基于小波變換的模糊圖像處理系統設計與實現

黃勇杰 田喜平

摘 要： 采用傳統系統對模糊圖像進行處理時，存在耗費時間長、處理效果差等問題，因此提出基于小波變換的模糊圖像處理系統的設計。根據系統架構的界面層和邏輯層兩個層次，對系統硬件和軟件進行設計。硬件架構核心部分是由芯片和現場可編程門陣列以及集成電路組成；根據小波特性，分析系數特征，結合圖像處理技術進行逆向變換，由此設計軟件功能。將模糊圖像進行小波分解與重構，并在集成電路上實現小波算法。通過實驗驗證結果可知，該系統的設計具有圖像處理時間短、效果好等優勢，可滿足高效處理模糊圖像標準。

關鍵詞： 小波變換； 模糊圖像； 圖像處理； 集成電路； 分解； 重構

中圖分類號： TN911.73?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2018）19?0063?04

Abstract： The traditional system used to process the fuzzy images has the problems of long time consumption and poor processing effect. Therefore， the design of fuzzy image processing system based on wavelet transform is put forward. The system hardware and software are designed according to the interface layer and logic layer of the system architecture. The core of the hardware architecture is made up of the chip， field programmable gate array and integrated circuit. According to the characteristics of wavelet， the characteristics of the coefficient are analyzed， and the image processing technology is combined for the reverse transform to design the software functions. The wavelet decomposition and reconstruction are carried out for the fuzzy image. The wavelet algorithm is realized on the integrated circuit. The experimental results show that the design of the system has the advantages of short image processing time and perfect effect， and can meet the efficient processing standard of fuzzy image.

Keywords： wavelet transform； fuzzy image； image processing； integrated circuit； decomposition； reconstruction

0 引 言

小波分析技術的快速發展使其成為了相關科學研究重點，為信號處理帶來了新方法。小波分析不僅包含了豐富理論，還具有較強應用價值，為此，擴展小波應用成為了當下最活躍的研究科目[1]。小波變換具有多分辨率分析優勢，在時域與頻域方面都具有信號局部特征能力，被廣泛應用到圖像處理和模糊識別技術領域中[2]。小波變換具有低熵性、靈活性強等特點，能夠對圖像進行去噪處理，采用融合技術能夠實現多分辨率圖像融合。采用傳統系統對圖像進行處理，存在耗費時間長、處理效果差等問題，不能適用于當下相關科學研究領域。

針對上述問題，提出基于小波變換的模糊圖像處理系統設計與實現。其將小波應用范圍擴展到信號分析、圖像處理和計算機識別等多個方面，既包含了豐富的數學理論，又具有強大的工具和方法，為許多學科相互滲透和結合提供有效途徑。由實驗結果可知，該系統耗費時間短、處理效果好，可滿足人們對模糊圖像處理的高標準要求。

1 基于小波變換的模糊圖像處理系統

基于小波變換的模糊圖像處理系統需要具備文件處理、圖片編輯、圖層處理等相關功能，借助圖像處理技術和軟件開發可完成模糊圖像處理系統設計[3]。針對圖像處理系統設計不僅可對圖像圖層進行處理，還能降低系統設計成本。在具體設計過程中需遵循以下原則：

1） 簡潔性。針對使用該系統用戶，操作簡單是十分重要的。這樣有利于對系統快速熟悉，方便日常工作操作，系統操作簡單性主要體現在功能顯示界面，使用戶能夠清晰找到想要搜索的位置。

2） 統一性。在系統設計時，需遵循統一原則，保持顯示界面風格與功能一致，同時將現有系統風格與用戶已有的習慣相匹配，加快用戶對系統熟悉速度。

3） 常用性。針對圖像處理系統，用戶已經熟悉了相關操作，為此在設計時需將熟悉的功能包含在內，包括圖像保存、濾鏡和圖層處理等，保證用戶能夠根據自己習慣性操作完成圖像處理[4]。

本文系統設計的架構圖主要分成兩層，具體設計如圖1所示。

由圖1可知，系統可分成界面層和邏輯層兩個層次。其中界面層可向用戶展示系統操作界面，而邏輯層是整個系統各個功能邏輯的核心處理部分。

1） 界面層。該層次主要是為用戶提供操作客戶端界面，促使用戶能夠通過請求完成圖像接收與傳遞。在該層次中，顯著展示了與系統相關的所有界面，這些界面不僅能夠為模糊圖像處理提供優秀的外接接口，還能對請求的命令進行傳遞。

2） 邏輯層。該層次主要負責對系統核心業務邏輯處理，其中包括圖像圖層、文件和編輯等。根據用戶下達的請求命令，結合邏輯處理特點對相關請求響應。

1.1 系統硬件架構設計

模糊圖像處理系統硬件架構核心部分由芯片和現場可編程門陣列以及集成電路組成，如：存儲器、可進可出的存儲器件以及FLASH等，集成電路主要負責輔助核心電路進行相關處理。柔性電路板組裝帶有隨機存取存儲器，可用于對模糊圖像處理的數據以及中間結果進行存放[5]。FLASH中存儲的執行功能與柔性電路板組裝的配置數據相融合，有利于現場可編程門陣列實現對信號高效處理工作。

系統綜合考慮模糊圖像處理系統的實效性，對系統規模和調試難度進行設計，硬件框圖設計如圖2所示。

由圖2可知，系統硬件結構將存儲器構造成具有統一的4 GB地址訪問空間，使用48位的地址尋址，其中包括內部存儲器和外部存儲器以及地址訪問空間所有的內在資源，在該系統地址空間內獨自占據一部分。外部存儲器通過接口總線進行數據讀取。該接口是一個無縫連接接口，最多可容納4個同步動態隨機存儲器和5個異步存儲裝置[6]。

存儲器設計需先考慮模糊圖像數據存儲速率、類型和容量大小，查看是否能夠滿足運算需求，在系統中是否能夠擴展外部存儲器大小，運用同步動態隨機存儲器對圖像數據緩存。與外設部件互連標準兼容的同步動態隨機存儲器最多可設置為4個具有相連屬性的地址空間存儲塊，每個存儲塊大小都為128 MB，為此，可直接對512 MB的隨機存儲器進行訪問[7]。每個存儲塊都可進行獨立配置，方便系統內核的存儲器都可進行單一、連續的物理地址空間訪問。異步存儲器接口選擇雙端口存儲器，可作為模糊圖像數據從存儲器到系統內部結構傳輸，通過對直接內存存取控制寄存器決定圖像數據傳輸方式，選用FLASH作為存儲器基本集成電路，并與FLASH接口相連，如圖3所示。

由圖3可知，系統通電后，可從FLASH以直接內存存取方式將內部數據存取，并在內部程序中進行全速運行。

1.2 系統軟件功能設計

對模糊圖像處理的目的是對模糊后的圖像進行某些處理，提高圖像質量，滿足人們預期結果。由于圖像是二維信號，所以在對小波分析過程中，采用二維小波變換機制，可在空間或時間頻域上加強信號變化強度，成為多層次小波系數[8]。根據小波特性，分析系數特征，結合圖像處理技術進行逆向變換，得到所需目標圖像。

1.2.1 模糊圖像的小波分解與重構

從一幅[A×A]的模糊圖像開始，[A]是2的冪，即原始模糊圖像尺寸大小，冪增大，圖像尺寸也將增大，進而使圖像分辨率降低，依據二維小波方式進行擴展[9]。在每次變換層次上，圖像都將被分解成4個大小一致的模塊，這4個模塊中的任何一個小模塊都是由原始圖像中的小波圖像進行內積處理后獲取，再經過不同方向間隔抽樣選取，對模糊圖像進行分解，如圖4所示。

在圖4實際分解的模糊圖像中：[K]表示低頻系數；[H]表示高頻系數；[W]表示圖像低通分解濾波處理；[Q]表示高通分解濾波處理；向下的箭頭表示隔行或隔列數據抽取方式，只保留偶數行或列，并從0開始分解。

模糊圖像重構步驟是分解的逆向過程，與分解過程相似，具體重構步驟如圖5所示。

由圖5可知，該步驟中向上的箭頭表示列或行插樣，只保留奇數列或行，并在其中插入0值[10]。

1.2.2 小波算法在集成電路上的實現

針對模糊圖像處理小波算法在集成電路上的實現，采用完整的集成軟硬件開發工具，包括仿真器和評估板。小波算法在集成電路上實現的具體步驟如下：

1） 采用C語言編程方法實現小波算法；

2） 利用Visual編譯器，將原始的程序編譯成模糊的目標圖像；

3） 根據目標文件，分析源程序結構，并優化源代碼；

4） 應用評估板實現時間的評估；

5） 重復上述步驟，直到系統達到實時性處理效果為止[11]。

在系統中，采用小波變換對模糊圖像進行邊緣提取、圖像增強、融合和平滑等處理，可使系統高效、快速地對模糊圖像進行處理。

2 實 驗

實驗測試是為保證模糊圖像處理系統中的各個功能能夠符合實際要求，也是系統設計的最后步驟。通過實驗，系統才能被允許在線上運行。為了驗證基于小波變換的模糊圖像處理系統設計與實現的合理性，進行如下實驗。

2.1 實驗環境

系統進行測試時選擇某公司信息化部門，整個實驗環境的構建如下：

在硬件方面，選擇1臺具有測試軟件的計算機，其配置為：處理器i3，運行內存4 GB，顯卡為AMD Radeon HD8470，內存大小為1 GB，同時配置打印機、刻錄機等配件；在軟件方面，使用Windows 8的操作系統。

2.2 實驗結果與分析

采用小波變換方法在圖像處理過程中可以達到壓縮、去噪和圖像增強等效果。為了使結果更具有可靠性，將傳統系統與本文系統對模糊圖像邊緣特征、圖像增強、融合、平滑等處理時間進行對比，結果如表1所示。

由表1可知：對模糊圖像進行邊緣提取時，總采樣時間為710 s，采用傳統系統對圖像處理時間為45 ns，本文系統圖像處理時間為25 ns，相差20 ns；對模糊圖像分別進行增強、融合和平滑等處理，采用傳統系統與本文系統進行對比，耗費時間分別相差15 ns，8 ns，6 ns。雖然兩種系統耗費時間相差不大，但是對于快速的圖像處理步驟來說，卻具有相當大的影響[12]。

由于高頻子帶的模塊間存在大量相關性，但是傳統系統采用小波和多尺度函數進行分量反對稱處理時，其相應濾波的第二通道是帶通的，為此在低通子帶處所對應的子塊存在不相似的譜行為。因此，針對小波變換來說，只能對其不同高頻子帶中的模塊系數進行重組，生成小子帶。兩種系統生成小子帶重組前子帶結構如圖6所示。

選取某車輛模糊圖片分別采用傳統系統與本文系統進行處理，經過重組后的子帶結構分別如圖7a），圖7b）所示。

根據圖7兩種系統重組后子帶結構對圖像進行處理，結果分別如圖8a），圖8b）所示。

由圖8可知，存在運動模糊的汽車區域圖像采用傳統系統進行處理沒有較大改善，而采用本文系統進行處理，圖像質量有了較大幅度的提升。

2.3 實驗結論

針對模糊圖像進行處理時，采用傳統系統對邊緣特征提取、圖像增強、融合和平滑處理的時間與本文系統設計的基于小波變換的模糊圖像處理分別相差20 ns，15 ns，8 ns，6 ns。明顯看出，本文系統所耗費的時間較短，并且隨著重組后的子帶結構，模糊圖像處理效果較好，能夠實現對模糊圖像高效、快速的處理。

3 結 語

隨著小波分析理論快速發展，小波應用范圍擴展到信號分析、圖像處理和計算機識別等多個方面，既包含了豐富的數學理論，又具有強大的工具和方法，為許多學科相互滲透和結合提供有效途徑。本文提出一種基于小波變換的模糊圖像處理系統，通過實驗驗證可知，該系統耗費時間較短，模糊圖像處理效果較好，能夠滿足對模糊圖像處理的高標準要求。

參考文獻

[1] 李靜，王敏，沙杰峰，等.基于小波變換的紅外目標去運動模糊的研究[J].現代電子技術，2016，39（16）：120?124.

LI Jing， WANG Min， SHA Jiefeng， et al. Research on wavelet transform based motion deblurring method of infrared target [J]. Modern electronics technique， 2016， 39（16）： 120?124.

[2] 時一峰，白寶平，陳曉冬，等.基于小波變換的嵌入式超聲內窺圖像處理系統[J].光電工程，2016，43（5）：88?94.

SHI Yifeng， BAI Baoping， CHEN Xiaodong， et al. Embedded endoscopic ultrasound image processing system based on wavelet transform [J]. Opto?electronic engineering， 2016， 43（5）： 88?94.

[3] 劉婧，王威，李驥，等.基于對偶樹復小波變換的模糊圖像質量評價[J].計算機工程與科學，2015，37（8）：1573?1578.

LIU Jing， WANG Wei， LI Ji， et al. Blur image quality assessment based on DTCWT [J]. Computer engineering and science， 2015， 37（8）： 1573?1578.

[4] 蔣妍，翟金成.基于小波包分層凈化的模糊圖像細節增強算法[J].科技通報，2015，31（12）：96?98.

JIANG Yan， ZHAI Jincheng. Details enhancement algorithm of fuzzy image based on wavelet packet layered purification [J]. Bulletin of science and technology， 2015， 31（12）： 96?98.

[5] 郝建新.基于小波變換與Retinex的電路板紅外圖像增強技術[J].紅外技術，2015，37（12）：1036?1040.

HAO Jianxin. The technology about infrared image enhancement of circuit board based on wavelet transform and Retinex [J]. Infrared technology， 2015， 37（12）： 1036?1040.

[6] 強彥，張曉慧.車載手勢識別中基于小波變換和雙邊濾波的圖像去噪方法[J].北京理工大學學報，2017，37（4）：376?380.

QIANG Yan， ZHANG Xiaohui. Image denoising method based on wavelet transform and bilateral filter in vehicle gesture recognition [J]. Transactions of Beijing Institute of Technology， 2017， 37（4）： 376?380.

[7] 王源圓，蘇秉華，邱文勝.基于ZedBoard的超分辨率視頻復原系統[J].應用光學，2015，36（4）：537?542.

WANG Yuanyuan， SU Binghua， QIU Wensheng. Super?resolution video restoration system based on ZedBoard [J]. Journal of applied optics， 2015， 36（4）： 537?542.

[8] 王治文，羅曉清，張戰成.基于四元數小波變換的清晰度評價[J].計算機應用，2016，36（7）：1927?1932.

WANG Zhiwen， LUO Xiaoqing， ZHANG Zhancheng. Quaternion wavelet transform for evaluation of image sharpness [J]. Journal of computer applications， 2016， 36（7）： 1927?1932.

[9] 陳樹越，劉金星，丁藝.基于小波變換的紅外與 X光圖像融合方法研究[J].激光技術，2015，39（5）：685?688.

CHEN Shuyue， LIU Jinxing， DING Yi. Study on fusion method of infrared and X?ray images based on wavelet transform [J]. Laser technology， 2015， 39（5）： 685?688.

[10] LUO Xiaoxia， WANG Liqing， XUE Hongye. A novel algorithm of image edge detection based on wavelet transform and curvelet transform [J]. Computer engineering and science， 2015， 37（1）： 157?161.

[11] HUI Qiaojuan， LI Hongan， LU Yan. Image compression algorithm based on wavelet transform and HVS [J]. Journal of electronic measurement and instrumentation， 2016， 30（12）： 1838?1844.

[12] 汪洋，陳海燕，彭艷兵.模糊時間序列模型在論域定義上的研究[J].電子設計工程，2017，25（2）：9?13.

WANG Yang， CHEN Haiyan， PENG Yanbing. Research on the definition of fuzzy time series model in the definition of domain [J]. Electronic design engineering， 2017， 25（2）： 9?13.