概述

此項目解釋了如何在FPGA上使用resizer IP來調整圖像的大小。其中對比了兩種圖像大小調整的解決方案的運算速度，其中之一為使用Python Image Library通過軟件算法實現圖像大小調整，另一種使用Xilinx xfopencv library實現了在FPGA上硬件加速的圖像大小調整。

初始化

1. 首先在SD卡內配置Pynq-Z2最新鏡像PYNQ image v2.5并燒錄在其中

2. 根據pynq.io上的官方指南配置環境

（https://pynq.readthedocs.io/en/latest/getting_started/pynq_z2_setup.html）

根據數字編號依次連接并點亮板卡，最后在板卡出現BTN0~BTN3同時點亮閃爍一次后為開機完成狀態。

3. 在筆記本電腦上配置網絡，使得無線網卡的上網功能與Pynq-Z2連接的以太網網口共享，以做到Pynq-Z2同時能夠上網。

4. 借用Xshell或者開源軟件PuTTY對于Pynq-Z2端口進行SSH獲得其新ip口，此時其一般會被重定向至192.168.137.X。此時在瀏覽器內登錄此ip即可通過Jupyter Notebook與Pynq-Z2板卡通信。

5. 在Jupyter Notebook中新建terminal并ping 182.61.200.6驗證與百度的連接是否正常上述驗證完成后即為Pynq-Z2板卡與網絡的基礎通信功能與配置完成。

快速開始

在Jupyter Notebook的Terminal中輸入以下指令：

sudo pip3 install --upgrade git+

https://github.com/xilinx/pynq-helloworld.git

更新在Pynq-Z2內所有Packages并從github下載本次項目的代碼。

（更新需要耐心等待一定時間。）

（項目Github文件及其詳細代碼請點擊查看原文）

案例測試

1. 最終會在Files文件夾下生成名為helloworld/的文件夾，點開此文件夾可以看到兩個Jupyter Notebook文件（.ipynb）。

2. 其中resizer_PS.ipynb的軟件方案采用了Python內建的Python Imaging Library通過軟件上的算法實現完成對于一張640*360的sample圖像壓縮為原圖像的四分之一大小（320*180）。此軟件方案通過PIL庫加載與重置圖像的大小，用numpy庫存儲圖像的像素矩陣，用IPython.display在Jupyter notebook中顯示圖像。

3. 而resizer_PL.ipynb的FPGA硬件方案并沒有直接在ARM核中單純采用算法借用Python本地的內存進行運算后直接返回。而是先將圖片數據通過ARM核從SD卡中讀入，再以數據流的形式通過Python的本地內存的DRAM形式傳入共享的物理內存中。

接下來通過AXI的內部連接將PS層面的數據傳入PL層的可編輯邏輯單元，通過 Xilinx xfopencv library在DMA與Resize IP之間的運算最后將數據傳回ARM核至SD卡。

最后，在縮小圖片的演示最后我們可以看到PS方案得到的最快單次圖像處理為24.1ms，而在PL方案中最快單次圖像處理僅僅為8.95ms，在此實際圖像案例上處理圖像的時間效率上縮小了接近2.7倍。如果放至更多張更高像素的圖片，相信此圖像處理方案會有著較大優勢。