Vivado HLS在Zedboard中的Sobel濾波算法實現(xiàn)步驟教程

總體設(shè)計思路

sobel 算法理論基礎(chǔ)

索貝爾算子（Sobel operator）主要用作邊緣檢測，在技術(shù)上，它是一離散性差分算子，用來運算圖像亮度函數(shù)的灰度之近似值。在圖像的任何一點使用此算子，將會產(chǎn)生對應(yīng)的灰度矢量或是其法矢量。

該算子包含兩組3x3的矩陣，分別為橫向及縱向，將之與圖像作平面卷積，即可分別得出橫向及縱向的亮度差分近似值。如果以A代表原始圖像，Gx及Gy分別代表經(jīng)橫向及縱向邊緣檢測的圖像灰度值，其公式如下：

Gx = （-1）*f（x-1， y-1） + 0*f（x，y-1） + 1*f（x+1，y-1）

+（-2）*f（x-1，y） + 0*f（x，y）+2*f（x+1，y）

+（-1）*f（x-1，y+1） + 0*f（x，y+1） + 1*f（x+1，y+1）

= ［f（x+1，y-1）+2*f（x+1，y）+f（x+1，y+1）］-［f（x-1，y-1）+2*f（x-1，y）+f（x-1，y+1）］

Gy =1* f（x-1， y-1） + 2*f（x，y-1）+ 1*f（x+1，y-1）

+0*f（x-1，y） 0*f（x，y） + 0*f（x+1，y）

+（-1）*f（x-1，y+1） + （-2）*f（x，y+1） + （-1）*f（x+1， y+1）

= ［f（x-1，y-1） + 2f（x，y-1） + f（x+1，y-1）］-［f（x-1， y+1） + 2*f（x，y+1）+f（x+1，y+1）］

其中f（a，b），表示圖像（a，b）點的灰度值；

圖像的每一個像素的橫向及縱向灰度值通過以下公式結(jié)合，來計算該點灰度的大小：

通常，為了提高效率 使用不開平方的近似值：

如果梯度G大于某一閥值則認為該點（x，y）為邊緣點。

然后可用以下公式計算梯度方向：

Sobel算子根據(jù)像素點上下、左右鄰點灰度加權(quán)差，在邊緣處達到極值這一現(xiàn)象檢測邊緣。對噪聲具有平滑作用，提供較為精確的邊緣方向信息，邊緣定位精度不夠高。當(dāng)對精度要求不是很高時，是一種較為常用的邊緣檢測方法。

流程

HLS算法驗證與實現(xiàn)

算法驗證包括算法C/C++實現(xiàn)，綜合編譯仿真，實現(xiàn)導(dǎo)出pcore用于-------》XLINX EDK

EDK硬件工程搭建

EDK中主要搭建zedboard硬件平臺，實現(xiàn)VDMA（用AXI-Stream），HDMI，DDR等等，生成system.bit，用于連同uboot、fsbl生成zedboard bootload （BOOT.BIN）。

參考：

zedboard啟動過程分析 ：

zedboard 構(gòu)建嵌入式linux ：

LINUX 系統(tǒng)移植

準備一張》8G的SD卡，分區(qū)為FAT32+EXT4（其中EXT4為文件系統(tǒng)》4GB，F(xiàn)AT分區(qū)為內(nèi)核 設(shè)備樹 bootloader） 可以采用gparted分區(qū)工具完成，apt-get install gparted

系統(tǒng)移植包括內(nèi)核鏡像的編譯，bootloader的移植，設(shè)備樹的編譯，文件系統(tǒng)的移植

具體移植步驟參見：

內(nèi)核鏡像地址：git clone

uboot源碼 ：git clone git://git.xiinx.com/u-boot-xarm.git點擊打開鏈接點擊打開鏈接點擊打開鏈接

設(shè)備樹在內(nèi)核中可以找到，將設(shè)備樹，內(nèi)核鏡像，BOOT.BIN拷貝到SD卡中FAT分區(qū)中

文件系統(tǒng)： 直接拷貝到SD卡中EXT4分區(qū)中

LINUX VDMA驅(qū)動應(yīng)用程序編寫與實現(xiàn)

編寫驅(qū)動程序是為了我們能在PS中對VDMA進行管理和控制。前提是在底層中我們已經(jīng)做好了所有相關(guān)的硬件設(shè)計等等。

移植OPENCV庫：用于對比FPGA算法處理速度比較，有兩種方法移植OPENCV庫，

1：apt-get install libopencv-dev python-opencv（用于python中）

2：下載源碼編譯

源碼地址：

編譯步驟參考：基于opencv網(wǎng)絡(luò)攝像頭在ubuntu下的視頻獲取

結(jié)果展示

FPGA硬件實現(xiàn)Sobel效果 OPENCV軟件實現(xiàn)Sobel

處理時間顯示

結(jié)果分析

上圖處理時間中 640*480的視頻

1：opencv處理一幀的時間0.148554s 大約為7幀每秒

2：fpga硬件實現(xiàn)一幀總時間（算法時間+VDMA拷貝時間）

3：fpga硬件實現(xiàn)一幀的算法時間，不包含拷貝DMA時間

在cortex A9 700MHZ 速度中 ，F(xiàn)PGA實現(xiàn)的算法速度比OPENCV軟件實現(xiàn)速度快50-100倍，F(xiàn)PGA一秒鐘可以處理500幀圖像，OPENCV只能處理10張不到

但是缺點是，視頻拷貝花費了太多的時間。所以我個人認為FPGA處理圖像不在算法實現(xiàn)有多復(fù)雜與困難，因為FPGA的并行率理論上是無窮的，但是視頻流的輸入輸出的速度直接決定了處理速度。暫時沒想到好的方法解決。