这一过渡带的宽窄直接影响到图像的画质：过渡带越窄，图像中两种亮度的边界就越清楚，图像也越清晰。亮度瞬态增强就是一种使过渡带变窄、边缘变陡以提高图像清晰度的方法。理想情况下可使过渡带缩短成垂直边缘，如图1中的COD所示。
1.2 常用算法
　　常用的亮度瞬态增强方法有两种：移位法" title="移位法">移位法和叠加勾边法" title="叠加勾边法">叠加勾边法。移位法的原理是找到如图1所示的原始亮度信号过渡带的3个特征点A、O、B，然后将AO段像素点的亮度值用A点的亮度值Y₁代替，OB段像素点的亮度值用B点的亮度值Y₂代替。
　　叠加勾边法的原理是在原始输入的亮度信号上叠加一个勾边信号，勾边信号可由二阶微分等产生，叠加的结果是在亮度边缘处形成尖峰，且边缘变陡。
1.2.1 移位法亮度瞬态增强
　　移位法的关键是确定正确的替代点位置。把替代点距当前点的距离称为移位路径。因为图像的一阶微分可用于检测图像中的一个点是否为边缘点，二阶微分的符号可用于判断一个边缘像素位于边缘亮的一边还是暗的一边，并且二阶微分中间的零点可以准确地判断出边界，因此考虑一种用亮度信号的二阶微分与增益的乘积来控制移位路径的方法。
　　如何求出亮度信号的二阶微分是该算法的核心之一。先对图像的亮度信号作一阶微分，检测亮度边缘。本文采用一个5阶的FIR滤波器来计算一阶微分，公式如下：
　　Y_diff=-2Y_j-2-Y_j-1+Y_j+1+2Y_j+2　　　　　　　　　　　　　(1)
　　式中：Y_diff为生成的一阶微分，Yj代表当前要处理的像素点亮度值，Yj-1代表前一像素点的亮度值，Yj+1代表后一像素点的亮度值，其他的依次类推。图像的二阶微分通过对一阶微分的绝对值再作一次微分得到。
　　具体的移位法过程如下：当像素点的二阶微分大于零时，这个像素点的亮度值用该像素点往前移位n个点的亮度值来替代，移位路径n由二阶微分与增益的乘积来决定^[1]，增益可由用户在一定范围内调节；当像素点的二阶微分小于零时，该像素点的亮度值用该像素点往后移位n个点的亮度值来替代。移位路径可通过设置一个参数“Limit”来限制在一定范围内。移位法亮度瞬态增强结果如图2所示。通过以上的算法对图2(a)中的条纹图作瞬态增强的结果如图2(b)所示，可见，边缘明显变清晰了。
1.2.2 叠加勾边法亮度瞬态增强
　　叠加勾边法的关键是如何形成勾边信号。一种利用9阶的FIR滤波器来检测边缘和产生勾边信号的方法能达到很好的勾边效果，滤波器系数如下^[2]：
　　filter_coef=[-16 -31 -16 33 61 33 -16 -31 -16]×26/256　　　　　　　　　　　　　(2)

　　叠加勾边信号并限幅示意图如图3所示。经过滤波器输出的勾边信号经过核化降噪（coring）、增益调节并叠加到原图上后，得到一个边缘变陡但幅度出现尖峰（peak）的信号，如图3中的长虚线所示。因此，还需要将幅度限制在一定的窗口范围内，窗口的范围是以当前点为中心、相邻五点（左右各两点）的亮度中的最小值和最大值。经限幅后的信号如图3中圆圈代表的曲线所示，达到了使过渡带变窄、边缘变陡的目的。

2 两种算法存在的问题" title="存在的问题">存在的问题及改进策略
2.1 移位法改进
　　移位法LTI实验结果及改进如图4所示。1.2.1节所述的移位法可使大面积物体之间的边界变得非常陡峭，亮度瞬态增强效果很好。但是，对于两个靠得很近的边缘，如图4(a)中的边缘E1和E2，移位路径的大小决定了某些用来替代的像素点已位于另一个边缘段了，这样移位的结果是在两个亮度边缘交界处形成带有一个或两个突起谷的小山形状^[1]，如图4(b)所示。表现在图像上就是细节处出现像素串扰，处理后的图像严重失真了。

　　为避免这种现象的产生，需对移位法加以改进。改进方法是对两个靠得很近的边缘加上特别的“过山保护”措施，具体方法如下：
　　对原信号作二阶微分并用增益调节和Limit控制得到移位路径（设为path）后，若path>0，则从当前点往前path个点（j-path）搜索至当前点（j），若有一阶微分改变符号的位置，则表明这是两个靠得很近的边缘顶峰相交的位置，这时记下此位置点并用此顶峰值代替j点的值；若没有出现一阶微分改变符号的位置，则表明是正常边缘情况，直接用j-path点的值代替当前j点的值；若path<0，则从当前点j向后搜索至j+|path|个点，其余判断方法跟前面相同。经过“过山保护”处理后的结果如图4（c）所示，消除了边缘交界处的那个带有两个突起的小山形状，改善了移位法对靠得很近的边缘的处理效果。
2.2 叠加勾边法改进
　　叠加勾边法LTI处理结果比较如图5所示。利用1.2.2节所述的叠加勾边法对大量的图像进行亮度瞬态增强处理发现，对于高频信息较少的图像，1.2.2节所述的叠加勾边法能达到非常好的瞬态增强效果，但是，对于细节变化极快的高频信息，例如只占1～2个像素点宽度的边缘，勾边后图像反而变得恶化，出现像素干扰现象，如图5（b）右半部分高频段所示。
　　为解决该问题，在做DLTI之前设置一个高频判断模块，若信号处于高频段，则不对该信号进行处理，输出其本身，否则，进行叠加勾边处理。
　　文献[2]中提到了一种有效的高频判断方法 ，利用相邻16个点分别与平均值相减的符号位来记录变化频率。不过该方法需要计算平均值，且延时较多，硬件实现颇为复杂，本文提出了另一种高频判断的方法。
　　既然图像的一阶微分能检测边缘信息，那么也能反映图像的变化频率，这通过仿真原图中一行数据的波形和对该行数据作一阶微分以后的波形得到了证实。因此，可以考虑利用一阶微分的符号来判断图像的高频段，一阶微分模板如移位法中所示。具体判断方法如下：首先记录每个像素点的一阶微分的符号位，对当前像素点，搜索其左右各4个或5个点，将相邻点的符号位两两相异或后相加，得到一个总和Sum，将这个Sum与一个预先设定的门限值相比较，若Sum大于该门限值，则认为此像素点处于图像的高频段。对图5(a)的图像先经高频判断再进行叠加勾边法LTI处理的结果如图5(c)所示，与图5(b)相比，避免了高频段的图像恶化现象。这一高频判断方法同样可加在移位法DLTI处理之前，以对移位法进一步优化。

3 两种算法的比较分析
　　在对两种算法分别进行改进后，两种算法都能达到非常好的亮度瞬态增强效果，不仅明显提升了边缘陡度，而且对图像细节变化较快且两个边缘很近的情况有很好的保护处理措施，对各种不同的视频图像均能起到使边界变得更明显、提高清晰度的作用。通过调节两种算法各自的增益，可以使两种算法达到某种相同的处理效果。不过，总的来说，叠加勾边法在对图像细节的处理上比移位法效果稍好。这是因为移位法只能用已有像素点的亮度值代替当前像素点的亮度值，而不如用9阶滤波器产生勾边信号对细节的反映来得敏感。
4 亮度瞬态增强算法的硬件实现
　　由于加上过山保护后的移位法在搜索替代路径时用硬件实现较复杂，且从以上两种算法的比较分析中看出采用9阶滤波器的叠加勾边法稍胜一筹，因此本文最终采用加上高频判断后的叠加勾边法来实现亮度瞬态增强算法。为检验此算法运用到实际硬件系统中的实时处理性能，在一个以FPGA为核心的实时视频处理平台上实现了该算法，其硬件设计采用Verilog硬件描述语言。
　　该硬件结构主要由两大模块组成：高频判断模块和叠加勾边模块。本文列出叠加勾边模块的内部硬件结构图如图6所示。该算法中主要有三个参数可调：高频判断门限值、核化降噪门限值及叠加勾边信号时的增益值。这些参数通过I2C总线来实现参数的实时修改：在硬件系统中由3个寄存器来存储这3个参数的值。这些寄存器都连接到系统的I2C接口模块上，可在系统外利用PC通过I2C总线实时修改寄存器中的值。
　　用VCS硬件仿真器对输入的多种标准测试" title="标准测试">标准测试图进行仿真后发现，硬件仿真结果与算法仿真结果几乎一致，对各种标准测试图都不会损坏高频细节，且能达到清晰的亮度瞬态增强效果。此外，硬件实现代价很小，延时相对较少，基本上在数据输入后的第13个时钟就可全部完成运算并输出。