郭 威，卿粼波，熊淑華，何小海

(四川大學(xué) 電子信息學(xué)院，四川 成都 610064)

0 引言

近年來(lái)由于半導(dǎo)體工業(yè)技術(shù)和圖像處理技術(shù)日益發(fā)展，基于嵌入式平臺(tái)的視覺檢測(cè)系統(tǒng)被廣泛應(yīng)用于工業(yè)檢測(cè)等領(lǐng)域，如工件品缺陷檢測(cè)、印刷品缺陷檢測(cè)、硬幣檢測(cè)等。但是實(shí)際工業(yè)生產(chǎn)環(huán)境中的光源單一、照度不均，在光照不均條件下采集的圖像往往會(huì)出現(xiàn)質(zhì)量較差、圖像信息不足等情況，從而影響工業(yè)檢測(cè)的準(zhǔn)確率。因此基于嵌入式平臺(tái)的圖像增強(qiáng)處理具有十分重要的研究意義。

圖像增強(qiáng)技術(shù)指的是針對(duì)一些信息量不足或者某些關(guān)鍵信息不突出的圖像進(jìn)行的一種圖像信息增強(qiáng)的技術(shù)。目前應(yīng)用廣泛的圖像增強(qiáng)算法有直方圖均衡算法、小波變換算法、Retinex算法等。直方圖均衡算法是一種通過將圖像灰度級(jí)概率密度均衡化處理，從而達(dá)到對(duì)比度拉伸的算法，該算法原理簡(jiǎn)單、處理圖像速度較快，但在處理光照不均的圖像時(shí)容易產(chǎn)生過增強(qiáng)現(xiàn)象[1]。小波變換是通過將圖像分解成低頻圖像和高頻圖像，分別對(duì)不同頻率圖像進(jìn)行處理從而達(dá)到細(xì)節(jié)增強(qiáng)的目的，但同時(shí)也存在噪聲放大的問題[2]。Retinex算法是一種基于顏色恒常知覺理論的算法，通過對(duì)圖像的光照分量進(jìn)行調(diào)整從而有效地消除光照對(duì)圖像的影響。常見的基于Retinex理論的算法有單尺度Retinex(SSR)算法[3]、多尺度Retinex(MSR)算法[4]和帶色彩恢復(fù)的多尺度Retinex(MSRCR)算法[5]等改進(jìn)算法，這類算法都是采用高斯濾波來(lái)提取圖像的光照分量，通常會(huì)產(chǎn)生細(xì)節(jié)丟失的現(xiàn)象。為了避免高斯濾波的這一缺陷，引導(dǎo)濾波[6]和雙邊濾波[7]相繼被提出，在保持圖像邊緣特性方面均有較好的效果。文獻(xiàn)[8]提出了一種基于引導(dǎo)濾波的自適應(yīng)圖像增強(qiáng)算法，該算法雖然能自適應(yīng)地進(jìn)行光照矯正，但由于計(jì)算復(fù)雜，對(duì)圖像的矯正時(shí)間較長(zhǎng)，并不適用于工業(yè)檢測(cè)系統(tǒng)。

本文采用引導(dǎo)濾波來(lái)估計(jì)圖像的光照分量，結(jié)合Gamma函數(shù)的非線性矯正特性，提出了一種基于光照分布特性的自適應(yīng)增強(qiáng)算法，能夠有效地矯正圖像亮度不均勻分布，增強(qiáng)圖像質(zhì)量。且鑒于工業(yè)檢測(cè)系統(tǒng)中嵌入式平臺(tái)具有穩(wěn)定性高、功耗低、運(yùn)算速度快等優(yōu)勢(shì)，本文針對(duì)嵌入式平臺(tái)AM5728進(jìn)行了算法的移植與優(yōu)化，具有更高的實(shí)用價(jià)值。

1 自適應(yīng)圖像增強(qiáng)算法

根據(jù)人眼對(duì)亮度具有較高的敏感性這一特點(diǎn)，針對(duì)光照的有效矯正至關(guān)重要。本文算法首先利用引導(dǎo)濾波有效地提取光照分量，然后基于光照分量的不均勻分布特性提出了一種改進(jìn)的自適應(yīng)Gamma矯正函數(shù)，能夠有效地消除光照不均對(duì)圖像采集造成的影響。

1.1 算法的構(gòu)建

光照的不均勻分布會(huì)導(dǎo)致采集的圖像亮度過高或過低，嚴(yán)重降低采集圖像的質(zhì)量。為了減小不均勻的光照對(duì)圖像質(zhì)量的影響，提取圖像的光照分量并進(jìn)行矯正是本文算法的核心思想。

由LAND E H提出的Retinex光照模型[9]可知,成像單元獲取的數(shù)字圖像S(x,y)是環(huán)境照明亮度I(x,y)和物體表面對(duì)照射光的反射系數(shù)R(x,y)的乘積?？杀硎緸椋?/p>

S(x,y)=R(x,y)·I(x,y)

(1)

照明亮度I(x,y)也稱作光照分量，該分量決定了圖像的動(dòng)態(tài)范圍，對(duì)應(yīng)著圖像中的低頻部分；R(x,y)也稱作反射分量，該分量體現(xiàn)了圖像的實(shí)質(zhì)屬性，攜帶了圖像的細(xì)節(jié)信息，對(duì)應(yīng)著圖像中的高頻部分。目前，采用高斯濾波或者雙邊濾波的方法來(lái)提取圖像的低頻信息最為常見。MSR及SSR等算法通常采用平滑特性較好的高斯函數(shù)作為中心濾波函數(shù)，但采用高斯函數(shù)提取光照分量往往不能很好地保持邊緣特性。而雙邊濾波和引導(dǎo)濾波則在邊緣保持特性方面效果較為明顯，雙邊濾波運(yùn)算的時(shí)間較長(zhǎng)，并不適用于工業(yè)檢測(cè)中的高速圖像處理的情況。而引導(dǎo)濾波算法則具有較低的運(yùn)算復(fù)雜度，運(yùn)算時(shí)間短，所以本文采用引導(dǎo)濾波對(duì)圖像進(jìn)行光照分量的提取。最后通過提出的一種可變參數(shù)的Gamma校正函數(shù)對(duì)光照分量進(jìn)行處理，降低光照較強(qiáng)區(qū)域的亮度值以及增強(qiáng)光照較弱區(qū)域的亮度值，從而有效減小了光照不均對(duì)圖像的影響，實(shí)現(xiàn)對(duì)圖像的自適應(yīng)增強(qiáng)處理。

1.2 引導(dǎo)濾波提取光照分量

引導(dǎo)濾波算法通過引入引導(dǎo)圖像的概念來(lái)對(duì)原圖像進(jìn)行濾波。使得輸出圖像q既能保持原圖像的信息又具有與引導(dǎo)圖像相似的細(xì)節(jié)紋理。在濾波窗口ωk中，輸出圖像q與引導(dǎo)圖像I的線性變換關(guān)系為：

qi=akIi+bk, ?i∈ωk

(2)

(3)

其中，ε為正則化系數(shù)，目的是避免ak取值過大。通常是采用最小二乘法求得ak與bk的最優(yōu)解：

(4)

(5)

1.3 基于Gamma變換的光照矯正算法

Gamma非線性函數(shù)通過指數(shù)變換的方式能夠?qū)崿F(xiàn)對(duì)不同的像素進(jìn)行不同的矯正。針對(duì)數(shù)字圖像的Gamma校正函數(shù)為：

(6)

其中，G(x,y)為矯正后的圖像，S(x,y)為采集到的原始圖像,λ為矯正因子。當(dāng)λ大于1時(shí)，可以降低像素點(diǎn)的亮度值，當(dāng)λ小于1時(shí),能夠增加像素點(diǎn)的亮度值。為了實(shí)現(xiàn)根據(jù)圖像的亮度分布自動(dòng)地選擇λ值，本文提出了一種隨著光照分量變化而變化的分段線性函數(shù)：

(7)

其中，I(x,y)為提取的光照分量，a為自適應(yīng)增強(qiáng)系數(shù)。該分段函數(shù)對(duì)應(yīng)的變化曲線如圖1所示。

圖1 自適應(yīng)增強(qiáng)系數(shù)變化曲線

由圖1可以看出，針對(duì)一幅數(shù)字圖像，當(dāng)圖像亮度越高時(shí)，λ越大；圖像亮度越低時(shí)，λ越小。從而能夠達(dá)到對(duì)不同亮度的值進(jìn)行不同強(qiáng)度的矯正，有效地減少光照不均對(duì)圖像造成的影響。針對(duì)一幅圖像不同像素的矯正能夠很好地解決圖像中照度不均勻的問題，但針對(duì)不同的圖像，往往需要使用不同的矯正因子才能達(dá)到較為理想的增強(qiáng)效果，鑒于此本文引入了自適應(yīng)增強(qiáng)系數(shù)a，定義如下：

(8)

其中，Sv(x,y)為原始圖像均值，當(dāng)圖像過亮或者過暗時(shí)即均值較大或者較小，a值則較大，對(duì)圖像也就有較大程度的矯正；當(dāng)圖像亮度適中時(shí)，對(duì)光照的矯正程度則較小。由式(7)可知，增強(qiáng)系數(shù)λ由整體圖像的均值和每個(gè)點(diǎn)的像素值共同決定。因此針對(duì)不同的圖像均能達(dá)到較好的增強(qiáng)效果。

2 基于AM5728的算法移植與優(yōu)化

AM5728是TI公司生產(chǎn)的一款A(yù)RM+DSP多核異構(gòu)的高性能音視頻處理器。它結(jié)合了DSP的高度并行運(yùn)算能力及ARM強(qiáng)大的邏輯控制管理能力。AM5728具有兩個(gè)ARMv7架構(gòu)的Cortex-A15核和兩個(gè)TM320C66x超長(zhǎng)指令集DSP核。ARM核作為平臺(tái)控制管理單元，時(shí)鐘頻率可達(dá)1.5 GHz，能對(duì)平臺(tái)各個(gè)接口資源進(jìn)行統(tǒng)一管理。DSP核時(shí)鐘頻率可高達(dá)750 MHz， 通常可用于視頻處理等需要復(fù)雜計(jì)算的場(chǎng)合。鑒于AM5728多核異構(gòu)的特點(diǎn)，充分考慮ARM和DSP各自的優(yōu)勢(shì)，采用多進(jìn)程的方式實(shí)現(xiàn)ARM雙核的并行處理，同時(shí)基于OpenCL框架維護(hù)了一個(gè)消息隊(duì)列來(lái)保持ARM核與DSP核之間的通信，每個(gè)DSP核均從消息隊(duì)列中獲取數(shù)據(jù)從而實(shí)現(xiàn)了DSP核的并行運(yùn)算。算法的執(zhí)行流程如圖2所示。

圖2 多核并行設(shè)計(jì)圖

ARM_CORE1主要負(fù)責(zé)數(shù)字圖像的采集任務(wù)，ARM_CORE2負(fù)責(zé)將每一幀圖像的每一行數(shù)據(jù)封裝為一個(gè)工作組，并按組將數(shù)據(jù)送往OpenCL維護(hù)的消息隊(duì)列中，然后兩個(gè)DSP核均從消息隊(duì)列中取出數(shù)據(jù)進(jìn)行運(yùn)算，對(duì)每個(gè)工作組的數(shù)據(jù)進(jìn)行濾波和Gamma矯正。運(yùn)算完成后的工作組同樣通過消息隊(duì)列的方式傳回ARM_CORE2，ARM_CORE2同時(shí)將接收到的數(shù)據(jù)組合成為增強(qiáng)后的圖像，并通過ARM_CORE1將圖像輸出到顯示設(shè)備上。本文設(shè)計(jì)的算法流程充分利用了AM5728的硬件資源，在運(yùn)算速度上有了很大提升。

3 實(shí)驗(yàn)結(jié)果分析

為了驗(yàn)證本文算法的有效性，本文針對(duì)光照不均的硬幣圖像和巖石圖像，分別利用直方圖均衡算法、MSR算法以及本文算法進(jìn)行增強(qiáng)處理，結(jié)果如圖3和圖4所示。

圖3 硬幣圖像的不同算法處理結(jié)果

圖4 巖石圖像的不同算法處理結(jié)果

通過對(duì)比可以看出,直方圖均衡化對(duì)于對(duì)比度較高的區(qū)域(如圖3中硬幣邊緣和圖4中的巖石邊緣)進(jìn)行增強(qiáng)時(shí)容易出現(xiàn)過增強(qiáng)現(xiàn)象，增加了很多的噪聲；MSR算法由于直接濾除光照分量導(dǎo)致光照強(qiáng)度過亮的區(qū)域變得更加模糊，如圖3中硬幣的右上角區(qū)域和圖4中巖石中心區(qū)域；而本文算法對(duì)照度不均勻的圖像有了整體性的增強(qiáng)和細(xì)節(jié)上的銳化。

為了驗(yàn)證本文算法的高效性，針對(duì)本文算法分別測(cè)試了使用OpenCL框架加速和未使用OpenCL框架的圖像增強(qiáng)時(shí)間，針對(duì)不同尺寸的圖像選取多張圖像進(jìn)行測(cè)試，平均處理時(shí)間如表1所示。

表1 單幀圖像處理時(shí)間 (ms)

可以看出通過OpenCL框架調(diào)用DSP核加速處理的時(shí)間明顯低于未使用DSP核時(shí)處理的時(shí)間。針對(duì)720 p的視頻可以達(dá)到實(shí)時(shí)增強(qiáng)的效果。

4 結(jié)論

為了降低工業(yè)視覺檢測(cè)中圖像采集質(zhì)量對(duì)檢測(cè)準(zhǔn)確率的影響，本文基于Gamma校正函數(shù)提出了一種自適應(yīng)增強(qiáng)算法，該算法能有效地增強(qiáng)在照度不均條件下采集的圖像質(zhì)量。并針對(duì)嵌入式平臺(tái)AM5728進(jìn)行了移植和優(yōu)化，最終實(shí)現(xiàn)了對(duì)采集圖像高速有效的增強(qiáng)處理。