基于SOPC的视频降噪系统的研究与软件设计（毕业设计61页、26057字）
摘要：在图形的传输中噪声干扰使图像失真，图像噪声大多数为高斯噪声和脉冲噪声两种，它们使图像模糊，严重时能淹没图像的性质。中值滤波是一种非线性的滤波方法，是一种经典的降噪方法。本课题对现有的视频降噪方案进行了改进,提出了一种视频降噪算法，首先对图像进行边缘保护，在此前提下，对图像的噪声水平进行检测，然后自适应地选择降噪的方法。本文在介绍了多种降噪算法的基础上提出了一种新的基于边缘保护的自适应中值滤波算法，该方法分别对信号与噪声进行判断，并用Visual C++搭建了验证平台进行了验证。比较得出该方法明显优于其它算法，并能在很好的消除脉冲噪声的同时保留了图像细节。 在此基础之上进行SOPC系统规划，并进行软硬件协同设计和验证。最后利用NIOS II处理器和IP核根据系统应用的需求，在NIOS II IDE下利用C/C++语言和系统所带的API函数进行软件实现，并进行软件的编译调试，完成整个系统的软件设计。

关键词：中值滤波；边缘保护；自适应中值滤波；SOPC；NIOS II

Research and Software Design of Video Noise Reduction System Based on SOPC

Abstract: The jamming of noise causes distortion of the image during the transmission of image. The kinds of the noise of image are most of the Gauss noise and the impulsive noise. The noise makes the image fuzzy, even submerge the image itself when it is serious. The median filter which is a non-liner filter is a classical method of noise reduction. The method has made the improvement to the existing noise reduction methods of video and put forward an algorithm about noise reduction of video in this article. First we carry on the detection to the level of image noise, and then we choose the method of the noise reduction self-adapted. This method puts forward a new kind of auto-adapted median value reduction’s method of edge protection in this article. On the basis of several kinds of noise reduction, the method respectively carries on the judgment to the signal and the noise and has set up a platform to confirm with the Visual C++. This method surpass other algorithms obviously by comparison, and can retain the image’s detail while eliminate impulsive noise thoroughly. Based on this foundation, we carry on the software and hardware coordination design and the confirmation. Finally we use the NIOS II processor and the IP core according to system application demand, and use the API function of the system and the C/C++ language of NIOSII IDE to carry on the software realization, and carry on software debugging, completes the software design of the overall system.

Key words: Median-filter, edge protection, self-adapted median-filter, SOPC,
NIOS II

 
目    录
第1章 绪论 1
1.1概述 1
1.2选题的目的和意义 1
1.3国内外研究的现状 2
第2章 软件平台的搭建 4
2.1图像文件格式 4
2.2软件平台的搭建 5
第3章 图像噪声 8
3.1 概述 8
3.2 图像噪声的分类 8
3.3 图像噪声的特点 8
3.3.1 噪声在图像中的分布和大小不规则 8
3.3.2 噪声和图像之间具有相关性 9
3.3.3 噪声具有叠加性 9
3.4 图像去噪的评价标准 9
第4章SOPC系统的介绍 11
4.1 SOPC的技术特点 11
4.2 SOPC的系统开发流程 12
4.3 NIOS II的介绍 13
4.4 Avalon总线 14
第5章 方案的比较和选择 17
5.1 均值滤波及其仿真 17
5.2 中值滤波 19
5.2.1 标准中值滤波的定义 19
5.2.2 对标准中值滤波技术的仿真 21
5.2.3 迭代中值滤波及其仿真 23
5.3 基于图像锐化和平滑的滤波技术 25
5.3.1 LUM平滑器 25
5.3.2 LUM锐化器 26
5.3.3 LUM滤波器 26
5.3.4 LUM滤波方案仿真 26
5.4方案的比较 28
第6章 方案的改进和仿真 29
6.1 自适应中值滤波 29
6.2 试验数字图像的选择 30
6.3 噪声模型的选择 31
6.4 自适应中值滤波方案仿真 32
6.5 总结仿真结果 34
第7章SOPC的实现 35
7.1 系统的总体结构 35
7.2创建Nios II系统 36
7.3软件设计 38
7.3.1 HAL系统库 39
7.3.2设计描述 42
7.3.3基于Nios II IDE的软件设计 43
总  结 48
致  谢 49
参考文献 50
附录1均值滤波部分程序 51
附录2标准中值滤波部分程序 53
附录3 L U M 滤波部分程序 55
附录4自适应中值滤波部分程序 57
 

 
第1章 绪论
1.1 概述
近年来数字视频的应用越来越广泛，几乎所有的电视台和传输系统前端都已经实现数字化视频应用和传输。与日益增加的数字视频应用相联系，对将噪滤波的算法的要求也日益增多。因为，在一个视频序列中所出现的噪声大大的降低了观看的质量，而且也降低了处理视频序列工作的效率。因此，采用降噪滤波的各种方法不仅可改善观看质量，而且也提高了视频处理工作的性能。噪声信号的滤波是图像处理的基本任务之一。过去这一任务主要由线性滤波器来完成,随着现代数字信号处理技术的发展,非线性数字信号处理方法在信号处理领域中的地位和作用显得越来越重要，近年来的噪声信号恢复问题主要采用非线性滤波器来处理。中值滤波是一种非线性滤波，中值滤波器的优点是：它可以克服线性滤波器(如均值滤波)给图像带来的模糊,做到在有效地清除脉冲噪声的同时，又保持良好的边缘特性，从而获得较满意的复原效果，故该方法一经提出后，便受到人们的重视。
1.2 选题的目的和意义
图像是自然界景物的客观反映，是人类认识世界和人类本身的重要源泉。据统计，人类获取的信息，绝大多数来自视觉，因此，图像作为视觉信息获取和传播的主要载体，随着科技的飞速发展，也越来越受到人们的重视。目前，图像处理技术已成为工程学、计算机科学、信息科学、统计学、物理学、化学、生物学、医学甚至社会科学等领域各学科之间学习和研究的对象。它己给人类带来了巨大的经济和社会效益，不久的将来它不仅在理论上会有更深入的发展，在应用上也是科学研究、社会生产乃至人类社会生活中不可缺少的强有力工具。随着人类社会的进步，科学技术的发展，人们对信息处理和信息交流的要求越来越高。图像信息具有直观形象、易懂和信息量大等特点，因此它是在人们日常的生活、生产中接触最多的信息种类之一。
图像处理是针对性很强的技术，根据不同应用、不同要求需要采取不同的处理方法。采用的方法是综合各学科较先进的成果而成的，如数学、物理学、心理学、生物学扩医学、计算机科学、通信理论、信号分析学、控制论和系统工程等等;各学科互相补充、互相渗透使得数字图像处理技术飞速发展。就目前应用的方法来看，计算机图像处理主要采取两大类方法:一类是空域中的处理，即在图像空间中对图像进行各种处理;另一类是把空域中的图像经过变换，如傅立叶变换、小波变换，变换到频率域，在频率域内进行各种处理，然后再变回图像的空间域，形成处理后的图像。
在现代生活中，随着多媒体技术的发展、计算机网络技术的广泛应用和宽带信息网的建立，信息在人们的工作、学习和生活中发挥着越来越重要的作用，其中最直接、最主要的信息就是图像信息，但由于在图像的生成、传输与通讯的过程中，经常会伴有随机的脉冲干扰和其他的噪声，从而使图像的质量变差，因此在图像的预处理阶段中，对噪声的滤除就变得尤其重要。
影响图像质量的噪声种类很多，有电噪声、机械噪声、信道噪声和其他噪声等等，为了抑制噪声，改善图像质量，便于更高层次的处理，必须对图像进行去噪预处理，人们根据实际图像的特点、噪声的统计特征和频谱分布的规律，发展了各式各样的去噪方法。其中最为直观的方法是根据噪声能量一般集中于高频，而图像频谱则分布于一个有限区间的这一特点，采用低通滤波方法来进行去噪的方法，例如滑动平均窗滤波器，还有Wiener线性滤波器等。此外，对图像进行平滑处理也是最为通常的办法。目前，数字图像平滑处理有很多方法，其中空域平滑是数字图像处理领域比较活跃的一个分支，已经历了几十年的研究探索，并形成了较为系统的算法。总的来说，其基本的思想是用所选的邻域中的各象素灰度的平均值来替代中心象素的灰度值。但是，空域平滑算法都有一个共同的不足，就是它不仅平滑噪声，而且使图像中的细节模糊化；因此，对保边界的非线性滤波算法研究比较活跃，中值滤波是一种非常有效的非线性滤波技术，它能有效地抑制脉冲椒盐噪声，而且对图像边缘也有较好的保护作用。
在数字信号处理和数字图像处理的早期研究中，线性滤波是主要的处理手段。线性滤波简单的数学表达式以及某些理想特性使其很容易设计和实现.然而，当信号中含有非叠加性噪声时，例如非线性引起的噪声或非高斯噪声等，线性滤波的处理效果就很难令人满意.在处理图像时，线性滤波将破坏边缘，而且不能有效滤除脉冲噪声。非线性滤波为解决这一问题开辟了广阔的前景。其中中值滤波具有对尖脉冲的良好抑制能力，常用的中值滤波是非线性滤波的代表。虽然典型的中值滤波能够减少图像中的脉冲噪声，但是它在滤除噪声的同时会使图像中重要的细节信息受损。基于这种情况，笔者提出了一种改进的自适应中值滤波算法。
1.3 国内外研究的现状 
人类通过眼、耳、鼻、舌、身接受信息，感知世界，并进而认识世界和改造世界。据统计，人类约有70%的信息是通过视觉系统获取的。粗略地说，图像是二维或三维景物呈现在人心目中的影像。如果接受并加工识别这种视觉信息的是电子计算机，则我们称之为计算机图像处理和识别。
近年来，由于计算机技术的迅猛发展，计算机的速度越来越快，图像处理系统的价格日益下降，从而使图像处理得以广泛应用于众多的科学与工程领域，如遥感、工业检测、医学、气象、侦察、通信、智能机器人等。广义上来说，文本、图形、视频等都需要借助图像技术才能充分利用。这些技术正在明显地改变着人们的生产手段和生活方式。传统的生产、管理、教育等，正在向信息化、多样化转变。
正因为图像有着如此多的应用，与我们的工作和生活方式息息相关，所以有必要对图像和图像技术进行深入细致的研究。图像工程的内容非常丰富，根据抽象程度和研究方法等的不同可分为三个层次：图像处理、图像分析和图像理解。换句话说，图像工程是既有联系又有区别的图像处理、图像分析和图像理解三者的有机结合，另外还包括它们的工程应用。其中，图像处理着重强调在图像之间进行变换。虽然人们常用图像处理泛指各种图像技术，但狭义的图像处理主要指对图像进行各种加工以改善图像的视觉效果并为自动识别打基础，或对图像进行压缩编码以减少对其所需存储空间或传输时间、传输通路的要求。
数字图像处理技术是上世纪六七十年代发展起来的一门新兴学科。随着计算机技术的飞速发展，数字图像处理技术获得了飞速的发展，形成了许多分支，其中图像去噪就是图像处理中的一个重要分支。对于图像去噪而言，传统的线性滤波方法存在着固有的缺陷，因此，最近几十年来，世界上又逐渐发展起来了一类非线性滤波器结构。这类滤波器在图像信号处理中具有独特的优势，目前它已成为图像去噪领域的研究热点。本文主要针对图像的噪声问题，对传统的非线性滤波器做了一些研究工作，提出了一种新的非线性滤波器算法。非线性滤波较传统的线性滤波在滤除噪声的同时，能最大限度地保持图像信号的高频细节，使图像清晰、逼真，从而得到了广泛研究和应用。