0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

基于FPGA自動白平衡算法的介紹和實現(xiàn)

電子工程師 ? 來源:FPGA開源工作室 ? 作者:FPGA開源工作室 ? 2021-04-08 17:20 ? 次閱讀

基于FPGA自動白平衡算法的實現(xiàn)

一、白平衡介紹

對于白平衡基本概念的詳細介紹請查看文章《白平衡初探》,白平衡算法主要的作用是將偏暖或者偏冷的色調(diào)自動恢復(fù)到正常色調(diào),是圖像看起來更加色彩飽滿正常。

如上圖所示,左1色溫偏冷,中間色溫正常,右一色溫偏暖。上圖比較直觀的展示了色溫的概念。偏冷的色溫會給人一種還冷的感覺,偏暖的色溫會給人一種溫暖的感覺。

二、白平衡算法以及matlab實現(xiàn)

1)原始的灰度世界算法

灰度世界算法(Gray World)是以灰度世界假設(shè)為基礎(chǔ)的,該假設(shè)認為對于一幅有著大量色彩變化的圖像, R、 G、 B 三個分量的平均值趨于同一個灰度K。一般有兩種方法來確定該灰度。

(1)直接給定為固定值, 取其各通道最大值的一半,即取為127或128;

(2)令 K = (Raver+Gaver+Baver)/3,其中Raver,Gaver,Baver分別表示紅、 綠、 藍三個通道的平均值。

算法的第二步是分別計算各通道的增益:

Kr=K/Raver;

Kg=K/Gaver;

Kb=K/Baver;

算法第三步為根據(jù)Von Kries 對角模型,對于圖像中的每個像素R、G、B,計算其結(jié)果值:

Rnew = R * Kr;

Gnew = G * Kg;

Bnew = B * Kb;

對于上式,計算中可能會存在溢出(》255,不會出現(xiàn)小于0的)現(xiàn)象,處理方式有兩種。

a、 直接將像素設(shè)置為255,這可能會造成圖像整體偏白。

b、 計算所有Rnew、Gnew、Bnew的最大值,然后利用該最大值將將計算后數(shù)據(jù)重新線性映射到[0,255]內(nèi)。實踐證明這種方式將會使圖像整體偏暗,建議采用第一種方案。

2)完美反射算法

原理:完美全反射理論perfect Reflector假設(shè)圖像上最亮點就是白點,并以此白點為參考對圖像進行自動白平衡,最亮點定義為R+G+B的最大值,具體編碼步驟如下:

(1)計算每個像素的RGB之和,并保存到一臨時內(nèi)存塊中。

(2)按R+G+B值的大小計算出其前10%或其他Ratio的白色參考點的的閾值T。

(3)遍歷圖像中的每個點,計算其中R+G+B值大于T的所有點的RGB分量的累積和的平均值。

(4)對每個點將像素量化到[0,255]之間。

3)動態(tài)閾值法

(1)。 把圖像w*h從RGB空間轉(zhuǎn)換到Y(jié)CrCb空間。

(2)。 選擇參考白色點:

a. 把圖像分成寬高比為4:3個塊(塊數(shù)可選)。

b. 對每個塊,分別計算Cr,Cb的平均值Mr,Mb。

c. 對每個塊,根據(jù)Mr,Mb,用下面公式分別計算Cr,Cb的方差Dr,Db。

d. 判定每個塊的近白區(qū)域(near-white region)。

判別表達式為:

設(shè)一個“參考白色點”的亮度矩陣RL,大小為w*h。

若符合判別式,則作為“參考白色點”,并把該點(i,j)的亮度(Y分量)值賦給RL(i,j);

若不符合,則該點的RL(i,j)值為0。

(3)。 選取參考“參考白色點”中最大的10%的亮度(Y分量)值,并選取其中的最小值Lu_min.

(4)。 調(diào)整RL,若RL(i,j)《Lu_min, RL(i,j)=0; 否則,RL(i,j)=1;

(5)。 分別把R,G,B與RL相乘,得到R2,G2,B2。 分別計算R2,G2,B2的平均值,Rav,Gav,Bav;

(6)。 得到調(diào)整增益:

Ymax=double(max(max(Y)))/5;

Rgain=Ymax/Rav;

Ggain=Ymax/Gav;

Bgain=Ymax/Bav;

(7)。 調(diào)整原圖像:

Ro= R*Rgain;

Go= G*Ggain;

Bo= B*Bgain;

FPGA的實現(xiàn)采用灰度世界算法。

Matlab代碼:

close allclear allclcI=imread(‘test1.jpg’);[H,W,L]=size(I);%得到圖像長寬高Rsum = 0;Gsum = 0;Bsum = 0;Rsum = double(Rsum);Gsum = double(Gsum);Bsum = double(Bsum);for i = 1 : H for j = 1 :W Rsum = Rsum + double(I(i,j,1)); Gsum = Gsum + double(I(i,j,2)); Bsum = Bsum + double(I(i,j,3)); endendRaver = Rsum / (H*W);Gaver = Gsum / (H*W);Baver = Bsum / (H*W);%K=128;%第一種K取值方法K = (Raver+Gaver+Baver)/3;%第二種方法Rgain = K / Raver;Ggain = K / Gaver;Bgain = K / Baver;Iwb(:,:,1) = I(:,:,1) * Rgain;Iwb(:,:,2) = I(:,:,2) * Ggain;Iwb(:,:,3) = I(:,:,3) * Bgain;imwrite(Iwb,‘Result1.jpg’);figure(1),subplot(121),imshow(I),title(‘原始圖像’);subplot(122),imshow(Iwb),title(‘自動白平衡圖像’);

效果展示:

三、FPGA實現(xiàn)自動白平衡灰度世界法

灰度世界法Verilog代碼:

/**********************************copyright@FPGA OPEN SOURCE STUDIO微信公眾號:FPGA開源工作室Algorithm:Auto White balance Gray World 800X600X255=480000***********************************/`define XLEN 32`define N(n) [(n)-1:0]module White_balance#( parameter DW = 24 )( input pixelclk, input reset_n, input [DW-1:0] din, //rgb in input i_hsync, input i_vsync, input i_de,

output [DW-1:0] dout, //gray out output o_hsync, output o_vsync, output o_de );

localparam STAGE_LIST = 32‘h0101_0101;//32’b00000000_00000000_00000000_00000000;localparam divisor = 32‘h0007_5300;//800*600localparam divisorK = 32’h0000_0003;//800*600

wire [7:0] R,G,B;reg [27:0] sumr,sumg,sumb;reg [27:0] sumr_r,sumg_r,sumb_r;wire [9:0] Kave;wire [7:0] K;

wire Rack;wire `N(`XLEN) Rquo,Rrem;

wire Gack;wire `N(`XLEN) Gquo,Grem;

wire Back;wire `N(`XLEN) Bquo,Brem;

wire Kack;wire `N(`XLEN) Kquo,Krem;

wire GRack;wire `N(`XLEN) GRquo,GRrem;

wire GGack;wire `N(`XLEN) GGquo,GGrem;

wire GBack;wire `N(`XLEN) GBquo,GBrem;

reg [39:0] R_r,G_r,B_r;wire [7:0] RO,GO,BO;

reg hsync_r1;reg vsync_r1;reg de_r1;

reg i_vsync_r;reg vsync_neg_r;

wire vsync_neg=(i_vsync_r&(~i_vsync));

assign Kave=(Rquo+Gquo+Bquo);assign K=Kquo[7:0];

assign R=din[23:16];assign G=din[15:8];assign B=din[7:0];

assign o_hsync = hsync_r1;assign o_vsync = vsync_r1;assign o_de = de_r1;

assign RO=(R_r[18:10]》255)?255:R_r[17:10];assign GO=(G_r[18:10]》255)?255:G_r[17:10];assign BO=(B_r[18:10]》255)?255:B_r[17:10];assign dout={RO,GO,BO};

//synchronizationalways @(posedge pixelclk) begin hsync_r1 《= i_hsync; vsync_r1 《= i_vsync; de_r1 《= i_de;end

always @(posedge pixelclk or negedge reset_n)begin if(!reset_n)begin sumr《=28‘d0;《 span=“”》 sumg《=28’d0;《 span=“”》 sumb《=28‘d0;《 span=“”》 sumr_r《=28’d0;《 span=“”》 sumg_r《=28‘d0;《 span=“”》 sumb_r《=28’d0;《 span=“”》 i_vsync_r《=1‘b0;《 span=“”》 vsync_neg_r《=1’b0;《 span=“”》 R_r《=40‘b0;《 span=“”》 G_r《=40’b0;《 span=“”》 B_r《=40‘b0;《 span=“”》 end else begin i_vsync_r《=i_vsync;《 span=“”》 vsync_neg_r《=vsync_neg;《 span=“”》

R_r《=r*grquo;《 span=“”》 G_r《=g*ggquo;《 span=“”》 B_r《=b*gbquo;《 span=“”》

if(vsync_neg==1’b1) begin sumr_r《=sumr;《 span=“”》 sumg_r《=sumg;《 span=“”》 sumb_r《=sumb;《 span=“”》 end

if(i_vsync==1‘b1) begin if(i_de==1’b1) begin sumr《=sumr+r;《 span=“”》 sumg《=sumg+g;《 span=“”》 sumb《=sumb+b;《 span=“”》 end else begin sumr《=sumr;《 span=“”》 sumg《=sumg;《 span=“”》 sumb《=sumb;《 span=“”》 end end else begin sumr《=28‘d0;《 span=“”》 sumg《=28’d0;《 span=“”》 sumb《=28‘d0;《 span=“”》 end endend

//Rave divfunc #( .XLEN ( `XLEN ), .STAGE_LIST ( STAGE_LIST )

) i_divR ( .clk ( pixelclk ), .rst ( ~reset_n ),

.a ( {4’b0,sumr_r} ), .b ( divisor ), .vld ( vsync_neg_r ),

.quo ( Rquo ), .rem ( Rrem ), .ack ( Rack )

);

//Gave divfunc #( .XLEN ( `XLEN ), .STAGE_LIST ( STAGE_LIST )

) i_divG ( .clk ( pixelclk ), .rst ( ~reset_n ),

.a ( {4‘b0,sumg_r} ), .b ( divisor ), .vld ( vsync_neg_r ),

.quo ( Gquo ), .rem ( Grem ), .ack ( Gack )

);

//Bave divfunc #( .XLEN ( `XLEN ), .STAGE_LIST ( STAGE_LIST )

) i_divB ( .clk ( pixelclk ), .rst ( ~reset_n ),

.a ( {4’b0,sumb_r} ), .b ( divisor ), .vld ( vsync_neg_r ),

.quo ( Bquo ), .rem ( Brem ), .ack ( Back )

);

//Kdivfunc #( .XLEN ( `XLEN ), .STAGE_LIST ( STAGE_LIST )

) i_divK ( .clk ( pixelclk ), .rst ( ~reset_n ),

.a ( {22‘b0,Kave} ), .b ( divisorK ), .vld ( Back ),

.quo ( Kquo ), .rem ( Krem ), .ack ( Kack )

);

//RGaindivfunc #( .XLEN ( `XLEN ), .STAGE_LIST ( STAGE_LIST )

) i_divGR ( .clk ( pixelclk ), .rst ( ~reset_n ),

.a ( {14’b0,K,10‘b0} ), .b ( Rquo ), .vld ( Kack ),

.quo ( GRquo ), .rem ( GRrem ), .ack ( GRack )

);

//GGaindivfunc #( .XLEN ( `XLEN ), .STAGE_LIST ( STAGE_LIST )

) i_divGG ( .clk ( pixelclk ), .rst ( ~reset_n ),

.a ( {14’b0,K,10‘b0} ), .b ( Gquo ), .vld ( Kack ),

.quo ( GGquo ), .rem ( GGrem ), .ack ( GGack )

);

//BGAINdivfunc #( .XLEN ( `XLEN ), .STAGE_LIST ( STAGE_LIST )

) i_divGB ( .clk ( pixelclk ), .rst ( ~reset_n ),

.a ( {14’b0,K,10‘b0} ), .b ( Bquo ), .vld ( Kack ),

.quo ( GBquo ), .rem ( GBrem ), .ack ( GBack )

);

endmodule

1)仿真效果

原始圖像

經(jīng)過灰度世界法的白平衡仿真效果

2)下板驗證模型以及實現(xiàn)效果

下板驗證圖像由筆記本電腦通過HDMI輸入到FPGA芯片,經(jīng)過FPGA算法處理后在通過HDMI將圖像送到顯示屏展示處理效果。

原文標題:基于FPGA的自動白平衡算法的實現(xiàn)(附代碼)

文章出處:【微信公眾號:FPGA技術(shù)江湖】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

責任編輯:haq

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • FPGA
    +關(guān)注

    關(guān)注

    1625

    文章

    21636

    瀏覽量

    601315

原文標題:基于FPGA的自動白平衡算法的實現(xiàn)(附代碼)

文章出處:【微信號:HXSLH1010101010,微信公眾號:FPGA技術(shù)江湖】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評論

    相關(guān)推薦

    FPGA自動駕駛領(lǐng)域有哪些優(yōu)勢?

    可以根據(jù)自動駕駛系統(tǒng)的具體需求,通過編程來配置FPGA的邏輯功能和連接關(guān)系,以適應(yīng)不同的應(yīng)用場景和算法變化。這種靈活性使得FPGA能夠快速適應(yīng)自動
    發(fā)表于 07-29 17:11

    FPGA自動駕駛領(lǐng)域有哪些應(yīng)用?

    低,適合用于實現(xiàn)高效的圖像算法,如車道線檢測、交通標志識別等。 雷達和LiDAR處理:自動駕駛汽車通常會使用雷達和LiDAR(激光雷達)等多種傳感器來獲取環(huán)境信息。FPGA能夠協(xié)助完成
    發(fā)表于 07-29 17:09

    凱茉銳電子|索尼FCB-EV9500M點聚焦、點曝光與點白平衡的定義和功能

    在攝像機的性能中,點聚焦、點曝光、點白平衡無疑是三大關(guān)鍵要素。索尼FCB-EV9500M攝像機同樣在這些方面展現(xiàn)出了卓越的性能。那么點聚焦、點曝光與點白平衡到底是什么呢?跟著凱茉銳電子的小編一起來了解下吧!
    的頭像 發(fā)表于 06-17 17:43 ?326次閱讀

    FPGA實現(xiàn)什么樣的算法

    FPGA功能如此強大,請問用FPGA實現(xiàn)或者比較適合實現(xiàn)什么樣的算法
    發(fā)表于 05-26 20:18

    基于FPGA的常見的圖像算法模塊總結(jié)

    意在給大家補充一下基于FPGA的圖像算法基礎(chǔ),于是講解了一下常見的圖像算法模塊,經(jīng)過個人的總結(jié),將知識點分布如下所示。
    的頭像 發(fā)表于 04-28 11:45 ?518次閱讀
    基于<b class='flag-5'>FPGA</b>的常見的圖像<b class='flag-5'>算法</b>模塊總結(jié)

    中國鐵路網(wǎng)的Dijkstra算法實現(xiàn)案例

    該項目分別在DE1-SOC開發(fā)板的FPGA和HPS上實現(xiàn)了Dijkstra算法,能在中國鐵路網(wǎng)中找到兩站之間的最短距離和路線。
    的頭像 發(fā)表于 04-09 11:10 ?489次閱讀
    中國鐵路網(wǎng)的Dijkstra<b class='flag-5'>算法</b><b class='flag-5'>實現(xiàn)</b>案例

    工業(yè)相機相關(guān)知識科普

    白平衡,顧名思義,即白色的平衡。由于人眼的適應(yīng)性,在不同色溫下,都能準確判斷出白色,但是相機在不同色溫的光源下,圖像會出現(xiàn)偏色,與人眼看到的顏色不一致,因此需要進行白平衡處理。在數(shù)碼相機中,往往有ISP,這里面會做AWB(
    的頭像 發(fā)表于 02-21 10:06 ?618次閱讀
    工業(yè)相機相關(guān)知識科普

    什么是白平衡?白平衡的作用

    白平衡是指調(diào)整相機或攝像機的色溫設(shè)置,以使圖像中的白色與實際場景中的白色看起來一致。 在攝影和攝像中,白平衡的作用非常重要。由于不同光源的色溫不同,相機在不同光源下拍攝的照片或視頻會呈現(xiàn)出不同的偏色
    的頭像 發(fā)表于 01-22 15:31 ?1750次閱讀

    怎么用FPGA算法 如何在FPGA實現(xiàn)最大公約數(shù)算法

    FPGA算法的優(yōu)點在于它們可以提供高度的定制化和靈活性,使得算法可以根據(jù)實際需求進行優(yōu)化和調(diào)整。此外,FPGA還可以實現(xiàn)硬件加速,提供比傳統(tǒng)
    的頭像 發(fā)表于 01-15 16:03 ?1915次閱讀

    FPGA圖像處理之CLAHE算法

    FPGA圖像處理--CLAHE算法(一)中介紹了為啥要用CLAHE算法來做圖像增強。
    的頭像 發(fā)表于 01-04 12:23 ?2348次閱讀
    <b class='flag-5'>FPGA</b>圖像處理之CLAHE<b class='flag-5'>算法</b>

    FPGA圖像處理-CLAHE算法介紹(一)

    介紹CLAHE算法之前必須要先提一下直方圖均衡化,直方圖均衡化算法是一種常見的圖像增強算法,可以讓像素的亮度分配的更加均勻從而獲得一個比較好的觀察效果。
    的頭像 發(fā)表于 01-02 13:32 ?1662次閱讀
    <b class='flag-5'>FPGA</b>圖像處理-CLAHE<b class='flag-5'>算法</b><b class='flag-5'>介紹</b>(一)

    浮點LMS算法FPGA實現(xiàn)

    運算的運算步驟遠比定點運算繁瑣,運算速度慢且所需硬件資源大大增加,因此基于浮點運算的LMS算法的硬件實現(xiàn)一直以來是學者們研究的難點和熱點。 本文正是基于這種高效結(jié)構(gòu)的多輸入FPA,在FPGA上成功
    的頭像 發(fā)表于 12-21 16:40 ?702次閱讀

    fpga布局布線算法加速

    任務(wù)是將邏輯元件與連接線路進行合理的布局和布線,以實現(xiàn)性能優(yōu)化和電路連接的可靠性。然而,FPGA布局布線的過程通常是一項繁瑣且耗時的任務(wù),因此加速布局布線算法的研究具有重要意義。本文將詳盡探討
    的頭像 發(fā)表于 12-20 09:55 ?746次閱讀

    Mahony濾波算法參數(shù)自動調(diào)節(jié)方法介紹

    Mahony濾波算法參數(shù)自動調(diào)節(jié)方法是一種用于姿態(tài)估計的濾波算法。
    的頭像 發(fā)表于 12-06 09:45 ?1024次閱讀

    基于FPGA平衡小車設(shè)計

    電機采用的是平衡小車之家的MG310(GMR編碼器)電機。底板上有兩個TB6612芯片,可以驅(qū)動四個電機,除了做平衡小車之外,也可以用來作為四驅(qū)車的底板,非常nice,同時支持兩種控制方式,推薦通過紅外遙控進行控制,實現(xiàn)起來非常
    的頭像 發(fā)表于 11-30 09:31 ?773次閱讀
    基于<b class='flag-5'>FPGA</b>的<b class='flag-5'>平衡</b>小車設(shè)計