ZYNQ HLS工具系列（一） HLS图像处理入门

ZYNQ开发之HLS图像处理入门

HLS(High Level Synthesis)即高层次综合，和以前Verilog及VHDL不一样，通过它可以用C/C++、SystemC及OPENCL编写FPGA程序，实现相应功能，大大加快开发的速度，使软件工程师可以参与到项目中，使硬件工程师可以增加工作效率

OPENCV是开源计算机视觉库，支持C/C++、PYTHON等多种语言，OPENCV的设计可以直接运行在ZYNQ的PS上，但是用ARM处理高清视频处理的时候，可能就会处理不过来。于是HLS OPENCV就这样出现了（硬件加速），HLS Opencv是HLS自带的、可综合成HDL的OpenCV库函数（因为并不是所有的OpenCV库函数都可以综合成HDL），HLS OPENCV具体的函数操作方法，将写在理论系列（一） HLS OPENCV函数，本文主要是针对HLS的入门操作

一、运行环境

这个HLS的版本很重要！！！
之前尝试用HLS普通的仿真没问题，但是对图像进行C仿真（调用HLS带的函数），仿真编译的时间就很长，而且结果报错：

cc1plus.exe:-1: error: out of memory allocating ……

解决方法：不要使用2017.1和2017.2的HLS，降到2016.4，或者升级到2017.3（本文2017.3）

二、搭建HLS工程

• 1.新建工程，根据向导设置相关参数
  新建工程的最后一步，新建了一个solution1，时钟周期就默认10ns，然后选择芯片型号，完成工程的创建

• 2.新建文件
  新建三个文件test.cpp（测试文件）、image_core.cpp（算法核心）以及image_core.h，文件内容

test.cpp：

#include "image_core.h"#include "opencv/cv.h"#include "opencv/cxcore.h"#include "opencv/highgui.h"#include "hls_opencv.h"#define INPUT_IMAGE "test.jpg"int main (int argc, char** argv) {    IplImage* src = cvLoadImage(INPUT_IMAGE,0);//读图片灰度    IplImage* dst = cvCreateImage(cvGetSize(src), src->depth, src->nChannels);    AXI_STREAM_IN  src_axi;    AXI_STREAM_OUT dst_axi;    IplImage2AXIvideo(src, src_axi); //将图像转为数据流    image_core(src_axi, dst_axi, src->height, src->width);//输入数据流，进行处理，输出数据流    AXIvideo2IplImage(dst_axi, dst); //将输出流转回图片    cvShowImage("src",src);    cvShowImage("dst",dst);    cvWaitKey(0);    cvReleaseImage(&src);    cvReleaseImage(&dst);    return 0;}

image_core.cpp：

#include "image_core.h"void image_core(AXI_STREAM_IN& input, AXI_STREAM_OUT& output, int rows, int cols){    #pragma HLS RESOURCE variable=input core=AXI4Stream metadata="-bus_bundle INPUT_STREAM"    #pragma HLS RESOURCE variable=output core=AXI4Stream metadata="-bus_bundle OUTPUT_STREAM"    #pragma HLS INTERFACE ap_none port=cols    #pragma HLS INTERFACE ap_none port=rows    #pragma HLS interface ap_ctrl_none port=return    RGB_IMAGE img_0(rows, cols);    RGB_IMAGE img_1(rows, cols);    #pragma HLS DATAFLOW              // must use data flow to stream the data    hls::AXIvideo2Mat(input, img_0);  //读输入到img_0    hls::Sobel<1,0,3>(img_0, img_1);  //Sobel算子，边缘提取    hls::Mat2AXIvideo(img_1, output); //img_1写到输出}

image_core.h：

#ifndef _IMAGE_CORE_H_#define _IMAGE_CORE_H_#include"hls_video.h" //调用可以综合的视频库//图像最大尺寸#define MAX_WIDTH 800#define MAX_HEIGHT 600//定义图像处理核，要用到的结构体typedef hls::stream<ap_axiu<24,1,1,1> > AXI_STREAM_IN;typedef hls::stream<ap_axiu<24,1,1,1> > AXI_STREAM_OUT;typedef hls::Mat<MAX_HEIGHT, MAX_WIDTH, HLS_8UC3> RGB_IMAGE;//硬件综合的顶层void image_core(AXI_STREAM_IN& src_axi, AXI_STREAM_OUT& dst_axi, int rows, int cols);#endif

• 3.添加文件到相应位置
  将上述三个文件放在工程目录下，然后如图添加：
  
  h文件，不需要添加，放在工程目录下即可

• 4.运行仿真
  点击Run C Simulation按钮，然后直接点确定
  
  按空格键，关闭图片

• 5.生成IP核
  点击Run C Synthesis，综合完毕后，然后点击Export RTL
  
  生成完毕后，即可通过VIVADO调用HLS的IP核（image_core）