Мультипиксельная потоковая передача Используя библиотечные блоки

Сгенерируйте мультипиксельный поток от блока Frame to Pixels установкой Number пикселей к 4 или 8. Значение по умолчанию 1 возвращает скалярный пиксельный поток с частотой дискретизации Общих пикселей на строку * Общие видео линии быстрее, чем частота кадров. Этот уровень показывает красный в модели в качестве примера. Подсистемы на два мультипикселя используют мультипиксельный поток с Количеством пиксельного набора к 4. Эта настройка возвращает 4 пикселя на каждом такте и имеет частоту дискретизации (Общие пиксели на линию/4) * Общие видео линии. Более низкая норма выработки, которая является зеленой в модели, показывает, что можно увеличить или уровень входного кадра или разрешение на коэффициент 4 и поэтому процесс в 4 раза больше пикселей в тот же период системы координат с помощью той же тактовой частоты, чем один пиксельный случай.

Подсистемы SinglePixelGaussianEdge и MultiPixelGaussianEdge вычисляют тот же результат с помощью блоков Детектора Фильтра и Ребра Изображений.

В MultiPixelGaussianEdge блоки принимают и возвращают четыре пикселя на каждом такте. Вы не должны конфигурировать блоки для мультипиксельной потоковой передачи, они обнаруживают входной размер на порте. pixelcontrol шина указывает на валидность и местоположение в системе координат каждого набора четырех пикселей. Блоки буферизуют [4x1] поток, чтобы сформироваться четыре [KernelHeight x KernelWidth] ядра и вычислить четыре свертки параллельно, чтобы дать [4x1] выход.

Пользовательские мультипиксельные алгоритмы

Подсистема MultiPixelCustomGaussianEdge использует блок Line Buffer, чтобы реализовать пользовательский алгоритм фильтрации. Эта подсистема похожа на то, как библиотечные блоки внутренне реализуют мультипиксельные операции ядра. Блоки Детектора Фильтра и Ребра Изображений используют более подробную оптимизацию, чем показано здесь. Эта реализация показывает начальную точку для создания пользовательских мультипиксельных алгоритмов с помощью выхода блока Line Buffer.

Пользовательский фильтр и пользовательский детектор ребра используют блок Line Buffer, чтобы возвратиться последовательный [KernelHeight x NumberofPixels] области. Каждая область передается подсистеме KernelIndexer, которая использует буферизацию и индексацию логики, чтобы сформировать Количество Пикселей * [KernelHeight x KernelWidth] ядра фильтра. Затем каждое ядро передается отдельной подсистеме FilterKernel, чтобы выполнить свертки параллельно.

Сформируйте ядра из буфера линии Выход

Подсистема KernelIndexer формируется 4 [5x5] ядра фильтра от 2D выхода блока Line Buffer.

Схема показывает, как ядро фильтра извлечено из [5x4] поток вывода для ядра, которое сосредоточено на первом пикселе в [4x1] выход. Это первое ядро включает пиксели от 2 смежных [5x4] Line Buffer выходные параметры.

Ядро, сосредоточенное на последнем пикселе в [4x1] выход также, включает третье смежное [5x4] выход. Так, чтобы сформироваться четыре [5x5] ядра, подсистема должна получить доступ к столбцам от три [5x4] матрицы.

Подсистема KernelIndexer использует ток [5x4] вход и хранит еще два [5x4] матрицы с помощью регистров, включенных shiftEnable. Этот проект похож на коснувшуюся линию задержки, используемую с Буфером Линии использование одной пиксельной потоковой передачи. Подсистема затем пиксельные данные доступов через столбцы, чтобы сформировать четыре [5x5] ядра. Блок Image Filter использует эту ту же логику внутренне, когда блоку вводили мультипиксель. Блок автоматически проектирует эту логику во время компиляции для любого поддерживаемого размера ядра.

Реализуйте фильтры

Поскольку входной мультипиксельный поток [4x1] вектор, фильтры должны выполнить четыре свертки на каждом цикле, чтобы идти в ногу с входящими данными. Существует четыре параллельных подсистемы FilterKernel, что каждый выполняет ту же операцию. [5x5] умножение матриц, реализован как [5x1], вектор умножается при помощи Для Каждой подсистемы, содержащей конвейерный множитель. Выход передается дереву сумматора. Дерево сумматора является также конвейерным, и задержка трубопровода применяется к pixelcontrol предупредите, чтобы соответствовать. Результаты четырех подсистем FilterKernel затем конкатенированы в [4x1] выходной вектор.

Реализуйте детекторы ребра

Чтобы совпадать с алгоритмом блока Edge Detector, этот пользовательский детектор ребра использует [3x3] размер ядра. Сравните эту подсистему KernelIndexer для [3x3] обнаружение ребра с [5x5] ядро, описанное выше. Алгоритм все еще должен получить доступ к трем последовательным матрицам от выхода блока Line Buffer (включая дополнение по обе стороны от ядра). Однако алгоритм сохраняет меньше столбцов, чтобы сформировать меньшее ядро фильтра.

Расширение к большим размерам ядра

Для [4x1] мультипиксельный поток, логика KernelIndexer будет выглядеть подобной до [11x11] размер ядра. В том размере, количестве дополнения пикселей, (floor(11/2)) = 5, перекроется на два [11x4] матрицы, возвращенные в Буфер Линии. Это перекрытие означает, что алгоритм должен был бы сохранить пять [5x4] матрицы от Буфера Линии, чтобы сформироваться четыре [11x11] ядра на каждом цикле.

Улучшение времени симуляции

В настройке в качестве примера по умолчанию, одном пикселе, мультипикселе и пользовательских мультипиксельных подсистемах весь запуск параллельно. Скорость симуляции ограничивается временем, обрабатывая путь одно пикселя, потому что это требует, чтобы больше итераций обработало тот же размер системы координат. Чтобы наблюдать улучшение скорости симуляции для мультипиксельной потоковой передачи, закомментируйте путь одно пиксельных данных.

Результаты реализации HDL

HDL был сгенерирован и от подсистемы MultiPixelGaussianEdge и от подсистемы MultiPixelCustomGaussianEdge и проведен через Место и Маршрут на плате Xilinx™ ZC706. Подсистема MultiPixelCustomGaussianEdge, которая не пытается оптимизировать коэффициенты, имела следующие результаты -

T =

  4x2 table

    Resource     Usage
    _________    _____

    DSP48        108  
    Flip Flop    9842 
    LUT          4960 
    BRAM         12   

Подсистема MultiPixelGaussianEdge, которая использует оптимизированные блоки Детектора Фильтра и Ребра Изображений, использует меньше ресурсов, как показано в приведенной ниже таблице. Это сравнение показывает сбережения ресурса, достигнутые, потому что блоки анализируют структуру фильтра и предварительно добавляют повторенные коэффициенты.

T =

  4x2 table

    Resource     Usage
    _________    _____

    DSP48        16   
    Flip Flop    3959 
    LUT          1789 
    BRAM         10