6.影像算法

　　各種影像算法通常在FPGA中實現，包括圖像增強、穩定、小波分析和分布式矢量處理等。

　　一般采用卷積（線性）濾波來實現圖像增強。高通和低通濾波后的圖像經過線性組合，由矩陣乘法模板進行加權，產生的圖像增強了細節，同時降低了噪聲。

　　視頻圖像穩定技術對視頻數據序列中的旋轉和縮放效果進行歸一化處理，以平均連續幀中的噪聲。這還平滑了從視頻中提取的靜止圖像的鋸齒邊沿，能夠糾正大約1/10象素的圖像抖動。

　　為獲取信號中的事件信息，小波分析使用可變窗口技術每次分析一小部分信號。小波分析對精確的低頻信息使用較長的時間間隔，對高頻信息使用較短的間隔。小波應用包括探測不連續點以及斷點、探測自相似、抑制信號、去除信號噪聲、去除圖像噪聲、壓縮圖像以及大型矩陣快速乘法運算等。

　　最近開發的S變換（ST）結合了FFT和小波變換。它揭示出頻率隨空間和時間的變化。其應用包括紋理分析和噪聲濾除等。但是，ST的計算量較大，采用傳統的 CPU實現起來速度太慢。分布式矢量處理技術解決了這一問題，它在FPGA中同時采用矢量和并行計算，處理時間縮短了25倍。

　　一種癌癥早期探測的方法利用了病人的重新造血能力。數字傳感器探測人體輻射出的紅外能量，從而“看到”由于癌癥導致血流增加而出現的微小差異。其典型實現基于可編程心縮矩陣，采用了通用工作站以及FPGA專用硬件引擎來實現。和目前的高端工作站相比，該引擎將核心算法速度提高了近1，000倍。

　　這些復雜影像算法需要哪些關鍵FPGA構建模塊函數呢？ 在CT重建中，需要插值、FFT和卷積函數。在超聲中，處理方法包括顏色流處理、卷積、聚束、混合和彈性估算等。普通影像算法包括顏色空間轉換、圖形覆蓋、2D/中值/時間濾波、縮放、幀/域轉換、對比度增強、銳化、邊沿探測、限幅、平移、極坐標/笛卡兒坐標轉換、不均勻校正以及象素替換等函數。

　　可更新的平臺

　　很多影像系統以前都采用專用計算系統進行構建。現在，隨著高性能COTS CPU板的推出，系統工程師可以采用更現成的方法。雖然軟件自己可以完成很多算法的非實時處理，但實時影像處理還是需要輔助硬件。目前的FPGA內置了 DSP模塊、寬帶存儲器模塊和大量的可編程單元，是實現這些輔助硬件的理想器件。

　　Altera與其合作伙伴密切協作，實現了FPGA協處理資源和COTS CPU解決方案的可靠集成。對于Intel和AMD單板計算機（SBC），內置了串化器/解串器的Stratix II GX FPGA能夠直接實現PCI Express兼容協處理器板，承擔算法功能。對于雙插槽的AMD SBC，Altera合作伙伴XtremeData提供協處理器子卡，直接插入到一個Opteron插槽中，提供非常好的CPU+FPGA處理方案（參見圖1）。對于性能要求更高的大計算量應用，四插槽AMD SBC可以提供多種CPU+FPGA協處理器組合方案（1+3，2+2或者3+1）。可以采用多個1-U刀片服務器來實現非常靈活的平臺，每個刀片完成 CPU+FPGA協處理器方案。