图像作为一种重要的信息传递方式广泛应用于嵌入式视觉领域中,包括人脸识别门禁、智能监控、自动引导机器人等嵌入式设备。但环境中获取到的图像会存在噪声,降低图像质量。因此,降噪在图像处理系统中是必不可少的步骤。目前,受到资源和成本限制,嵌入式图像处理领域中应用较广的降噪方式仍是一些较简单的算法,降噪效果较差。而降噪效果优异的块匹配及三维滤波（Block Matching and 3D filtering,BM3D）算法则具有很高的计算复杂度,这对嵌入式设备的高分辨率图像实时处理提出了更大的挑战。针对上述问题,本文基于BM3D算法进行改进和优化,设计了一种对嵌入式摄像头输出的高分辨率灰度图像进行实时降噪的硬件电路。首先,本文研究了BM3D算法的基本原理,对算法中涉及的参数进行仿真对比得到最优参数。之后,本文面向硬件设计对算法进行优化,提出一种低复杂度的改进快速BM3D降噪算法。针对原始算法在高噪声条件下降噪效果差的问题,改进算法使用了软阈值来替代硬阈值处理,进一步增强了降噪效果。接着,在改进算法基础上,本文设计了一种并行流水线架构的实时降噪电路。通过合理地并行设计,本文在计算复杂度最高的图像块匹配步骤中使用了一种二维脉动阵列结构,增加了电路运算吞吐率。电路仿真结果表明,本文提出的改进算法在=25时平均PSNR（Peak Signal-to-Noise Ratio,峰值信噪比）提升9.64 d B。在Zynq-7000系列xc7z100 FPGA（Field Programmable Gate Array,现场可编程逻辑门阵列）中进行电路实现时,电路的最大工作频率为160MHz,处理延时为0.248 ms,处理一帧大小为1920×1080的有效图像数据需要14.21ms,处理帧率可以达到60 fps。最后,本文在HHGRACE 110 nm CMOS工艺下对电路进行ASIC（Application Specific Integrated Circuit,专用集成电路）实现。结果表明,电路对1920×1080分辨率图像的处理帧率能达到57 fps。与其他的硬件实现方案在降噪和处理性能方面相比,本文硬件电路具有较好的降噪效果,能够支持较高分辨率和帧率的图像输入,具有良好的实时性,同时也能够满足嵌入式应用中的低成本的要求。