基于AM5728的自適應圖像增強算法的研究與實現(xiàn)*

郭 威，卿粼波，熊淑華，何小海

(四川大學 電子信息學院，四川 成都 610064)

0 引言

近年來由于半導體工業(yè)技術和圖像處理技術日益發(fā)展，基于嵌入式平臺的視覺檢測系統(tǒng)被廣泛應用于工業(yè)檢測等領域，如工件品缺陷檢測、印刷品缺陷檢測、硬幣檢測等。但是實際工業(yè)生產環(huán)境中的光源單一、照度不均，在光照不均條件下采集的圖像往往會出現(xiàn)質量較差、圖像信息不足等情況，從而影響工業(yè)檢測的準確率。因此基于嵌入式平臺的圖像增強處理具有十分重要的研究意義。

圖像增強技術指的是針對一些信息量不足或者某些關鍵信息不突出的圖像進行的一種圖像信息增強的技術。目前應用廣泛的圖像增強算法有直方圖均衡算法、小波變換算法、Retinex算法等。直方圖均衡算法是一種通過將圖像灰度級概率密度均衡化處理，從而達到對比度拉伸的算法，該算法原理簡單、處理圖像速度較快，但在處理光照不均的圖像時容易產生過增強現(xiàn)象[1]。小波變換是通過將圖像分解成低頻圖像和高頻圖像，分別對不同頻率圖像進行處理從而達到細節(jié)增強的目的，但同時也存在噪聲放大的問題[2]。Retinex算法是一種基于顏色恒常知覺理論的算法，通過對圖像的光照分量進行調整從而有效地消除光照對圖像的影響。常見的基于Retinex理論的算法有單尺度Retinex(SSR)算法[3]、多尺度Retinex(MSR)算法[4]和帶色彩恢復的多尺度Retinex(MSRCR)算法[5]等改進算法，這類算法都是采用高斯濾波來提取圖像的光照分量，通常會產生細節(jié)丟失的現(xiàn)象。為了避免高斯濾波的這一缺陷，引導濾波[6]和雙邊濾波[7]相繼被提出，在保持圖像邊緣特性方面均有較好的效果。文獻[8]提出了一種基于引導濾波的自適應圖像增強算法，該算法雖然能自適應地進行光照矯正，但由于計算復雜，對圖像的矯正時間較長，并不適用于工業(yè)檢測系統(tǒng)。

本文采用引導濾波來估計圖像的光照分量，結合Gamma函數的非線性矯正特性，提出了一種基于光照分布特性的自適應增強算法，能夠有效地矯正圖像亮度不均勻分布，增強圖像質量。且鑒于工業(yè)檢測系統(tǒng)中嵌入式平臺具有穩(wěn)定性高、功耗低、運算速度快等優(yōu)勢，本文針對嵌入式平臺AM5728進行了算法的移植與優(yōu)化，具有更高的實用價值。

1 自適應圖像增強算法

根據人眼對亮度具有較高的敏感性這一特點，針對光照的有效矯正至關重要。本文算法首先利用引導濾波有效地提取光照分量，然后基于光照分量的不均勻分布特性提出了一種改進的自適應Gamma矯正函數，能夠有效地消除光照不均對圖像采集造成的影響。

1.1 算法的構建

光照的不均勻分布會導致采集的圖像亮度過高或過低，嚴重降低采集圖像的質量。為了減小不均勻的光照對圖像質量的影響，提取圖像的光照分量并進行矯正是本文算法的核心思想。

由LAND E H提出的Retinex光照模型[9]可知,成像單元獲取的數字圖像S(x,y)是環(huán)境照明亮度I(x,y)和物體表面對照射光的反射系數R(x,y)的乘積。可表示為：

S(x,y)=R(x,y)·I(x,y)

(1)

照明亮度I(x,y)也稱作光照分量，該分量決定了圖像的動態(tài)范圍，對應著圖像中的低頻部分；R(x,y)也稱作反射分量，該分量體現(xiàn)了圖像的實質屬性，攜帶了圖像的細節(jié)信息，對應著圖像中的高頻部分。目前，采用高斯濾波或者雙邊濾波的方法來提取圖像的低頻信息最為常見。MSR及SSR等算法通常采用平滑特性較好的高斯函數作為中心濾波函數，但采用高斯函數提取光照分量往往不能很好地保持邊緣特性。而雙邊濾波和引導濾波則在邊緣保持特性方面效果較為明顯，雙邊濾波運算的時間較長，并不適用于工業(yè)檢測中的高速圖像處理的情況。而引導濾波算法則具有較低的運算復雜度，運算時間短，所以本文采用引導濾波對圖像進行光照分量的提取。最后通過提出的一種可變參數的Gamma校正函數對光照分量進行處理，降低光照較強區(qū)域的亮度值以及增強光照較弱區(qū)域的亮度值，從而有效減小了光照不均對圖像的影響，實現(xiàn)對圖像的自適應增強處理。

1.2 引導濾波提取光照分量

引導濾波算法通過引入引導圖像的概念來對原圖像進行濾波。使得輸出圖像q既能保持原圖像的信息又具有與引導圖像相似的細節(jié)紋理。在濾波窗口ωk中，輸出圖像q與引導圖像I的線性變換關系為：

qi=akIi+bk, ?i∈ωk

(2)

(3)

其中，ε為正則化系數，目的是避免ak取值過大。通常是采用最小二乘法求得ak與bk的最優(yōu)解：

(4)

(5)

1.3 基于Gamma變換的光照矯正算法

Gamma非線性函數通過指數變換的方式能夠實現(xiàn)對不同的像素進行不同的矯正。針對數字圖像的Gamma校正函數為：

(6)

其中，G(x,y)為矯正后的圖像，S(x,y)為采集到的原始圖像,λ為矯正因子。當λ大于1時，可以降低像素點的亮度值，當λ小于1時,能夠增加像素點的亮度值。為了實現(xiàn)根據圖像的亮度分布自動地選擇λ值，本文提出了一種隨著光照分量變化而變化的分段線性函數：

(7)

其中，I(x,y)為提取的光照分量，a為自適應增強系數。該分段函數對應的變化曲線如圖1所示。

圖1 自適應增強系數變化曲線

由圖1可以看出，針對一幅數字圖像，當圖像亮度越高時，λ越大；圖像亮度越低時，λ越小。從而能夠達到對不同亮度的值進行不同強度的矯正，有效地減少光照不均對圖像造成的影響。針對一幅圖像不同像素的矯正能夠很好地解決圖像中照度不均勻的問題，但針對不同的圖像，往往需要使用不同的矯正因子才能達到較為理想的增強效果，鑒于此本文引入了自適應增強系數a，定義如下：

(8)

其中，Sv(x,y)為原始圖像均值，當圖像過亮或者過暗時即均值較大或者較小，a值則較大，對圖像也就有較大程度的矯正；當圖像亮度適中時，對光照的矯正程度則較小。由式(7)可知，增強系數λ由整體圖像的均值和每個點的像素值共同決定。因此針對不同的圖像均能達到較好的增強效果。

2 基于AM5728的算法移植與優(yōu)化

AM5728是TI公司生產的一款ARM+DSP多核異構的高性能音視頻處理器。它結合了DSP的高度并行運算能力及ARM強大的邏輯控制管理能力。AM5728具有兩個ARMv7架構的Cortex-A15核和兩個TM320C66x超長指令集DSP核。ARM核作為平臺控制管理單元，時鐘頻率可達1.5 GHz，能對平臺各個接口資源進行統(tǒng)一管理。DSP核時鐘頻率可高達750 MHz， 通常可用于視頻處理等需要復雜計算的場合。鑒于AM5728多核異構的特點，充分考慮ARM和DSP各自的優(yōu)勢，采用多進程的方式實現(xiàn)ARM雙核的并行處理，同時基于OpenCL框架維護了一個消息隊列來保持ARM核與DSP核之間的通信，每個DSP核均從消息隊列中獲取數據從而實現(xiàn)了DSP核的并行運算。算法的執(zhí)行流程如圖2所示。

圖2 多核并行設計圖

ARM_CORE1主要負責數字圖像的采集任務，ARM_CORE2負責將每一幀圖像的每一行數據封裝為一個工作組，并按組將數據送往OpenCL維護的消息隊列中，然后兩個DSP核均從消息隊列中取出數據進行運算，對每個工作組的數據進行濾波和Gamma矯正。運算完成后的工作組同樣通過消息隊列的方式傳回ARM_CORE2，ARM_CORE2同時將接收到的數據組合成為增強后的圖像，并通過ARM_CORE1將圖像輸出到顯示設備上。本文設計的算法流程充分利用了AM5728的硬件資源，在運算速度上有了很大提升。

3 實驗結果分析

為了驗證本文算法的有效性，本文針對光照不均的硬幣圖像和巖石圖像，分別利用直方圖均衡算法、MSR算法以及本文算法進行增強處理，結果如圖3和圖4所示。

圖3 硬幣圖像的不同算法處理結果

圖4 巖石圖像的不同算法處理結果

通過對比可以看出,直方圖均衡化對于對比度較高的區(qū)域(如圖3中硬幣邊緣和圖4中的巖石邊緣)進行增強時容易出現(xiàn)過增強現(xiàn)象，增加了很多的噪聲；MSR算法由于直接濾除光照分量導致光照強度過亮的區(qū)域變得更加模糊，如圖3中硬幣的右上角區(qū)域和圖4中巖石中心區(qū)域；而本文算法對照度不均勻的圖像有了整體性的增強和細節(jié)上的銳化。

為了驗證本文算法的高效性，針對本文算法分別測試了使用OpenCL框架加速和未使用OpenCL框架的圖像增強時間，針對不同尺寸的圖像選取多張圖像進行測試，平均處理時間如表1所示。

表1 單幀圖像處理時間 (ms)

可以看出通過OpenCL框架調用DSP核加速處理的時間明顯低于未使用DSP核時處理的時間。針對720 p的視頻可以達到實時增強的效果。

4 結論

為了降低工業(yè)視覺檢測中圖像采集質量對檢測準確率的影響，本文基于Gamma校正函數提出了一種自適應增強算法，該算法能有效地增強在照度不均條件下采集的圖像質量。并針對嵌入式平臺AM5728進行了移植和優(yōu)化，最終實現(xiàn)了對采集圖像高速有效的增強處理。