基于小波变换的模糊图像处理系统设计与实现

黄勇杰 田喜平

摘 要： 采用传统系统对模糊图像进行处理时，存在耗费时间长、处理效果差等问题，因此提出基于小波变换的模糊图像处理系统的设计。根据系统架构的界面层和逻辑层两个层次，对系统硬件和软件进行设计。硬件架构核心部分是由芯片和现场可编程门阵列以及集成电路组成；根据小波特性，分析系数特征，结合图像处理技术进行逆向变换，由此设计软件功能。将模糊图像进行小波分解与重构，并在集成电路上实现小波算法。通过实验验证结果可知，该系统的设计具有图像处理时间短、效果好等优势，可满足高效处理模糊图像标准。

关键词： 小波变换； 模糊图像； 图像处理； 集成电路； 分解； 重构

中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 1004?373X（2018）19?0063?04

Abstract： The traditional system used to process the fuzzy images has the problems of long time consumption and poor processing effect. Therefore， the design of fuzzy image processing system based on wavelet transform is put forward. The system hardware and software are designed according to the interface layer and logic layer of the system architecture. The core of the hardware architecture is made up of the chip， field programmable gate array and integrated circuit. According to the characteristics of wavelet， the characteristics of the coefficient are analyzed， and the image processing technology is combined for the reverse transform to design the software functions. The wavelet decomposition and reconstruction are carried out for the fuzzy image. The wavelet algorithm is realized on the integrated circuit. The experimental results show that the design of the system has the advantages of short image processing time and perfect effect， and can meet the efficient processing standard of fuzzy image.

Keywords： wavelet transform； fuzzy image； image processing； integrated circuit； decomposition； reconstruction

0 引 言

小波分析技術的快速发展使其成为了相关科学研究重点，为信号处理带来了新方法。小波分析不仅包含了丰富理论，还具有较强应用价值，为此，扩展小波应用成为了当下最活跃的研究科目[1]。小波变换具有多分辨率分析优势，在时域与频域方面都具有信号局部特征能力，被广泛应用到图像处理和模糊识别技术领域中[2]。小波变换具有低熵性、灵活性强等特点，能够对图像进行去噪处理，采用融合技术能够实现多分辨率图像融合。采用传统系统对图像进行处理，存在耗费时间长、处理效果差等问题，不能适用于当下相关科学研究领域。

针对上述问题，提出基于小波变换的模糊图像处理系统设计与实现。其将小波应用范围扩展到信号分析、图像处理和计算机识别等多个方面，既包含了丰富的数学理论，又具有强大的工具和方法，为许多学科相互渗透和结合提供有效途径。由实验结果可知，该系统耗费时间短、处理效果好，可满足人们对模糊图像处理的高标准要求。

1 基于小波变换的模糊图像处理系统

基于小波变换的模糊图像处理系统需要具备文件处理、图片编辑、图层处理等相关功能，借助图像处理技术和软件开发可完成模糊图像处理系统设计[3]。针对图像处理系统设计不仅可对图像图层进行处理，还能降低系统设计成本。在具体设计过程中需遵循以下原则：

1） 简洁性。针对使用该系统用户，操作简单是十分重要的。这样有利于对系统快速熟悉，方便日常工作操作，系统操作简单性主要体现在功能显示界面，使用户能够清晰找到想要搜索的位置。

2） 统一性。在系统设计时，需遵循统一原则，保持显示界面风格与功能一致，同时将现有系统风格与用户已有的习惯相匹配，加快用户对系统熟悉速度。

3） 常用性。针对图像处理系统，用户已经熟悉了相关操作，为此在设计时需将熟悉的功能包含在内，包括图像保存、滤镜和图层处理等，保证用户能够根据自己习惯性操作完成图像处理[4]。

本文系统设计的架构图主要分成两层，具体设计如图1所示。

由图1可知，系统可分成界面层和逻辑层两个层次。其中界面层可向用户展示系统操作界面，而逻辑层是整个系统各个功能逻辑的核心处理部分。

1） 界面层。该层次主要是为用户提供操作客户端界面，促使用户能够通过请求完成图像接收与传递。在该层次中，显著展示了与系统相关的所有界面，这些界面不仅能够为模糊图像处理提供优秀的外接接口，还能对请求的命令进行传递。

2） 逻辑层。该层次主要负责对系统核心业务逻辑处理，其中包括图像图层、文件和编辑等。根据用户下达的请求命令，结合逻辑处理特点对相关请求响应。

1.1 系统硬件架构设计

模糊图像处理系统硬件架构核心部分由芯片和现场可编程门阵列以及集成电路组成，如：存储器、可进可出的存储器件以及FLASH等，集成电路主要负责辅助核心电路进行相关处理。柔性电路板组装带有随机存取存储器，可用于对模糊图像处理的数据以及中间结果进行存放[5]。FLASH中存储的执行功能与柔性电路板组装的配置数据相融合，有利于现场可编程门阵列实现对信号高效处理工作。

系统综合考虑模糊图像处理系统的实效性，对系统规模和调试难度进行设计，硬件框图设计如图2所示。

由图2可知，系统硬件结构将存储器构造成具有统一的4 GB地址访问空间，使用48位的地址寻址，其中包括内部存储器和外部存储器以及地址访问空间所有的内在资源，在该系统地址空间内独自占据一部分。外部存储器通过接口总线进行数据读取。该接口是一个无缝连接接口，最多可容纳4个同步动态随机存储器和5个异步存储装置[6]。

存储器设计需先考虑模糊图像数据存储速率、类型和容量大小，查看是否能够满足运算需求，在系统中是否能够扩展外部存储器大小，运用同步动态随机存储器对图像数据缓存。与外设部件互连标准兼容的同步动态随机存储器最多可设置为4个具有相连属性的地址空间存储块，每个存储块大小都为128 MB，为此，可直接对512 MB的随机存储器进行访问[7]。每个存储块都可进行独立配置，方便系统内核的存储器都可进行单一、连续的物理地址空间访问。异步存储器接口选择双端口存储器，可作为模糊图像数据从存储器到系统内部结构传输，通过对直接内存存取控制寄存器决定图像数据传输方式，选用FLASH作为存储器基本集成电路，并与FLASH接口相连，如图3所示。

由圖3可知，系统通电后，可从FLASH以直接内存存取方式将内部数据存取，并在内部程序中进行全速运行。

1.2 系统软件功能设计

对模糊图像处理的目的是对模糊后的图像进行某些处理，提高图像质量，满足人们预期结果。由于图像是二维信号，所以在对小波分析过程中，采用二维小波变换机制，可在空间或时间频域上加强信号变化强度，成为多层次小波系数[8]。根据小波特性，分析系数特征，结合图像处理技术进行逆向变换，得到所需目标图像。

1.2.1 模糊图像的小波分解与重构

从一幅[A×A]的模糊图像开始，[A]是2的幂，即原始模糊图像尺寸大小，幂增大，图像尺寸也将增大，进而使图像分辨率降低，依据二维小波方式进行扩展[9]。在每次变换层次上，图像都将被分解成4个大小一致的模块，这4个模块中的任何一个小模块都是由原始图像中的小波图像进行内积处理后获取，再经过不同方向间隔抽样选取，对模糊图像进行分解，如图4所示。

在图4实际分解的模糊图像中：[K]表示低频系数；[H]表示高频系数；[W]表示图像低通分解滤波处理；[Q]表示高通分解滤波处理；向下的箭头表示隔行或隔列数据抽取方式，只保留偶数行或列，并从0开始分解。

模糊图像重构步骤是分解的逆向过程，与分解过程相似，具体重构步骤如图5所示。

由图5可知，该步骤中向上的箭头表示列或行插样，只保留奇数列或行，并在其中插入0值[10]。

1.2.2 小波算法在集成电路上的实现

针对模糊图像处理小波算法在集成电路上的实现，采用完整的集成软硬件开发工具，包括仿真器和评估板。小波算法在集成电路上实现的具体步骤如下：

1） 采用C语言编程方法实现小波算法；

2） 利用Visual编译器，将原始的程序编译成模糊的目标图像；

3） 根据目标文件，分析源程序结构，并优化源代码；

4） 应用评估板实现时间的评估；

5） 重复上述步骤，直到系统达到实时性处理效果为止[11]。

在系统中，采用小波变换对模糊图像进行边缘提取、图像增强、融合和平滑等处理，可使系统高效、快速地对模糊图像进行处理。

2 实 验

实验测试是为保证模糊图像处理系统中的各个功能能够符合实际要求，也是系统设计的最后步骤。通过实验，系统才能被允许在线上运行。为了验证基于小波变换的模糊图像处理系统设计与实现的合理性，进行如下实验。

2.1 实验环境

系统进行测试时选择某公司信息化部门，整个实验环境的构建如下：

在硬件方面，选择1台具有测试软件的计算机，其配置为：处理器i3，运行内存4 GB，显卡为AMD Radeon HD8470，内存大小为1 GB，同时配置打印机、刻录机等配件；在软件方面，使用Windows 8的操作系统。

2.2 实验结果与分析

采用小波变换方法在图像处理过程中可以达到压缩、去噪和图像增强等效果。为了使结果更具有可靠性，将传统系统与本文系统对模糊图像边缘特征、图像增强、融合、平滑等处理时间进行对比，结果如表1所示。

由表1可知：对模糊图像进行边缘提取时，总采样时间为710 s，采用传统系统对图像处理时间为45 ns，本文系统图像处理时间为25 ns，相差20 ns；对模糊图像分别进行增强、融合和平滑等处理，采用传统系统与本文系统进行对比，耗费时间分别相差15 ns，8 ns，6 ns。虽然两种系统耗费时间相差不大，但是对于快速的图像处理步骤来说，却具有相当大的影响[12]。

由于高频子带的模块间存在大量相关性，但是传统系统采用小波和多尺度函数进行分量反对称处理时，其相应滤波的第二通道是带通的，為此在低通子带处所对应的子块存在不相似的谱行为。因此，针对小波变换来说，只能对其不同高频子带中的模块系数进行重组，生成小子带。两种系统生成小子带重组前子带结构如图6所示。

选取某车辆模糊图片分别采用传统系统与本文系统进行处理，经过重组后的子带结构分别如图7a），图7b）所示。

根据图7两种系统重组后子带结构对图像进行处理，结果分别如图8a），图8b）所示。

由图8可知，存在运动模糊的汽车区域图像采用传统系统进行处理没有较大改善，而采用本文系统进行处理，图像质量有了较大幅度的提升。

2.3 实验结论

针对模糊图像进行处理时，采用传统系统对边缘特征提取、图像增强、融合和平滑处理的时间与本文系统设计的基于小波变换的模糊图像处理分别相差20 ns，15 ns，8 ns，6 ns。明显看出，本文系统所耗费的时间较短，并且随着重组后的子带结构，模糊图像处理效果较好，能够实现对模糊图像高效、快速的处理。

3 结 语

随着小波分析理论快速发展，小波应用范围扩展到信号分析、图像处理和计算机识别等多个方面，既包含了丰富的数学理论，又具有强大的工具和方法，为许多学科相互渗透和结合提供有效途径。本文提出一种基于小波变换的模糊图像处理系统，通过实验验证可知，该系统耗费时间较短，模糊图像处理效果较好，能够满足对模糊图像处理的高标准要求。

参考文献

[1] 李静，王敏，沙杰峰，等.基于小波变换的红外目标去运动模糊的研究[J].现代电子技术，2016，39（16）：120?124.

LI Jing， WANG Min， SHA Jiefeng， et al. Research on wavelet transform based motion deblurring method of infrared target [J]. Modern electronics technique， 2016， 39（16）： 120?124.

[2] 时一峰，白宝平，陈晓冬，等.基于小波变换的嵌入式超声内窥图像处理系统[J].光电工程，2016，43（5）：88?94.

SHI Yifeng， BAI Baoping， CHEN Xiaodong， et al. Embedded endoscopic ultrasound image processing system based on wavelet transform [J]. Opto?electronic engineering， 2016， 43（5）： 88?94.

[3] 刘婧，王威，李骥，等.基于对偶树复小波变换的模糊图像质量评价[J].计算机工程与科学，2015，37（8）：1573?1578.

LIU Jing， WANG Wei， LI Ji， et al. Blur image quality assessment based on DTCWT [J]. Computer engineering and science， 2015， 37（8）： 1573?1578.

[4] 蒋妍，翟金成.基于小波包分层净化的模糊图像细节增强算法[J].科技通报，2015，31（12）：96?98.

JIANG Yan， ZHAI Jincheng. Details enhancement algorithm of fuzzy image based on wavelet packet layered purification [J]. Bulletin of science and technology， 2015， 31（12）： 96?98.

[5] 郝建新.基于小波变换与Retinex的电路板红外图像增强技术[J].红外技术，2015，37（12）：1036?1040.

HAO Jianxin. The technology about infrared image enhancement of circuit board based on wavelet transform and Retinex [J]. Infrared technology， 2015， 37（12）： 1036?1040.

[6] 强彦，张晓慧.车载手势识别中基于小波变换和双边滤波的图像去噪方法[J].北京理工大学学报，2017，37（4）：376?380.

QIANG Yan， ZHANG Xiaohui. Image denoising method based on wavelet transform and bilateral filter in vehicle gesture recognition [J]. Transactions of Beijing Institute of Technology， 2017， 37（4）： 376?380.

[7] 王源圆，苏秉华，邱文胜.基于ZedBoard的超分辨率视频复原系统[J].应用光学，2015，36（4）：537?542.

WANG Yuanyuan， SU Binghua， QIU Wensheng. Super?resolution video restoration system based on ZedBoard [J]. Journal of applied optics， 2015， 36（4）： 537?542.

[8] 王治文，罗晓清，张战成.基于四元数小波变换的清晰度评价[J].计算机应用，2016，36（7）：1927?1932.

WANG Zhiwen， LUO Xiaoqing， ZHANG Zhancheng. Quaternion wavelet transform for evaluation of image sharpness [J]. Journal of computer applications， 2016， 36（7）： 1927?1932.

[9] 陈树越，刘金星，丁艺.基于小波变換的红外与 X光图像融合方法研究[J].激光技术，2015，39（5）：685?688.

CHEN Shuyue， LIU Jinxing， DING Yi. Study on fusion method of infrared and X?ray images based on wavelet transform [J]. Laser technology， 2015， 39（5）： 685?688.

[10] LUO Xiaoxia， WANG Liqing， XUE Hongye. A novel algorithm of image edge detection based on wavelet transform and curvelet transform [J]. Computer engineering and science， 2015， 37（1）： 157?161.

[11] HUI Qiaojuan， LI Hongan， LU Yan. Image compression algorithm based on wavelet transform and HVS [J]. Journal of electronic measurement and instrumentation， 2016， 30（12）： 1838?1844.

[12] 汪洋，陈海燕，彭艳兵.模糊时间序列模型在论域定义上的研究[J].电子设计工程，2017，25（2）：9?13.

WANG Yang， CHEN Haiyan， PENG Yanbing. Research on the definition of fuzzy time series model in the definition of domain [J]. Electronic design engineering， 2017， 25（2）： 9?13.