CN103312940A - 一种基于fpga的自适应中值滤波方法 - Google Patents

Abstract

本发明属于中值滤波方法，具体涉及一种基于FPGA的自适应中值滤波方法。它包括：步骤一：选择窗口大小；粗略统计图像中的噪声点个数，根据噪声点的个数选择窗口大小；步骤二：滤波；确定窗口噪声点和自适应窗口大小后，用窗口在原图像上滑动，每滑动一个位置都判断窗口中心点是否为噪声，滑动过程遍历全部图像。本发明的有益效果是：本申请的中值滤波算法虽然处理数据量大，但其在运算过程中不需要整图像的统计，也不需要寄存大量的中间数据，且运算筒单、重复性强，因此非常适合于映射到FPGA架构中由硬件实现，可以实现高效准确的图像滤波。

Description

一种基于FPGA的自适应中值滤波方法

技术领域

本发明属于中值滤波方法，具体涉及一种基于FPGA的自适应中值滤波方法。

背景技术

图像在生成过程中，往往会受到各种噪声的干扰，使得图像的质量变差。因此，在图像处理系统中，必须对其进行滤波、平滑等预处理来消除噪声。作为一种空域滤波技术，中值滤波算法与其他滤波算法(如均值滤波)相比，能有效地消除脉冲噪声和椒盐噪声，并且能较好地保留图像的边缘信息，因而在图像去噪处理中得到广泛应用。但标准中值滤波去除噪声的性能受滤波窗口尺寸的影响较大，在抑制图像噪声和保护图像细节两方面存在一定的矛盾：滤波窗口小，可较好地保护图像细节，但滤除噪声的能力会受到限制；滤波窗口大，可加强噪声抑制能力，但会损失太多的图像细节(如图像边缘、拐角以及细线等)，造成图像模糊。

现有技术中的采用的自适应中值滤波算法运算量非常大，对于实时性要求不高的系统，用一般的软件来实现可以满足图像处理要求，但对于一些实时性要求比较高的系统，如目标识别与跟踪系统，处理速度往往是要考虑的关键因素，因此无法满足要求。

发明内容

本发明的目的是针对现有技术的缺陷，提供一种基于FPGA的自适应中值滤波方法。

本发明是这样实现的：一种基于FPGA的自适应中值滤波方法，包括下述步骤：

步骤一：选择窗口大小

粗略统计图像中的噪声点个数，根据噪声点的个数选择窗口大小；

上述的噪声点是按照下述规则确定的：对窗口内图像数据进行排序，找到数据的中值；然后将窗口内象素点灰度值与中值做差，将差值与事先设定好的阈值T做比较，如果差值的绝对值大于或等于阈值T，则认为该点为噪声点，如果差值的绝对值小于阈值T，则认为该点为非噪声点，

步骤二：滤波

确定窗口噪声点和自适应窗口大小后，用窗口在原图像上滑动，每滑动一个位置都判断窗口中心点是否为噪声，如果中心点为非噪声点，则认为中心点图像数据为有效数据，保持原值作为输出；如果中心点为噪声点，选择自适应窗口的中值作为输出以滤除噪声，上述滑动过程遍历全部图像；

所述的将自适应窗口的中值按照下述方法确定：

对于3×3窗口如附图8所示，对3×3窗口的9个像素值V11-V33，先按照列从大到小排序，分别得到三列数据Max(i)、Med(i)、Min(i)(i=1，2，3)；然后按照行从小到大排序，分别得到X(i)、Y(i)、Z(i)(i=1，2，3)；最后取对角线上的三个像素值X1、Y2和Z3的中值作为窗口中值输出，，上述的值为图像的灰度值，

对于5×5窗口，先按照列从大到小排序；然后按照行从小到大排序，去掉最右上角的六个数据和最左下的六个数据，将剩余数据按照列从大到小的顺序排列，此时排列的时候排列成三行五列矩阵，并且该矩阵的（2,1）位置和（2,5）位置为空，然后再按照行从小到大的顺序排列，去除掉最右上的两个数据和最左下的两个数据，将剩下的9个数据排列成的3×3矩阵，即为输出结果，得到该3×3矩阵后，按照前述3×3矩阵的滤波方法进行中值滤波，得到的中值即为最终输出结果。

如上所述的一种基于FPGA的自适应中值滤波方法，其中，在步骤一选择窗口大小按照下述步骤操作：选择3×3的窗口，随机在原图像中放置，如果窗口中的噪声点小于等于4个，则选用3×3的窗口，否则选用5×5的窗口。

如上所述的一种基于FPGA的自适应中值滤波方法，其中，所述的阈值T设定为40。

本发明的有益效果是：本申请的中值滤波算法虽然处理数据量大，但其在运算过程中不需要整图像的统计，也不需要寄存大量的中间数据，且运算筒单、重复性强，因此非常适合于映射到FPGA架构中由硬件实现，可以实现高效准确的图像滤波。

附图说明

图1是原始图像。

图2是40％的椒盐噪声的图像。

图3是3×3中值滤波的图像。

图4是5×5中值滤波的图像。

图5是用本申请方法处理后的图像

图6是自适应中值滤波算法并行架构图。

图7是快速中值滤波算法实现过程图。

图8是快速中值滤波算法流程图。

图9是快速中值滤波算法（5×5窗口）流程图。

具体实施方式

一种基于FPGA的自适应中值滤波方法，包括下述步骤：

步骤一：选择窗口大小

粗略统计图像中的噪声点个数，根据噪声点的个数选择窗口大小。滤波窗口大小与滤波效果有直接关系，滤波窗口小，可较好地保护图像细节，但滤除噪声的能力会受到限制；滤波窗口大，可加强噪声抑制能力，但会损失太多的图像细节(如图像边缘、拐角以及细线等)，造成图像模糊。具体的说，选择3×3的窗口，随机在原图像中放置，如果窗口中的噪声点小于等于4个，则选用3×3的窗口，否则选用5×5的窗口。

上述的噪声点是按照下述规则确定的：对窗口内图像数据进行排序，找到数据的中值（如附图7所示）；然后将窗口内象素点灰度值与中值做差，将差值与事先设定好的阈值T做比较，如果差值的绝对值大于或等于阈值T，则认为该点为噪声点，如果差值的绝对值小于阈值T，则认为该点为非噪声点。

阈值T的选择应该针对不同的图像，根据经验或者实验进行选取。如果阈值选择过大，将有可能滤除不掉噪声；如果阈值选择过小，将仍会使图像变得模糊。针对8位图像数据阈值一般选择在几十左右，本发明初始设定为40，阈值通过参数调节可更改。

可以使用上述方法对图像进行噪声点统计的原因在于：图像像素点受到椒盐噪声影响后，其灰度值表现为极大值或者极小值，用上述方法很容易将噪声点和非噪声点区分开（如附图1和附图2所示）。

步骤二：滤波

确定窗口噪声点和自适应窗口大小后，用窗口在原图像上滑动，每滑动一个位置都判断窗口中心点是否为噪声。如果中心点为非噪声点，则认为中心点图像数据为有效数据，保持原值作为输出；如果中心点为噪声点，选择自适应窗口的中值作为输出以滤除噪声。上述滑动过程遍历全部图像。

所述的将自适应窗口的中值按照下述方法确定：

对于3×3窗口如附图8所示，对3×3窗口的9个像素值V11-V33，先按照列从大到小排序（按箭头增序），分别得到三列数据Max(i)、Med(i)、Min(i)(i=1，2，3)；然后按照行从小到大排序（按箭头增序），分别得到X(i)、Y(i)、Z(i)(i=1，2，3)；最后取对角线上的三个像素值X1、Y2和Z3的中值（大小为中间的值）作为窗口中值输出。上述的值为图像的灰度值。

对于5×5窗口，如附图9所示，先按照列从大到小排序（按箭头增序）；然后按照行从小到大排序（按箭头增序），去掉最右上角的六个数据和最左下的六个数据，将剩余数据按照列从大到小的顺序排列，此时排列的时候排列成三行五列矩阵，并且该矩阵的（2,1）位置和（2,5）位置为空，然后再按照行从小到大的顺序排列，去除掉最右上的两个数据和最左下的两个数据，将剩下的9个数据排列成的3×3矩阵，即为输出结果。得到该3×3矩阵后，按照前述3×3矩阵的滤波方法进行中值滤波，得到的中值即为最终输出结果。

上述方法在和FPGA结合的时候，按照下述过程操作（如附图6所示）：

步骤一：滤波

利用FPGA的并行架构特性，用不同的寄存器同时进行3×3滤波和5×5滤波，分别得到滤波结果。3×3滤波和5×5滤波的滤波过程如前所述。

步骤二：噪声检测

根据3×3滤波的结果，进行噪声检测，具体为：对窗口内图像数据进行排序，找到数据的中值（步骤一中3×3滤波的结果）；然后将窗口内象素点灰度值与中值做差（窗口内象素点灰度值在3×3数据寄存器中），将差值与事先设定好的阈值T做比较，如果差值的绝对值大于或等于阈值T，则认为该点为噪声点，如果差值的绝对值小于阈值T，则认为该点为非噪声点。

阈值T的选择应该针对不同的图像，根据经验或者实验进行选取。如果阈值选择过大，将有可能滤除不掉噪声；如果阈值选择过小，将仍会使图像变得模糊。针对8位图像数据阈值一般选择在几十左右，本发明初始设定为40，阈值通过参数调节可更改。

步骤三：噪声判定及输出选择

累加3×3窗口中的噪声点个数，如果窗口中的噪声点小于等于4个，则选择3×3滤波的结果作为最终结果输出；否则选择5×5滤波的结果作为最终结果输出。

Claims (3)

1.一种基于FPGA的自适应中值滤波方法，其特征在于：包括下述步骤：

步骤一：选择窗口大小

粗略统计图像中的噪声点个数，根据噪声点的个数选择窗口大小；

上述的噪声点是按照下述规则确定的：对窗口内图像数据进行排序，找到数据的中值；然后将窗口内象素点灰度值与中值做差，将差值与事先设定好的阈值T做比较，如果差值的绝对值大于或等于阈值T，则认为该点为噪声点，如果差值的绝对值小于阈值T，则认为该点为非噪声点，

步骤二：滤波

确定窗口噪声点和自适应窗口大小后，用窗口在原图像上滑动，每滑动一个位置都判断窗口中心点是否为噪声，如果中心点为非噪声点，则认为中心点图像数据为有效数据，保持原值作为输出；如果中心点为噪声点，选择自适应窗口的中值作为输出以滤除噪声，上述滑动过程遍历全部图像；

所述的将自适应窗口的中值按照下述方法确定：

对于3×3窗口如附图8所示，对3×3窗口的9个像素值V11-V33，先按照列从大到小排序，分别得到三列数据Max(i)、Med(i)、Min(i)(i=1，2，3)；然后按照行从小到大排序，分别得到X(i)、Y(i)、Z(i)(i=1，2，3)；最后取对角线上的三个像素值X1、Y2和Z3的中值作为窗口中值输出，，上述的值为图像的灰度值，

对于5×5窗口，先按照列从大到小排序；然后按照行从小到大排序，去掉最右上角的六个数据和最左下的六个数据，将剩余数据按照列从大到小的顺序排列，此时排列的时候排列成三行五列矩阵，并且该矩阵的（2,1）位置和（2,5）位置为空，然后再按照行从小到大的顺序排列，去除掉最右上的两个数据和最左下的两个数据，将剩下的9个数据排列成的3×3矩阵，即为输出结果，得到该3×3矩阵后，按照前述3×3矩阵的滤波方法进行中值滤波，得到的中值即为最终输出结果。

2.如权利要求1所述的一种基于FPGA的自适应中值滤波方法，其特征在于：在步骤一选择窗口大小按照下述步骤操作：选择3×3的窗口，随机在原图像中放置，如果窗口中的噪声点小于等于4个，则选用3×3的窗口，否则选用5×5的窗口。

3.如权利要求2所述的一种基于FPGA的自适应中值滤波方法，其特征在于：所述的阈值T设定为40。

Images