关于指数对比度增强FPGA实现

1.对比度增强原理

对比度增强是个广泛的话题，前文中关于直方图均衡的方法，其实就是一种对比度增强。而对比度增强，就是提高明暗之间的差异，从而达到提高图像对比度、改善主观视觉效果的目的。

采用直方图均衡的方法，其实是对图像灰度的拉伸，但本文将介绍的，是基于曲线灰度映射变换。典型的比如指数变换，对数变换，Gamma变换等等。

为了直观的说明对比度增强的效果，我们先生成一张灰度对称分布图，以指数对比度增强为例，效果如下所示。可见对比度增强后的图，黑色部分更黑了，白色部分更白了，对比更明显了。

然后我们进一步分析增强前后的直方图，可见增强后图像的直方图，暗的像素值更暗的，亮的像素值也更亮了，敏感之间的对比更大，那么对于对比度较低的图像，增强后确实可以提高可视度。

相关代码如下：

指数对比度增强有很多方法，但万变不离其宗，即以一定阈值为中心，提高阈值以上的亮度，并降低阈值以下的亮度。典型的以对数对比度增强函数为例，公式如下所示：

针对阈值=127，E取2/4/6的曲线，使用Matlab绘制，如下所示：

如上图所示，分别是E=2，E=4，E=6的指数对比度增强曲线，横坐标为原始像素，纵坐标为映射后的像素。从曲线可见，E的值越大，对暗区的压缩及亮区的提升程度就越大，那么明暗之间的对比就越明显，即E可以表示为图像对比度增强的程度。图中三条曲线交汇在阈值127处，那么也可以采用不同程度增强曲线的融合模式，比如阈值以下采用E=2，阈值以上采用原值或E=6方式，区别对待图像明暗区域的对比度。

2.指数对比度增强Matlab实现

这里以阈值=127，E=7为例，我们看一下对比度增强后的图像效果。其中matlab代码如下：

对比度增强后的图如下所示，可见原图对比度较低，整体给人灰蒙蒙的效果，而右图则看起来更通透，明暗之间的对比度更加鲜明，整体视觉效果也更好了。

结合之前讲过的直方图均衡算法，与现在指数对比度增强效果以及各自的直方图进行对比，如下图所示：

我们从以下几个方面去对比效果：

1）对比度：

由灰度图可见，明暗对比不明显。通过对比度增强，压缩了暗区并提高了亮区，明暗对比度提高了；通过直方图拉伸后，将图像灰度拉伸到0-255，自然明暗之间的对比度也提高了。不过对比效果，直方图对比度更高，同时也引入了局部过曝的问题。

2）直方图

由直方图可见，原图像素集中在100左右，对比度增强后，压缩/拉伸到25-150，而直方图均衡后拉伸到了0-255，因此从当前测试图来看，直方图拉伸后的动态范围更宽，不过这也因图而异，比如原图就比较亮的图，对比测试效果如下，对比度增强后效果还差强人意，而直方图拉伸后图像过暗，因为本身偏亮，拉伸后则整体亮度降低了。

3.指数对比度增强FPGA实现

直方图拉伸，本质上是对像素概率的统计，然后进行扩展拉伸。

而对比度增强，无论是指数函数，还是各类曲线映射，其本质上就是一种像素映射操作。由于指数函数、对数函数等，实时的计算比较耗时。并且当选定参数后，其结果是固定的，因此可以根据参数提前计算好函数的映射结果，再以数组的方式进行索引，得到计算后的结果。这种方法，在学术领域通俗的讲就是Mapping操作，可在X-Y坐标上找到各自的映射点。

以E=7，THRESHOLD=127为例，指数对比度产生的结果如下所示（reshape是为了方便在Command Windows中显示，实际上是一个一维数组），在matlab中可以直接根据如下结果进行索引映射。

在FPGA中进行Mapping操作时，可以将数组存放在RAM或者以RTL源码的方式进行映射。FPGA的RAM采用的是mif或hex的格式进行存储，并且在生成RAM的时候需要进行文件的指定。由于256Byte的存储不大，同时为了提高移植的灵活度，这里我推荐使用RTL源代码的方式，并且使用matlab直接生成verilog文件。以指数对比度增强为例，生成文件的源码如下所示：

在当前文件夹下将会生成Curve_Contrast_Array.v文件，即为Matlab生成的曲线对比度映射verilog文件，由于最终实现只是一个简单的地址译码，电路相对比较简单，因此直接采用组合逻辑实现，生成的代码如下所示：

至此，我们已经生成好了Mapping的数组，那么在FPGA中只需要简单的映射就可以完成指定强度的对比度增强算法，即只需要例化该模块，进行原始数据的映射，输出增强后的数据即可，相关代码如下所示：

4.RTL仿真结果及实测

原文标题：图像指数对比度增强之Matlab&FPGA实现

文章出处：【微信公众号：FPGA技术江湖】欢迎添加关注！文章转载请注明出处。