基于模拟技术的图像增强方法

   摘  要： 量化过程大量减少了图像中低对比度信息，也会造成超出量化量程的图像信息完全丢失。本文针对不能采用数字算法对以上图像进行有效增强的问题，提出使用模拟技术进行图像增强的方法。该方法实现了模拟信息定位、提取、放大，从而正确添加原始信息，提高图像分辨精度。其分辨能力远高于采用高分辨模数变换芯片所能达到的精度，最终实现了数字方法无法获取的图像增强效果。

    关键词： 图像增强；相关双采样；图像采集；对比度

    以数字方法实现图像增强的技术由来已久。从传统的直方图修正到近年来基于小波变换的图像增强、基于视觉特性的图像增强等方法，数字增强取得了显著成果。可是数字方法依赖于原图量化后信息的完整性，是数字增强方法的先天局限性。现今很多领域在图像增强方面提出了更高的要求，如数字X线图像、雾天图像、掌纹识别、卫星遥感图像、生物病变组织检测等领域，都存在数字信息损失严重的问题，使用数字方法也没有得到满意的增强结果。

    针对上述问题，本文提出一种新的方法——模拟图像增强方法。此方法通过对模拟信号幅值进行定位、提取、放大，以改变模拟的信息量对比关系，达到图像增强的目的。

1 模拟增强的原理分析

    图像的灰度量化范围用方框的高度表示，如图1所示。原图在斜格内的灰度信息集中，直接量化后得到的信息量较少。模拟增强方法将斜格内的模拟信号定位、提取并放大，再进入模数变换芯片得到模拟细节图像，在此图像中得到了丰富的信息量，实现了提高图像分辨率的目的。在量化模拟细节图像的同时，量化原图信息，将量化后的原图和模拟细节图像进行灰度映射，最终得到模拟增强图像，可以拉伸图像中感兴趣的灰度细节信息。

    模拟信号的定位、提取可以通过模拟和差运算电路实现，统一减去感兴趣段灰度范围的最小值，将得到模拟信息提取的结果。此过程在灰度直方图中反映为坐标轴右移，减去的灰度最小值就是坐标轴右移的数值(以下称此为过程为坐标右移)。坐标右移的方法同样可将感兴趣的超出量化量程的模拟信息反映在量化后的模拟增强图像中。

    为了添加图像量化信息，可以采用高分辨率模数变换芯片实现。本文方法与之相比较的优势体现在以下两个方面：

    (1)在实现中，本文所提方法可以实现模数变换芯片达不到的分辨精度。图像处理通常使用8位精度，而提高到12位精度在实现中并不复杂，这样分辨能力可以提高16倍。如果图像信息要求继续提高分辨率，有效精度到12位之上在实现中非常困难。而本文方法对信息在模拟阶段进行定位、提取并放大，使用模拟放大技术将模拟信号放大100倍是可靠简单的技术，而且视频AD中都集成有可调增益放大器，如本文在后面试验中使用的10位视频模数变换芯片AD9846A，在增益设定为40db，也就是对输入信号放大100倍的情况下，其输出在10位精度分辨下会产生4个最低有效位的错误。而将其使用在8位精度时，由于模拟放大调整产生的错误不超过1个最低有效位，因此，在系统集成设计中，对于8位分辨的数字图像，本方法可以方便可靠地将感兴趣的灰度段信息再提高100倍的分辨能力，而使用高精度模数变换芯片达到此精度将是极困难的。

    (2)提高分辨率增大了数字图像信息，加重了后端数字处理的负担。而本文的方法相当于对模拟的信息进行了非线性变换，其后进行量化处理，所获取信息的分辨率不变，不会加重后端数字处理负担。

2 模拟图像增强的硬件电路实现

    图2给出了电路实现结构。图像传感器选用了线阵传感器TCD1209D。此图像传感器的上限输出像素速率为20Mb/s，有效像素为2 048，全部像素为2 098。试验中其像素输出速率设计为10Mb/s，行频设定为4.7K/S，即光积分时间为1/4700s。在此工作速度下，选用10位视频AD芯片AD9846A[1]，其采样速度上限为30MS/s，可以满足像素输入速度要求；此视频AD中还具有可调模拟增益放大器，通过SPI接口输入放大倍数，可以方便对输入的模拟信号的幅值进行调整。处理器选择TMS320DM642芯片，因为此处理器具有输入速率80M的视频接口[2]，与处理器中的EDMA结合可以方便地输入视频数据流；还具有硬件系统中需要的I2C、SPI和MAC接口，方便实现系统管控以及局域网接口。[!--empirenews.page--]

    下面描述系统的工作流程。

    首先采集观察图像，进行灰度分析，确定合适的坐标右移位置和细节图像需放大的倍数，实现CCD采集条件设定，图2中以粗实线表示此过程。经视频AD1量化后的数字图像由DSP的视频接口输入到DSP系统中，进行灰度分析。其分析可以由图像算法进行目标提取后获取目标图像的灰度范围来实现灰度分析的结果，也可以由灰度的统计分布情况进行灰度分析。本文中给出由主导灰度的统计分布实现灰度分析的算法。算法如下：

    确定灰度直方图中主导灰度的起始位置与范围。

    设灰度直方图中灰度值为ri，其分布函数为F(ri)，灰度量化为L级，主导灰度的阈值为T。

    求出满足公式（1）的所有的rij、rj的值：

    将坐标右移的数值通过I2C接口传递到DAC芯片MAX5280进行锁存，将放大倍数通过SPI接口传递到视频AD2的可编程增益控制器中决定细节图像的放大倍数，从而完成采集条件的设定。

    然后进行CCD的图像采集增强，图2中以细实线表示此过程：两片视频AD同时采集所观察图像的模拟信息，分别得到原图图像和细节图像，在DSP中将原图图像和细节图像进行灰度映射得到模拟增强图像，根据算法和观察需要可选择某幅图像进行处理。在本实现中，是将三幅图像通过网络传递到PC机中进行显示比较。

    模拟细节图像的采集过程分五步进行：

    (1)相关双采样[3]处理，滤除CCD信号中的低频相关噪声，获得像素输出电压差。

    (2)信息定位。其具体实现电路可以有多种方案，本文给出一种实现，实现的原理图如图3所示。

    放大器A1实现了输入Sig_In的反向与vr′的叠加，放大器A2实现DAC输出的直流电压X的抬升，并且放大器A2的饱和溢出位置为vr′。

      放大器A1、A2需满足电阻平衡要求，如公式（3）。

    选择所有电阻均为1kΩ，可以满足电阻平衡要求。 [!--empirenews.page--]

    放大器A1的输出：

    将(4)式代入(5)式，并将电阻阻值1kΩ代入得输出表达如下式：

    经过以上变化后，模拟CCD信号如图4所示。其中粗线表示变化后的信号，细线表示被抬升后的信号。由于放大器A2的饱和溢出位置为vr′，因此细线所示信号经过放大器A2后并不输出，达到了模拟信息定位的目的。

    (3)进入视频AD2芯片，再次通过相关双采样处理，获得模拟定位后的像素输出电压差。

    (4)通过视频AD2的可编程增益放大器，将信号幅值放大αβ倍（α来自CCD采集条件设定，β是原图的放大倍数）。将定位后的模拟信息进行提取。

    (5)量化后形成细节图像。

    在图像采集中，同步时序驱动贯穿整个过程，图2中以虚线表示。同步控制由FPGA实现，首先产生对线阵CCD的正确驱动，在数字图像的采集过程中，将线阵传感器输出拼接成一幅指定高度的数字图像；其次正确驱动相关双采样，根据CCD的输出正确控制相关双采样中开关电容的动作；最后产生正确的数据标记时刻，包括正确标记AD的采样时刻与DSP的数据接收时刻。

    FPGA的时序如图5所示。图中OS信号是TCD1209D输出的模拟信号。CLPOB信号用于控制视频AD完成暗电平自动校准，因为TCD1209D的光学暗像素为B13～B28，而AD9846A要求自动校准时间为2～20个像素时间，因此，设计中CLPOB的有效时刻从B13开始，持续了8个像素时间。SHP、SHD是视频AD用来采样暗电平和有效电平的信号，上升沿有效，其上升沿时刻需要在实现中给予关注以完成相关双采样的正确采样。VP_EN是DM642视频接口接收数据有效控制信号。由于AD9846A在10个像素时间后输出采样结果，因此VP_EN的有效时刻是在S11像素处。VP_CLK是视频接口的时钟信号，其上升沿有效。VP_data是视频接口的数据，其数据D1是像素S1的数字采样信息。TCD1209D的时序控制[4]可参照数据手册，在图5中并未绘出。

3 实验结果及分析

    图6给出了6幅图像，除原图外分别采用数字增强和模拟增强生成的图像。

    原图(a)为了清晰地拍摄菊花花瓣，采用了较强光源，同时也造成了下方的浅纹曝光过度。另外三张图片对原图使用数字方法进行增强：(b)图采用数字直方图增强，(c)图采用数字频域锐化，(d)图采用数字小波增强，它们从不同方面增强了原图。但可以看出，它们都没有提供原图中由于曝光过度而丢失的浅纹信息。采用模拟增强技术达到了不同的效果——在模拟细节图像(e)中采用坐标右移与模拟放大技术添加了曝光过度丢失的浅纹信息，同时可以看出浅纹的对比度比原图有明显提高，接下来将细节图像(e)与原图(a)进行变换，灰度映射成模拟增强图像(f)，从中既可以清楚地看到菊花花瓣，也可以清楚地看到浅纹信息。

    本文针对数字图像增强技术中存在的不足，提出一种基于模拟技术的图像增强方法。通过分析与实验表明，模拟图像增强具有数字算法图像增强所不具备的优势，而这些功能都是用数字的方法实现不了的。本文所述的模拟图像增强方法可以添加超出量化量程的丢失信息，也可以补充量化后低对比度中的有限信息，所补充信息的分辨程度可以达到采用高分辨模数变换芯片无法实现的精度，最终达到图像增强的目的，为后续的图像识别或视觉观察提供更有力的支持。