在FPGA圖像處理--CLAHE算法(一)中介紹了為啥要用CLAHE算法來(lái)做圖像增強(qiáng)。

在這一篇里面就介紹一下CLAHE的第一步處理：分塊。

通常來(lái)說(shuō)會(huì)將圖片分為8*8的64塊，然后分別對(duì)這64塊進(jìn)行直方圖均衡化。

如下所示(手畫的不均勻）。分為8*8這也是對(duì)常見(jiàn)的視頻分辨率可以被8整除，這樣也不用考慮邊界不均勻了。

因?yàn)槲覀円獙?duì)這64塊都做直方圖均衡化，所以先定義一個(gè)直方圖均衡化的計(jì)算函數(shù)。

def hist(img):
    h, w = img.shape
    n = np.zeros(256, np.uint32)
    for i in range(h):
        for j in range(w):
            n[img[i][j]] = n[img[i][j]] + 1


    pk = n
    sk = np.zeros(256, np.float32)
    sk[0] = pk[0]
    for i in range(1, 256):
        sk[i] = sk[i - 1] + pk[i]
    sk = sk / (h * w)
    sk = sk * 255
    sk = np.around(sk)
    return sk

之后分塊調(diào)用這個(gè)直方圖均衡化的代碼。

def calc_ahe(img, block):
    h, w = img.shape
    he = np.zeros((h, w), np.uint8)
    for i in range(block):
        for j in range(block):
            sk = hist(img[i * (h // block): (i + 1) * (h // block), j * (w // block):(j + 1) * (w // block)])
            he[i * (h // block): (i + 1) * (h // block), j * (w // block):(j + 1) * (w // block)] = remap(
                img[i * (h // block): (i + 1) * (h // block), j * (w // block):(j + 1) * (w // block)], sk)
    return he

得到的效果如下：

可以看到每一塊都是被分割了出來(lái)。

在RTL實(shí)現(xiàn)的時(shí)候也是要對(duì)這些分塊進(jìn)行存儲(chǔ)，定義下面的存儲(chǔ)器：

genvar i;
generate
    for(i = 0; i < BLOCK_NUM_POW2; i = i + 1) begin : LOOP_MEM
        tpram #(
            .DP    (256),
            .WD    (16 )
        ) tpram_inst(
            .clk   (clk     ),
            .wdata (wdata[i]),
            .wen   (wen[i]  ),
            .waddr (waddr[i]),
            .ren   (ren[i]  ),
            .raddr (raddr[i]),
            .rdata (rdata[i])
        );
    end
endgenerate

也是考慮block_num來(lái)選擇寫入到哪一個(gè)ram里面。

通過(guò)i和j來(lái)控制最后的block_num，其中i表示列方向的分塊索引，j表示行方向的分塊索引，因?yàn)槲覀兠恳涣卸际欠譃榱?塊，所以i的索引需要乘以8，這個(gè)通過(guò)后面補(bǔ)3個(gè)0來(lái)實(shí)現(xiàn)。

最后通過(guò)一系列選擇來(lái)控制RAM的讀寫信號(hào)。

這樣就能完成CLAHE中分塊進(jìn)行直方圖均衡化的操作。這個(gè)主要難點(diǎn)是分塊，直方圖均衡化網(wǎng)上教程很多就不再贅述了。

審核編輯：湯梓紅