在FPGA图像处理--CLAHE算法(一)中介绍了为啥要用CLAHE算法来做图像增强。

在这一篇里面就介绍一下CLAHE的第一步处理：分块。

通常来说会将图片分为8*8的64块，然后分别对这64块进行直方图均衡化。

如下所示(手画的不均匀）。分为8*8这也是对常见的视频分辨率可以被8整除，这样也不用考虑边界不均匀了。

因为我们要对这64块都做直方图均衡化，所以先定义一个直方图均衡化的计算函数。

def hist(img):
    h, w = img.shape
    n = np.zeros(256, np.uint32)
    for i in range(h):
        for j in range(w):
            n[img[i][j]] = n[img[i][j]] + 1


    pk = n
    sk = np.zeros(256, np.float32)
    sk[0] = pk[0]
    for i in range(1, 256):
        sk[i] = sk[i - 1] + pk[i]
    sk = sk / (h * w)
    sk = sk * 255
    sk = np.around(sk)
    return sk

之后分块调用这个直方图均衡化的代码。

def calc_ahe(img, block):
    h, w = img.shape
    he = np.zeros((h, w), np.uint8)
    for i in range(block):
        for j in range(block):
            sk = hist(img[i * (h // block): (i + 1) * (h // block), j * (w // block):(j + 1) * (w // block)])
            he[i * (h // block): (i + 1) * (h // block), j * (w // block):(j + 1) * (w // block)] = remap(
                img[i * (h // block): (i + 1) * (h // block), j * (w // block):(j + 1) * (w // block)], sk)
    return he

得到的效果如下：

可以看到每一块都是被分割了出来。

在RTL实现的时候也是要对这些分块进行存储，定义下面的存储器：

genvar i;
generate
    for(i = 0; i 

	

	

	也是考虑block_num来选择写入到哪一个ram里面。

	通过i和j来控制最后的block_num，其中i表示列方向的分块索引，	芯片采购平台j表示行方向的分块索引，因为我们每一列都是分为了8块，所以i的索引需要乘以8，这个通过后面补3个0来实现。

	

	最后通过一系列选择来控制RAM的读写信号。

	

	这样就能完成CLAHE中分块进行直方图均衡化的操作。这个主要难点是分块，直方图均衡化网上教程很多就不再赘述了。

	审核编辑：汤梓红
                        
                
                                

                                

                                

                                    
                                    
FPGA
                                    
图像处理
                                    
算法
                                    
CLAHE