引言

直方圖統計在圖像增強和目標檢測領域有重要應用，比如直方圖均衡，梯度直方圖。直方圖的不同種類和統計方法請見之前的文章。本章就是用FPGA來進行直方圖的計算，并且利用FPGA的特性對計算過程進行加速。安排如下：

首先基于直方圖算法進行FPGA架構設計，這里主要考慮了如何加速以及FPGA資源的利用兩個因素；最后基于system Verilog搭建一個驗證系統。

FPGA設計架構

不論是圖像灰度直方圖還是梯度直方圖，本質上是對數據的分布進行計數。從FPGA角度來看，只關心以下幾點：

1） 根據數據大小確定其分布區間，統計分布在不同區間的數據個數，區間的大小可以調節，比如灰度直方圖區間為1，梯度直方圖通常大于1；

2） 如何利用FPGA對直方圖統計進行加速，以及如何考慮到芯片有限資源；

首先來考慮加速方式，直方圖統計過程用偽代碼表示為：

For（int i=0;i Index = get_index（data［i］）;

Hist［index］++;

}

Get_index函數是為了確定數據屬于哪個區間，如果區間大小為1，那么index就是數據自身。如果區間是平均分布，那么就需要進行數據的大小比較。如果區間大小是2的冪次，那么index只需要數據進行移位得到。

FPGA在加速計算中最主要就是利用并行化和流水線，并行化就是將一個任務拆解成多個子任務，多個子任務并行完成。而流水線是在處理一個子任務的時候，下一個來的子任務也可以進行處理，處理模塊不會等待。流水線本質上是對子任務也進行“分割”，分割的每一塊可以在處理模塊中同時進行。

統計N個數據，可以將N分成M份，在FPGA上同時進行M個統計，用偽代碼表示為：

For（int k=0;k //并行化

For（int i=0;i Index = get_index（data［k］［i］）;

Hist［k］［index］++;

}

}

如果區間不是2的冪次，就需要比較器，這樣并行M次，就需要M個同等比較器，這對資源消耗很大。因此目前設計僅僅支持2的冪次的區間。整個設計架構如圖1.2。

圖2.1 流水線處理

圖2.2 直方圖統計架構

主要分為以下幾個模塊：

1）statis：這個是核心計算模塊，統計數據分布。ram中存放直方圖統計數據，地址對應著數據分布區間。這里有一個問題需要考慮，在對ram中直方圖統計數據計數時，需要讀出然后計數。如果ram讀端口沒有寄存器，那么讀出來直接加1，再寫入。但是這樣并不好，因為ram不經過寄存器時序不好。所以增加了一級寄存器，這樣就造成了寫入的延時，那么有可能下一次數據來臨也會讀取同樣地址的數據，此時讀取到的直方圖數據就是還沒有寫入的。為了解決這個問題，判斷進入的前后兩個數據是否相同，如果相同就不寫入而繼續計數，如果不同就寫入。并行多個statis模塊的代碼為：

genvar i;

generate

for（i=0;i

statis #（

.PIX_BW（PIX_BW），

.HIST_BW（HIST_BW），

.ADDR_BW（HIST_LEN_BW），

.BIN_W（BIN_W）

）u_statis（

.clk（clk），

.rst（rst），

.clr（clr），

.enable（1‘b1），

.pix_valid（pix_valid），

.pix（img_i［i*PIX_BW +： PIX_BW］），

.hist_rd（branch_hist_rd），

.hist_raddr（branch_hist_raddr），

.hist（branch_hist［i*HIST_BW +： HIST_BW］）

）;

end

endgenerate

2）serders：這個是并轉串。M個statis模塊會產生M組hist結果，這些結果還要進行求和，那么就要用到加法樹，如果M較大，會造成加法樹很大，多以這里加了serders可以調節加法樹資源。

3） addTree：加法樹。

module addTree #（

parameter DATA_BW = 32，//bit width of data

parameter TREE_DEPTH = 3，//depth of the add tree

parameter ADD_N = 4//add number

）

（

input clk，

input rst，

input ［ADD_N*DATA_BW-1:0］ adnd_x，

input ［ADD_N*DATA_BW-1:0］ adnd_y，

input adnd_valid，

output reg［DATA_BW-1:0］ finl_sum，

output reg finl_sum_valid

）;

reg ［TREE_DEPTH-1:0］midl_valid;

genvar dept_i， leaf_i;

generate

for（dept_i=TREE_DEPTH-1;dept_i》=0;dept_i=dept_i-1）begin： ADD_DPET

localparam LEAF_N = 2**dept_i;

wire［DATA_BW-1:0］ midl_sum［LEAF_N-1:0］;

for（leaf_i=0;leaf_i

reg ［DATA_BW-1:0］ midl_add_x;

reg ［DATA_BW-1:0］ midl_add_y;

if（dept_i==TREE_DEPTH-1）begin

always @（posedge clk）begin

midl_add_x midl_add_y end

end

else begin

always @（posedge clk）begin

midl_add_x midl_add_y end

end

adder #（

.DATA_BW（DATA_BW）

）

u_adder（

.adnd_x（midl_add_x），

.adnd_y（midl_add_y），

.sum（midl_sum［leaf_i］）

）;

end

if（dept_i==TREE_DEPTH-1）

always @（posedge clk）begin

midl_valid［dept_i］ end

else

always @（posedge clk）begin

midl_valid［dept_i］ end

end

endgenerate

always @（posedge clk）begin

finl_sum end

always @（posedge clk）begin

if（rst）

finl_sum_valid else

finl_sum_valid end

endmodule

4） accum：累加器。如果加法樹沒有完成M個hist數據的求和，那么就需要通過累加器來完成。

圖2.3 對ram的處理

驗證結構

1） img_trans：這個是隨機化圖像數據定義，主要通過SV中constraint來對圖像大小做一些約束；

class img_trans;

rand int img_w;

rand int img_h;

rand int img_blank;

rand logic［`PIX_BW-1:0］ img［`MAX_IMG_W*`MAX_IMG_H］;

constraint img_cfg_cnst{

img_w img_w 》 0;

img_w % `PARALL == 0;

img_h img_h 》 0;

img_blank img_blank 》= 0;

}

extern function void write（input string f_name）;

endclass

2） driver：產生image并且發送給DUT，同時通過mailbox發送給ref_model用于對比；

class img_obj;

logic ［`PIX_BW-1:0］ img_que［$］;

endclass

class driver;

int img_w;

int img_h;

int img_blank;

logic ［`PARALL*`PIX_BW-1:0］ img;

logic ［`PIX_BW-1:0］ img_ele;

img_obj imgObj;

img_trans imgTrans;

extern task drive（mailbox img_mbx， virtual img_inf.test imgInf）;

endclass

3） ref_model：自己統計直方圖和DUT的結果進行比對；

class ref_modl;

logic ［`PIX_BW-1:0］ img;

int addr;

img_obj imgObj;

int hist［`HIST_LEN］;

extern task calc（input logic clk， mailbox img_mbx）;

extern task comp（virtual img_inf.test imgInf）;

extern task run（input logic clk， mailbox img_mbx， virtual img_inf.test imgInf）;

extern function void clear（）;

endclass

圖3.1 驗證架構圖

最后添加一下modelsim仿真波形文件和結果，純粹為了增加篇幅。

圖3.2 modelsim仿真波形和結果