在圖3中，粗箭頭表示圖像數(shù)據(jù)流的路徑，細(xì)箭頭表示控制信號(hào)的方向。圖3所示的陰影部分為可裁剪系統(tǒng)(PS)，白色區(qū)域?yàn)榭删幊踢壿?PL)。由于Vivado HLS不支持指針訪問(wèn)幀緩存，需要用AXI VDMA來(lái)訪問(wèn)幀數(shù)據(jù)。

視頻流經(jīng)過(guò)HDMI輸入到視頻輸入控制器，數(shù)據(jù)流通過(guò)AXI互聯(lián)總線存入到DDR3存儲(chǔ)器中，Cortex-A9通過(guò)AXI互聯(lián)總線控制AXI VDMA和邊緣檢測(cè)IP去存取圖像數(shù)據(jù)，處理完的數(shù)據(jù)緩存到DDR3，最后 Cortex-A9將處理好的數(shù)據(jù)輸出到視頻顯示控制器。硬件加速是將Cortex-A9處理的運(yùn)算轉(zhuǎn)移到PL去完成，這樣會(huì)減少處理器的負(fù)載。

3.2 HLS模塊優(yōu)化

Vivado HLS有兩種優(yōu)化方式，一種是在Directive控制欄設(shè)置優(yōu)化變量和參數(shù)，另一種方法是在代碼中使用#pragma命令來(lái)定義變量實(shí)現(xiàn)類(lèi)型和結(jié)構(gòu)。根據(jù)系統(tǒng)的需求對(duì)邊緣檢測(cè)進(jìn)行串行和并行實(shí)現(xiàn)策略。

3.2.1 串行實(shí)現(xiàn)方案

串行實(shí)現(xiàn)是保持軟件代碼的順序執(zhí)行結(jié)構(gòu)，邊緣檢測(cè)模塊按照順序串行執(zhí)行。當(dāng)硬件電路工作在100 MHz頻率時(shí)，處理像素為(1 080×1 092)的圖像速率為0.7幀/s。通過(guò)表1可知Sobel子模塊消耗了1 142 ms，導(dǎo)致了整個(gè)邊緣檢測(cè)功能塊的速率降低。當(dāng)邊緣檢測(cè)IP的數(shù)據(jù)的寬度為16 bit、像素深度為8 bit時(shí)，邊緣檢測(cè)的處理速率為825.5 KB/s。

3.2.2 并行實(shí)現(xiàn)方案

并行實(shí)現(xiàn)是將for循環(huán)打平、替換數(shù)組和增加流水線操作來(lái)實(shí)現(xiàn)并行執(zhí)行。與串行實(shí)現(xiàn)對(duì)比可知，在速率方面提高68.5倍左右，在100 MHz的頻率下，處理像素為(1 080×1 092)的圖像速率為48幀/s。當(dāng)邊緣檢測(cè)IP的數(shù)據(jù)的寬度為16 bit、像素深度為8 bit時(shí)，邊緣檢測(cè)的處理速率為56 609.28 KB/s。

通過(guò)以上兩種實(shí)現(xiàn)可知，并行比串行實(shí)現(xiàn)的處理速率速度提高了68.5倍左右，與處理時(shí)間相對(duì)應(yīng)的數(shù)據(jù)吞吐率也提高了68.5倍。當(dāng)數(shù)據(jù)帶寬不滿足要求時(shí)，可以通過(guò)修改軟件代碼中變量的位寬來(lái)增加IP數(shù)據(jù)端口的寬度，從而提高數(shù)據(jù)吞吐量。

硬件電路所使用的資源往往也是算法考慮的因素之一。表2是兩種實(shí)現(xiàn)策略所需要的硬件資源。

在資源使用方面，并行比串行實(shí)現(xiàn)所使用的資源多，占整個(gè)芯片的資源分別為BRAM_18K為10%，DSP48E為0，F(xiàn)F為3%，LUT為10%。可知資源滿足設(shè)計(jì)要求。

4 結(jié)果分析

通過(guò)三組公路真實(shí)場(chǎng)景來(lái)驗(yàn)證本文邊緣檢測(cè)的效果。第一組是在白天拍攝的公路場(chǎng)景，見(jiàn)圖4，圖4(a)為輸入的原始圖像，圖4(b)為OpenCV邊緣檢測(cè)的結(jié)果，圖4(c)為硬件加速邊緣檢測(cè)結(jié)果。第二組是在晚間拍攝的公路場(chǎng)景（曝光效果差），見(jiàn)圖5，圖5(a)為輸入的原始圖像，圖5(b)為OpenCV邊緣檢測(cè)的結(jié)果，圖5(c)為硬件加速邊緣檢測(cè)結(jié)果。第三組是在晚間拍攝的公路場(chǎng)景，見(jiàn)圖6，圖6(a)為輸入的原始圖像，圖6(b)為OpenCV邊緣檢測(cè)的結(jié)果，圖6(c)為硬件加速邊緣檢測(cè)結(jié)果。

?

?

對(duì)圖4、圖5和圖6從橫縱兩個(gè)角度來(lái)分析硬件加速邊緣檢測(cè)的效果。橫向分析，與OpenCV邊緣檢測(cè)結(jié)果比較可知，硬件加速方案輸出邊緣圖像線條更加的明顯，在圖5曝光效果差的情況下OpenCV存在邊緣漏檢測(cè)的情形，而硬件加速方案則不存在漏檢的情況；縱向分析，在白天拍攝的場(chǎng)景邊緣檢測(cè)的結(jié)果要比晚上輸出的效果好些，在晚上拍攝的場(chǎng)景曝光好的邊緣檢測(cè)效果要比曝光差輸出的效果好。

對(duì)三組場(chǎng)景下的硬件加速邊緣檢測(cè)效果分析可知，硬件加速邊緣檢測(cè)明效果顯優(yōu)于OpenCV邊緣檢測(cè)，同時(shí)在相機(jī)曝光效果差或者外界環(huán)境復(fù)雜的情況下，硬件加速邊緣檢測(cè)都能進(jìn)行有效邊緣檢測(cè)。

5 結(jié)論

針對(duì)傳統(tǒng)OpenCV圖像處理存在延時(shí)長(zhǎng)和數(shù)據(jù)帶寬受限的缺點(diǎn)，采用硬件加速可以彌此不足。采用Vivado HLS在軟件應(yīng)用的基礎(chǔ)上進(jìn)一步實(shí)現(xiàn)硬件電路設(shè)計(jì)，大大縮短了系統(tǒng)的開(kāi)發(fā)周期。本文不僅提出邊緣檢測(cè)的硬件加速方案，同時(shí)提出了在數(shù)據(jù)處理量大和處理速度快的應(yīng)用中可以通過(guò)軟硬件結(jié)合來(lái)提供系統(tǒng)設(shè)計(jì)的方案。