新疆建设网二级域名网站/厦门百度推广开户

当用相机拍摄快速运动的物体,或者从行驶中的汽车上拍摄外面静止不动的景物时,拍得的照片有模糊现象,这种由于相机和被拍摄对象之间的相对运动造成图象模糊的现象叫运动模糊现象。这种模糊大多是由于相机与景物的相对移动而导致同一时刻不同景物点在CCD的同一点同时曝光而造成的。运动模糊现象在数字图象处理实践中经常会遇到,本文将要研究的运动模糊图像恢复,是针对匀速直线运动引起的图像模糊进行复原。图像恢复操作的数据量大,算法复杂,这直接影响了处理速度。为了实现实时处理,本文使用三个定点DSPTMS320C6416和一个浮点DSPTMS320C6711完成运动模糊图像的实时恢复。本文的重点是从硬件角度讲述这四个DSP如何实现运动模糊图像恢复以及各个DSP的工作负荷。1运动模糊图像退化/恢复模型设f(x,y)为原图像,相机以速度沿与水平成角的方向移动,g(x,y)为摄取的模糊图像,因此有如下的关系:g(x,y)=T1t0f(x-vtcos,y-utsin)dt(1)式(1)中T为曝光时间。假设相机的运动参数(,,t)已知,如果未知可通过其频谱中的零点位置求出,这不是本文重点,详见文献[8,9]。由式(1)可以看出,运动模糊就是相机和拍摄物体在快门打开期间T的相对运动引起物体在图像中的平滑。考虑到噪声的影响,运动模糊图像的退化模型可以描述为一个退化函数和一个加性噪声项,处理一幅输入图像产生一幅退化图像。退化公式用卷积形式表示为:g(x,y)=h(x,y)*f(x,y)+n(x,y)(2)公式(2)中,h(x,y)是点扩散函数(PSF)的空间描述,f(x,y)为原始图像,g(x,y)是模糊图像,n(x,y)是混叠在信号中的加性噪声。其中“*”表示空间卷积[1]。h(x,y)是与相机运动参数有关的一个常量,具体求解方法见参考文献[10]。由于空间域的卷积等同于频率域的乘积,所以公式(2)的频率域描述为:G(u,)=H(u,)F(u,)+N(u,)(3)公式(3)的大写字母项是公式(2)中相应项的傅立叶变换[7]。运动模糊图像频率域恢复最常用的方法是维纳滤波(最小均方差滤波)方法:F(u,)=G(u,)H*(u,)/(H(u,)2+)(4)式中:G(u,)是退化图像,H(u,)是点扩散函数,H*(u,)为H(u,)的复共轭,F(u,)是恢复图像,为常数。维纳滤波是一种综合考虑了退化函数和噪声统计特征两个方面进行恢复处理的方法,它建立在认为图像和噪声是随机过程的基础上,而目标是找一个未污染图像的估计值,使它们的均方误差最小[1]。综合考虑,本文决定选用维纳滤波进行模糊图像恢复。2DSP中二维快速傅立叶变换的实现通过公式(4)可以看出,运动模糊图像恢复的关键是FFT运算,FFT运算速度直接影响着能否实时恢复。FFT的计算见公式(5),其中W因子的取值范围是在之间的小数。在本系统中FFT运算是由定点DSPTMS320C6416来完成。定点DSP芯片的操作数采用整数来表示,所以完成FFT计算必须对W因子进行必要的扩大。这里我们选择扩大32768(215)倍,取其整数部分,即采用Q15表示法[5]。在DSP6416的汇编语言中有MPYHIR,MPYIHR,MPYILR,MPYLIR这4个指令是针对Q15数据进行相乘,在进行乘法的时候对运算结果自动缩小32768倍[3]。利用这些特殊指令编写FFT程序,极大的提高了处理速度。X(k)=N1Nn=-01x(n)WnNk(5-1)x(n)=N-1k=0X(k)W-Nnk(5-2)F(u,)=M1NMu=-01N=-01f(m,n)WmMuWn