Поведенческая модель

Изображение входа imgBlur показано слева на схеме ниже. Справа изображение заостряется с помощью функции Image Processing Toolbox™ imfilter.

Время симуляции печатается как эталонный знак для будущего сравнения.

imgBlur = imread('riceblurred.png');
sharpCoeff = [0 0 0;0 1 0;0 0 0]-fspecial('laplacian',0.2);

f = @() imfilter(imgBlur,sharpCoeff,'symmetric');
fprintf('Elapsed time is %.6f seconds.\n',timeit(f));

imgSharp = imfilter(imgBlur,sharpCoeff,'symmetric');
figure
imshowpair(imgBlur,imgSharp,'montage')
title('Blurred Image and Sharpened Image')

Elapsed time is 0.000557 seconds.

Оптимизированные HDL- Проекта Факторов

Для генерации HDL-кода необходимо внести три ключевых изменения.

В этом примере мы используем статическое изображение в качестве источника. Эта модель также способна обрабатывать непрерывный вход видео.

Сгенерируйте HDL-код из MATLAB

Чтобы сгенерировать HDL из MATLAB, ваш код нужно разделить на два файла: испытательный стенд и проект. Файл проекта используется для реализации алгоритма в FPGA или ASIC. Испытательный стенд предоставляет входные данные в файл проекта и получает выходы проекта.

Шаг 1: Создайте файл проекта

Функция ImageSharpeningHDLDesign.m принимает поток пикселей и структуру управления, состоящую из пяти сигналов управления, и возвращает измененный поток пикселей и структуру управления.

В этом примере проект содержит системный объект visionhdl.ImageFilter. Это дружественный к HDL аналог imfilter функция. Сконфигурируйте его с теми же коэффициентами и методом заполнения, что и imfilter.

function [pixOut,ctrlOut] = ImageSharpeningHDLDesign(pixIn,ctrlIn)
% ImageSharpeningHDLDesign  Implement algorithms using pixel-stream 
%       System objects from the Vision HDL Toolbox

%   Copyright 2015 The MathWorks, Inc.

%#codegen
persistent sharpeningFilter;
if isempty(sharpeningFilter)   
    sharpCoeff = [0 0 0;0 1 0;0 0 0]-fspecial('laplacian',0.2);
    sharpeningFilter = visionhdl.ImageFilter(...
    'Coefficients',sharpCoeff,...
    'PaddingMethod','Symmetric',...
    'CoefficientsDataType','Custom',...
    'CustomCoefficientsDataType',numerictype(1,16,12));              
end

[pixOut,ctrlOut] = step(sharpeningFilter,pixIn,ctrlIn);

Шаг 2: Создайте испытательный стенд

Испытательный стенд ImageSharpeningHDLTestBench.m читается на размытом изображении. The frm2pix объект преобразует полную систему координат изображения в поток пикселей и структур управления. Испытательный стенд вызывает функцию проекта ImageSharpeningHDLDesign для обработки по одному пикселю за раз. После обработки всего потока пикселей pix2frm преобразует выход пикселя в изображение с полным кадром. Испытательный стенд сравнивает выходное изображение с эталонным imgSharp.

...
[pixInVec,ctrlInVec] = step(frm2pix,imgBlur);
for p = 1:numPixPerFrm
    [pixOutVec(p),ctrlOutVec(p)] = ImageSharpeningHDLDesign(pixInVec(p),ctrlInVec(p));
end
imgOut = step(pix2frm,pixOutVec,ctrlOutVec);

% Compare the result
imgDiff = imabsdiff(imgSharp,imgOut);
fprintf('The maximum difference between corresponding pixels is %d.\n',max(imgDiff(:)));
fprintf('A total of %d pixels are different.\n',nnz(imgDiff));
...

Шаг 3: Моделируйте проект и проверьте результат

Симулируйте проект с испытательным стендом до генерации HDL-кода, чтобы убедиться в отсутствии ошибок во время выполнения.

ImageSharpeningHDLTestBench

The maximum difference between corresponding pixels is 1.
A total of 41248 pixels are different.

Simulation took 107.544594 seconds to finish.

В испытательный стенд отображается результат сравнения и время, потраченное на симуляцию. Из-за ошибки квантования и ошибки округления из общего числа 256 * 256 = 65536 пикселей 38554 imgOut отличаются от imgSharp. Однако максимальное различие в интенсивности равно 1. В шкале от 0 до 255 это различие визуально незаметно.

Как мы видим, сравнивая время симуляции в MATLAB с временем поведенческой модели, протокол потоковой передачи пикселей вводит значительные накладные расходы. Можно использовать MATLAB Coder™, чтобы ускорить пиксельную потоковую симуляцию в MATLAB. Смотрите Accelerate a Pixel-Streaming Design Using MATLAB Coder (Vision HDL Toolbox).

Шаг 4: Сгенерируйте HDL-код

Как только вы удовлетворены результатами FPGA-целевой модели, можно использовать HDL Coder, чтобы сгенерировать HDL-код из проекта. Можно запустить сгенерированный HDL-код в симуляторах HDL или загрузить его в FPGA и запустить в физической системе.

Убедитесь, что проекты и испытательного стенда расположены в одной директории с возможностью записи. Чтобы сгенерировать HDL-код, используйте следующую команду:

hdlcfg = coder.config('hdl');
hdlcfg.TestBenchName = 'ImageSharpeningHDLTestBench';
hdlcfg.TargetLanguage = 'Verilog';
hdlcfg.GenerateHDLTestBench = false;
codegen -config hdlcfg ImageSharpeningHDLDesign

Для получения дополнительной информации о том, как создать и настроить MATLAB к HDL-проектам, смотрите Рабочий процесс «Начало работы с MATLAB к HDL- руководства» в документации HDL Coder.

Сгенерируйте HDL-код из Simulink

Шаг 1: Создайте HDL-оптимизированную модель

Модель ImageSharpeningHDLModel показана ниже.

modelname = 'ImageSharpeningHDLModel';
open_system(modelname);
set_param(modelname,'Open','on');

Модель читается на размытом изображении. Блок Frame To Pixels преобразует изображение с полным кадром в поток пикселей, а блок Pixels To Frame преобразует поток пикселей обратно в изображение с полным кадром. HDL-система повышения четкости изображения содержит блок Image Filter, который является HDL-дружественным аналогом в Vision HDL Toolbox imfilter функция, представленная в поведенческой модели.

set_param(modelname,'Open','off');
set_param([modelname '/Image Sharpening HDL System'],'Open','on');

Сконфигурируйте блок Image Filter с теми же коэффициентами заточки и методом заполнения, что и в поведенческой модели, как показано на масках ниже.

Шаг 2: Моделируйте проект и проверьте результат

tic
sim(modelname);
toc

Elapsed time is 32.122551 seconds.

Simulink использует преимущества генерации кода C, чтобы ускорить симуляцию. Поэтому он намного быстрее, чем симуляция MATLAB, хотя все еще медленнее, чем поведенческая модель.

Симуляция создает новую переменную imgOut в рабочей области. Используйте следующие команды для сравнения imgOut с imSharp сгенерирован из поведенческой модели.

imgDiff = imabsdiff(imgSharp,imgOut);
fprintf('The maximum difference between corresponding pixels is %d.\n',max(imgDiff(:)));
fprintf('A total of %d pixels are different.\n',nnz(imgDiff));

The maximum difference between corresponding pixels is 1.
A total of 41248 pixels are different.

Из-за ошибки квантования и ошибки округления из общего числа 256 * 256 = 65536 пикселей, 38554 imgOut отличаются от imgSharp. Однако максимальное различие в интенсивности равно 1. В шкале от 0 до 255 это различие визуально незаметно. (Это то же объяснение, что и в шаге 3 в разделе «Генерация HDL-кода из MATLAB».)

Шаг 3: Сгенерируйте HDL-код

Как только вы удовлетворены результатами FPGA-целевой модели, можно использовать HDL Coder, чтобы сгенерировать HDL-код из проекта. Можно запустить сгенерированный HDL-код в симуляторах HDL или загрузить его в FPGA и запустить в физической системе.

Сгенерируйте HDL-код из HDL-системы повышения четкости изображения с помощью следующей команды:

makehdl('ImageSharpeningHDLModel/Image Sharpening HDL System')

set_param([modelname '/Image Sharpening HDL System'],'Open','off');
close_system(modelname,0);
close all;