基于FPGA的水果图像增强方法研究
2014-08-12毛丽民刘叔军浦宇欢等
毛丽民+刘叔军+浦宇欢+等
摘要：为提高水果品质检测精度，针对以FPGA（Field-Programmable Gate Array，现场可编程门阵列）为核心的水果检测系统进行图像增强方法的研究。以柑橘为对象，对水果图像分别进行了高斯算法、中值算法和图像锐化3种图像增强方法的试验，实现了基于FPGA的柑橘图像的增强，并分析了3种方法对水果图像增强的效果。结果表明，以FPGA为核心的图像增强方法，通过并行处理结构及流水线技术，可实时处理可见光图像，有效增强了图像的对比度，提高了图像质量，在水果品质检测方面具有较高的实用价值。
关键词：FPGA；水果检测；图像增强
中图分类号： S126；TN911.73文献标志码： A文章编号：1002-1302（2014）06-0395-04
收稿日期：2013-08-28
基金项目：江苏省苏州市科技计划（编号：SYN201109）；常熟理工学院青年教师科研启动基金（编号：QZ1101）。
作者简介：毛丽民（1981—），男，江苏常熟人，硕士，讲师，主要从事图像处理与目标跟踪研究。E-mail：maolimin_1981@163.com。在水果无损检测方法和技术研究中，水果图像的边缘信息是水果最基本的特征[1]。虽然，国内外对基于机器视觉的水果品质检测进行了广泛应用研究，如苹果的形状、大小、颜色等。但是，我国目前基于机器视觉的水果检测存在着检测速度慢、系统庞大、成本高等问题[2-3]。本研究提出了一种以FPGA（现场可编程门阵列）为核心的水果检测系统，利用该系统对水果图像进行增强。该系统主要实现了基于FPGA的高斯算法、中值算法和图像锐化，对水果图像进行增强[4]。
1水果品质检测系统的设计
FPGA目前已经被广泛地应用于机器视觉系统中，与传统的DSP处理方法相比，FPGA有着明显的优势。首先，FPGA 真正实现了信号的并行处理；其次FPGA实现信号处理非常灵活；最后随着半导体技术的迅速发展，FPGA价格不断降低，实现了系统低成本的设计。本试验采用FPGA作为水果品质检测的处理核心，硬件核心部分采用XINLIX高性能 FPGA作为主处理芯片，图像采集采用TCDl208AP型线阵CCD。通过CCD摄像头获取图像，将数据输入到FPGA，根据图像增强方法实现了水果图像的增强。系统整体设计如图1所示。
2基于FPGA的高斯滤波水果图像增强方法
2.1高斯算法的原理
2.1.1高斯滤波法简介用二维零均值离散高斯函数作平滑滤波器，函数表达式为[5]：
g[i，j]=e-（i2+j2）2σ2。（1）
式中：g[i，j]为像素点；高斯分布参数σ决定了高斯滤波器的宽度。高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器，对去除服从正态分布的噪音是有效的。
调试过程中，改变采样周期，水果图像将发生变化。通过调试，得到的增强效果如图3所示。
3基于FPGA的中值滤波水果图像增强方法
3.1中值算法的原理
中值滤波是一种不同于卷积的邻域运算，它的思想是将一个含有奇数个像素的窗口A在图像上依次移动，在每个位置上对窗口内像素的灰度值由小到大进行排列，然后将位于中间的灰度值作为窗口中心像素的输出值。
3.2中值算法的system generator实现
使用system generator构建的中值算法结构如图6所示。
3.3基于FPGA的中值算法的调试
中值算法对于水果图像增强的效果如图7至图9所示。中值滤波是一种非线性的空间滤波，响应基于图像滤波器包围的图像区域中像素的排序，然后用统计排序的中值代替中心像素的值。中值滤波对脉冲噪声非常有效，同时又能够很好保护水果目标图像的边缘。由图7、图8可知，中值滤波能有效地虑除橘子轮廓的毛刺，同时边缘保护得非常好。
4基于FPGA的图像锐化水果图像增强方法
4.1图像锐化的原理
图像锐化就是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰，分为空域处理和频域处理2类[6]。图像锐化算法模板如图10所示。
4.2图像锐化的system generator实现
最后通过对输出水果图像进行调整，通过改变配置表中的参数值，调节图像处理的结果，其中底层偏移的参数的调节范围为0～5之间的整数。
4.3基于FPGA的图像锐化的调试
通过改变Slice的配置表中的底层偏移位的参数来达到改变水果图像处理的理想结果，参数为0～5时的水果图像处理结果如图13至图15所示。
图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法。通过调试，图像锐化补偿图像的轮廓，增强了橘子图像的边缘。随着采样周期的延长，图像边缘更突出、清晰。
5总结
本试验进行了基于FPGA水果图像增强方法的研究，主
要实现了3种水果图像增强方法。基于FPGA的滤波算法可以并行地实现，大大地提高了图像分析和处理的速度。从处理结果看，高斯滤波器是线性平滑滤波器，对去除服从正态分布的噪音是有效的；中值滤波能很好地消除小的噪音，但噪音块大于处理窗时，就无能为力；图像锐化增强了图像的边缘，使图像边缘突出、清晰。
参考文献：
[1]党宏社，宋晋国，郭琴. 基于ARM的嵌入式水果大小检测与分级系统的实现[J]. 四川农业大学学报，2011，29（1）：89-93.
[2]展慧，李小昱，王为，等. 基于机器视觉的板栗分级检测方法[J]. 农业工程学报，2010，26（4）：327-331.
[3]安爱琴，余泽通，王宏强. 基于机器视觉的苹果大小自动分级方法[J]. 农机化研究，2008（4）：163-166.
[4]Sengee N，Sengee A，Heung-Kook C. Image contrast enhancement using bi-histogram equalization with neighborhood metrics[J]. IEEE Transactions on Consumer Electronics，2010，56（4）：2727-2734.
[5]赵吉文，高尚，魏正翠，等. 基于FPGA的西瓜子机器视觉检测系统设计与试验[J]. 农业机械学报，2011，42（8）：173-177.
[6]Zhang Q H，Zhang X F. Research of key algorithm in the technology of fingerprint identification[C]. IEEE Second International Conference on Computer Modeling and Simulation. Sanya，China，2010：282-284
摘要：为提高水果品质检测精度，针对以FPGA（Field-Programmable Gate Array，现场可编程门阵列）为核心的水果检测系统进行图像增强方法的研究。以柑橘为对象，对水果图像分别进行了高斯算法、中值算法和图像锐化3种图像增强方法的试验，实现了基于FPGA的柑橘图像的增强，并分析了3种方法对水果图像增强的效果。结果表明，以FPGA为核心的图像增强方法，通过并行处理结构及流水线技术，可实时处理可见光图像，有效增强了图像的对比度，提高了图像质量，在水果品质检测方面具有较高的实用价值。
关键词：FPGA；水果检测；图像增强
中图分类号： S126；TN911.73文献标志码： A文章编号：1002-1302（2014）06-0395-04
收稿日期：2013-08-28
基金项目：江苏省苏州市科技计划（编号：SYN201109）；常熟理工学院青年教师科研启动基金（编号：QZ1101）。
作者简介：毛丽民（1981—），男，江苏常熟人，硕士，讲师，主要从事图像处理与目标跟踪研究。E-mail：maolimin_1981@163.com。在水果无损检测方法和技术研究中，水果图像的边缘信息是水果最基本的特征[1]。虽然，国内外对基于机器视觉的水果品质检测进行了广泛应用研究，如苹果的形状、大小、颜色等。但是，我国目前基于机器视觉的水果检测存在着检测速度慢、系统庞大、成本高等问题[2-3]。本研究提出了一种以FPGA（现场可编程门阵列）为核心的水果检测系统，利用该系统对水果图像进行增强。该系统主要实现了基于FPGA的高斯算法、中值算法和图像锐化，对水果图像进行增强[4]。
1水果品质检测系统的设计
FPGA目前已经被广泛地应用于机器视觉系统中，与传统的DSP处理方法相比，FPGA有着明显的优势。首先，FPGA 真正实现了信号的并行处理；其次FPGA实现信号处理非常灵活；最后随着半导体技术的迅速发展，FPGA价格不断降低，实现了系统低成本的设计。本试验采用FPGA作为水果品质检测的处理核心，硬件核心部分采用XINLIX高性能 FPGA作为主处理芯片，图像采集采用TCDl208AP型线阵CCD。通过CCD摄像头获取图像，将数据输入到FPGA，根据图像增强方法实现了水果图像的增强。系统整体设计如图1所示。
2基于FPGA的高斯滤波水果图像增强方法
2.1高斯算法的原理
2.1.1高斯滤波法简介用二维零均值离散高斯函数作平滑滤波器，函数表达式为[5]：
g[i，j]=e-（i2+j2）2σ2。（1）
式中：g[i，j]为像素点；高斯分布参数σ决定了高斯滤波器的宽度。高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器，对去除服从正态分布的噪音是有效的。
调试过程中，改变采样周期，水果图像将发生变化。通过调试，得到的增强效果如图3所示。
3基于FPGA的中值滤波水果图像增强方法
3.1中值算法的原理
中值滤波是一种不同于卷积的邻域运算，它的思想是将一个含有奇数个像素的窗口A在图像上依次移动，在每个位置上对窗口内像素的灰度值由小到大进行排列，然后将位于中间的灰度值作为窗口中心像素的输出值。
3.2中值算法的system generator实现
使用system generator构建的中值算法结构如图6所示。
3.3基于FPGA的中值算法的调试
中值算法对于水果图像增强的效果如图7至图9所示。中值滤波是一种非线性的空间滤波，响应基于图像滤波器包围的图像区域中像素的排序，然后用统计排序的中值代替中心像素的值。中值滤波对脉冲噪声非常有效，同时又能够很好保护水果目标图像的边缘。由图7、图8可知，中值滤波能有效地虑除橘子轮廓的毛刺，同时边缘保护得非常好。
4基于FPGA的图像锐化水果图像增强方法
4.1图像锐化的原理
图像锐化就是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰，分为空域处理和频域处理2类[6]。图像锐化算法模板如图10所示。
4.2图像锐化的system generator实现
最后通过对输出水果图像进行调整，通过改变配置表中的参数值，调节图像处理的结果，其中底层偏移的参数的调节范围为0～5之间的整数。
4.3基于FPGA的图像锐化的调试
通过改变Slice的配置表中的底层偏移位的参数来达到改变水果图像处理的理想结果，参数为0～5时的水果图像处理结果如图13至图15所示。
图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法。通过调试，图像锐化补偿图像的轮廓，增强了橘子图像的边缘。随着采样周期的延长，图像边缘更突出、清晰。
5总结
本试验进行了基于FPGA水果图像增强方法的研究，主
要实现了3种水果图像增强方法。基于FPGA的滤波算法可以并行地实现，大大地提高了图像分析和处理的速度。从处理结果看，高斯滤波器是线性平滑滤波器，对去除服从正态分布的噪音是有效的；中值滤波能很好地消除小的噪音，但噪音块大于处理窗时，就无能为力；图像锐化增强了图像的边缘，使图像边缘突出、清晰。
参考文献：
[1]党宏社，宋晋国，郭琴. 基于ARM的嵌入式水果大小检测与分级系统的实现[J]. 四川农业大学学报，2011，29（1）：89-93.
[2]展慧，李小昱，王为，等. 基于机器视觉的板栗分级检测方法[J]. 农业工程学报，2010，26（4）：327-331.
[3]安爱琴，余泽通，王宏强. 基于机器视觉的苹果大小自动分级方法[J]. 农机化研究，2008（4）：163-166.
[4]Sengee N，Sengee A，Heung-Kook C. Image contrast enhancement using bi-histogram equalization with neighborhood metrics[J]. IEEE Transactions on Consumer Electronics，2010，56（4）：2727-2734.
[5]赵吉文，高尚，魏正翠，等. 基于FPGA的西瓜子机器视觉检测系统设计与试验[J]. 农业机械学报，2011，42（8）：173-177.
[6]Zhang Q H，Zhang X F. Research of key algorithm in the technology of fingerprint identification[C]. IEEE Second International Conference on Computer Modeling and Simulation. Sanya，China，2010：282-284
摘要：为提高水果品质检测精度，针对以FPGA（Field-Programmable Gate Array，现场可编程门阵列）为核心的水果检测系统进行图像增强方法的研究。以柑橘为对象，对水果图像分别进行了高斯算法、中值算法和图像锐化3种图像增强方法的试验，实现了基于FPGA的柑橘图像的增强，并分析了3种方法对水果图像增强的效果。结果表明，以FPGA为核心的图像增强方法，通过并行处理结构及流水线技术，可实时处理可见光图像，有效增强了图像的对比度，提高了图像质量，在水果品质检测方面具有较高的实用价值。
关键词：FPGA；水果检测；图像增强
中图分类号： S126；TN911.73文献标志码： A文章编号：1002-1302（2014）06-0395-04
收稿日期：2013-08-28
基金项目：江苏省苏州市科技计划（编号：SYN201109）；常熟理工学院青年教师科研启动基金（编号：QZ1101）。
作者简介：毛丽民（1981—），男，江苏常熟人，硕士，讲师，主要从事图像处理与目标跟踪研究。E-mail：maolimin_1981@163.com。在水果无损检测方法和技术研究中，水果图像的边缘信息是水果最基本的特征[1]。虽然，国内外对基于机器视觉的水果品质检测进行了广泛应用研究，如苹果的形状、大小、颜色等。但是，我国目前基于机器视觉的水果检测存在着检测速度慢、系统庞大、成本高等问题[2-3]。本研究提出了一种以FPGA（现场可编程门阵列）为核心的水果检测系统，利用该系统对水果图像进行增强。该系统主要实现了基于FPGA的高斯算法、中值算法和图像锐化，对水果图像进行增强[4]。
1水果品质检测系统的设计
FPGA目前已经被广泛地应用于机器视觉系统中，与传统的DSP处理方法相比，FPGA有着明显的优势。首先，FPGA 真正实现了信号的并行处理；其次FPGA实现信号处理非常灵活；最后随着半导体技术的迅速发展，FPGA价格不断降低，实现了系统低成本的设计。本试验采用FPGA作为水果品质检测的处理核心，硬件核心部分采用XINLIX高性能 FPGA作为主处理芯片，图像采集采用TCDl208AP型线阵CCD。通过CCD摄像头获取图像，将数据输入到FPGA，根据图像增强方法实现了水果图像的增强。系统整体设计如图1所示。
2基于FPGA的高斯滤波水果图像增强方法
2.1高斯算法的原理
2.1.1高斯滤波法简介用二维零均值离散高斯函数作平滑滤波器，函数表达式为[5]：
g[i，j]=e-（i2+j2）2σ2。（1）
式中：g[i，j]为像素点；高斯分布参数σ决定了高斯滤波器的宽度。高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器，对去除服从正态分布的噪音是有效的。
调试过程中，改变采样周期，水果图像将发生变化。通过调试，得到的增强效果如图3所示。
3基于FPGA的中值滤波水果图像增强方法
3.1中值算法的原理
中值滤波是一种不同于卷积的邻域运算，它的思想是将一个含有奇数个像素的窗口A在图像上依次移动，在每个位置上对窗口内像素的灰度值由小到大进行排列，然后将位于中间的灰度值作为窗口中心像素的输出值。
3.2中值算法的system generator实现
使用system generator构建的中值算法结构如图6所示。
3.3基于FPGA的中值算法的调试
中值算法对于水果图像增强的效果如图7至图9所示。中值滤波是一种非线性的空间滤波，响应基于图像滤波器包围的图像区域中像素的排序，然后用统计排序的中值代替中心像素的值。中值滤波对脉冲噪声非常有效，同时又能够很好保护水果目标图像的边缘。由图7、图8可知，中值滤波能有效地虑除橘子轮廓的毛刺，同时边缘保护得非常好。
4基于FPGA的图像锐化水果图像增强方法
4.1图像锐化的原理
图像锐化就是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰，分为空域处理和频域处理2类[6]。图像锐化算法模板如图10所示。
4.2图像锐化的system generator实现
最后通过对输出水果图像进行调整，通过改变配置表中的参数值，调节图像处理的结果，其中底层偏移的参数的调节范围为0～5之间的整数。
4.3基于FPGA的图像锐化的调试
通过改变Slice的配置表中的底层偏移位的参数来达到改变水果图像处理的理想结果，参数为0～5时的水果图像处理结果如图13至图15所示。
图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法。通过调试，图像锐化补偿图像的轮廓，增强了橘子图像的边缘。随着采样周期的延长，图像边缘更突出、清晰。
5总结
本试验进行了基于FPGA水果图像增强方法的研究，主
要实现了3种水果图像增强方法。基于FPGA的滤波算法可以并行地实现，大大地提高了图像分析和处理的速度。从处理结果看，高斯滤波器是线性平滑滤波器，对去除服从正态分布的噪音是有效的；中值滤波能很好地消除小的噪音，但噪音块大于处理窗时，就无能为力；图像锐化增强了图像的边缘，使图像边缘突出、清晰。
参考文献：
[1]党宏社，宋晋国，郭琴. 基于ARM的嵌入式水果大小检测与分级系统的实现[J]. 四川农业大学学报，2011，29（1）：89-93.
[2]展慧，李小昱，王为，等. 基于机器视觉的板栗分级检测方法[J]. 农业工程学报，2010，26（4）：327-331.
[3]安爱琴，余泽通，王宏强. 基于机器视觉的苹果大小自动分级方法[J]. 农机化研究，2008（4）：163-166.
[4]Sengee N，Sengee A，Heung-Kook C. Image contrast enhancement using bi-histogram equalization with neighborhood metrics[J]. IEEE Transactions on Consumer Electronics，2010，56（4）：2727-2734.
[5]赵吉文，高尚，魏正翠，等. 基于FPGA的西瓜子机器视觉检测系统设计与试验[J]. 农业机械学报，2011，42（8）：173-177.
[6]Zhang Q H，Zhang X F. Research of key algorithm in the technology of fingerprint identification[C]. IEEE Second International Conference on Computer Modeling and Simulation. Sanya，China，2010：282-284
