本文通過對(duì)OpenCV中圖像類型和函數(shù)處理方法的介紹,，通過設(shè)計(jì)實(shí)例描述在vivadoHLS中調(diào)用OpenCV庫(kù)函數(shù)實(shí)現(xiàn)圖像處理的幾個(gè)基本步驟，完成從OpenCV設(shè)計(jì)到RTL轉(zhuǎn)換綜合的開發(fā)流程,。

    開源計(jì)算機(jī)視覺 (OpenCV) 被廣泛用于開發(fā)計(jì)算機(jī)視覺應(yīng)用,，它包含2500多個(gè)優(yōu)化的視頻函數(shù)的函數(shù)庫(kù)并且專門針對(duì)臺(tái)式機(jī)處理器和GPU進(jìn)行優(yōu)化,。OpenCV的用戶成千上萬，OpenCV的設(shè)計(jì)無需修改即可在 Zynq器件的ARM處理器上運(yùn)行,。但是利用OpenCV實(shí)現(xiàn)的高清處理經(jīng)常受外部存儲(chǔ)器的限制,，尤其是存儲(chǔ)帶寬會(huì)成為性能瓶頸，存儲(chǔ)訪問也會(huì)限制功耗效率,。使用VivadoHLS高級(jí)語言綜合工具,，可以輕松實(shí)現(xiàn)OpenCV C++視頻處理設(shè)計(jì)到RTL代碼的轉(zhuǎn)換，輸出硬件加速器或者直接在FPGA上實(shí)現(xiàn)實(shí)時(shí)視頻處理功能,。同時(shí),，Zynq All-programmable SOC是實(shí)現(xiàn)嵌入式計(jì)算機(jī)視覺應(yīng)用的極好方法，很好解決了在單一處理器上實(shí)現(xiàn)視頻處理性能低功耗高的限制,，Zynq高性能可編程邏輯和嵌入式ARM內(nèi)核,，是一款功耗優(yōu)化的集成式解決方案。

1   OpenCV中圖像IplImage, CvMat, Mat 類型的關(guān)系和VivadoHLS中圖像hls::Mat類型介紹

    OpenCv中常見的與圖像操作有關(guān)的數(shù)據(jù)容器有Mat,，cvMat和IplImage，這三種類型都可以代表和顯示圖像,，但是,，Mat類型側(cè)重于計(jì)算，數(shù)學(xué)性較高,，openCV對(duì)Mat類型的計(jì)算也進(jìn)行了優(yōu)化,。而CvMat和IplImage類型更側(cè)重于“圖像”，opencv對(duì)其中的圖像操作（縮放,、單通道提取,、圖像閾值操作等）進(jìn)行了優(yōu)化。在opencv2.0之前,，opencv是完全用C實(shí)現(xiàn)的,，但是，IplImage類型與CvMat類型的關(guān)系類似于面向?qū)ο笾械睦^承關(guān)系,。實(shí)際上,，CvMat之上還有一個(gè)更抽象的基類----CvArr，這在源代碼中會(huì)常見。

1.1 OpenCV中Mat類型：矩陣類型（Matrix）,。

    在openCV中,，Mat是一個(gè)多維的密集數(shù)據(jù)數(shù)組?？梢杂脕硖幚硐蛄亢途仃?、圖像、直方圖等等常見的多維數(shù)據(jù),。

    Mat有3個(gè)重要的方法：

   1,、Mat mat = imread(const String* filename);            讀取圖像

  2、imshow(const string frameName, InputArray mat);     顯示圖像

  3,、imwrite (const string& filename, InputArray img);    儲(chǔ)存圖像

    Mat類型較CvMat與IplImage類型來說,，有更強(qiáng)的矩陣運(yùn)算能力，支持常見的矩陣運(yùn)算,。在計(jì)算密集型的應(yīng)用當(dāng)中,，將CvMat與IplImage類型轉(zhuǎn)化為Mat類型將大大減少計(jì)算時(shí)間花費(fèi)。

1.2 OpenCV中CvMat類型與IplImage類型：“圖像”類型

    在openCV中,，Mat類型與CvMat和IplImage類型都可以代表和顯示圖像,，但是，Mat類型側(cè)重于計(jì)算,，數(shù)學(xué)性較高,，openCV對(duì)Mat類型的計(jì)算也進(jìn)行了優(yōu)化。而CvMat和IplImage類型更側(cè)重于“圖像”,，openCV對(duì)其中的圖像操作（縮放,、單通道提取、圖像閾值操作等）進(jìn)行了優(yōu)化,。

補(bǔ)充：IplImage由CvMat派生,，而CvMat由CvArr派生即CvArr -> CvMat -> IplImage

     CvArr用作函數(shù)的參數(shù)，無論傳入的是CvMat或IplImage,，內(nèi)部都是按CvMat處理,。

    在openCV中，沒有向量（vector）的數(shù)據(jù)結(jié)構(gòu),。任何時(shí)候,，但我們要表示向量時(shí)，用矩陣數(shù)據(jù)表示即可,。

    但是,，CvMat類型與我們?cè)诰€性代數(shù)課程上學(xué)的向量概念相比，更抽象,，比如CvMat的元素?cái)?shù)據(jù)類型并不僅限于基礎(chǔ)數(shù)據(jù)類型,，比如,，下面創(chuàng)建一個(gè)二維數(shù)據(jù)矩陣：

      CvMat* cvCreatMat(int rows ,int cols , int type);

這里的type可以是任意的預(yù)定義數(shù)據(jù)類型，比如RGB或者別的多通道數(shù)據(jù),。這樣我們便可以在一個(gè)CvMat矩陣上表示豐富多彩的圖像了,。

1.3 OpenCV中IplImage類型

    在OpenCV類型關(guān)系上，我們可以說IplImage類型繼承自CvMat類型,，當(dāng)然還包括其他的變量將之解析成圖像數(shù)據(jù),。

    IplImage類型較之CvMat多了很多參數(shù)，比如depth和nChannels,。在普通的矩陣類型當(dāng)中,，通常深度和通道數(shù)被同時(shí)表示，如用32位表示RGB+Alpha.但是,，在圖像處理中,，我們往往將深度與通道數(shù)分開處理，這樣做是OpenCV對(duì)圖像表示的一種優(yōu)化方案,。

IplImage的對(duì)圖像的另一種優(yōu)化是變量origin----原點(diǎn),。在計(jì)算機(jī)視覺處理上，一個(gè)重要的不便是對(duì)原點(diǎn)的定義不清楚,，圖像來源,，編碼格式，甚至操作系統(tǒng)都會(huì)對(duì)原地的選取產(chǎn)生影響,。為了彌補(bǔ)這一點(diǎn),，openCV允許用戶定義自己的原點(diǎn)設(shè)置。取值0表示原點(diǎn)位于圖片左上角,，1表示左下角,。

1.4 VivadoHLS中圖像數(shù)據(jù)類型hls::Mat<>

    VivadoHLS視頻處理函數(shù)庫(kù)使用hls::Mat<>數(shù)據(jù)類型，這種類型用于模型化視頻像素流處理,，實(shí)質(zhì)等同于hls::steam<>流的類型,，而不是OpenCV中在外部memory中存儲(chǔ)的matrix矩陣類型。因此,，在HLS實(shí)現(xiàn)OpenCV的設(shè)計(jì)中，需要將輸入和輸出HLS可綜合的視頻設(shè)計(jì)接口,，修改為Video stream接口,，也就是采用HLS提供的video接口可綜合函數(shù)，實(shí)現(xiàn)AXI4 video stream到VivadoHLS中hls::Mat<>類型的轉(zhuǎn)換,。

2   使用VivadoHLS實(shí)現(xiàn)OpenCV到RTL代碼轉(zhuǎn)換的流程

2.1 OpenCV設(shè)計(jì)中的權(quán)衡

    OpenCV圖像處理是基于存儲(chǔ)器幀緩存而構(gòu)建的,，它總是假設(shè)視頻frame數(shù)據(jù)存放在外部DDR 存儲(chǔ)器中，因此,，OpenCV對(duì)于訪問局部圖像性能較差,，因?yàn)樘幚砥鞯男∪萘扛咚倬彺嫘阅懿蛔阋酝瓿蛇@個(gè)任務(wù),。而且出于性能考慮，基于OpenCV設(shè)計(jì)的架構(gòu)比較復(fù)雜,，功耗更高,。在對(duì)分辨率或幀速率要求低，或者在更大的圖像中對(duì)需要的特征或區(qū)域進(jìn)行處理是,，OpenCV似乎足以滿足很多應(yīng)用的要求,，但對(duì)于高分辨率高幀率實(shí)時(shí)處理的場(chǎng)景下，OpenCV很難滿足高性能和低功耗的需求,。

基于視頻流的架構(gòu)能提供高性能和低功耗,，鏈條化的圖像處理函數(shù)能減少外部存儲(chǔ)器訪問，針對(duì)視頻優(yōu)化的行緩存和窗口緩存比處理器高速緩存更簡(jiǎn)單,，更易于用FPGA部件,，使用VivadoHLS中的數(shù)據(jù)流優(yōu)化來實(shí)現(xiàn).

VivadoHLS對(duì)OpenCV的支持，不是指可以將OpenCV的函數(shù)庫(kù)直接綜合成RTL代碼,，而是需要將代碼轉(zhuǎn)換為可綜合的代碼,，這些可綜合的視頻庫(kù)稱為HLS視頻庫(kù)，由VivadoHLS提供,。

    OpenCV函數(shù)不能直接通過HLS進(jìn)行綜合,，因?yàn)镺penCV函數(shù)一般都包含動(dòng)態(tài)的內(nèi)存分配、浮點(diǎn)以及假設(shè)圖像在外部存儲(chǔ)器中存放或者修改,。

    VivadoHLS視頻庫(kù)用于替換很多基本的 OpenCV函數(shù),，它與OpenCV具有相似的接口和算法，主要針對(duì)在FPGA架構(gòu)中實(shí)現(xiàn)的圖像處理函數(shù),，包含了專門面向FPGA的優(yōu)化,，比如定點(diǎn)運(yùn)算而非浮點(diǎn)運(yùn)算（不必精確到比特位），片上的行緩存（line buffer）和窗口緩存(window buffer),。

2.2 VivadoHLS實(shí)現(xiàn)OpenCV設(shè)計(jì)流程介紹

使用VivadoHLS實(shí)現(xiàn)OpenCV的開發(fā),，主要的三個(gè)步驟如下：

1. 在計(jì)算機(jī)上開發(fā)OpenCV應(yīng)用，由于是開源的設(shè)計(jì),，采用C++的編譯器對(duì)其進(jìn)行編譯,，仿真和debug，最后產(chǎn)生可執(zhí)行文件,。這些設(shè)計(jì)無需修改即可在 ARM內(nèi)核上運(yùn)行OpenCV應(yīng)用,。
2. 使用I/O函數(shù)抽取FPGA實(shí)現(xiàn)的部分，并且使用可綜合的VivadoHLS Video庫(kù)函數(shù)代碼代替OpenCV函數(shù)的調(diào)用,。
3. 運(yùn)行HLS生成RTL代碼,，在vivadoHLS工程中啟動(dòng)co-sim，重用openCV的測(cè)試激勵(lì)驗(yàn)證產(chǎn)生的RTL代碼,。在ISE或者Vivado開發(fā)環(huán)境中做RTL的集成和SOC/FPGA實(shí)現(xiàn),。

2.2.1        VivadoHLS視頻庫(kù)函數(shù)

HLS視頻庫(kù)是包含在hls命名空間內(nèi)的C++代碼,。#include “hls_video.h”

與OpenCV等具有相似的接口和等效的行為，例如：

           OpenCV庫(kù)：cvScale(src, dst, scale, shift);

           HLS視頻庫(kù)：hls:cale<...>(src, dst, scale, shift);

一些構(gòu)造函數(shù)具有類似的或替代性的模板參數(shù),，例如：

           OpenCV庫(kù)：cv::Mat mat(rows, cols, CV_8UC3);

           HLS視頻庫(kù)：hls::Mat mat(rows, cols);

                      ROWS和COLS指定處理的最大圖像尺寸

 

              表2.2.1 VivadoHLS視頻處理函數(shù)庫(kù)

 

2.2.2        VivadHLS實(shí)現(xiàn)OpenCV設(shè)計(jì)的局限性

    首先,，必須用HLS視頻庫(kù)函數(shù)代替OpenCV調(diào)用。

    其次,，不支持OpenCV通過指針訪問幀緩存,可以在HLS中使用VDMA和 AXI Stream adpater函數(shù)代替,。

    再者，不支持OpenCV的隨機(jī)訪問,。HLS對(duì)于讀取超過一次的數(shù)據(jù)必須進(jìn)行復(fù)制,，更多的例子可以參見見hls:uplicate()函數(shù)。

最后,，不支持OpenCVS的In-place更新,，比如  cvRectangle (img, point1, point2)。

 

下面表格2.2.2列舉了OpenCV中隨機(jī)訪問一幀圖像處理對(duì)應(yīng)HLS視頻庫(kù)的實(shí)現(xiàn)方法,。

 

	OpenCV	HLS視頻庫(kù)
讀操作	pix = cv_mat.at(i,j) pix = cvGet2D(cv_img,i,j)	hls_img >> pix
寫操作	cv_mat.at(i,j) = pix cvSet2D(cv_img,i,j,pix)	hls_img << pix

               表 2.2.2 OpenCV和HLS中對(duì)一幀圖像像素訪問對(duì)應(yīng)方法

2.3 用HLS實(shí)現(xiàn)OpenCV應(yīng)用的實(shí)例（快速角點(diǎn)濾波器image_filter）

    我們通過快速角點(diǎn)的例子,，說明通常用VivadoHLS實(shí)現(xiàn)OpenCV的流程。首先,，開發(fā)基于OpenCV的快速角點(diǎn)算法設(shè)計(jì),，并使用基于OpenCV的測(cè)試激勵(lì)仿真驗(yàn)證這個(gè)算法。接著,，建立基于視頻數(shù)據(jù)流鏈的OpenCV處理算法,，改寫前面直覺的OpenCV的通常設(shè)計(jì)，這樣的改寫是為了與HLS視頻庫(kù)處理機(jī)制相同,，方便后面步驟的函數(shù)替換,。最后，將改寫的OpenCV設(shè)計(jì)中的函數(shù),，替換為HLS提供的相應(yīng)功能的視頻函數(shù),，并用VivadoHLS綜合，最后在Xilinx開發(fā)環(huán)境下實(shí)現(xiàn),。當(dāng)然,，這些可綜合代碼也可在處理器或ARM上運(yùn)行。

2.3.1        設(shè)計(jì)基于OpenCV的視頻濾波器設(shè)計(jì)和測(cè)試激勵(lì)

    在這個(gè)例子中,，首先設(shè)計(jì)開發(fā)完全調(diào)用OpenCV庫(kù)函數(shù)的快速角點(diǎn)濾波器設(shè)計(jì)opencv_image_filter.cpp和這個(gè)濾波器的測(cè)試激勵(lì)opencv_image_filter_tb.cpp,，測(cè)試激勵(lì)用于仿真驗(yàn)證opencv_image_filter算法功能。算法和測(cè)試激勵(lì)設(shè)計(jì)代碼如下：

 

void opencv_image_filter(IplImage* src, IplImage* dst)

{

    IplImage* gray = cvCreateImage( cvGetSize(src), 8, 1 ); 

    std::vector keypoints;

cv::Mat gray_mat(gray,0);

 

    cvCvtColor( src, gray, CV_BGR2GRAY ); 

    cv::FAST( gray_mat, keypoints, 20, true);

    cvCopy( src,dst);

 

    for (int i=0;i

    {

      cvRectangle(dst, cvPoint(keypoints[i].pt.x-1,keypoints[i].pt.y-1),

                                cvPoint(keypoints[i].pt.x+1,keypoints[i].pt.y+1), cvScalar(255,0,0),CV_FILLED);

    }

    cvReleaseImage( &gray ); 

}   

       例子2.3.1.1 通常的OpenCV視頻處理代碼opencv_image_filter.cpp

 

int main (int argc, char** argv) {

    IplImage* src=cvLoadImage(INPUT_IMAGE);

    IplImage* dst = cvCreateImage(cvGetSize(src), src->depth, src->nChannels);

        

    opencv_image_filter(src, dst);

    cvSaveImage(OUTPUT_IMAGE_GOLDEN, dst);

 

    cvReleaseImage(&src);

    cvReleaseImage(&dst);

    return 0;

}

   例子2.3.1.2 OpenCV視頻處理測(cè)試激勵(lì)代碼opencv_image_filter_tb.cpp

 

    上面的例子是直接調(diào)用OpenCV在處理器上軟件應(yīng)用實(shí)現(xiàn)的例子,，可以看到在算法設(shè)計(jì)中直接調(diào)用opencV庫(kù)函數(shù)，測(cè)試激勵(lì)讀入圖像,，經(jīng)過濾波器處理輸出的圖像保存分析,?？梢钥吹剑惴ǖ奶幚砘贗PIimage類型,，輸入和輸出圖像都使用此類型,。

 

2.3.2        使用IO函數(shù)和Vivado HLS視頻庫(kù)替換OpenCV函數(shù)庫(kù)

    需要特別說明的是，xilinx通常使用的視頻處理模塊都是基于axi4 streaming協(xié)議進(jìn)行不同模式見像素?cái)?shù)據(jù)的交互,，也就是我們所說的AXI4 video接口協(xié)議格式,。為了和xilinx視頻庫(kù)接口協(xié)議統(tǒng)一，VivadoHLS提供了視頻接口函數(shù)庫(kù),，用于從OpenCV程序中抽取需要進(jìn)行RTL綜合轉(zhuǎn)換的頂層函數(shù),，并把這些可綜合的代碼和OpenCV不可綜合轉(zhuǎn)換的代碼進(jìn)行隔離。然后,，對(duì)需要綜合轉(zhuǎn)換為RTL代碼的OpenCV函數(shù),，用xilinx VivadoHLS提供相應(yīng)功能的可綜合video函數(shù)進(jìn)行替換。最后在C/C++編譯環(huán)境下仿真驗(yàn)證OpenCV代碼和替換video函數(shù)后功能的一致,，并在VivadoHLS開發(fā)環(huán)境中做代碼綜合和產(chǎn)生RTL代碼的co-sim混合仿真驗(yàn)證,。

 

VivadoHLS可綜合的視頻接口函數(shù)：

Hls:：AXIvideo2Mat  轉(zhuǎn)換AXI4 video stream到hls::Mat表示格式

Hls:：Mat2AXIvideo  轉(zhuǎn)換hls::Mat數(shù)據(jù)格式到AXI4 video stream

 

    首先，我們對(duì)2.3.1中OpenCV的設(shè)計(jì)進(jìn)行改寫,，改寫的代碼還是完全基于OpenCV的函數(shù),，目的是為了對(duì)視頻的處理機(jī)制基于視頻流的方式，與VivadoHLS視頻庫(kù)提供函數(shù)的處理機(jī)制一致,。下面是OpenCV設(shè)計(jì)的另一種寫法：

 

void opencv_image_filter(IplImage* src, IplImage* dst)

{

    IplImage* gray = cvCreateImage( cvGetSize(src), 8, 1 ); 

    IplImage* mask = cvCreateImage( cvGetSize(src), 8, 1 ); 

    IplImage* dmask = cvCreateImage( cvGetSize(src), 8, 1 ); 

    std::vector keypoints;

    cv::Mat gray_mat(gray,0);

   

    cvCvtColor(src, gray, CV_BGR2GRAY ); 

    cv::FAST(gray_mat, keypoints, 20, true);

    GenMask(mask, keypoints);

    cvDilate(mask,dmask);

    cvCopy(src,dst);

    PrintMask(dst,dmask,cvScalar(255,0,0));

 

    cvReleaseImage( &mask ); 

    cvReleaseImage( &dmask ); 

    cvReleaseImage( &gray ); 

}

例子2.3.2.1另一種OpenCV設(shè)計(jì)應(yīng)用opencv_image_filter.cpp

 

    其次,，使用Vivado HLS視頻庫(kù)替代標(biāo)準(zhǔn)OpenCV函數(shù)，并使用可綜合的視頻接口函數(shù),，采用video stream的方式交互視頻數(shù)據(jù),。用于FPGA的硬件可綜合模塊由VivadoHLS視頻庫(kù)函數(shù)與接口組成，我們用hls命名空間中的相似函數(shù)代替OpenCV函數(shù),，增加接口函數(shù)構(gòu)建AXI4 stream類型的接口,。

 

void image_filter(AXI_STREAM& input, AXI_STREAM& output, int rows, int cols)

{

//Create AXI streaming interfaces for the core

#pragma HLS RESOURCE variable=input core=AXIS metadata="-bus_bundle INPUT_STREAM"

#pragma HLS RESOURCE variable=output core=AXIS metadata="-bus_bundle OUTPUT_STREAM"

#pragma HLS RESOURCE core=AXI_SLAVE variable=rows metadata="-bus_bundle CONTROL_BUS"

#pragma HLS RESOURCE core=AXI_SLAVE variable=cols metadata="-bus_bundle CONTROL_BUS"

#pragma HLS RESOURCE core=AXI_SLAVE variable=return metadata="-bus_bundle CONTROL_BUS"

 

#pragma HLS interface ap_stable port=rows

#pragma HLS interface ap_stable port=cols

    hls::Mat      _src(rows,cols);

    hls::Mat      _dst(rows,cols);

#pragma HLS dataflow

    hls::AXIvideo2Mat(input, _src);

    hls::Mat      src0(rows,cols);

    hls::Mat      src1(rows,cols);

#pragma HLS stream depth=20000 variable=src1.data_stream

    hls::Mat      mask(rows,cols);

    hls::Mat      dmask(rows,cols);

    hls:calar<3,unsigned char> color(255,0,0);

    hls:uplicate(_src,src0,src1);

    hls::Mat      gray(rows,cols);

    hls::CvtColor(src0,gray);

    hls::FASTX(gray,mask,20,true);

    hls:ilate(mask,dmask);

    hls:aintMask(src1,dmask,_dst,color);

    hls::Mat2AXIvideo(_dst, output);

}

例子2.3.2.2 采用VivadoHLS視頻庫(kù)替換后可綜合的設(shè)計(jì)opencv_image_filter.cpp

 

  最后，在vivadoHLS開發(fā)環(huán)境下綜合例子2.3.2.2的設(shè)計(jì),，產(chǎn)生RTL代碼并重用OpenCV的測(cè)試激勵(lì)驗(yàn)證RTL代碼功能,。

3   VHLS實(shí)現(xiàn)OpenCV設(shè)計(jì)流程總結(jié)

    通過上面章節(jié)介紹以及在vivadoHLS工具中實(shí)現(xiàn)opencV設(shè)計(jì)的例子可以看出，OpenCV函數(shù)可實(shí)現(xiàn)計(jì)算機(jī)視覺算法的快速原型設(shè)計(jì),，并使用VivadoHLS工具轉(zhuǎn)換為RTL代碼在FPGA或者Zynq SOC上實(shí)現(xiàn)高分辨率高幀率的實(shí)時(shí)視頻處理,。計(jì)算機(jī)視覺應(yīng)用與生俱來的異構(gòu)特性，使其需要軟硬件相結(jié)合的實(shí)現(xiàn)方案,。Vivado HLS視頻庫(kù)能加快OpenCV函數(shù)向FPGA可編程架構(gòu)的映射,。