這篇文章的基礎(chǔ)是《Windows上快速部署Vitis HLS OpenCV仿真庫》，我們使用的版本是Vitis HLS 2022.2，其他版本BUG不清楚，目前已知2021版本有BUG，只能使用其他方式，本文不適合。

這次選擇中值濾波這個(gè)常規(guī)算法作為演示算法。

算法原理

算法原理很簡單，我們先介紹均值濾波，因?yàn)榫€性濾波的基礎(chǔ)是均值濾波，中值濾波是在這個(gè)基礎(chǔ)上發(fā)展過來的。

均值濾波

圖像均值濾波是一種基本的圖像平滑處理方法，也被稱為“盒子濾波”或“平滑濾波”。它的主要思想是對(duì)圖像中的每個(gè)像素取一個(gè)局部均值，以降低圖像噪聲和細(xì)節(jié)對(duì)圖像邊緣檢測(cè)和其他計(jì)算機(jī)視覺算法的影響。

具體來說，圖像均值濾波涉及在圖像中移動(dòng)一個(gè)固定尺寸的窗口，例如 的窗口。對(duì)于每個(gè)窗口，計(jì)算窗口內(nèi)所有像素的平均值，并將該值分配給窗口中心的像素。這個(gè)過程將重復(fù)應(yīng)用于整個(gè)圖像，用于生成平滑的輸出圖像。

在進(jìn)行圖像處理時(shí)，一張圖片可以看做一個(gè)矩陣，假設(shè)有個(gè)6x6圖片，如下：

處理內(nèi)核如下：

動(dòng)畫演示處理過程如下

特點(diǎn)

具有非常不具代表性的值的單個(gè)像素會(huì)顯著影響其鄰域中所有像素的平均值。

當(dāng)濾波器鄰域跨越邊緣時(shí)，濾波器將為邊緣上的像素插入新值，從而模糊該邊緣。如果輸出中需要尖銳的邊緣，這可能是個(gè)問題。

這兩個(gè)問題都由中值濾波器解決，中值濾波器通常是比均值濾波器更好的降噪濾波器，但計(jì)算時(shí)間更長。

通常，均值濾波器充當(dāng)?shù)屯l率濾波器 ，因此減少了圖像中存在的空間強(qiáng)度導(dǎo)數(shù)。

上圖描繪了一個(gè)包含更廣泛不同空間頻率的場(chǎng)景。用 3×3 均值濾波器平滑一次后，我們得到

背景中的低空間頻率信息并未受到過濾的顯著影響，但前景對(duì)象的（曾經(jīng)清晰的）邊緣已被明顯平滑。用 7×7 均值濾波器過濾后，得到下圖

將此結(jié)果與通過在原始圖像上傳遞 3×3 均值濾波器三次獲得的結(jié)果進(jìn)行比較

上兩圖說明一個(gè)問題：對(duì)一幅圖像應(yīng)用大窗口的濾波器和應(yīng)用多次小窗口濾波器效果差不多。

常見變體

此處討論的均值平滑濾波器的變體包括：閾值平均，其中僅當(dāng)其原始值與平均值之間的差大于預(yù)設(shè)閾值時(shí)才改變中心像素值的條件下應(yīng)用平滑。這具有平滑噪聲的效果，圖像細(xì)節(jié)的損失較小。

其他不計(jì)算鄰域均值的卷積濾波器也經(jīng)常用于平滑。其中最常見的一種是高斯平滑濾波器。

中值濾波

圖像中值濾波是一種常用的非線性濾波方法，也被稱為排序?yàn)V波器。它的主要原理是將圖像中每個(gè)像素周圍的像素排序，并將排序后的中間值作為該像素的輸出值。

中值濾波可以有效地抑制圖像中的噪聲，同時(shí)保留圖像中細(xì)節(jié)和邊緣信息。相對(duì)于其他線性濾波器（如均值濾波器），它可以在更好地去除噪聲的同時(shí)保留圖像的細(xì)節(jié)和邊緣上提供更好的性能。

具體地，對(duì)于每個(gè)像素，中值濾波器會(huì)包括 個(gè)鄰域像素，其中 和 是正奇數(shù)。它們將以該像素為中心構(gòu)成一個(gè)矩形窗口或一個(gè)圓形窗口。

窗口大小是中值濾波器的重要參數(shù)。在選擇窗口大小時(shí)，應(yīng)該考慮噪聲的特性以及需要保留的圖像細(xì)節(jié)。通常情況下，窗口大小越大，中值濾波器能夠去除的噪聲越大，但也會(huì)導(dǎo)致圖像模糊。

然后，對(duì)于每個(gè)像素，將鄰域像素按灰度值進(jìn)行排序，取排序后的中間值作為該像素的輸出值。這個(gè)輸出值將取代原始圖像中的像素值，從而產(chǎn)生一個(gè)平滑且噪聲減少的圖像。

中值濾波器的優(yōu)點(diǎn)是它可以在去除噪聲的同時(shí)保留圖像中的邊緣和細(xì)節(jié)，但它的缺點(diǎn)是計(jì)算成本較高，并且可能導(dǎo)致圖像的細(xì)節(jié)丟失。此外，當(dāng)噪聲水平很高時(shí)，這種濾波器可能無法完全去除噪聲。

所有平滑技術(shù)都可以有效去除信號(hào)平滑塊或平滑區(qū)域中的噪聲，但會(huì)對(duì)邊緣產(chǎn)生不利影響。通常，在降低信號(hào)噪聲的同時(shí)，保留邊緣也很重要。例如，邊緣對(duì)于圖像的視覺特性至關(guān)重要。對(duì)于小到中等水平的高斯噪聲，中值濾波器在去除噪聲方面明顯優(yōu)于高斯濾波，同時(shí)為給定的固定窗口大小保留邊緣。然而，對(duì)于高水平的噪聲，它的性能并不比高斯模糊好多少，而對(duì)于散斑噪聲和椒鹽噪聲（脈沖噪聲），它特別有效。正因?yàn)槿绱耍兄禐V波在數(shù)字圖像處理中得到了非常廣泛的應(yīng)用。

OpenCV實(shí)現(xiàn)

使用OpenCV進(jìn)行算法驗(yàn)證和Matlab進(jìn)行算法驗(yàn)證其實(shí)思路差不多，先驗(yàn)證算法的效果再驗(yàn)證算法的正確性，這一步使用OpenCV和MatLab一樣，我們就使用OpenCV進(jìn)行驗(yàn)證，這一步就不實(shí)際展開了，代碼如下：

//-----------------------------------【頭文件包含部分】---------------------------------------
//描述：包含程序所依賴的頭文件
//----------------------------------------------------------------------------------------------
#include"opencv2/core/core.hpp"
#include"opencv2/highgui/highgui.hpp"
#include"opencv2/imgproc/imgproc.hpp"

//-----------------------------------【命名空間聲明部分】---------------------------------------
//描述：包含程序所使用的命名空間
//-----------------------------------------------------------------------------------------------
usingnamespacecv;

//-----------------------------------【main()函數(shù)】--------------------------------------------
//描述：控制臺(tái)應(yīng)用程序的入口函數(shù)，我們的程序從這里開始
//-----------------------------------------------------------------------------------------------
intmain()
{
//載入原圖
Matimage=imread("1.jpg");

//創(chuàng)建窗口
namedWindow("中值濾波【原圖】");
namedWindow("中值濾波【效果圖】");

//顯示原圖
imshow("中值濾波【原圖】",image);

//進(jìn)行中值濾波操作
Matout;
medianBlur(image,out,7);

//顯示效果圖
imshow("中值濾波【效果圖】",out);

waitKey(0);
}

HLS加速和仿真

上面就完成了算法的介紹和論證，其中論證過程并沒有詳細(xì)介紹，因?yàn)楸酒恼轮攸c(diǎn)不是這個(gè)，后續(xù)在介紹這個(gè)算法的時(shí)候再詳細(xì)展開。

HLS工程搭建

新建工程

如下：

第二頁和第三頁不用管，后續(xù)再進(jìn)行設(shè)置

最后一頁，需要設(shè)置兩個(gè)地方，注意一個(gè)地方

其中，Uncertainty參數(shù)含義見下，默認(rèn)不設(shè)置即可。

在UG1399的set_clock_uncertainty章節(jié)有詳細(xì)介紹。

【uncertainty】：以 ns 為單位指定，表示時(shí)鐘周期中有多少被用作余量。不確定性也可以指定為時(shí)鐘周期的百分比。默認(rèn)的不確定性是時(shí)鐘周期的 27%。

也可以使用函數(shù)：

set_clock_uncertainty

【uncertainty】：以 ns 為單位指定，表示時(shí)鐘周期中有多少被用作余量。不確定性也可以指定為時(shí)鐘周期的百分比。默認(rèn)的不確定性是時(shí)鐘周期的 27%。

【clock_list】：應(yīng)用不確定性的時(shí)鐘列表。如果未提供，它將應(yīng)用于所有時(shí)鐘。

添加源文件

新建xf_median_blur_accel.cpp

#include"xf_median_blur_config.h"

staticconstexprint__XF_DEPTH=(HEIGHT*WIDTH*(XF_PIXELWIDTH(TYPE,NPC1))/8)/(PTR_WIDTH/8);

voidmedian_blur_accel(ap_uint*img_in,introws,intcols,ap_uint*img_out){
//clang-formatoff
#pragmaHLSINTERFACEm_axiport=img_inoffset=slavebundle=gmem0depth=__XF_DEPTH
#pragmaHLSINTERFACEm_axiport=img_outoffset=slavebundle=gmem1depth=__XF_DEPTH
#pragmaHLSINTERFACEs_axiliteport=rowsbundle=control
#pragmaHLSINTERFACEs_axiliteport=colsbundle=control
#pragmaHLSINTERFACEs_axiliteport=returnbundle=control
//clang-formaton

xf::MatimgInput(rows,cols);
xf::MatimgOutput(rows,cols);

//clang-formatoff
#pragmaHLSDATAFLOW
//clang-formaton

//Retrievexf::Matobjectsfromimg_indata:
xf::Array2xfMat(img_in,imgInput);

//RunxfOpenCVkernel:
xf::medianBlur(
imgInput,imgOutput);

//Convert_dstxf::Matobjecttooutputarray:
xf::xfMat2Array(imgOutput,img_out);

return;
}//Endofkernel

添加仿真文件

新建xf_median_blur_tb.cpp

#include"common/xf_headers.hpp"
#include"xf_median_blur_config.h"

intmain(intargc,char**argv){
if(argc!=2){
fprintf(stderr,"Usage:%s",argv[0]);
returnEXIT_FAILURE;
}

cv::Matin_img,out_img,ocv_ref,diff;

//Readingintheimage:
#ifGRAY
in_img=cv::imread(argv[1],0);//readinginthegrayimage
#else
in_img=cv::imread(argv[1],1);//readinginthecolorimage
#endif

if(in_img.data==NULL){
fprintf(stderr,"ERROR:Cannotopenimage%s
",argv[1]);
returnEXIT_FAILURE;
}

//creatememoryforoutputimage
#ifGRAY
ocv_ref.create(in_img.rows,in_img.cols,CV_8UC1);
out_img.create(in_img.rows,in_img.cols,CV_8UC1);//creatememoryforoutputimage
diff.create(in_img.rows,in_img.cols,CV_8UC1);
#else
ocv_ref.create(in_img.rows,in_img.cols,CV_8UC3);
out_img.create(in_img.rows,in_img.cols,CV_8UC3);//creatememoryforoutputimage
diff.create(in_img.rows,in_img.cols,CV_8UC3);
#endif

//OpenCVreference:
cv::medianBlur(in_img,ocv_ref,WINDOW_SIZE);

//OpenCLsection:
#ifGRAY
size_timage_in_size_bytes=in_img.rows*in_img.cols*1*sizeof(unsignedchar);
#else
size_timage_in_size_bytes=in_img.rows*in_img.cols*3*sizeof(unsignedchar);
#endif
size_timage_out_size_bytes=image_in_size_bytes;

//Callthetopfunction
median_blur_accel((ap_uint*)in_img.data,in_img.rows,in_img.cols,(ap_uint*)out_img.data);

//Writedownoutputimages:
cv::imwrite("hls_out.jpg",out_img);//kerneloutput
cv::imwrite("ref_img.jpg",ocv_ref);//referenceimage

absdiff(ocv_ref,out_img,diff);
//Savethedifferenceimagefordebuggingpurpose:
cv::imwrite("error.png",diff);
floaterr_per;
xf::analyzeDiff(diff,10,err_per);
if(err_per>0.0f){
fprintf(stderr,"ERROR:TestFailed.
");
return1;
}else
std::cout<

	

	設(shè)置仿真庫

	在下面界面設(shè)置相關(guān)參數(shù)：

	

	在這個(gè)界面設(shè)置

	

	1、Top Function

	設(shè)置主函數(shù)的，點(diǎn)擊Browse進(jìn)行選擇即可。

	2、設(shè)置設(shè)計(jì)文件Edit cflags，添加調(diào)用的設(shè)計(jì)頭文件

	添加

	
-IE:/vitis_hls_image/Vitis_Libraries-2020.2/Vitis_Libraries-2020.2/vision/L1/include-std=c++0x-IH:/FILE/HLS/meanblur/src/build-I./.-D__SDSVHLS__-std=c++0x


	

	3、設(shè)置設(shè)計(jì)文件Edit csimflags

	
-IE:/vitis_hls_image/Vitis_Libraries-2020.2/Vitis_Libraries-2020.2/vision/L1/include-std=c++0x-IH:/FILE/HLS/meanblur/src/build-I./.-D__SDSVHLS__-std=c++0x


	

	接下來設(shè)置仿真庫路徑

	

	1、設(shè)置仿真文件Edit cflags

	
-IE:/vitis_hls_image/opencv_lib/opencv/build_2/install/include-IE:/vitis_hls_image/Vitis_Libraries-2020.2/Vitis_Libraries-2020.2/vision/L1/include-IH:/FILE/HLS/meanblur/src/build-I.-std=c++0x-D__SDSVHLS__-std=c++0x



	

	2、設(shè)置仿真文件Edit csimflags

	
-IE:/vitis_hls_image/opencv_lib/opencv/build_2/install/include-IE:/vitis_hls_image/Vitis_Libraries-2020.2/Vitis_Libraries-2020.2/vision/L1/include-IH:/FILE/HLS/meanblur/src/build-I.-std=c++0x-D__SDSVHLS__-std=c++0x


	

	3、設(shè)置Linker Flags，調(diào)用OpenCV庫文件

	
-LE:/vitis_hls_image/opencv_lib/opencv/build_2/install/x64/mingw/lib-llibopencv_imgcodecs455-llibopencv_imgproc455-llibopencv_core455-llibopencv_highgui455-llibopencv_flann455-llibopencv_features2d455


	

	4、 設(shè)置Input Arguments，這個(gè)是調(diào)用仿真圖片，可以后續(xù)再設(shè)置

	
H:/FILE/HLS/meanblur/src/128x128.png


	

	綜合

	點(diǎn)擊綜合按鈕即可開始綜合，結(jié)果如下：

	

	仿真

	點(diǎn)擊仿真按鈕得到下圖仿真結(jié)果

	下圖從左到右分別為：OpenCV處理的結(jié)果、HLS處理的結(jié)果以及最后的兩個(gè)圖像差（無差別即全黑）。

	聯(lián)合仿真

	點(diǎn)擊聯(lián)合仿真按鈕后等待仿真結(jié)束，然后點(diǎn)擊下面按鈕查看波形：

	

	導(dǎo)出IP

	點(diǎn)擊導(dǎo)出IP按鈕等待導(dǎo)出即可。

	總結(jié)

	今天的例程演示完畢，從建立工程到最后導(dǎo)出IP，基本比較詳細(xì)。但是，上面的例程是不能直接應(yīng)用到視頻里的，原因是上面的接口沒經(jīng)過改動(dòng)，需要從AXI轉(zhuǎn)成AXI-STREAM接口后再再接入到視頻架構(gòu)中即可，這部分我們后續(xù)再詳細(xì)說明。

	





	審核編輯：劉清