在图像预处理中，最基础也最重要的处理方法是图像滤波与增强。图像滤波可以很好地消除测量成像或者环境带来的随机噪声、高斯噪声和椒盐噪声等。图像增强可以增强图像细节，提高图像对比度。
滤波器的种类有很多种。按照输出和输入之间是否有唯一且确定的传递函数，我们可以把滤波器分为线性滤波器和非线性滤波器两种。
非线性滤波器在通常情况下没有特定的转移函数。一类比较重要的非线性滤波就是统计排序滤波器，如中值滤波、最大/最小值滤波等。
中值滤波对于某些类型的随机噪声具有非常理想的降噪能力，对于线性平滑滤波而言，在处理像素邻域之内的噪声点时，噪声的存在总会或多或少影响该点的像素值的计算(高斯平滑影响的程度与噪声点到中心点的距离成正比)，但在中值滤波中噪声点则常常直接被忽略掉的；而且与线性平滑滤波器相比，中值滤波在降噪同时引起的模糊效应较低，进行中值滤波不仅可以去除孤点噪声，而且可以保持图像的边缘特性，不会使图像产生显著的模糊，比较适合于实验中的人脸图像。中值滤波的一种典型应用是消除椒盐噪声（即黑白噪声）。
一、理论分析
中值滤波方法是：对待处理的当前像素，选择一个3x3、5x5 或其他模板，该模板为其邻近的若千个像素组成，对模板的像素由小到大进行排序，再用模板的中值来替代原像素的值。3x3 模板下的排序算法如图所示：
二、MATLAB实现
clc;
clear all;
close all;
RGB = imread('flower.bmp'); %读取图片
imgn = imnoise(RGB,'salt & pepper',0.05); %椒盐密度0.05
gray = im2double(rgb2gray(imgn)); %灰度图
[ROW,COL, DIM] = size(gray); %得到图像行列数
%--------------------------------------------------------------------------
% Mean Filter 均值滤波
%--------------------------------------------------------------------------
Mean_Img = zeros(ROW,COL);
for r = 2:1:ROW-1
for c = 2:1:COL-1
Mean_Img(r,c) = (gray(r-1, c-1) + gray(r-1, c) + gray(r-1, c+1) + gray(r, c-1) + gray(r, c) + gray(r, c+1) + gray(r+1, c-1) + gray(r+1, c) + gray(r+1, c+1)) / 9;
end
end
%--------------------------------------------------------------------------
% Median Filter 中值滤波
%--------------------------------------------------------------------------
Median_Img = zeros(ROW,COL);
for r = 2:ROW-1
for c = 2:COL-1
median3x3 =[gray(r-1,c-1) gray(r-1,c) gray(r-1,c+1)
gray(r,c-1) gray(r,c) gray(r,c+1)
gray(r+1,c-1) gray(r+1,c) gray(r+1,c+1)];
sort1 = sort(median3x3, 2, 'descend');
sort2 = sort([sort1(1), sort1(4), sort1(7)], 'descend');
sort3 = sort([sort1(2), sort1(5), sort1(8)], 'descend');
sort4 = sort([sort1(3), sort1(6), sort1(9)], 'descend');
mid_num = sort([sort2(3), sort3(2), sort4(1)], 'descend');
Median_Img(r,c) = mid_num(2);
end
end
%--------------------------------------------------------------------------
% Show Image
%--------------------------------------------------------------------------
subplot(2,2,1); imshow(imgn); title('椒盐噪声');
subplot(2,2,2); imshow(gray); title('灰度图');
subplot(2,2,3); imshow(Mean_Img); title('均值滤波');
subplot(2,2,4); imshow(Median_Img); title('中值滤波');
% 由实验可知：
% 1、椒盐噪声就是黑白噪声，均值滤波对椒盐噪声基本无作用。
% 2、中值滤波对椒盐噪声的处理非常好。
当我们使用3x3窗口后获取领域中的9个像素，就需要对9个像素值进行排序，为了提高排序效率，排序算法思想如下所示。
(1)对窗内的每行像素按降序排序，得到最大值、中间值和最小值。
(2)把三行的最小值即第三列相比较，取其中的最大值。
(3)把三行的最大值即第- -列相比较，取其中的最小值。
(4)把三行的中间值即第二列相比较，再取一次中间值。
(5)把前面的到的三个值再做一次排序，获得的中值即该窗口的中值。
MATLAB代码中采用了 sort 排序函数，该函数使用方法如下所示：
sort(A)若A可以使矩阵或行列向量，默认都是对A进行升序排列。
sort (A)是默认的升序，而sort (A,' descend' )是降序排序。
sort(A)若A是矩阵，默认对A的各列进行升序排列
sort (A, dim)
dim=1时相当于sort (A)
dim=2时表示对矩阵A中的各行元素升序排列
sort(A，dim, ’descend' )则对矩阵的每行进行降序排列
点击运行，得到如下结果：
结果可以看出：均值滤波对椒盐噪声无效，中值滤波则过滤了绝大部分椒盐噪声，如果还不够可以再用一次中值滤波，达到满意效果。
三、FPGA实现
1、形成3x3矩阵
这个在前面的博客花了3篇来解释，就不多说了，我把3x3矩阵的代码用一个专门的 .v 文件写好，这里直接调用即可。输入是灰度数据，即 YCbCr格式中的 8bit Y分量，输出是矩阵数据。
//==========================================================================
//== matrix_3x3_8bit，生成3x3矩阵，输入和使能需对齐，耗费1clk
//==========================================================================
//--------------------------------------------------- 矩阵顺序
// {matrix_11, matrix_12, matrix_13}
// {matrix_21, matrix_22, matrix_23}
// {matrix_31, matrix_32, matrix_33}
//--------------------------------------------------- 模块例化
matrix_3x3_8bit
#(
.COL (480 ),
.ROW (272 )
)
u_matrix_3x3_8bit
(
.clk (clk ),
.rst_n (rst_n ),
.din_vld (Y_de ),
.din (Y_data ),
.matrix_11 (matrix_11 ),
.matrix_12 (matrix_12 ),
.matrix_13 (matrix_13 ),
.matrix_21 (matrix_21 ),
.matrix_22 (matrix_22 ),
.matrix_23 (matrix_23 ),
.matrix_31 (matrix_31 ),
.matrix_32 (matrix_32 ),
.matrix_33 (matrix_33 )
);
2、sort排序
MATLAB有sort函数，FPGA里可没有，我们得自己写一个，由于要用到多次，因此用一个.v文件来写，用的时候调用即可。sort代码如下所示：
module sort
//========================< 端口 >==========================================
(
//system --------------------------------------------
input wire clk ,
input wire rst_n ,
//input ---------------------------------------------
input wire [7:0] data1 ,
input wire [7:0] data2 ,
input wire [7:0] data3 ,
//output --------------------------------------------
output reg [7:0] max_data , //最大值
output reg [7:0] mid_data , //中间值
output reg [7:0] min_data //最小值
);
//==========================================================================
//== 最大值
//==========================================================================
always @(posedge clk or negedge rst_n) begin
if(!rst_n)
max_data <= 8'd0;
else if(data1 >= data2 && data1 >= data3)
max_data <= data1;
else if(data2 >= data1 && data2 >= data3)
max_data <= data2;
else if(data3 >= data1 && data3 >= data2)
max_data <= data3;
end
//==========================================================================
//== 中间值
//==========================================================================
always @(posedge clk or negedge rst_n) begin
if(!rst_n)
mid_data <= 8'd0;
else if((data2 >= data1 && data1 >= data3) || (data3 >= data1 && data1 >= data2))
mid_data <= data1;
else if((data1 >= data2 && data2 >= data3) || (data3 >= data2 && data2 >= data1))
mid_data <= data2;
else if((data1 >= data3 && data3 >= data2) || (data1 >= data3 && data3 >= data2))
mid_data <= data3;
end
//==========================================================================
//== 最小值
//==========================================================================
always @(posedge clk or negedge rst_n) begin
if(!rst_n)
min_data <= 8'd0;
else if(data3 >= data1 && data2 >= data1)
min_data <= data1;
else if(data3 >= data2 && data1 >= data2)
min_data <= data2;
else if(data1 >= data3 && data2 >= data3)
min_data <= data3;
end
endmodule
3、调用sort，完成中值滤波
调用上面写好的 sort 就行了，注意一下整个的逻辑，消耗了3个时钟周期。
(1)对窗内的每行像素按降序排序，得到最大值、中间值和最小值。
(2)把三行的最小值即第三列相比较，取其中的最大值。
(3)把三行的最大值即第- -列相比较，取其中的最小值。
(4)把三行的中间值即第二列相比较，再取一次中间值。
(5)把前面的到的三个值再做一次排序，获得的中值即该窗口的中值。
第1个周期实现（1），第2个周期实现（2）（3）（4），第3个周期实现（5）。
//==========================================================================
//== 中值滤波，耗费3clk
//==========================================================================
//每行像素降序排列，clk1
//---------------------------------------------------
//第1行
sort u1
(
.clk (clk ),
.rst_n (rst_n ),
.data1 (matrix_11 ),
.data2 (matrix_12 ),
.data3 (matrix_13 ),
.max_data (max_data1 ),
.mid_data (mid_data1 ),
.min_data (min_data1 )
);
//第2行
sort u2
(
.clk (clk ),
.rst_n (rst_n ),
.data1 (matrix_21 ),
.data2 (matrix_22 ),
.data3 (matrix_23 ),
.max_data (max_data2 ),
.mid_data (mid_data2 ),
.min_data (min_data2 )
);
//第3行
sort u3
(
.clk (clk ),
.rst_n (rst_n ),
.data1 (matrix_31 ),
.data2 (matrix_32 ),
.data3 (matrix_33 ),
.max_data (max_data3 ),
.mid_data (mid_data3 ),
.min_data (min_data3 )
);
//三行的最小值取最大值
//三行的中间值取中间值
//三行的最大值取最小值，clk2
//---------------------------------------------------
//min-max
sort u4
(
.clk (clk ),
.rst_n (rst_n ),
.data1 (min_data1 ),
.data2 (min_data2 ),
.data3 (min_data3 ),
.max_data (min_max_data ),
.mid_data ( ),
.min_data ( )
);
//mid-mid
sort u5
(
.clk (clk ),
.rst_n (rst_n ),
.data1 (mid_data1 ),
.data2 (mid_data2 ),
.data3 (mid_data3 ),
.max_data ( ),
.mid_data (mid_mid_data ),
.min_data ( )
);
//max-min
sort u6
(
.clk (clk ),
.rst_n (rst_n ),
.data1 (max_data1 ),
.data2 (max_data2 ),
.data3 (max_data3 ),
.max_data ( ),
.mid_data ( ),
.min_data (max_min_data )
);
//前面的三个值再取中间值，clk3
//---------------------------------------------------
sort u7
(
.clk (clk ),
.rst_n (rst_n ),
.data1 (max_min_data ),
.data2 (mid_mid_data ),
.data3 (min_max_data ),
.max_data ( ),
.mid_data (median_data ),
.min_data ( )
);
4、信号同步
形成3x3矩阵耗费1clk，中值滤波耗费3clk，因此行场和使能信号都需要延迟4拍。
//==========================================================================
//== 信号同步
//==========================================================================
always @(posedge clk or negedge rst_n) begin
if(!rst_n) begin
Y_de_r <= 4'b0;
Y_hsync_r <= 4'b0;
Y_vsync_r <= 4'b0;
end
else begin
Y_de_r <= {Y_de_r[2:0], Y_de};
Y_hsync_r <= {Y_hsync_r[2:0], Y_hsync};
Y_vsync_r <= {Y_vsync_r[2:0], Y_vsync};
end
end
assign median_de = Y_de_r[3];
assign median_hsync = Y_hsync_r[3];
assign median_vsync = Y_vsync_r[3];
四、上板验证
同样取一张含有椒盐噪声的图片来看现象。
原图：
中值滤波后：
从实验结果看出，椒盐噪声都被过滤了，实验成功。