潘曉英，李晨晨*，王 昊，薛玉鋒

(1.西安郵電大學(xué) 計(jì)算機(jī)學(xué)院，陜西 西安 710121；2.廈門(mén)優(yōu)萊柏網(wǎng)絡(luò)科技有限公司，福建 廈門(mén) 361008)

1 引 言

圖像傳感器是獲取圖像不可或缺的一個(gè)重要組成部分。目前市場(chǎng)上常見(jiàn)的圖像傳感器主要有互補(bǔ)金屬氧化物半導(dǎo)體(Complementary Metal Oxide Semiconductor，CMOS)圖像傳感器和電荷耦合元件(Charge-coupled Device，CCD)圖像傳感器兩種[1]。由于制造工藝和原件成本等原因，市場(chǎng)上主流的傳感器多為CMOS圖像傳感器。為獲得彩色圖像，通常需要在CMOS圖像傳感器表面覆蓋一層彩色濾波陣列(Color Filter Array,CFA)，而B(niǎo)ayer格式的CFA是最常用的一種[2]，Bayer格式的圖像在每個(gè)像素位置上只有物理三基色(紅、綠、藍(lán))中的一種色彩分量，要得到RGB彩色圖像就需要根據(jù)該色彩分量周?chē)钠渌史至坎逯涤?jì)算出另外兩種色彩分量,這種處理方式稱(chēng)為色彩插值[3-4]。

隨著圖像傳感器像素尺寸的增加，圖像數(shù)據(jù)量也隨之增大，使用軟件方式實(shí)現(xiàn)色彩插值算法存在實(shí)時(shí)性差、效率低下等問(wèn)題，現(xiàn)場(chǎng)可編程門(mén)陣列(Field-Programmable Gate Array, FPGA)[5-6]在圖像處理應(yīng)用上具有處理數(shù)據(jù)量大、處理速度快等特點(diǎn)，使用FPGA可以加速實(shí)現(xiàn)色彩插值算法。色彩插值算法在實(shí)際硬件實(shí)現(xiàn)中多采用計(jì)算簡(jiǎn)單、實(shí)現(xiàn)較為容易的算法，比如鄰近插值算法和雙線性插值算法等[7-9]。文獻(xiàn)[10]提出在FPGA上采用鄰近插值算法實(shí)現(xiàn)色彩還原，但圖像色彩還原較差，細(xì)節(jié)丟失嚴(yán)重。文獻(xiàn)[11]提出在FPGA上實(shí)現(xiàn)一種四合一圖像插值算法，該算法FPGA實(shí)現(xiàn)簡(jiǎn)單，實(shí)時(shí)性較好，但圖像邊緣鋸齒現(xiàn)象較為嚴(yán)重。上述文獻(xiàn)中插值算法的實(shí)現(xiàn)多使用硬件描述語(yǔ)言開(kāi)發(fā)，對(duì)開(kāi)發(fā)要求較高且開(kāi)發(fā)時(shí)間較長(zhǎng)。

針對(duì)上述算法存在圖像色彩還原較差、細(xì)節(jié)丟失嚴(yán)重、存在鋸齒現(xiàn)象以及開(kāi)發(fā)周期較長(zhǎng)等問(wèn)題，本文提出了一種改進(jìn)的色彩插值算法，該算法融合雙線性插值法和一階微分邊緣導(dǎo)向插值法實(shí)現(xiàn)色彩插值，使用Xilinx高層次綜合工具HLS完成算法開(kāi)發(fā)。與傳統(tǒng)FPGA開(kāi)發(fā)使用硬件描述語(yǔ)言實(shí)現(xiàn)相比，HLS使用C/C++進(jìn)行開(kāi)發(fā)[12-13]，可降低開(kāi)發(fā)難度，縮短開(kāi)發(fā)時(shí)間。最后本文在ZYNQ平臺(tái)上將HLS生成的色彩插值IP與圖像采集模塊結(jié)合實(shí)現(xiàn)了實(shí)時(shí)的圖像色彩還原。

2 改進(jìn)的色彩插值算法

本文的色彩插值算法采用雙線性插值算法和一階微分邊緣導(dǎo)向插值算法相結(jié)合的方式實(shí)現(xiàn)圖像色彩還原。如圖1所示，在Bayer格式的CFA中，綠色分量占據(jù)所有像素信息的一半，所包含的圖像信息量相對(duì)較多，需要在插值計(jì)算中更加精確地進(jìn)行還原。當(dāng)被插值像素點(diǎn)為R分量或B分量時(shí)，對(duì)缺失像素的插值使用較為復(fù)雜的算法計(jì)算。紅色與藍(lán)色分量分別占所有像素信息的1/4，為減少算法復(fù)雜度與FPGA資源占用，當(dāng)被插值像素點(diǎn)為G分量時(shí)，使用計(jì)算相對(duì)簡(jiǎn)單的算法完成插值計(jì)算。圖1所示為Bayer格式的色彩濾波陣列。

圖1 Bayer色彩濾波陣列(CFA)Fig.1 Bayer color filter array (CFA)

在圖像色彩還原時(shí)，如果插值算法沒(méi)有考慮到圖像邊緣的特殊性，使用了跨邊緣的圖像像素信息進(jìn)行插值，就會(huì)導(dǎo)致插值后得到的圖像邊緣產(chǎn)生模糊和鋸齒現(xiàn)象。改進(jìn)后的色彩插值算法對(duì)以紅色和藍(lán)色分量為中心像素點(diǎn)的像素使用一階微分邊緣導(dǎo)向插值算法進(jìn)行色彩插值還原，通過(guò)計(jì)算被插值像素點(diǎn)處水平(垂直)方向或?qū)欠较虻奶荻戎荡_定圖像邊緣，取梯度較小方向上的像素點(diǎn)作為估計(jì)點(diǎn)，從而避免了插值時(shí)錯(cuò)誤地利用跨邊緣的鄰域像素信息，在插值計(jì)算時(shí)能有效還原圖像邊緣信息，改善圖像邊緣模糊以及鋸齒現(xiàn)象等問(wèn)題。對(duì)以綠色分量為中心像素點(diǎn)的像素使用雙線性插值算法進(jìn)行色彩插值還原，利用相鄰像素中同色分量的像素值信息進(jìn)行平均運(yùn)算得到當(dāng)前像素的插值色彩分量，該算法運(yùn)算量較小，可有效減少FPGA資源的使用。

圖2 不同分量為中心像素點(diǎn)的示意圖。(a)藍(lán)色分量;(b)紅色分量;(c)綠色分量Fig.2 Diagram of different compontnts as central pixols. (a)Blue component;(b)Red component;(c)Green component.

2.1 紅色與藍(lán)色分量處的色彩插值

如圖2(a)所示，當(dāng)以藍(lán)色分量B22為中心像素點(diǎn)時(shí)，針對(duì)需要恢復(fù)的綠色分量和紅色分量，本文使用一階微分邊緣導(dǎo)向插值算法進(jìn)行色彩還原。對(duì)需要插值的綠色分量，首先計(jì)算水平方向和垂直方向上的梯度大小，取梯度較小方向上的像素點(diǎn)作為估計(jì)點(diǎn)，計(jì)算當(dāng)前缺失像素，ΔHg表示水平梯度，ΔVg表示垂直梯度。

(1)

缺失的G分量插值計(jì)算方式如式(2)所示：

(2)

對(duì)藍(lán)色分量B22進(jìn)行插值求取紅色分量R，根據(jù)藍(lán)色分量B22周?chē)募t色分量的值來(lái)確定對(duì)角梯度值，Hr表示主對(duì)角梯度，Vr表示次對(duì)角梯度。取梯度較小方向上的像素點(diǎn)作為估計(jì)點(diǎn)，對(duì)角梯度值定義如下：

(3)

R分量的插值計(jì)算方式如式(4)所示：

(4)

在圖2(b)中，紅色分量R22為中心像素，需要插值計(jì)算出綠色分量和藍(lán)色分量，其計(jì)算過(guò)程與以藍(lán)色分量B22為中心像素點(diǎn)時(shí)的計(jì)算方式相同，首先計(jì)算R22處水平與垂直梯度值，插值計(jì)算出缺失的G分量，再計(jì)算R22處的對(duì)角梯度值，插值計(jì)算出缺失的B分量。

2.2 綠色分量處的色彩插值

如圖2(c)所示，當(dāng)以綠色分量G22為中心像素點(diǎn)時(shí)，使用雙線性插值算法進(jìn)行色彩還原，首先對(duì)中心像素點(diǎn)鄰域內(nèi)相同顏色分量求均值，然后將該值作為中心像素點(diǎn)缺失顏色分量值。

對(duì)圖2(c)中像素點(diǎn)G22進(jìn)行插值，對(duì)應(yīng)的紅色分量R和藍(lán)色分量B的恢復(fù)公式如下：

(5)

(6)

本文提出了一種改進(jìn)后的色彩插值算法實(shí)現(xiàn)圖像色彩還原，對(duì)不同的顏色分量，使用相對(duì)應(yīng)的色彩插值算法，利用圖像邊緣的梯度信息區(qū)分圖像的邊緣，恢復(fù)出的圖像邊緣細(xì)節(jié)較好，減少了鋸齒與模糊現(xiàn)象。

3 色彩插值算法的HLS實(shí)現(xiàn)

Vivado HLS 是 Xilinx 公司推出的高層次綜合工具。與使用硬件描述語(yǔ)言開(kāi)發(fā)FPGA不同，HLS使用 C/C++進(jìn)行開(kāi)發(fā)，通過(guò)高層次綜合將其轉(zhuǎn)換成HDL代碼，并將程序打包成IP核，因此具有很強(qiáng)的靈活性，可大幅度縮短開(kāi)發(fā)周期，同時(shí)也具有良好的加速功能。

3.1 使用HLS設(shè)計(jì)色彩插值IP核

使用Vivado HLS完成Bayer格式圖像色彩還原的流程如圖3所示。

圖3 HLS 硬件加速流程Fig.3 HLS hardware acceleration process

本文使用Sony IMX系列CMOS傳感器完成圖像采集，圖像尺寸為2 048×1 536。系統(tǒng)運(yùn)行時(shí)，攝像頭完成取圖，原始Bayer格式圖像數(shù)據(jù)流進(jìn)色彩插值IP，通過(guò)AXI4-Stream 協(xié)議將數(shù)據(jù)流轉(zhuǎn)換為HLS opencv庫(kù)下的 hls::Mat 格式，然后進(jìn)行色彩插值運(yùn)算，最后將處理完成的圖像再經(jīng)過(guò)格式轉(zhuǎn)換流出色彩插值IP，完成Bayer格式圖像的色彩插值，最終得到RGB彩色圖像。

圖4 Vivado HLS實(shí)現(xiàn)色彩插值算法流程框圖Fig.4 Vivado HLS algorithm flow chart

使用HLS完成色彩插值算法的主要流程如圖4所示。首先對(duì)圖像進(jìn)行格式轉(zhuǎn)換，根據(jù)AXI4-Stream協(xié)議將原始圖像數(shù)據(jù)流轉(zhuǎn)換為HLS視頻庫(kù)下的 hls::Mat 格式，使用hls::LineBuffer緩存大小為3×2 048的行緩存，將行緩存中的數(shù)據(jù)使用hls::Window再緩存到一個(gè)大小為3×3的滑動(dòng)窗口，對(duì)該3×3的滑動(dòng)窗的中心像素點(diǎn)進(jìn)行插值計(jì)算，計(jì)算完成后窗口右移，當(dāng)該窗口完成行遍歷后，行緩存下移，窗口繼續(xù)向右移動(dòng)，直至完成所有像素點(diǎn)遍歷。

如圖1所示，在Bayer格式的CFA中，不同色彩分量有規(guī)律地分布，其中G分量處于奇行偶列與偶行奇列，R分量與B分量處于奇行奇列與偶行偶列。在色彩插值計(jì)算中，需要判斷該滑動(dòng)窗中心像素點(diǎn)所處行列的奇偶性，當(dāng)中心像素處于奇行偶列與偶行奇列時(shí)，對(duì)該像素采用雙線性插值算法進(jìn)行色彩插值。當(dāng)中心像素處于奇行奇列與偶行偶列時(shí)，對(duì)該像素采用一階微分邊緣導(dǎo)向插值算法進(jìn)行色彩插值。

3.2 色彩插值IP硬件系統(tǒng)實(shí)現(xiàn)

在Xilinx高層次綜合工具中，將設(shè)計(jì)仿真通過(guò)的色彩插值算法打包成IP核，在Vivado開(kāi)發(fā)環(huán)境中將色彩插值IP添加進(jìn)整體的圖像采集系統(tǒng)完成色彩還原的硬件加速。圖5為圖像采集和色彩還原系統(tǒng)的整體設(shè)計(jì)。在整體系統(tǒng)設(shè)計(jì)中將攝像頭采集到的Bayer格式數(shù)據(jù)輸送到色彩插值IP中，完成實(shí)時(shí)的圖像色彩還原。

圖5 Vivado中圖像采集和色彩還原系統(tǒng)設(shè)計(jì)Fig.5 Image acquisition and color restoration system

4 實(shí)驗(yàn)與結(jié)果分析

在對(duì)Bayer格式圖像進(jìn)行插值運(yùn)算過(guò)程中有可能會(huì)出現(xiàn)偽彩色、摩爾紋現(xiàn)象、鋸齒現(xiàn)象等問(wèn)題。為衡量色彩插值算法的還原效果，需要對(duì)還原后的圖像進(jìn)行圖像質(zhì)量進(jìn)行評(píng)價(jià)。衡量圖像還原質(zhì)量可分為主觀評(píng)價(jià)和客觀評(píng)價(jià)，主觀判斷不具有量化標(biāo)準(zhǔn)，因此本文選用了客觀評(píng)價(jià)中評(píng)價(jià)重構(gòu)圖像質(zhì)量最常用的方法：彩色信噪峰值比(CPSNR)。CPSNR值越大，說(shuō)明插值后得到的圖像質(zhì)量越好。

式(7)所示為CPSNR的計(jì)算公式。其中：W表示圖片的寬度，H表示圖片的高度，Oi,j,k表示真實(shí)圖片的原始值，Ni,j,k表示經(jīng)過(guò)插值算法恢復(fù)后的圖像，P表示像素的峰值，因?yàn)楸疚膱D像格式為8 bits，因此P取值為255。

(7)

為驗(yàn)證本文算法的圖像還原效果，隨機(jī)選取經(jīng)典的Kodak圖像庫(kù)里的8幅圖像數(shù)據(jù)作為測(cè)試圖像，對(duì)選取圖像進(jìn)行圖像還原處理，得到Bayer格式的圖像再使用色彩插值算法進(jìn)行還原。

圖6 實(shí)驗(yàn)結(jié)果Fig.6 Experimental results

圖7 Kodak測(cè)試圖像集Fig.7 Kodak image dataset

從圖6中可以看出，采用本文算法插值還原得到的圖像細(xì)節(jié)相較于雙線性法圖像細(xì)節(jié)更加豐富，色彩還原更好。相較于文獻(xiàn)[10]與文獻(xiàn)[11]，圖像邊緣細(xì)節(jié)還原較好，鋸齒現(xiàn)象較少。

表1 幾種算法的CPSNR值對(duì)比Tab.1 Comparison of CPSNR values of three algorithms

續(xù) 表

表2 硬件資源使用表Tab.2 Hardware resource usage table

從表1中可以看出，本文算法的彩色峰值信噪比(CPSNR)相較于雙線性插值算法、文獻(xiàn)[8]、文獻(xiàn)[9]所提算法平均高4～6 dB，使用一階微分邊緣導(dǎo)向插值算法得到的CPSNR值比本文算法平均高0.5 dB左右。從表2中可看出，本文算法的FPGA資源使用略高于雙線性法與文獻(xiàn)[10]、文獻(xiàn)[11]所提算法，其FPGA資源使用比3種算法平均高13.7%，相較于一階微分算法有大幅度下降，僅為一階微分算法的57.1%。

結(jié)合圖像還原結(jié)果、CPSNR數(shù)據(jù)以及FPGA的資源使用，改進(jìn)后的色彩插值算法得到的圖像質(zhì)量比常規(guī)插值算法還原出的圖像質(zhì)量要好。相較于一階微分邊緣導(dǎo)向插值算法，其使用FPGA資源使用大幅度減少。在保證圖像還原質(zhì)量的前提下，本文算法還原出的圖像更加清晰，邊緣細(xì)節(jié)較好，圖像色彩還原真實(shí)，細(xì)節(jié)豐富，F(xiàn)PGA資源使用較少。

最后，本文將設(shè)計(jì)驗(yàn)證完成的色彩插值IP進(jìn)行板級(jí)驗(yàn)證，在Zynq平臺(tái)上結(jié)合攝像頭采集模組完成實(shí)時(shí)的圖像色彩插值計(jì)算，如圖8所示，圖8(a)為Zynq圖像采集平臺(tái)，圖8(b)為實(shí)際采集到的Bayer圖像，圖8(c)使用本文色彩插值IP在Zynq平臺(tái)上實(shí)際拍攝彩色還原圖像。

圖8 采集模塊與板上還原結(jié)果Fig.8 Acquisition module and restore results

5 結(jié) 論

提出了一種改進(jìn)的色彩插值算法，該算法融合了雙線性插值算法和一階微分邊緣導(dǎo)向插值算法。由于綠色分量所包含圖像信息量較多，當(dāng)被插值像素點(diǎn)為R分量或B分量時(shí)，使用一階微分算法插值恢復(fù)缺失的顏色分量，可有效減少圖像邊緣模糊與鋸齒現(xiàn)象。考慮到FPGA資源使用與硬件成本，當(dāng)被插值像素點(diǎn)為G分量時(shí)，使用雙線性插值算法插值恢復(fù)缺失的顏色分量。實(shí)驗(yàn)結(jié)果表明，本文算法的彩色峰值信噪比相較于常規(guī)算法高4～6 dB。使用HLS開(kāi)發(fā)可快速完成算法的設(shè)計(jì)與實(shí)現(xiàn)，提高開(kāi)發(fā)效率。將設(shè)計(jì)實(shí)現(xiàn)的算法打包生成IP核，可多次重復(fù)使用，提高了算法的復(fù)用性。