圖像處理算法可以在RGB域處理，也可以在灰度域處理，牛逼的還可以在Bayer處理。但是大部分目標識別、跟蹤、檢測等圖像處理算法，都是灰度域處理的，因為灰度除了沒有色度，以及包含了基本圖像處理所需的信息，包括紋理/目標/姿態等。
因此從本節開始，我們將基於灰度域進行基本的FPGA圖像處理算法的實現。前面一節我們已經得到了灰度視頻（灰度相機直接就可以得到灰度視頻，不需要前一節），現在我們可以大刀闊斧，全面開始HDL-VIP算法的研究與實現了！！！
本章截殺的中值濾波算法，輸入的視頻源為Gray數據流，最終工程實現的VIP的RTL block如下所示：
備註：灰度相機（MT9V034 AR0144等）不需要RAW8_RGB888以及RGB888_YCbCr444模塊，直接從中值濾波後開始。
圖像濾波算法的介紹
降噪顧名思義是削弱不該有的噪聲，嚴格意義上做不到去噪，只能一定程度的削弱噪聲的存在。我們的傳感器在工作工程中，必然會有電源噪聲、隨機噪聲、固定噪聲等干擾。那麼如果有效的去除圖像中的噪聲，同時又能較好的保持圖像的邊緣，就是降噪的精髓。
典型的圖像濾波算法，入門級別的有均值濾波、中值濾波、高斯濾波等，也有NB一點的非局部均勻、雙邊濾波、2D降噪、3D降噪、BM3D等。安防監控IPC芯片，最後拼的就是一個重要的指標就是圖像的降噪：如何能用較低成本的Sensor，通過降噪及其他圖像增強算法，得到畫質優秀的視頻。如果你有更牛逼的算法，可以試試下圖，挑戰一下極限：
濾波的原理就是求平均，可以是對幀內周邊像素求平均（空域降噪），也可以是幀間的像素求平均（時域降噪），前者能夠較好的保持圖像的運動拖影但是對紋理的保持不夠擅長，而後者能夠較好的去除在時間上波動的噪聲，但是由於前後幀之間的時間差，會引入拖影（也有叫法說是鬼一個）。狠一點的3D降噪可以採用數幀圖像去做降噪，可以在極低的照度下得到較好的圖像，但是也伴隨著巨大的拖影。
當然，除了採用算法去除圖像中的噪聲，也可以拼了命的優化電源的噪聲，如果你還沒有達到極致的話；採用更好的，更先進的，靶面更大的Sensor，或者更好的鏡頭，可以直觀的提升噪聲特性，只不過付出的成本較高。
閱讀更多 電子技術應用 的文章
