随着互联网技术的发展以及电子产品交互性的需求,视频图像早已成为人们获取信息的重要手段,市场对于视频图像质量的要求也不断提高。作为视频采集系统与后处理系统的承接环节,视频图像预处理系统被用来恢复并提升从采集系统得到的原始视频图像源,为视频图像后处理系统提供高质、可靠的视频图像画面。本文主要研究视频图像预处理系统中的降噪算法、鱼眼畸变校正算法和增强算法。其中,前两者属于视频图像的恢复算法,后者属于视频图像的增强算法。高斯噪声与脉冲噪声是导致图像质最退化的重要因素。本文针对图像中的高斯噪声和脉冲噪声分别提出了基于图像细节保护和基于多重决策论的降噪算法。其中,基于图像细节保护的高斯降噪算法通过滤波窗口内像素的标准差判定噪声点。随后,引入sobel算子检测图像的边缘纹理信息以决定最终的滤波方式。基于多重决策论的脉冲降噪算法通过多重判定与决策选取滤波窗口内最为合理的像素点替换被污染的噪声点以达到降噪效果。并且,本文对于所提出的脉冲降噪算法进行了实验结果的主客观比较,体现了该算法对于脉冲噪声抑制能力的优异表现。同时,本文基于流水线结构完成了脉冲降噪算法在FPGA上的硬件实现。除去噪声影响之外,为了获得更大视角而采用的鱼眼镜头会引入图像的畸变,这是导致图像质量退化的义一因素。本文根据投影不变性原理以及径向畸变的几何特性提出一种基于径向畸变几何性质的校正方法。通过实验结果表明,本文算法相比于采用数学迭代拟合直线的方法,在图像的整体校正质量上有明显改善。最后,本文基于游程编码构建校正图像到畸变图像的映射关系查找表,并借此完成了输出图像映射插值算法的RTL实现、仿真与基于FPGA的硬件综合。在完成视频图像的恢复算法之后,本文提出了基于动态场景估计的适应增强算法,以自适应地增强在各种场景下的视频图像质量。算法首先通过拉普拉斯算子对图像细节进行锐化。其次,根据不同场景的估计结果构造了四条灰度映射曲线以拉升图像的灰度动态范围,提升图像的对比度。实验结果表明,本文算法对十不同的场景都具有良好的增强处理效果,并且,避免了图像增强过度导致的失真问题,完好地保留了图像的原始语义。最后,本文基于流水线结构完成了自适应增强算法在FPGA上的硬件实现。本文所有算法的硬件设计避免使用基于SDRAM的视频帧缓存,仅通过基于SRAM的行缓存完成算法设计,体现了视频预处理系统精简、高效的设计要求。