1. 项目概述：FPGA图像直方图均衡化的工程价值
直方图均衡化是数字图像处理中最基础的增强技术之一，它能有效扩展图像动态范围，提升低对比度场景下的视觉表现。在医疗影像、安防监控、工业检测等领域具有广泛应用。传统方案多采用CPU或GPU实现，但在实时性要求严苛的场景（如4K@60fps视频流处理）中，FPGA的并行流水线架构展现出独特优势。
这个项目实现了从算法原理到硬件落地的完整闭环：通过MATLAB进行算法原型验证，再移植到FPGA进行硬件加速，最后通过联合仿真确保功能正确性。这种软硬协同的验证方法，正是现代数字图像处理系统开发的黄金标准。
2. 核心算法原理与MATLAB实现
2.1 直方图均衡化的数学本质
直方图均衡化的核心是构造一个变换函数，使得输出图像的像素值均匀分布。其数学表达为：
code复制s_k = T(r_k) = (L-1) * Σ(p_r(r_j)), j=0→k
其中L为灰度级数（通常256），p_r(r_j)是原始图像第j级灰度出现的概率。这个累积概率分布函数就是我们需要在硬件中实现的非线性映射。
注意：实际FPGA实现时需要将浮点运算转换为定点数处理，通常采用Q8.8格式（16位定点，8位整数+8位小数）
2.2 MATLAB参考实现
matlab复制% 读取原始图像
img = imread('low_contrast.jpg');
gray_img = rgb2gray(img);
% 计算直方图与概率分布
[counts, bins] = imhist(gray_img);
prob = counts / numel(gray_img);
% 构建累积分布函数
cdf = cumsum(prob);
eq_img = uint8(255 * cdf(gray_img+1)); % +1因MATLAB索引从1开始
% 显示对比结果
figure;
subplot(2,2,1); imshow(gray_img); title('原图');
subplot(2,2,2); imhist(gray_img); title('原图直方图');
subplot(2,2,3); imshow(eq_img); title('均衡化结果');
subplot(2,2,4);