随着生物医学、机器视觉、工业检测等领域中图像传感器的发展,基于偏微分方程的各向异性扩散模型图像增强算法已经被广泛应用。传感器模块需要的功能与效率在不断提高,使得对各向异性扩散模型图像增强算法的性能改进成为一个重要课题。本文在对各向异性扩散模型中Perona-Malik模型进行了局限性分析后,找出三点改进之处,包括边缘细节保留效果不好、对比度和亮度下降严重以及迭代计算时间利用率低。针对缺陷的改进办法,本文的主要内容如下:1、针对边缘细节保留效果不好的缺陷,本文借用Laplace图像增强算法中逆热扩散方程的思想,同时根据Perona-Malik模型中各向异性的扩散函数,研究了一种能够结合原有扩散函数的锐化函数,使得改进型Perona-Malik模型算法能够在边缘区域和非边缘区域进行不同的操作,达到了增强边缘细节信息的作用。2、针对对比度和亮度下降严重的缺陷,本文将对数变换处理放置于改进型PeronaMalik模型算法处理之前,能够压缩图像的高灰度值区域,扩展低灰度值区域,从而达到提升图像对比度和灰度均值的目的。3、针对迭代计算时间利用率低的问题,由于传统的计算机处理方法已经很难满足算法的硬件加速与实时性,因此本文研究使用FPGA对算法进行硬件模块化设计。通过使用查找表方式简化计算过程,设计了基于状态机控制的FIFO和DDR3外部存储芯片进行行缓存和帧缓存操作,基于流水线处理设计了算法计算过程,并通过补码定点小数法保证了数值计算的准确性。硬件实现结果通过Modelsim与Vivado联合仿真与VS2013软件实现进行对比,结果表明FPGA实现速度是计算机CPU的近200倍。再将算法设计经过RTL综合实现,对设计进行时序分析与引脚约束,最终完成上板试验,证明了算法硬件加速的可行性。