基于直方图算法的FPGA设计架构

引言

直方图统计在图像增强和目标检测领域有重要应用，比如直方图均衡，梯度直方图。直方图的不同种类和统计方法请见之前的文章。本章就是用FPGA来进行直方图的计算，并且利用FPGA的特性对计算过程进行加速。安排如下：

首先基于直方图算法进行FPGA架构设计，这里主要考虑了如何加速以及FPGA资源的利用两个因素；最后基于system Verilog搭建一个验证系统。

FPGA设计架构

不论是图像灰度直方图还是梯度直方图，本质上是对数据的分布进行计数。从FPGA角度来看，只关心以下几点：

1） 根据数据大小确定其分布区间，统计分布在不同区间的数据个数，区间的大小可以调节，比如灰度直方图区间为1，梯度直方图通常大于1；

2） 如何利用FPGA对直方图统计进行加速，以及如何考虑到芯片有限资源；

首先来考虑加速方式，直方图统计过程用伪代码表示为：

For（int i=0;i Index = get_index（data［i］）;

Hist［index］++;

}

Get_index函数是为了确定数据属于哪个区间，如果区间大小为1，那么index就是数据自身。如果区间是平均分布，那么就需要进行数据的大小比较。如果区间大小是2的幂次，那么index只需要数据进行移位得到。

FPGA在加速计算中最主要就是利用并行化和流水线，并行化就是将一个任务拆解成多个子任务，多个子任务并行完成。而流水线是在处理一个子任务的时候，下一个来的子任务也可以进行处理，处理模块不会等待。流水线本质上是对子任务也进行“分割”，分割的每一块可以在处理模块中同时进行。

统计N个数据，可以将N分成M份，在FPGA上同时进行M个统计，用伪代码表示为：

For（int k=0;k //并行化

For（int i=0;i Index = get_index（data［k］［i］）;

Hist［k］［index］++;

}

}

如果区间不是2的幂次，就需要比较器，这样并行M次，就需要M个同等比较器，这对资源消耗很大。因此目前设计仅仅支持2的幂次的区间。整个设计架构如图1.2。

图2.1 流水线处理

图2.2 直方图统计架构

主要分为以下几个模块：

1）statis：这个是核心计算模块，统计数据分布。ram中存放直方图统计数据，地址对应着数据分布区间。这里有一个问题需要考虑，在对ram中直方图统计数据计数时，需要读出然后计数。如果ram读端口没有寄存器，那么读出来直接加1，再写入。但是这样并不好，因为ram不经过寄存器时序不好。所以增加了一级寄存器，这样就造成了写入的延时，那么有可能下一次数据来临也会读取同样地址的数据，此时读取到的直方图数据就是还没有写入的。为了解决这个问题，判断进入的前后两个数据是否相同，如果相同就不写入而继续计数，如果不同就写入。并行多个statis模块的代码为：

genvar i;

generate

for（i=0;i

statis #（

.PIX_BW（PIX_BW），

.HIST_BW（HIST_BW），

.ADDR_BW（HIST_LEN_BW），

.BIN_W（BIN_W）

）u_statis（

.clk（clk），

.rst（rst），

.clr（clr），

.enable（1‘b1），

.pix_valid（pix_valid），

.pix（img_i［i*PIX_BW +： PIX_BW］），

.hist_rd（branch_hist_rd），

.hist_raddr（branch_hist_raddr），

.hist（branch_hist［i*HIST_BW +： HIST_BW］）

）;

end

endgenerate

2）serders：这个是并转串。M个statis模块会产生M组hist结果，这些结果还要进行求和，那么就要用到加法树，如果M较大，会造成加法树很大，多以这里加了serders可以调节加法树资源。

3） addTree：加法树。

module addTree #（

parameter DATA_BW = 32，//bit width of data

parameter TREE_DEPTH = 3，//depth of the add tree

parameter ADD_N = 4//add number

）

（

input clk，

input rst，

input ［ADD_N*DATA_BW-1:0］ adnd_x，

input ［ADD_N*DATA_BW-1:0］ adnd_y，

input adnd_valid，

output reg［DATA_BW-1:0］ finl_sum，

output reg finl_sum_valid

）;

reg ［TREE_DEPTH-1:0］midl_valid;

genvar dept_i， leaf_i;

generate

for（dept_i=TREE_DEPTH-1;dept_i》=0;dept_i=dept_i-1）begin： ADD_DPET

localparam LEAF_N = 2**dept_i;

wire［DATA_BW-1:0］ midl_sum［LEAF_N-1:0］;

for（leaf_i=0;leaf_i

reg ［DATA_BW-1:0］ midl_add_x;

reg ［DATA_BW-1:0］ midl_add_y;

if（dept_i==TREE_DEPTH-1）begin

always @（posedge clk）begin

midl_add_x midl_add_y end

end

else begin

always @（posedge clk）begin

midl_add_x midl_add_y end

end

adder #（

.DATA_BW（DATA_BW）

）

u_adder（

.adnd_x（midl_add_x），

.adnd_y（midl_add_y），

.sum（midl_sum［leaf_i］）

）;

end

if（dept_i==TREE_DEPTH-1）

always @（posedge clk）begin

midl_valid［dept_i］ end

else

always @（posedge clk）begin

midl_valid［dept_i］ end

end

endgenerate

always @（posedge clk）begin

finl_sum end

always @（posedge clk）begin

if（rst）

finl_sum_valid else

finl_sum_valid end

endmodule

4） accum：累加器。如果加法树没有完成M个hist数据的求和，那么就需要通过累加器来完成。

图2.3 对ram的处理

验证结构

1） img_trans：这个是随机化图像数据定义，主要通过SV中constraint来对图像大小做一些约束；

class img_trans;

rand int img_w;

rand int img_h;

rand int img_blank;

rand logic［`PIX_BW-1:0］ img［`MAX_IMG_W*`MAX_IMG_H］;

constraint img_cfg_cnst{

img_w img_w 》 0;

img_w % `PARALL == 0;

img_h img_h 》 0;

img_blank img_blank 》= 0;

}

extern function void write（input string f_name）;

endclass

2） driver：产生image并且发送给DUT，同时通过mailbox发送给ref_model用于对比；

class img_obj;

logic ［`PIX_BW-1:0］ img_que［$］;

endclass

class driver;

int img_w;

int img_h;

int img_blank;

logic ［`PARALL*`PIX_BW-1:0］ img;

logic ［`PIX_BW-1:0］ img_ele;

img_obj imgObj;

img_trans imgTrans;

extern task drive（mailbox img_mbx， virtual img_inf.test imgInf）;

endclass

3） ref_model：自己统计直方图和DUT的结果进行比对；

class ref_modl;

logic ［`PIX_BW-1:0］ img;

int addr;

img_obj imgObj;

int hist［`HIST_LEN］;

extern task calc（input logic clk， mailbox img_mbx）;

extern task comp（virtual img_inf.test imgInf）;

extern task run（input logic clk， mailbox img_mbx， virtual img_inf.test imgInf）;

extern function void clear（）;

endclass

图3.1 验证架构图

最后添加一下modelsim仿真波形文件和结果，纯粹为了增加篇幅。

图3.2 modelsim仿真波形和结果