摘 要：OpenCV目前已擁有數(shù)以萬(wàn)計(jì)的用戶，因OpenCV不用修改就可實(shí)現(xiàn)在ARM系統(tǒng)處理器中的高效運(yùn)行，使其倍受青睞。但OpenCV在實(shí)際應(yīng)用中通常會(huì)受來(lái)自外部處理器等方面的限制，特別是存儲(chǔ)類寬帶往往會(huì)限制OpenCV的性能?；诖?，為有效改善這一問題，文章就以基于Xilinx的HLS作為性能優(yōu)化的著手點(diǎn)，首先對(duì)OpenCV中的函數(shù)處理以及圖像進(jìn)行概述，之后對(duì)基于Xilinx的HLS如何實(shí)現(xiàn)OpenCV函數(shù)及圖像處理的設(shè)計(jì)原理、性能優(yōu)勢(shì)以及具體設(shè)計(jì)展開研究。

關(guān)鍵詞：Xilinx；HLS；OpenCV；研究；設(shè)計(jì)；編程

OpenCV的圖像處理主要是通過存儲(chǔ)器中緩存的幀實(shí)現(xiàn)的，在實(shí)際的圖像處理過程中，總是要假設(shè)存儲(chǔ)器中存放了圖像數(shù)據(jù)，因此圖像處理功能也就受到存儲(chǔ)器的容量限制，也正是因?yàn)榇朔N特性，在進(jìn)行大圖像的局部處理及訪問時(shí)，很可能因處理器的容量、性能因素，導(dǎo)致無(wú)法完成這一任務(wù)。因此為了減少此方面的制約，就需要提升OpenCV設(shè)計(jì)的復(fù)雜性，增加容量、提升性能，也就因此提高了功耗性能[1]。這也就造成了OpenCV難以通過較小功能，滿足較多的應(yīng)用需求。而基于Xilinx的HLS的高級(jí)語(yǔ)言編程工具能夠快捷方便地通過C語(yǔ)言建立RTL，并加以轉(zhuǎn)換實(shí)現(xiàn)OpenCV視頻處理，不會(huì)受到外部處理器的限制，有效實(shí)現(xiàn)了低耗能、高性能的改進(jìn)[2]。以下文章就對(duì)這種基于Xilinx的HLS如何實(shí)現(xiàn)OpenCV函數(shù)及圖像處理的設(shè)計(jì)原理、性能優(yōu)勢(shì)以及設(shè)計(jì)展開研究，具體如下。

1 OpenCV的函數(shù)及圖像處理

OpenCV的常見圖像處理數(shù)據(jù)容器并不唯一，主要有側(cè)重?cái)?shù)據(jù)邏輯數(shù)學(xué)計(jì)算的MAT、以及側(cè)重于圖像處理的IPLIMAGE以及CvMAT等幾種類型，在OpenCV中又進(jìn)一步強(qiáng)化了圖像操作，如縮小、放大、閾值操作等。

1.1 MAT

MAT是OpenCV中一個(gè)十分密集的多維數(shù)據(jù)組，如向量、圖像以及矩陣等數(shù)據(jù)。相對(duì)于其它兩種數(shù)據(jù)圖像處理類型來(lái)看，MAT的矩陣運(yùn)算、邏輯推理等能力都相對(duì)較強(qiáng)，也正是因MAT邏輯計(jì)算性能強(qiáng)的特性，能夠快速將CVMAT以及IPLIMAGE轉(zhuǎn)變成Mat類型。

1.2 CVMAT與IPLIMAGE

這兩種處理器類型更側(cè)重對(duì)于圖像的處理功能，在OpenCV中又將這一功能實(shí)現(xiàn)進(jìn)一步優(yōu)化，要注意的是在OpenCV中并不存在向量這一數(shù)據(jù)結(jié)構(gòu)，所以在表示向量時(shí)，就需要利用矩陣數(shù)據(jù)，相比之下，CVMAT的數(shù)據(jù)處理更為抽象[2]。因此在這兩者關(guān)系上來(lái)看，IPLIMAGE可以看做是在CVMAT的基礎(chǔ)上增加許多參數(shù)，實(shí)現(xiàn)進(jìn)一步拓展。IPLIMAGE在進(jìn)行數(shù)據(jù)處理方面較CVMAT增加了nChannels以及origin向量原點(diǎn)等，因此在OpenCV中為了實(shí)現(xiàn)這一功能，可以讓用戶通過自定義的形式自主設(shè)置原點(diǎn)。

2 基于Xilinx的HLS實(shí)現(xiàn)OpenCV的研究與設(shè)計(jì)

2.1 基于Xilinx的HLS實(shí)現(xiàn)OpenCV的原理及優(yōu)勢(shì)研究

OpenCV目前已被廣泛應(yīng)用在計(jì)算機(jī)視覺的開發(fā)中，其函數(shù)庫(kù)共包含上千個(gè)視頻函數(shù)，且能夠?qū)ε_(tái)式處理器進(jìn)行針對(duì)性GPU優(yōu)化，Xilinx HLS能夠通過C語(yǔ)言編寫實(shí)現(xiàn)RTL硬件的建立，從而提升設(shè)計(jì)質(zhì)量，此外Xilinx的SoC系列型號(hào)器件能夠嵌入到ARM系統(tǒng)處理器中，增強(qiáng)FPGA的可編程能力，在低成本、低耗能的基礎(chǔ)上實(shí)現(xiàn)高系統(tǒng)性能[3]。OpenCV目前已擁有數(shù)以萬(wàn)計(jì)的用戶，且OpenCV不用修改就可實(shí)現(xiàn)在ARM系統(tǒng)處理器中的高效運(yùn)行，但OpenCV在實(shí)際應(yīng)用中通常會(huì)受來(lái)自外部處理器等方面的控制，特別是存儲(chǔ)類寬帶往往會(huì)限制OpenCV的性能[4]。而基于Xilinx的HLS的高級(jí)語(yǔ)言編程工具能夠快捷方便地通過C語(yǔ)言建立RTL，并加以轉(zhuǎn)換實(shí)現(xiàn)OpenCV視頻處理，不會(huì)受到外部處理器的限制。同時(shí)Xilinx的Soc的嵌入式結(jié)構(gòu)，通過可編程功能拓展與強(qiáng)化，有效實(shí)現(xiàn)了低耗能高性能的優(yōu)化效果，實(shí)現(xiàn)圖像集成處理。

基于Xilinx的HLS對(duì)于OpenCV的實(shí)現(xiàn)并不是直接將來(lái)自O(shè)penCV數(shù)據(jù)庫(kù)中的數(shù)據(jù)直接轉(zhuǎn)換成RTL代碼，而是先提取OpenCV的數(shù)據(jù)代碼，生成數(shù)據(jù)鏈，并通過HLS數(shù)據(jù)庫(kù)進(jìn)行轉(zhuǎn)換，轉(zhuǎn)變?yōu)榭删C合的HLS圖像代碼，此種代碼由Xilinx公司提供，HLS代碼在接口與算法方面都和OpenCV存在較大相似性，同時(shí)還針對(duì)FPGA框架構(gòu)建了相應(yīng)的優(yōu)化處理函數(shù)，能夠有效和FPGA可編程系統(tǒng)實(shí)現(xiàn)匹配。

2.2 基于Xilinx的HLS實(shí)現(xiàn)OpenCV的設(shè)計(jì)

首先在計(jì)算機(jī)上進(jìn)行OpenCV的應(yīng)用設(shè)計(jì)，以C語(yǔ)言進(jìn)行編輯，并生成可執(zhí)行性文件，編輯完成后，不用修改，就可直接在ARM中實(shí)現(xiàn)OpenCV的運(yùn)用[5-6]。之后以I/O函數(shù)將FPGA系統(tǒng)中的函數(shù)提取出來(lái)，并利用基于Xinlinx的HLS數(shù)據(jù)庫(kù)將OpenCV函數(shù)轉(zhuǎn)換為HLS函數(shù)代碼[6-7]。運(yùn)行HLS代碼并通過C語(yǔ)言生成對(duì)應(yīng)的RTL代碼，在Xilinx開發(fā)環(huán)境下，這些RTL代碼能夠通過ARM中的FPGA系統(tǒng)或嵌入式SOC系統(tǒng)來(lái)實(shí)現(xiàn)[7]，即由FPGA實(shí)現(xiàn)這些RTL的運(yùn)行，最終完成基于Xilinx的HLS的OpenCV圖像處理與調(diào)用。

基于Xilinx的HLS實(shí)現(xiàn)OpenCV的基本原理就是通過函數(shù)HLS數(shù)據(jù)庫(kù)進(jìn)行RTL代碼的轉(zhuǎn)換，再通過ARM系統(tǒng)中的FPGA實(shí)現(xiàn)視頻處理，在具體的設(shè)計(jì)與功能實(shí)現(xiàn)上，需要同時(shí)結(jié)合軟硬件，并通過HLS實(shí)現(xiàn)OpenCV向FPGA系統(tǒng)的映射，避免了傳統(tǒng)OpenCV受存儲(chǔ)器制約的問題，有效實(shí)現(xiàn)了低耗能高性能的優(yōu)化效果。

3 結(jié)束語(yǔ)

傳統(tǒng)的OpenCV會(huì)受到存儲(chǔ)器等因素的影響，難以實(shí)現(xiàn)耗能與性能方面的權(quán)衡，綜上所述，為提升OpenCV圖像處理的低能耗、高性能改進(jìn)，文章首先對(duì)OpenCV的函數(shù)及圖像處理類型進(jìn)行探討，在此基礎(chǔ)上，結(jié)合基于Xilinx的HLS實(shí)現(xiàn)OpenCV的原理、優(yōu)勢(shì)以及具體設(shè)計(jì)展開探討，希望能對(duì)相關(guān)人士提供些許參考。

參考文獻(xiàn)

[1]黨宏社，王黎，王曉倩.基于Vivado HLS的FPGA開發(fā)與應(yīng)用研究[J].陜西科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，33：155-159.

[2]丁帥帥，柴志雷.基于HLS的SURF特征提取硬件加速單元設(shè)計(jì)與實(shí)現(xiàn)[J].微電子學(xué)與計(jì)算機(jī)，2015，12：133-137+143.

[3]張俊濤，王園偉，龐多.一種硬件加速OpenCV的圖像處理方法研究[J].微型機(jī)與應(yīng)用，2015，14：41-43.

[4]Accelerating Open CV applications with Zynq using Vivado HLS video libraries（XAPP1167）[Z].

[5]Bradski G，Kaebler A.Learning OpenCV.ISBN 978-7-302-20993-5[Z].

[6]Implementing memory structure for video processing inthe VivadoHLS tool（XAPP793） [Z].

[7]Gonzalez R C.Wood R E.Digital Image Processing，3rded.ISBN 978-7-121-11008-5[Z].