【学习笔记】基于DSP/BIOS的视频图像复原系统设计
0 引言
在图像复原技术发展的过程中，国内外学者提出了大量的图像复原算法。目前一些新颖的复原技术有基于支持向量回归的复原算法、中介滤波算法和基于水平集的图像复原算法等。
传统的图像复原算法是基于PC实现的，而本文所研究的视频图像实时复原系统，不但对系统处理的实时性要求更高，而且运算量也大得多。由于其具有高速并行处理能力和高效的流水线处理能力，在硬件性能、图像数据的传输等方面，比专业视频编解码芯片有更好的表现，因此，本文研究的视频图像复原是基于嵌入式DSP芯片来实现的。此外，DSP芯片功耗比较低，且用户开发自由度比较大，为提高产品的稳定性提供了更可靠的保障。
1 开发平台及系统总体架构
1.1 硬件平台
本系统的硬件开发平台主要是基于SEED-DEC6437和SEED-DTK_MBoard平台。其中，SEED-DEC6437是一款能够处理各种视频应用的独立模板，采用支持TI公司达芬奇技术的高性能纯DSP芯片TMS320DM6437。该芯片集成了为加速数字视频开发所专门设计的协处理引擎，结合VPSS（最新视频处理子系统），具有较高的视频处理性能，可支持D1解析度的H.264视频编码。在SEED-DTK_MBoard的硬件系统中主要集成了DSP、Flash、SRAM、UART、LCD和D/A等外围设备，使其能够应用在显示、键盘和模拟信号输出等相关领域。
1.2 软件平台
本系统的软件开发平台主要是基于集成开发系统CCS及其实时操作系统DSP/BIOS。DSP/BIOS是一个可扩充、可裁剪的RTOS，主要包括常见嵌入式通用库和API，可提供诸如多线程任务的调度、任务间的同步和通信、I/O服务、中断优先级的配置等功能，具有模块化和小型化的特点。DSP/BIOS支持硬件中断（HWI）、软件中断（SWI）、任务（TSK）和后台线程（IDL）4种线程，可以合理分配空间和时间，简便迅速地设计出功能多变的系统子程序。
1.3 基于DSP的视频图像实时复原系统总体架构
本系统中TMS320DM6437为算法处理器，可通过PC发出的调度指令快速地完成算法切换、调停当前状态等功能。TMS320VC5402为控制器，主要负责人机交互界面的控制，它与TMS320DM6437通过多通道缓冲串口通信。系统总体架构如图1所示。首先从CCD摄像头采集模拟视频信号，通过TVP5150视频解码芯片将模拟信号解码成YCbCr4：2：2格式的数字图像信号并存至DDR2内存，DM6437芯片可以通过访问DDR2并根据不同的图像处理算法对数据进行相应的处理，最后通过VPSS中的视频处理后端（VPBE）转换为数字图像信号输出到显示屏。
2 复原算法的选取及软件仿真
2.1 本文采用的图像复原方法
图像复原是指去除或减少在获得观测图像过程中产生的降质影响。根据图像的退化环境不同，本系统主要选取了逆滤波、维纳滤波和运动模糊复原算法。
逆滤波复原又叫非约束复原，在进行逆滤波时，根据先验知识得到传递函数H，对退化图像进行傅里叶变换得到G（u，v），即复原图像的傅里叶变换，再经傅里叶反变换得到复原图像f（x，y），过程如式（1）所示。
逆滤波虽然简单，但不适合H（u，v）非常小的情况，此时无法精确恢复出图像。为了克服这个缺点，本系统采用维纳滤波，复原模型可表示为：
其中，K一般取0.5，最后对f（u，v）进行傅里叶逆变换得到复原图像f（x，y）。维纳滤波对噪声放大具有自动抑制作用，在大多数情况下都可得到令人满意的结果，但信噪比较低时，复原效果不是很理想。
针对运动模糊图像的复原，本系统采取运动模糊复原算法，如式（3）所示。
2.2 图像复原算法的仿真实现
常见的图像退化方法有平滑模糊和运动模糊。本文在Visual Studio软件中使用C++对系统所选取的算法进行了软件仿真，并对一幅256×256的bmp格式的图片分别进行了3种类型的退化仿真，如图2所示。
图3（a）是按照式（1）对图2（c）逆滤波复原的结果，图3（b）是按式（2）维纳滤波复原的结果。可以看出，逆滤波抑制噪声的能力比较差，复原后的图像严重失真，而维纳滤波对噪声的增多具有约束作用，复原图像的细节保持比较好，但模糊程度相对增大。图3（c）是按照式（3）对图2（d）进行运动模糊复原的结果，复原效果比较理想，但复原图像较原始图像偏暗。
本文除了对图像复原质量进行主观分析外，也从客观上比较了其峰值信噪比PSNR值的大小，如表1所示。可发现运动模糊图像PSNR值最低，丢失的信息最多。在利用3种方法分别对平滑模糊图像进行复原后，逆滤波的复原结果最佳，PSNR值最大。而在对加噪图像的复原过程中，维纳滤波抑制噪声的能力最好，PSNR值明显高于其他两种方法。针对运动模糊图像，逆滤波和维纳滤波的PSNR值特别低，均不如运动模糊复原。
3 基于DSP/BIOS的图像复原程序开发
3.1 视频图像复原系统的软件设计
视频图像处理软件平台对任务的时序和复杂度要求苛刻，故采用基于DSP/BIOS的实时调度内核来配置线程的优先级，处理线程的触发、挂起等相应条件。本系统的软件设计流程图如图4所示，为了测试本系统对图像的处理性能，特移植了图像模糊算法和图像复原算法。在本系统中，DSP/BIOS内核调度是核心。BIOS首先需要对DSP进行初始化，将复位的向量指向端口初始地址c_int00，然后需要调用BIOS_init对配置用到的各个模块进行初始化，同时需要在main（）函数中对片内外设等常见的DSP配置初始化，此时不能对SWI、TSK等线程进行操作。在调用BIOS_start后，就可以完成DSP/BIOS的启动，从而进入IDL_Loop空闲循环，等待HWI、SWI、TSK等线程的就绪。当PC上位机发送控制指令时，就会触发UART中断，就绪TSK1，读取控制指令，选定相应的算法模式，并对Mail_box赋新值。当Mail_box对应之前的Pend值时，相应的算法任务会立刻就绪，若具有高优先级，算法线程会立即执行。在完成视频图像处理以后，视频图像输出任务就绪，回放处理后的视频图像。
3.2 人机交互和DSP/BIOS任务调度结果
本系统进行人机交互的硬件模块是德州仪器TMS320C5402芯片。首先在键盘上输入键值产生对应的扫描码，当扫描码在McBSP中进行传输后，TMS320DM6437与C5402芯片间便开始进行通信。人机接口框图如图5所示，如果PC发送数据完成时，通过键盘可进行不同算法间的切换，人机交互界面如图6所示。
本程序中设置了一个McBSP硬件中断，多线程中UART接收和McBSP中断优先级最高，其次是软中断UART数据读入和发送，最后是TSK。线程间分别通过Mail_box（）和SEM（）进行通信和同步。DSP/BIOS的任务时序图如图7所示，可见多线程间的切换合理，程序运行正常。
3.3 实时图像处理效果
本系统通过人机交互控制，得到的各种算法处理效果如图8、图9所示。
图8（a）是运动模糊后的图像，图8（b）是平滑模糊后的图像。在图8（b）中加入随机噪声后，如图9（a）进行逆滤波复原，如图9（b）进行维纳滤波复原。可发现逆滤波不能很好地过滤掉原有噪声，并且噪声在傅里叶变换过程中被放大；而维纳滤波复原效果很好，可自动抑制噪声放大。图9（c）是运动模糊复原图像，对物体间相对运动造成的模糊具有很好的复原效果，但与图8（a）相比较，复原后图像的整体亮度偏暗，这是因为在运动模糊模型的逆推过程中进行了像素点的近似取值。
4 结论
本文以SEED-DEC6437开发板为核心硬件搭建视频回路，基于DSP/BIOS构建软件平台，并将图像模糊算法和图像复原算法移植到该系统上。为了增强系统的可控性和实时性，又成功加入人机控制，经过对多张图像的采集、模糊和复原，发现在DSP/BIOS调度后，图像的处理速度大幅提升，复原效果良好，多任务间的通信和同步不易出现死循环。可见该视频图像复原系统在性能上总体让人满意。