Vivado HLS在Zedboard中的Sobel滤波算法实现步骤教程.doc

Vivado HLS在Zedboard中的Sobel滤波算法实现步骤教程总体设计思路sobel 算法理论基础索贝尔算子（Sobel operator）主要用作边缘检测，在技术上，它是一离散性差分算子，用来运算图像亮度函数的灰度之近似值。在图像的任何一点使用此算子，将会产生对应的灰度矢量或是其法矢量。该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，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），表示图像（a，b）点的灰度值；图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小：通常，为了提高效率 使用不开平方的近似值：如果梯度G大于某一阀值则认为该点（x，y）为边缘点。然后可用以下公式计算梯度方向：Sobel算子根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘。对噪声具有平滑作用，提供较为精确的边缘方向信息，边缘定位精度不够高。当对精度要求不是很高时，是一种较为常用的边缘检测方法。流程HLS算法验证与实现算法验证包括算法C+/C+实现，综合编译仿真，实现导出pcore用于-XLINX EDKEDK硬件工程搭建EDK中主要搭建zedboard硬件平台，实现VDMA（用AXI-Stream），HDMI，DDR等等，生成system.bit，用于连同uboot、fsbl生成zedboard bootload （BOOT.BIN）。参考：zedboard启动过程分析 ：zedboard 构建嵌入式linux ：LINUX 系统移植准备一张8G的SD卡，分区为FAT32+EXT4（其中EXT4为文件系统4GB，FAT分区为内核 设备树 bootloader） 可以采用gparted分区工具完成，apt-get install gparted系统移植包括内核镜像的编译，bootloader的移植，设备树的编译，文件系统的移植具体移植步骤参见：内核镜像地址：git cloneuboot源码 ：git clone git:/git.xiinx/u-boot-xarm.git点击打开链接点击打开链接点击打开链接设备树在内核中可以找到，将设备树，内核镜像，BOOT.BIN拷贝到SD卡中FAT分区中文件系统： 直接拷贝到SD卡中EXT4分区中LINUX VDMA驱动应用程序编写与实现编写驱动程序是为了我们能在PS中对VDMA进行管理和控制。前提是在底层中我们已经做好了所有相关的硬件设计等等。移植OPENCV库：用于对比FPGA算法处理速度比较，有两种方法移植OPENCV库，1：apt-get install libopencv-dev python-opencv（用于python中）2：下载源码编译源码地址：编译步骤参考：基于opencv网络摄像头在ubuntu下的视频获取结果展示FPGA硬件实现Sobel效果 OPENCV软件实现Sobel处理时间显示结果分析上图处理时间中 640*480的视频1：opencv处理一帧的时间0.148554s 大约为7帧每秒2：fpga硬件实现一帧总时间（算法时间+VDMA拷贝时间）3：fpga硬件实现一帧的算法时间，不包含拷贝DMA时间在cortex A9 700MHZ 速度中 ，FPGA实现的算法速度比OPENCV软件实现速度快50-100倍，FPGA一秒钟可以处理500帧图像，OPENCV只能处理10张不到但是缺点是，视频拷贝花费了太多的时间。所以我个人认为FPGA处理图像不在算法实现有多复杂与困难，因为FPGA的并行率理论上是无穷的，但是视频流的输入输出的速度直接决定了处理速度。暂时没想到好的方法解决。