這一過(guò)渡帶的寬窄直接影響到圖像的畫質(zhì)：過(guò)渡帶越窄，圖像中兩種亮度的邊界就越清楚，圖像也越清晰。亮度瞬態(tài)增強(qiáng)就是一種使過(guò)渡帶變窄、邊緣變陡以提高圖像清晰度的方法。理想情況下可使過(guò)渡帶縮短成垂直邊緣，如圖1中的COD所示。
1.2 常用算法
　　常用的亮度瞬態(tài)增強(qiáng)方法有兩種：移位法" title="移位法">移位法和疊加勾邊法" title="疊加勾邊法">疊加勾邊法。移位法的原理是找到如圖1所示的原始亮度信號(hào)過(guò)渡帶的3個(gè)特征點(diǎn)A、O、B，然后將AO段像素點(diǎn)的亮度值用A點(diǎn)的亮度值Y₁代替，OB段像素點(diǎn)的亮度值用B點(diǎn)的亮度值Y₂代替。
　　疊加勾邊法的原理是在原始輸入的亮度信號(hào)上疊加一個(gè)勾邊信號(hào)，勾邊信號(hào)可由二階微分等產(chǎn)生，疊加的結(jié)果是在亮度邊緣處形成尖峰，且邊緣變陡。
1.2.1 移位法亮度瞬態(tài)增強(qiáng)
　　移位法的關(guān)鍵是確定正確的替代點(diǎn)位置。把替代點(diǎn)距當(dāng)前點(diǎn)的距離稱為移位路徑。因?yàn)閳D像的一階微分可用于檢測(cè)圖像中的一個(gè)點(diǎn)是否為邊緣點(diǎn)，二階微分的符號(hào)可用于判斷一個(gè)邊緣像素位于邊緣亮的一邊還是暗的一邊，并且二階微分中間的零點(diǎn)可以準(zhǔn)確地判斷出邊界，因此考慮一種用亮度信號(hào)的二階微分與增益的乘積來(lái)控制移位路徑的方法。
　　如何求出亮度信號(hào)的二階微分是該算法的核心之一。先對(duì)圖像的亮度信號(hào)作一階微分，檢測(cè)亮度邊緣。本文采用一個(gè)5階的FIR濾波器來(lái)計(jì)算一階微分，公式如下：
　　Y_diff=-2Y_j-2-Y_j-1+Y_j+1+2Y_j+2　　　　　　　　　　　　　(1)
　　式中：Y_diff為生成的一階微分，Yj代表當(dāng)前要處理的像素點(diǎn)亮度值，Yj-1代表前一像素點(diǎn)的亮度值，Yj+1代表后一像素點(diǎn)的亮度值，其他的依次類推。圖像的二階微分通過(guò)對(duì)一階微分的絕對(duì)值再作一次微分得到。
　　具體的移位法過(guò)程如下：當(dāng)像素點(diǎn)的二階微分大于零時(shí)，這個(gè)像素點(diǎn)的亮度值用該像素點(diǎn)往前移位n個(gè)點(diǎn)的亮度值來(lái)替代，移位路徑n由二階微分與增益的乘積來(lái)決定^[1]，增益可由用戶在一定范圍內(nèi)調(diào)節(jié)；當(dāng)像素點(diǎn)的二階微分小于零時(shí)，該像素點(diǎn)的亮度值用該像素點(diǎn)往后移位n個(gè)點(diǎn)的亮度值來(lái)替代。移位路徑可通過(guò)設(shè)置一個(gè)參數(shù)“Limit”來(lái)限制在一定范圍內(nèi)。移位法亮度瞬態(tài)增強(qiáng)結(jié)果如圖2所示。通過(guò)以上的算法對(duì)圖2(a)中的條紋圖作瞬態(tài)增強(qiáng)的結(jié)果如圖2(b)所示，可見(jiàn)，邊緣明顯變清晰了。
1.2.2 疊加勾邊法亮度瞬態(tài)增強(qiáng)
　　疊加勾邊法的關(guān)鍵是如何形成勾邊信號(hào)。一種利用9階的FIR濾波器來(lái)檢測(cè)邊緣和產(chǎn)生勾邊信號(hào)的方法能達(dá)到很好的勾邊效果，濾波器系數(shù)如下^[2]：
　　filter_coef=[-16 -31 -16 33 61 33 -16 -31 -16]×26/256　　　　　　　　　　　　　(2)

?

　　疊加勾邊信號(hào)并限幅示意圖如圖3所示。經(jīng)過(guò)濾波器輸出的勾邊信號(hào)經(jīng)過(guò)核化降噪（coring）、增益調(diào)節(jié)并疊加到原圖上后，得到一個(gè)邊緣變陡但幅度出現(xiàn)尖峰（peak）的信號(hào)，如圖3中的長(zhǎng)虛線所示。因此，還需要將幅度限制在一定的窗口范圍內(nèi)，窗口的范圍是以當(dāng)前點(diǎn)為中心、相鄰五點(diǎn)（左右各兩點(diǎn)）的亮度中的最小值和最大值。經(jīng)限幅后的信號(hào)如圖3中圓圈代表的曲線所示，達(dá)到了使過(guò)渡帶變窄、邊緣變陡的目的。

2 兩種算法存在的問(wèn)題" title="存在的問(wèn)題">存在的問(wèn)題及改進(jìn)策略
2.1 移位法改進(jìn)
　　移位法LTI實(shí)驗(yàn)結(jié)果及改進(jìn)如圖4所示。1.2.1節(jié)所述的移位法可使大面積物體之間的邊界變得非常陡峭，亮度瞬態(tài)增強(qiáng)效果很好。但是，對(duì)于兩個(gè)靠得很近的邊緣，如圖4(a)中的邊緣E1和E2，移位路徑的大小決定了某些用來(lái)替代的像素點(diǎn)已位于另一個(gè)邊緣段了，這樣移位的結(jié)果是在兩個(gè)亮度邊緣交界處形成帶有一個(gè)或兩個(gè)突起谷的小山形狀^[1]，如圖4(b)所示。表現(xiàn)在圖像上就是細(xì)節(jié)處出現(xiàn)像素串?dāng)_，處理后的圖像嚴(yán)重失真了。

　　為避免這種現(xiàn)象的產(chǎn)生，需對(duì)移位法加以改進(jìn)。改進(jìn)方法是對(duì)兩個(gè)靠得很近的邊緣加上特別的“過(guò)山保護(hù)”措施，具體方法如下：
　　對(duì)原信號(hào)作二階微分并用增益調(diào)節(jié)和Limit控制得到移位路徑（設(shè)為path）后，若path>0，則從當(dāng)前點(diǎn)往前path個(gè)點(diǎn)（j-path）搜索至當(dāng)前點(diǎn)（j），若有一階微分改變符號(hào)的位置，則表明這是兩個(gè)靠得很近的邊緣頂峰相交的位置，這時(shí)記下此位置點(diǎn)并用此頂峰值代替j點(diǎn)的值；若沒(méi)有出現(xiàn)一階微分改變符號(hào)的位置，則表明是正常邊緣情況，直接用j-path點(diǎn)的值代替當(dāng)前j點(diǎn)的值；若path<0，則從當(dāng)前點(diǎn)j向后搜索至j+|path|個(gè)點(diǎn)，其余判斷方法跟前面相同。經(jīng)過(guò)“過(guò)山保護(hù)”處理后的結(jié)果如圖4（c）所示，消除了邊緣交界處的那個(gè)帶有兩個(gè)突起的小山形狀，改善了移位法對(duì)靠得很近的邊緣的處理效果。
2.2 疊加勾邊法改進(jìn)
　　疊加勾邊法LTI處理結(jié)果比較如圖5所示。利用1.2.2節(jié)所述的疊加勾邊法對(duì)大量的圖像進(jìn)行亮度瞬態(tài)增強(qiáng)處理發(fā)現(xiàn)，對(duì)于高頻信息較少的圖像，1.2.2節(jié)所述的疊加勾邊法能達(dá)到非常好的瞬態(tài)增強(qiáng)效果，但是，對(duì)于細(xì)節(jié)變化極快的高頻信息，例如只占1～2個(gè)像素點(diǎn)寬度的邊緣，勾邊后圖像反而變得惡化，出現(xiàn)像素干擾現(xiàn)象，如圖5（b）右半部分高頻段所示。
　　為解決該問(wèn)題，在做DLTI之前設(shè)置一個(gè)高頻判斷模塊，若信號(hào)處于高頻段，則不對(duì)該信號(hào)進(jìn)行處理，輸出其本身，否則，進(jìn)行疊加勾邊處理。
　　文獻(xiàn)[2]中提到了一種有效的高頻判斷方法 ，利用相鄰16個(gè)點(diǎn)分別與平均值相減的符號(hào)位來(lái)記錄變化頻率。不過(guò)該方法需要計(jì)算平均值，且延時(shí)較多，硬件實(shí)現(xiàn)頗為復(fù)雜，本文提出了另一種高頻判斷的方法。
　　既然圖像的一階微分能檢測(cè)邊緣信息，那么也能反映圖像的變化頻率，這通過(guò)仿真原圖中一行數(shù)據(jù)的波形和對(duì)該行數(shù)據(jù)作一階微分以后的波形得到了證實(shí)。因此，可以考慮利用一階微分的符號(hào)來(lái)判斷圖像的高頻段，一階微分模板如移位法中所示。具體判斷方法如下：首先記錄每個(gè)像素點(diǎn)的一階微分的符號(hào)位，對(duì)當(dāng)前像素點(diǎn)，搜索其左右各4個(gè)或5個(gè)點(diǎn)，將相鄰點(diǎn)的符號(hào)位兩兩相異或后相加，得到一個(gè)總和Sum，將這個(gè)Sum與一個(gè)預(yù)先設(shè)定的門限值相比較，若Sum大于該門限值，則認(rèn)為此像素點(diǎn)處于圖像的高頻段。對(duì)圖5(a)的圖像先經(jīng)高頻判斷再進(jìn)行疊加勾邊法LTI處理的結(jié)果如圖5(c)所示，與圖5(b)相比，避免了高頻段的圖像惡化現(xiàn)象。這一高頻判斷方法同樣可加在移位法DLTI處理之前，以對(duì)移位法進(jìn)一步優(yōu)化。

3 兩種算法的比較分析
　　在對(duì)兩種算法分別進(jìn)行改進(jìn)后，兩種算法都能達(dá)到非常好的亮度瞬態(tài)增強(qiáng)效果，不僅明顯提升了邊緣陡度，而且對(duì)圖像細(xì)節(jié)變化較快且兩個(gè)邊緣很近的情況有很好的保護(hù)處理措施，對(duì)各種不同的視頻圖像均能起到使邊界變得更明顯、提高清晰度的作用。通過(guò)調(diào)節(jié)兩種算法各自的增益，可以使兩種算法達(dá)到某種相同的處理效果。不過(guò)，總的來(lái)說(shuō)，疊加勾邊法在對(duì)圖像細(xì)節(jié)的處理上比移位法效果稍好。這是因?yàn)橐莆环ㄖ荒苡靡延邢袼攸c(diǎn)的亮度值代替當(dāng)前像素點(diǎn)的亮度值，而不如用9階濾波器產(chǎn)生勾邊信號(hào)對(duì)細(xì)節(jié)的反映來(lái)得敏感。
4 亮度瞬態(tài)增強(qiáng)算法的硬件實(shí)現(xiàn)
　　由于加上過(guò)山保護(hù)后的移位法在搜索替代路徑時(shí)用硬件實(shí)現(xiàn)較復(fù)雜，且從以上兩種算法的比較分析中看出采用9階濾波器的疊加勾邊法稍勝一籌，因此本文最終采用加上高頻判斷后的疊加勾邊法來(lái)實(shí)現(xiàn)亮度瞬態(tài)增強(qiáng)算法。為檢驗(yàn)此算法運(yùn)用到實(shí)際硬件系統(tǒng)中的實(shí)時(shí)處理性能，在一個(gè)以FPGA為核心的實(shí)時(shí)視頻處理平臺(tái)上實(shí)現(xiàn)了該算法，其硬件設(shè)計(jì)采用Verilog硬件描述語(yǔ)言。
　　該硬件結(jié)構(gòu)主要由兩大模塊組成：高頻判斷模塊和疊加勾邊模塊。本文列出疊加勾邊模塊的內(nèi)部硬件結(jié)構(gòu)圖如圖6所示。該算法中主要有三個(gè)參數(shù)可調(diào)：高頻判斷門限值、核化降噪門限值及疊加勾邊信號(hào)時(shí)的增益值。這些參數(shù)通過(guò)I2C總線來(lái)實(shí)現(xiàn)參數(shù)的實(shí)時(shí)修改：在硬件系統(tǒng)中由3個(gè)寄存器來(lái)存儲(chǔ)這3個(gè)參數(shù)的值。這些寄存器都連接到系統(tǒng)的I2C接口模塊上，可在系統(tǒng)外利用PC通過(guò)I2C總線實(shí)時(shí)修改寄存器中的值。
　　用VCS硬件仿真器對(duì)輸入的多種標(biāo)準(zhǔn)測(cè)試" title="標(biāo)準(zhǔn)測(cè)試">標(biāo)準(zhǔn)測(cè)試圖進(jìn)行仿真后發(fā)現(xiàn)，硬件仿真結(jié)果與算法仿真結(jié)果幾乎一致，對(duì)各種標(biāo)準(zhǔn)測(cè)試圖都不會(huì)損壞高頻細(xì)節(jié)，且能達(dá)到清晰的亮度瞬態(tài)增強(qiáng)效果。此外，硬件實(shí)現(xiàn)代價(jià)很小，延時(shí)相對(duì)較少，基本上在數(shù)據(jù)輸入后的第13個(gè)時(shí)鐘就可全部完成運(yùn)算并輸出。