【導(dǎo)讀】常見的處理方法有調(diào)節(jié)亮。度，調(diào)節(jié)色度，調(diào)節(jié)對比度，調(diào)節(jié)分辨率等。首先，本文簡單介紹DSP及各種圖。其次,著重介紹基于DSP的拉普拉斯原理及算法和小波去。最后，在以DPS為核心處理器的開發(fā)平臺上，利用DSP芯片固有的高速。運(yùn)算性能，設(shè)計了硬件系統(tǒng)及軟件系統(tǒng)，從而達(dá)到對數(shù)字圖像的增強(qiáng)的目的。軍事目標(biāo)監(jiān)視等。息量的目的，并加強(qiáng)圖像判讀和識別效果的圖像處理方法。其方法是通過一定手。DSP的發(fā)展，使得在許多速度要求較高，算法較。通過算法，硬件及程序的設(shè)計在DSP平臺上實現(xiàn)線性空域銳化濾波以。信號由數(shù)字序列表示。片內(nèi)具有快速RAM，通?？赏ㄟ^獨立的數(shù)據(jù)總線在兩塊中同時訪問；當(dāng)然，與通用微處理器相比，DSP微處理器（芯片）的其他通用功能相對較弱些。受采樣頻率的限制，處理頻率范圍有限；

　　

【正文】 入噪聲，本開始 讀入圖象大小為 m*n 加入高斯白噪聲 估算閥值 正交小波變換 達(dá) 到變換級 閥值去噪 正交小波反變換 結(jié)束 17 次實驗加入不同方差下的高斯白噪聲（ vAR 方差、 MEAN 均值）。代碼如下： void CLiftingschemeView : : RandotnNoise ( BYTE * Image ) {?? ImageAddNoise = new double ［ m_Height * Insewidth 〕 ； for ( i =0 。 i ＜ m_width 。 i + + ) for ( j = O 。 j ＜ m_Height 。 j + + ) lmageAddNoise [ i * meswidth + j ] = = Image [ i *m－ width + j ] : //產(chǎn)生隨機(jī)噪聲 for ( J =0 。 j m_Height : j + + ) for ( i =0 。 i m_width 。 i + + ) { Noise =sqrt （一 * ( sqrt ( VAR * VAR * 255 * 255 ) * 10 ) * 109 ( ( ) / ) ) 。 //rand ( ）一生成一個隨機(jī)數(shù)（從 0 一 32767 ) theta = rand ( ) * 。 Noise = Noise * cos ( theta ) 。 Noise = Noise + MEAN 。 lmageAddNoisel = ( ImageAddNoise [ j * meswidth + i ] + Noise ) 。 if ( ImageAddNoisel 255 ) ImageAddNoisel =255 。 ImageAddNoise [ j*m_width + i 〕 ＝ I 哪 geAddNoisel 。 } } ( 3 ）正交小波變換 本模塊采用的小波算法是 Mallat 算法，選用 Haar 小波進(jìn)行分解，最大分解尺度取為 2 。哈爾（ Haar ）小波是所有正交緊支撐小波中唯一具有對稱性的小波，是一個簡單、特殊、卻又非常有用的小波基， Haar 小波的濾波器系數(shù)為 Lo_R[20]={,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0} 18 Hi_R[20]={,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0} 首先對圖像數(shù)據(jù)進(jìn)行行卷積計算，依次讀取圖像中的像素點與所選擇的濾波器進(jìn)行行卷積計算，并對邊界部分進(jìn)行邊界延拓。然后對行卷積的計算結(jié)果進(jìn)行抽樣處理，即隔二取一，取出原始圖像數(shù)據(jù)的一半進(jìn)行列卷積的計算。列卷積計算過程中，同樣對邊界部分進(jìn)行邊界延拓。當(dāng)列卷積計算完畢后，取出數(shù)據(jù)中的一半作為低頻子帶數(shù)據(jù)。這樣經(jīng)過行卷積處理后圖像數(shù)據(jù)大小縮小為原來的一半，在經(jīng)過列卷積處理后，圖像數(shù)據(jù)大小變?yōu)樵紙D像數(shù)據(jù)大小的 1 / 4 。再將這 1 / 4 數(shù)據(jù)及 低頻子帶重新排列后存入數(shù)組中作為下一級小波變換的處理圖像并參與下一級的小波變換。具體流程圖如下圖所示。 19 圖 3 正交小波變換流程圖 ( 4 ）閥值去噪 閥值 ? 取 Donoh 。和 Johnston 。提出的統(tǒng)一閥值（ visushrink 閥值），2n LnN??? .首先計算小波系數(shù)中的高頻子帶的標(biāo)準(zhǔn)偏差作為圖像噪聲的估計值 n? ，后用上述公式計算出閩值 ? 。 閥值處理函數(shù)中，硬閥值函數(shù)對小波系數(shù)進(jìn)行處理時小于閥值的像素值直接賦值為 0 ，大于或等于閥值的像素賦值為原來的像素數(shù)值。采用軟閥值函數(shù)時開始 定義出變量 行卷積 判斷像素點位置 卷積運(yùn)算 卷積運(yùn)算 抽樣 死卷積 卷積運(yùn)算 卷積運(yùn)算 低頻子帶 結(jié)束 判斷像素點位置 20 大于或等于閥值的像素為像素與閥值做差賦值。當(dāng)采用改進(jìn)闡值法時大于或等于閥值的像素取為 [1 ]nTW W?? ( 5 ）正交小波反變換 首先對圖像數(shù)據(jù)進(jìn)行上采樣操作，即間隔插零，然后對圖像數(shù)據(jù)進(jìn)行列卷積計算，依次讀取圖像中的像素點 與所選擇的濾波器系數(shù)進(jìn)行卷積計算并對圖像邊界部分進(jìn)行邊界延拓。當(dāng)圖像數(shù)據(jù)全部計算完畢后，對列卷積的計算結(jié)果上采樣，對上采樣后的圖像數(shù)據(jù)進(jìn)行行卷積的計算。行卷積計算過程中，同樣需要對圖像邊界部分進(jìn)行邊界延拓。 21 圖 4 正交小波反變換流程圖 3）評價標(biāo)準(zhǔn) 圖象客觀質(zhì)量評價方法是先計算出被評價圖象的某些統(tǒng)計特性和物理參量，最常用的是圖象相似度的測量。圖象相似度的測量通常是用處理后的圖象與原圖像之間的統(tǒng)計誤差來衡量處理圖象的質(zhì)量，弱誤差越小，則從統(tǒng)計意 義上說，被評價圖象與原圖像的誤差越小，圖象的質(zhì)量越高，獲得的圖象質(zhì)量評價就越高，此評價方法大多適用于黑白圖象及灰度圖象的質(zhì)量評價。常用的圖象相似度測量開始 定義出變量 上采樣 判斷像素點位置 卷積運(yùn)算 卷積運(yùn)算 上采樣 行卷積 卷積運(yùn)算 卷積運(yùn)算 結(jié)束 判斷像素點位置 列卷積 22 參數(shù)有平均絕對誤差（ MAW），均方誤差（ MSE），歸一化均方誤差（ NMSE）等。 這兩種圖像去噪質(zhì)量評價標(biāo)準(zhǔn)有各自的特點，由于人眼視覺特性的準(zhǔn)確性沒有通過定量的方式來描述，因此主觀評價法也不能做定量描述，它受人為因素的影響較大，但它能反映人眼的視覺特性。而 NMSE 和 PSNR 能夠?qū)D像去噪質(zhì)量進(jìn)行定量的描述，但它卻不能反映人眼的真實感覺。在本文中我們既給 出了去噪后的重建圖像，也給出了去噪后的峰值信噪比 PSNR 和歸一化均方誤差 NMSE 。 改進(jìn)閥值法均優(yōu)于傳統(tǒng)的軟、硬閥值算法，在歸一化均方誤差、峰值信噪比及視覺效果上都有所改善。軟閨值法的去噪圖是原始信號的近似最優(yōu)估計，使去噪后的圖像看起來比較光滑。但由于所估計的小波系數(shù)存在著恒定的偏差，影響了重構(gòu)圖像與真實圖像的逼近程度，峰值信噪比 PSNR 最小，歸一化的均方誤差 NMSE 最大。硬閥值法的去噪數(shù)據(jù)指標(biāo)較好，但明顯存在著偽吉布斯（ Pseudo 一 Gibbs ) 效應(yīng)現(xiàn)象．中值濾波處理后的去噪圖從 視覺上表現(xiàn)的最模糊，很多細(xì)節(jié)部分已經(jīng)模糊掉了。 圖像增強(qiáng)的實現(xiàn) 硬件設(shè)計 本文以 TMS320VC5402 芯片為核心 CPU 進(jìn)行試驗。如圖所示是一個基于 TI 公司的 TMS320VC5402 芯片的數(shù)字圖像空域濾波增強(qiáng)的 DSP 電路原理。 圖 5 基于 DSP 的空域濾波電路圖 23 從圖 3 中可以看到，視頻信號由同軸電纜送入 AD8041，此處 AD8041 是一個電壓跟隨器，信號經(jīng)過兩個二極管嵌位，和 R3 電阻限流后送入 AD9057 模 /數(shù)轉(zhuǎn)換器，然后由 AD9057 把模擬視頻信號轉(zhuǎn)換成數(shù)字視頻信號，并通過 DSP（ VC5402）的外部數(shù)據(jù)總線的低 8 位送入 DSP 中進(jìn)行處理，其中空域濾波程序由 DSP 來實現(xiàn)。 軟件設(shè)計 以下程序就是基于上圖所示的 DSP 平臺實現(xiàn)對圖像進(jìn)行空域增強(qiáng)濾波的程序。 Block repeats_(ehancement_loop1) a=T* *art4。 把中心像素的灰度值和中心系數(shù) ko相乘既是 ko ko b=*ar4 (33) b=b a=a+b ； s4（ 1） b=*ar4 (32) b=b ； s3（ 1） a=a+b b=*ar4 (31) b=b ； s2（ 1） a=a+b b=*ar4 (1) b=b ； s5（ 1） 24 a=a+b b=*ar4 (1) b=b ； s1（ 1） a=a+b b=*ar4 (31) b=b ； s6（ 1） a=a+b b=*ar4 (32) b=b ； s7（ 1） a=a+b b=*ar4 (33) b=b ； s8（ 1） a=a+b ；最終實現(xiàn) R=k0 s0+k1s1+?? +k8s8 *ar5+ = a MAR (*AR4+) Enhancement _loop: ；塊重復(fù)返回 nop goto BEGIN ；處理完一幀數(shù)據(jù) 25 第四章：總結(jié) 本文首先介紹了數(shù)字圖像增強(qiáng)技術(shù)在數(shù)字圖像處理中的作用及重要意義，即數(shù)字圖像增強(qiáng)技術(shù)是數(shù)字圖像處理的關(guān)鍵所在。其次介紹了數(shù)字圖像增強(qiáng)的各種方法及本文所采用的拉普拉斯線性空域銳化濾波法和小波去噪法及原理，即拉普拉斯變換及檢測和小波變換及閥值的選取。拉普拉斯濾波是一種經(jīng)典且有效的圖像增強(qiáng)技術(shù)，它能夠使得圖像對比度變大，從而得到清晰地圖像 。而噪聲的普遍性、復(fù)雜多樣性、危害性，使圖象處理理論面臨挑戰(zhàn)。小波算法對去 噪有較好的效果，本文主要采用小波變換的方式，對于閾值的選 取、閾值函數(shù)的選取及小波基的選取有無更好的方法。最后，在以 IT公司的 TMS320VC5402芯片為核心 CPU平臺上設(shè)計了拉普拉斯濾波的硬件電路圖及其軟件程序， 從而實現(xiàn)對數(shù)字圖像的增強(qiáng) 。但在小波變換這一方面還存在著一些缺陷，希望在以后的工作中能夠得以解決，從而實現(xiàn)真正意義上的數(shù)字圖像的增強(qiáng)。