概述

此項(xiàng)目解釋了如何在FPGA上使用resizer IP來(lái)調(diào)整圖像的大小。其中對(duì)比了兩種圖像大小調(diào)整的解決方案的運(yùn)算速度，其中之一為使用Python Image Library通過軟件算法實(shí)現(xiàn)圖像大小調(diào)整，另一種使用Xilinx xfopencv library實(shí)現(xiàn)了在FPGA上硬件加速的圖像大小調(diào)整。

初始化

1. 首先在SD卡內(nèi)配置Pynq-Z2最新鏡像PYNQ image v2.5并燒錄在其中

2. 根據(jù)pynq.io上的官方指南配置環(huán)境

（https://pynq.readthedocs.io/en/latest/getting_started/pynq_z2_setup.html）

根據(jù)數(shù)字編號(hào)依次連接并點(diǎn)亮板卡，最后在板卡出現(xiàn)BTN0~BTN3同時(shí)點(diǎn)亮閃爍一次后為開機(jī)完成狀態(tài)。

3. 在筆記本電腦上配置網(wǎng)絡(luò)，使得無(wú)線網(wǎng)卡的上網(wǎng)功能與Pynq-Z2連接的以太網(wǎng)網(wǎng)口共享，以做到Pynq-Z2同時(shí)能夠上網(wǎng)。

4. 借用Xshell或者開源軟件PuTTY對(duì)于Pynq-Z2端口進(jìn)行SSH獲得其新ip口，此時(shí)其一般會(huì)被重定向至192.168.137.X。此時(shí)在瀏覽器內(nèi)登錄此ip即可通過Jupyter Notebook與Pynq-Z2板卡通信。

5. 在Jupyter Notebook中新建terminal并ping 182.61.200.6驗(yàn)證與百度的連接是否正常上述驗(yàn)證完成后即為Pynq-Z2板卡與網(wǎng)絡(luò)的基礎(chǔ)通信功能與配置完成。

快速開始

在Jupyter Notebook的Terminal中輸入以下指令：

sudo pip3 install --upgrade git+

https://github.com/xilinx/pynq-helloworld.git

更新在Pynq-Z2內(nèi)所有Packages并從github下載本次項(xiàng)目的代碼。

（更新需要耐心等待一定時(shí)間。）

（項(xiàng)目Github文件及其詳細(xì)代碼請(qǐng)點(diǎn)擊查看原文）

案例測(cè)試

1. 最終會(huì)在Files文件夾下生成名為helloworld/的文件夾，點(diǎn)開此文件夾可以看到兩個(gè)Jupyter Notebook文件（.ipynb）。

2. 其中resizer_PS.ipynb的軟件方案采用了Python內(nèi)建的Python Imaging Library通過軟件上的算法實(shí)現(xiàn)完成對(duì)于一張640*360的sample圖像壓縮為原圖像的四分之一大小（320*180）。此軟件方案通過PIL庫(kù)加載與重置圖像的大小，用numpy庫(kù)存儲(chǔ)圖像的像素矩陣，用IPython.display在Jupyter notebook中顯示圖像。

3. 而resizer_PL.ipynb的FPGA硬件方案并沒有直接在ARM核中單純采用算法借用Python本地的內(nèi)存進(jìn)行運(yùn)算后直接返回。而是先將圖片數(shù)據(jù)通過ARM核從SD卡中讀入，再以數(shù)據(jù)流的形式通過Python的本地內(nèi)存的DRAM形式傳入共享的物理內(nèi)存中。

接下來(lái)通過AXI的內(nèi)部連接將PS層面的數(shù)據(jù)傳入PL層的可編輯邏輯單元，通過 Xilinx xfopencv library在DMA與Resize IP之間的運(yùn)算最后將數(shù)據(jù)傳回ARM核至SD卡。

最后，在縮小圖片的演示最后我們可以看到PS方案得到的最快單次圖像處理為24.1ms，而在PL方案中最快單次圖像處理僅僅為8.95ms，在此實(shí)際圖像案例上處理圖像的時(shí)間效率上縮小了接近2.7倍。如果放至更多張更高像素的圖片，相信此圖像處理方案會(huì)有著較大優(yōu)勢(shì)。