薛金勇，黑勇，陳黎明

(中國科學院 微電子研究所，北京100029)

數(shù)字圖像傳感器廣泛應(yīng)用在各種視頻應(yīng)用領(lǐng)域，由于圖像的數(shù)據(jù)量很大，所以在圖像傳輸前要對圖像進行有損或無損壓縮，有損壓縮一般應(yīng)用在對圖像質(zhì)量要求不高的應(yīng)用領(lǐng)域，但是醫(yī)學圖像等一些高端應(yīng)用領(lǐng)域要求圖像必須采用無損壓縮。快速高效無損圖像壓縮系統(tǒng)是一個快速高效的無損圖像壓縮算法，比工作在無損模式下的JPEG快5倍，且能夠達到相同的壓縮比［1］，同時快速高效無損圖像壓縮系統(tǒng)(fast and efficient lossless image compression system，F(xiàn)ELICS)算法復(fù)雜度低，因此非常適合應(yīng)用于醫(yī)療內(nèi)窺鏡系統(tǒng)［2］。但是算法中Golomb-Rice編碼［3］的k參數(shù)選取需要一塊大容量的存儲器，更新存儲器的過程更是消耗大量功耗與時鐘周期，不定長編碼也限制了系統(tǒng)的吞吐量。本文據(jù)此提出了一種更加易于超大規(guī)模集成電路(very large scale integration，VLSI)實現(xiàn)的低功耗 VLSI-oriented FELICS算法，簡化了k參數(shù)的選取，降低了系統(tǒng)的設(shè)計復(fù)雜度，提高了系統(tǒng)吞吐率。

1 FELICS算法

編碼一幀圖像，F(xiàn)ELICS算法不進行任何編碼直接輸出前2個像素，然后按照光柵掃描順序依次編碼像素，編碼步驟如下［1］:

1)選取當前像素P和2個相鄰像素N1、N2。N1與N2已知，且已編碼，為P提供相關(guān)信息，其選取規(guī)則如圖1。

2)計算預(yù)測區(qū)間下界L=min{N1，N2}，上界H=max{N1，N2}，預(yù)測上下文 Δ=H-L。

3)如果L≤P≤H，像素P落在預(yù)測區(qū)間［L，H］，編碼1 bit的0，表示像素P落在預(yù)測區(qū)間內(nèi)，然后對P-L在［0，Δ］內(nèi)進行修正的二元編碼;如果L＞P，則像素P低于預(yù)測區(qū)間，編碼1 bit的1，表示像素P落在預(yù)測區(qū)間外，再用1 bit的0表示低于預(yù)測區(qū)間，然后計算出P點與預(yù)測區(qū)間邊界的差值D=L-P-1，對該差值D進行Golomb-Rice編碼。

如果P＞H，則像素P處于高于預(yù)測區(qū)間，編碼1 bit的1，表示像素P落在預(yù)測區(qū)間外，再用1 bit的1表示高于預(yù)測區(qū)間;然后計算出P點與預(yù)測區(qū)間邊界的差值D，D=P-H-1，對該差值D進行Golomb-Rice編碼。

圖1 當前像素和相鄰像素Fig.1 Current pixel and the two nearest neighbors

1.1 修正的二元編碼

對P-L在［0，Δ］內(nèi)進行修正的二元編碼，即如果Δ+1是2的冪，使用編碼字長為lb(Δ+1)的簡單二元編碼;否則調(diào)整編碼方式，一些值的編碼字長為?lb(Δ+1)」，另一些編碼字長為「lb(Δ+1)?。由于像素落在預(yù)測區(qū)間［L，H］中間的概率較大，所以對其采用較短的編碼。

1.2 Golomb-Rice 編碼

Golomb-Rice編碼方法分為3步:

1)參數(shù)確定:在開始一幀圖像處理前建立一個編碼累加表C［Δ］［k］，其中Δ取值范圍同像素值的變化范圍，k取值范圍為0至像素深度。對于像素深度為8的Bayer圖像，累加表為256×8的二維數(shù)組。每次Golomb-Rice codes編碼時，根據(jù)Δ0=H-L確定k，即選取最小的k0，使

對于每一個預(yù)測上下文Δ，編碼累加表C［Δ］［k］記錄了使用每一個可能的k值(0，1，…，7)時Golomb-Rice編碼的編碼總長度，同時使用令編碼總長度最小的k值進行下一次編碼。

2)Golomb-Rice編碼:參數(shù)k確定后，對D/2k進行一元編碼;后對差值D剩余的低k位進行二元編碼。采用此種編碼單個像素的編碼長度最長可達258 bits。

3)參數(shù)更新:k值確定后，更新編碼累加表:

2 VLSI-oriented FELICS算法

觀察FELICS的編碼過程，Golomb-Rice編碼的k參數(shù)選取是影響壓縮效率的關(guān)鍵因素，k參數(shù)選取根據(jù)最少編碼位確定，編、解碼器要在Golomb-Rice編碼下對Δ(0～255)，在k(0～7)下累計編碼位，從而需要256×8Wbits的存儲空間，W表示編碼累加值的位寬。累計編碼位的過程也要消耗額外的操作周期。

FELICS是不定長編碼，單個像素的編碼長度在Golomb-Rice編碼時最長可達258 bits，因此不論是串行還是并行編碼輸出，都不易于硬件實現(xiàn)，限制了系統(tǒng)的吞吐率。

本文提出的VLSI-oriented FELICS采用限長Golomb-Rice編碼，可以簡化參數(shù)k的選擇和更新步驟，消除了256×8Wbits編碼累加表存儲空間，參數(shù)k的選擇可以在一個時鐘周期完成，提高了編碼效率，易于低功耗硬件實現(xiàn);同時限長Golomb-Rice編碼使得單像素編碼不超過16 bits，輸出裝置的輸出緩沖器可在單周期內(nèi)完成單個像素的編碼輸出操作，更適合于實時圖像壓縮，能有效提高系統(tǒng)吞吐率。

2.1 限長Golomb-Rice編碼方法

像素P落在預(yù)測區(qū)間外，對D進行限長Golomb-Rice編碼，分為3步:

1)參數(shù)確定:參數(shù)k的確定根據(jù)圖像的上下環(huán)境關(guān)系確定，采用JPEG-LS［4-5］中的序列參數(shù)估計，參數(shù)k估計基于誤差絕對值的期望，計算公式為

但由于準確的計算量化誤差絕對值的期望比較困難，在JPEG-LS編碼過程中使用誤差的平均值，設(shè)置2個變量N和A，其中N表示到目前為止出現(xiàn)的誤差的數(shù)，A表示到目前為止誤差絕對值的累計值。k參數(shù)滿足k=min{k＇|2k＇N≥A}，即最小的k值使2kN≥A成立。在本設(shè)計中，N為編碼落在預(yù)測區(qū)間外的像素數(shù)目，A為像素落在預(yù)測區(qū)間外的誤差累計。至此，k參數(shù)的選取簡化為計算A與N的最高非零位的差值，如果N通過左移使之最高非零位與A對齊，且值不小于A，則k參數(shù)為A與N的最高非零位的差值，否則為A與N的最高非零位的差值加1。通過對胃窺鏡圖像進行仿真，平均壓縮比由2.66降為2.63，但是硬件復(fù)雜度得到了極大降低，更易于VLSI實現(xiàn)。

2)限長的Golomb-Rice編碼:確定參數(shù)k后，進行Golomb-Rice編碼時，當需要編碼的數(shù)值D遠大于2k時，碼字會變得很長。因此如果D/2k≤5，則編碼為差值D的Golomb-Rice編碼;否則編碼采用限長編碼 {6＇b000000+8＇bD}，由于 FELICS是前綴編碼，使用6＇b000000用來表示Golomb-Rice采用了限長編碼，差值D以其 8 bits二進制表示為8＇bD，連同指示像素P落于預(yù)測區(qū)間外的1 bit編碼、以及指示像素P高于或低于預(yù)測區(qū)間的1 bit編碼，單個像素的編碼長度最大為16 bits。

3)參數(shù)更新:在完成限長的Golomb-Rice編碼后，對參數(shù)進行更新。利用圖像的局部特性，為了獲得更好的壓縮效果，當N超過一定閾值時，將N和A歸零，閾值通常取32～256的數(shù)，這樣k值主要取決于當前像素附近的局部圖像，通過對胃窺鏡圖像進行仿真，閾值取32可以獲得較好的壓縮效果;否則N=N+1，A=A+D。

對12幅標準測試圖像(圖2)的壓縮結(jié)果表明(如表1)，本文VLSI-oriented FELICS相比FELICS，壓縮比下降了約為1.7%。在低功耗內(nèi)窺鏡系統(tǒng)中，對12幅醫(yī)學圖像腸胃圖(如圖3)R通道的壓縮結(jié)果表明，F(xiàn)ELICS算法平均壓縮比約為2.659;VLSI-oriented FELICS的平均壓縮比約為2.626，相比FELICS壓縮比下降約為1.2%;文獻［6］參數(shù)k采取定值2，平均壓縮比約為2.476，相比FELICS壓縮比下降約為6.9%。對比文獻［6］參數(shù)k采取固定值，本文中參數(shù)k采取自適應(yīng)選取，能夠更好的適應(yīng)圖像特征，對大部分圖像均能獲得良好的壓縮比，同時硬件與時鐘周期的開銷也非常低。

VLSI-oriented FELICS硬件實現(xiàn)消除了256×8Wbits編碼累加表存儲空間，復(fù)雜度和功耗可大幅減小，參數(shù)k選擇可在一個時鐘周期完成，編碼效率顯著提升。

圖2 標準測試圖像Fig.2 Standard test images

表1 VLSI-oriented FELICS與FELICS對標準圖像壓縮率比較Table 1 Comparison of compression ratio between VLSI-oriented FELICS and FELICS

圖3 醫(yī)學圖像腸胃圖Fig.3 Medical images of intestines and stomach

2.2 Bayer圖像的 VLSI-oriented FELICS 擴展

Bayer圖像格式被廣泛的應(yīng)用在彩色數(shù)字圖像傳感器［7］。GBRG格式Bayer圖像，其RGB三色通道間的像素相關(guān)性較小，單色通道內(nèi)的像素相關(guān)性較大［8］，在編碼時為了去除更多圖像冗余信息，要對上述的FELICS算法針對Bayer圖像進行適當?shù)恼{(diào)整，對Bayer圖像的RGB三色分別進行FELICS壓縮，以達到更高的壓縮比。在編碼時需要根據(jù)當前像素P所處的通道選取同通道內(nèi)的相鄰像素進行FELICS編碼，隨著當前像素所處的通道變化，不同通道的FELICS壓縮交叉進行，編碼依序送入輸出緩沖器。

FELICS對Bayer圖像的擴展表現(xiàn)在圖像壓縮實施過程中相鄰像素的選擇，以及k參數(shù)的維持，下面分別介紹。

2.2.1 相鄰像素的選擇

對于Bayer圖像，同通道內(nèi)的相鄰像素選取規(guī)則如FELICS算法描述。但同通道內(nèi)的像素在整幅圖像中是隔行或者隔列相鄰的，所以在選取相鄰像素時必須越過相鄰的行和列，在同通道內(nèi)按FELICS算法相鄰像素規(guī)則選取，如圖4所示。

圖4 Bayer圖像相鄰像素的選取規(guī)則Fig.4 The two nearest neighbors in Bayer image

2.2.2k參數(shù)的維持

對Bayer圖像的RGB三通道分別維持k參數(shù)選取變量N、A、k:

1)參數(shù)確定:對Bayer的每個通道維持各自的變量N和A，分別為變量NG1、AG1，NB、AB，NR、AR，NG2、AG2。在Golomb-Rice編碼時，判斷當前像素P所處的通道，選擇相應(yīng)的N和A。如當前像素處于R通道，則N=NR，A=AR。k參數(shù)滿足公式k=min{k＇|2k＇N≥A}。

2)參數(shù)更新:在完成限長的Golomb-Rice編碼后，對參數(shù)進行更新。判斷當前像素P所處的通道，更新相應(yīng)的N和A。如當前像素處于R通道，則更新NR，AR。

本文針對Bayer圖像的FELICS擴展能夠?qū)ayer圖像進行良好的快速無損壓縮。Bayer圖像所需存儲空間本身是RGB格式圖像的1/3［8］，在低功耗的內(nèi)窺鏡系統(tǒng)中，VLSI-oriented FELICS對醫(yī)學圖像的壓縮比可達2.6，因此可以得到約7.8的無損圖像壓縮比。

綜上，本文的 VLSI-oriented FELICS消除了256×8×Wbits編碼累加表存儲空間;參數(shù)k選擇可在一個時鐘周期完成;單像素編碼不超過16 bits，輸出編碼單元的輸出緩沖器可在單周期內(nèi)完成單個像素的編碼輸出操作;針對Bayer圖像的FELICS擴展能夠?qū)ayer圖像進行較好的快速無損壓縮。因此VLSI-oriented FELICS更適合于實時圖像壓縮系統(tǒng)，更易于VLSI的低功耗實現(xiàn)。

3 VLSI-oriented FELICS硬件實現(xiàn)

設(shè)計采用3級流水線，Bayer圖像大小可配置，系統(tǒng)時鐘包括圖像數(shù)據(jù)傳輸時鐘PCLK和工作時鐘CLK，采用一塊深度可配置的雙時鐘異步FIFO緩存圖像數(shù)據(jù)。壓縮后的圖像數(shù)據(jù)經(jīng)過解壓縮與圖像插值將圖像彩色復(fù)原，系統(tǒng)框圖如圖5。

圖5 VLSI-oriented FELICS系統(tǒng)框圖Fig.5 Block diagram of VLSI-oriented FELICS system

硬件實現(xiàn)包括控制單元，編碼預(yù)測單元，編碼單元和編碼輸出單元?？刂茊卧袛嘁环鶊D像的開始與結(jié)束，產(chǎn)生控制信號協(xié)調(diào)各個模塊的工作;編碼預(yù)測單元將傳感器的輸入像素存儲，產(chǎn)生當前像素P、相鄰像素N1與N2、預(yù)測上下文Δ;編碼單元進行修正的二元編碼或者限長Golomb-Rice編碼，輸出編碼的數(shù)據(jù)與位長;編碼數(shù)據(jù)每組成16 bits，編碼輸出單元將其輸出。設(shè)計整體采用流水線結(jié)構(gòu)，用以提高系統(tǒng)的時鐘頻率，硬件結(jié)構(gòu)框圖如圖6。表2是本文算法與表文獻［6，9］設(shè)計復(fù)雜度與硬件開銷的對比。從表2可以看出本文提出的針對Bayer圖像的FELICS擴展算法僅使用7.02 K門與10.2 KBits的存儲器，功耗為 26.8 μW/MHz，吞吐率為60 f/s，由于文獻［6］要求對全高清圖像進行壓縮，因此硬件實現(xiàn)對速度要求非常高，采用了并行結(jié)構(gòu)，但對其吞吐率歸一化并且考慮圖像傳輸格式因素，其吞吐率與本文的實現(xiàn)具有一定的可比性。最終，相較文獻［6，9］，本文的實現(xiàn)均具有一定優(yōu)勢或者可比性，其VLSI設(shè)計復(fù)雜度低、功耗低，非常適合對功耗與面積要求極高的內(nèi)窺鏡系統(tǒng)。

圖像傳感器采用OmniVision公司的OV7649，其VGA幀時序［10］如圖7。當圖像數(shù)據(jù)傳輸時鐘PCLK為24 MHz時，系統(tǒng)的吞吐率可以達到60 f/s。

設(shè)計使用 SMIC 0.13 μm的工藝，進行 DC綜合，Prime Power功耗分析，其特征參數(shù)如表3。最后設(shè)計經(jīng)過了FPGA驗證與實現(xiàn)，符合設(shè)計要求。

圖6 VLSI-oriented FELICS硬件結(jié)構(gòu)框圖Fig.6 Block diagram of hardware architecture of VLSI-oriented FELICS

表2 與已發(fā)表文獻比較Table 2 Comparisons with existing works

圖7 VGA幀時序圖Fig.7 VGA frame timing diagram

表3 設(shè)計參數(shù)Table 3 Specification of the design

4 結(jié)論

本文提出了一種更加易于VLSI實現(xiàn)的低功耗VLSI-oriented FELICS算法:1)采用限長 Golomb-Rice編碼，簡化了k參數(shù)的選取，消除了大容量的存儲器以及操作周期;自適應(yīng)的選取過程使得修改后的FELICS算法對不同特征的圖像仍然保證了圖像的壓縮效果;限長編碼有效的提高了系統(tǒng)的吞吐率。2)更加適合硬件實現(xiàn)，通過合理的劃分流水線，可以獲得更大的系統(tǒng)吞吐量，以滿足更廣泛的應(yīng)用，如全高清視頻應(yīng)用［6］等。3)針對Bayer圖像格式的算法擴展進一步擴展了算法的應(yīng)用范圍。4)在SMIC 0.13 μm工藝條件下，完成了算法的VLSI設(shè)計、FPGA驗證以及功耗分析。系統(tǒng)工作時鐘為25 MHz，圖像數(shù)據(jù)時鐘為24 MHz時，VGA圖像的吞吐率可以達到 60 f/s，功耗為 669 μW，每幀的功耗僅為11.15 μW。

［1］HOWARD P G，VITTER J S.Fast and efficient lossless image compression［C］//IEEE Data Compression Conference.Snowbird，USA，1993:351-360.

［2］IDDAN G，MERON G，GLUKHOVSKY A，et al.Wireless capsule endoscopy［J］.Nature，2000，405:417.

［3］GOLOMB S W.Run-Length Encodings［J］.IEEE Transactions on Information Theory，1966，12(3):399-401.

［4］WEINBERGER M J，SEROUSSI G，SAPIRO G.The LOCO-I lossless image compression algorithm:principles and standardization into JPEG-LS［J］.IEEE Transactions on Image Processing，2000，9(8):1309-1324.

［5］WU X，MEMON N.Context-based，adaptive，lossless image coding ［J］.IEEE Transactions on Communications，1997，45(4):437-444.

［6］TSAI T H，LEE Y H，LEE Y Y.Design and analysis of high-throughput lossless image compression engine using VLSI-oriented FELICS algorithm［J］.IEEE Transactions on Very Large Scale Integration(VLSI)Systems，2010，18(1):39-52.

［7］BAYER B E.Color imaging array:USA，3，971，065［P］.1976-5-12.

［8］XU Xinfeng，HEI Yong.A shortcut to compressing Bayerpattern imagery losslessly［C］//IEEE International Congress on Image and Signal Processing.Tianjin，2009:1-4.

［9］CHEN Xinkai，ZHANG Xiaoyu，ZHANG Linwei，et al.A wireless capsule endoscope system with low-power controlling and processing ASIC ［J］.IEEE Transactions on Biomedical Circuits and Systems，2009，3(1):11-22.

［10］OmniVision Technologies.OV7649/OV7149 CMOS VGA(640 x 480)CAMERACHIPTM［Z］.Sunnyvale:OmniVision Technologies，2003:8-9.