，其处理效果的好坏将直接影响到后续工作的质量和结果。 中值滤波和传统滤波相比较，中值滤波能最大限度地保持图像信号的高频细节，使图像清晰、逼真，它还能减少图像中的 脉冲干扰级椒盐噪声 的影响 ，在抑制随机噪声的同时能

2、有效保护边缘少受模糊 ，但是它在滤除噪声的同时会使图像中重要的细节信息受损。基于这种情况，相继提出了许多改进的中值滤波算法。 本次设计介绍了一种 基于 3*3的 FPGA中值滤波实现 , 并采用 VHDL语言实现了这种 中值滤波 的程序 设计。在设计中采用的模块化、逐步细化的设计方法对系统进行设计，有利于及早发现各子模块及系统中的错误 ,提高系统设计的效率。 关键词： 图像噪声；图像滤波；非线性滤波；中值滤波； FPGA - - 2 - - Abstract During the forming,transferring and memorizing of the digital images

3、,the ima ges are often corrupted by different kinds of noises because of the defection of the im aging system,transferring medium and memorizing equipment.Therefore,in the fields of pattern recognition,computer vision,image analyzing and video coding,the earlyvisi on processing is very important.The

4、 result of it will directly affect the quality an outco ming of the later processing. Different from the linear filter,the non-linear filter can not only remove noiseeffe ctively but also keep the details of the digital images, it can also reduce the impulse n oise in the image of salt and pepper no

5、ise level, while in the inhibition of random nois e can be less effective protection by the fuzzy edges, but it will filter out the noise wh ile the image damage to the important details.There are many improved median filters firstly suggested to overcome the problems. This design presents a letter

6、on 3 * 3 median filter FPGA implementation and u se of VHDL language in the value of this filter programming.Used in the design of m odular, gradually refining the design of the system design is conducive to early detecti on of the sub-module and system errors, improve the efficiency of system desig

7、n. Keywords:image noise； image filtering； non-linear filter； median filter; image procesing;FPGA - - 3 - - 目 录 1 绪论 . - 4 - 1.1 研究背景 . - 4 - 1.2 图像处理概述 . - 4 - 1.2.1 图像质量评价 . - 5 - 1.3 本文研究的主要内容 . - 6 - 2 滤波器技术的进展 . - 7 - 2.1 中值滤波的定义 . - 7 - 2.2 传统的滤波方法 . - 7 - 2.2.1 中值滤波的原理 . - 7 - 2.2.2 中值滤波的实现 .

8、- 7 - 2.3 各种实现的比较 . - 8 - 2.3.1 传统的中值滤波算法 . - 8 - 2.3.2 基于点检测的脉冲噪声中值滤波算法 . - 8 - 2.2.3 基于 HVS 特性的图像自适应中值滤波算法 . - 9 - 2.3.4 基于发光二极管阵列的光学中值滤波的实现 . - 9 - 2.3 本章小结 . - 10 - 3 EDA 技术与开发平台 . - 11 - 3.1 EDA 的概述 . - 11 - 3.2 硬件描述语言 VHDL . - 11 - 3.3 EDA 工具软件 Quartus II 软件 . - 11 - 3.4 Altera DE2 开发板 . - 12

9、- 4 3*3 中值滤波算法的 FPGA 实现 . - 14 - 4.1 3*3 中值滤波算法原理 . - 14 - 4.1.1 3*3 图像窗口及中值滤波原理 . - 14 - 4.1.2 中值滤波算法原理 . - 15 - 4.2 算法的 FPGA 实现 . - 16 - 4.2.1 3*3 图像的采样窗口 . - 17 - 4.2.2 中值滤波器模块 . - 18 - 4.2.3 仿真波形 . - 20 - 5 结论 . - 22 - 5.1 论文的主要工作 . - 22 - 5.2 进一步的研究方向 . - 22 - 参考文献 . - 24 - 致谢 . 错误 !未定义书签。 - -

10、4 - - 1 绪论 1.1 研究背景 时至今日，图像处理的概念和应用对我们来说已经不陌生了。当我 们打开计算机时，那些 Photoshop、 AcdSee 等图像处理环境和五彩缤纷的各类 bmp、 jpg、avi图像，这就是图像处理发展的重要结果之一。 随着人类社会的进步，人们对了解事物的特征以及对信息的交流、处理变得越来越重要。而图像是人类作为一个观察事物、了解事物的一个重要凭证，而图像的处理和传输作为图像的一般过程就显得很重要，因而如何使图像在处理和传输中尽可能的使图像清晰和准确就是作为图像处理的一个重要过程，也是关系到图像质量和后续工作的一个重要指标。图像信息处理和传输的重要使社会产生

11、了大量的理论和研究，而 随着计算机技术的应用、数字通信等技术的发展，使图像处理更近一步发展，而图像处理的发展又反过来促进了其他技术的发展。 1.2 图像处理概述 数字图像处理 (Digital Image Processing)技术通常 是 指 通过计算机 或 /和专用处理设备，以数字的形式 对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术 1，以得到符合人们需要的信号形式。 现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，成为含噪图像。取出 或 减轻在获取数字图像中的噪声成为图像去噪。图像去噪可以有很多 方法，最常用的有领域平均法、空间域低通滤波、

12、频率域低通滤波、多图像平均法、中值滤波。图像消噪过程如图 1-1 所示 1。 (a) 原始无噪图像 (b)含噪图像 (g)去噪后的图像 图 1-1 图像消噪过程 图像增强是 一个失真的过程，其目的是要改善图像的视觉效果 。主要是利用- - 5 - - 各种数学方法和变换手段提高图像中人们感兴趣的部分的清晰度，包括图像的灰度修正、图像平滑、图像边缘增强等。图像增强过程如图 1-2 所示 2。 (a)原图 (b)增强后的图像 图 1-2 图像增强过程 图像复原是 对遥感图像资料进行大气影响的校正、几何校正以及对由于设备原因造成的扫描线漏失、错位等的改正，将降质图像重建成接近于或完全无退化的理想图像

13、的过程。 图像复原过程如图 1-3 所示 3。 (a)原图像 (b)复原后的图像 (c )两者差异 图 1-3 图像复原过程 图像分割是 为后续工作有效进行而将图像划分为若干个有意义的区域的技术 。图像分割过程如下图 1-4 所示 4。 (a)原图像 (b)分割后的图像 图 1-4 图像分割过程 图像提取 特征是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 1.2.1 图像质量评价 图像质量评价的研究是图像信息科学的基础研究之一。对于图像处

14、理或者图像通信系统，其信息的主体是图像，衡量这个系统的重要指标，就是图像的质量。 - - 6 - - 图像质量的含义包括两 方面：一个是图像的逼真度。即被评价图像的质量与原标准图像的偏离程度；另一个是图像的可懂度，是指图像能像人或机器提供信息的能力。 目前的主评测方法是主观评价，主观评价就是通过人来观察图像，对图像的优劣作出主观评定，然后对评分进行统计平均，就得出评价的结果。这时评出的 图像质量与观察者的特性及观条件等因素有关。 1.3 本文研究的主要内容 FPGA 是大规模的 现场可编程门阵列 ，可以用于数字逻辑系统，特别是在实时处理方面出突出的效果。而 FPGA 本身具有的设计灵活、增大功

15、能密集度、提高可靠性、缩短设计周期、成本低等特 点，在处理图像时可以灵活、高速度的运行和分析各种图像预处理算法。传统的中值滤波是基于软件思想的冒泡排序算法，排序量大，要消耗大量的逻辑资源，运行速度慢。而中值滤波算法，能够大大降低排序次数， 基于 FPGA 的滤波算法相对软件算法而言具有高度的并行性，能满足实现图像处理的要求，同时也具有灵活的硬件可编程性。 - - 7 - - 2 滤波器技术的进展 2.1 中值滤波的定义 中值滤波是常用的一种非线性平滑滤波，它将每一个像素点的灰度值设置为该领域中窗口内的所有像素点灰度值的中值。 它对脉冲干扰级椒盐噪声 有良好的抑制作 用 ，在抑制随机噪声的同时

16、还 能有效 的 保护边缘 信息。它能减弱或消除傅里叶的高频分量，因为高频分量对应图像中的灰度值具有较大较快变化的部分，该滤波可将这些分量滤除，使图像平滑、圆润。它还可以在一定的条件下克服线性滤波器产生的图像细节模糊，而且对滤除脉冲干扰信号以及图像扫描噪声很有效果，但对一些复杂的、细节比较多的图像则不宜采用中值滤波的方法。 2.2 传统的滤波方法 2.2.1 中值滤波的原理 中值滤波 是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，它 基本原 理是把 数字图像或数字序列中一点的值用该点的一个邻 域中各点值的中值代替 5，让周围的像素值接近的真实值，从而消除孤立的噪声点。 利用中值滤波

17、算法可以很好地对图像进行平滑处理 6。 中值滤波可定义为 g(x,y)=medf(x-i,y-i), (i,j) S，其中 g(x,y)， f(x,y)为像素灰度值， S 为模值。 2.2.2 中值滤波的实现 中 值滤波的过程一般为： (1) 选择一个 (2n+1)的窗口，使窗口沿图像数据的行方向和列方向从左至右、从上至下沿每个像素滑动。 (2) 每次滑动后，对窗口内的像素灰度进行排序，并用中间值代替窗口中心位置的像素灰度值。 中值滤波的输出值是由领域窗口中的中间值决定的，因而中值滤波不如均值- - 8 - - 滤波那样对极限像素值 (与周围像素灰度值差别较大的像素 )敏感，因此可以消除孤立的

18、噪声点，使图像产生较少的误差。在数字信号处理中，中值滤波的应用非常广泛，其特点是在滤除随机脉冲噪声的同时能较好地保护信号 7,8。 2.3 各种实现的比较 2.3.1 传统的中值滤波算法 标准窗中中值滤波是以窗口中 N 个像素置换中心像素 8。设窗口大小为A=N*N（ N 为奇数）对窗口内的各像素灰度值进行比较排序，用其中值取代窗口中心像素的灰度值，即图像中的第（ i,j） 点的灰度值将通过对该领域 A 内 N2个点的灰度值去中值得到通常，二维情况下的中值滤波可定义为： Xij=MedianXmn (m,n) i,j (m,n) A 2.3.2 基于点检测的脉冲噪声中值滤波算法 一个噪声数组

19、A(i,j)中， 1 i X， 1 j Y， X 为总行数， Y 为总列数， A（ i,j）对应 f(i,j)。当 A(i,j)等于 1 时， (i,j)是噪声点；否则， (i,j)是非噪声点。脉冲噪声滤除算法如下： (1)运行噪声点的判别算法，得到噪声数组 A(i,j)； (2)赋初值，使 i=0， j=0； (3)以 (i,j)为中心，对图像 f(i,j) 用 3 3 的图像窗口扫描； (4) 当 A(i,j)=0 且 iX 条件成立时，则 i=i+1，回到步骤 3，当 A(i,j)=0 且 i=X条件成立时，则 i=0， j=j+1，回到步骤 3； (5) 以 (i,j)为中心的 3 3

20、 的窗口将噪声数组 A(i,j)内的噪声点滤除，剩余像素点则小到大进行排列； (6) 若剩余像素点为奇数，则取剩余像素点的中间值为输出。若剩余像素点为偶数，则取剩余像素点的两个中间的均值作为输出； (7) 当 i=X 且 j=Y，结束程序 9。 - - 9 - - (a) 原图像 (b) 经过点检测脉冲中值滤波后的图像 图 2-1 基于点检测的脉冲噪声中值滤波效果 2.2.3 基于 HVS 特性的图像自适应中值滤波算法 在滤波过程中，对判定为信号点的像素点不做任何处理，以保留更多的细节，而对噪声点的滤除采用窗口自适应的中值滤波算法 10。噪声滤波过程如下 11： (1) 对于图像滤波窗口为 3

21、 3 时，对任意像素点 I(i,j)，估计出这像素点领域附件的 3 3 范围内的噪声的密度，从而确定图像的滤波窗口大小为 (2l+1)(2l+1)。 (2)以像素点 I(i,j)为中心、确定 (2l+1) (2l+1)滤波窗口中所有信号点的中间数据为 med(i,j)，则该中值滤波的输出为： I(i,j)=N(i,j)med(i,j)+(1-N(i,j)I (i,j) (a) 原始图像 (b) 经过该中值滤波后代图像 图 2-2 基于 HVS 特性的图像自适应中值滤波效果 2.3.4 基于发光二极管阵列的光学中值滤波的实现 中值滤波是顺序统计滤波 ()S)的特殊情况。以 二维图像为例 :用 N N(N 为奇数 )韵顺序统计滤波作用于图像 f(i， j)上，则第 k 级 ()S 滤波输出为 2( , )1( ) ( , ) ( )Nkm i jmS f i j a W m ， 1, m0,a km 其 他 （ 1）