使用vivado hls实现 lbp算法

LBP算法的原理不再介绍，下面只介绍一下使用vivado hls如何实现lbp算法。

首先，需要对输入图像做灰度变换，将rgb图像转为灰度图像。

调用hls中的 hls::AXIvideo2Mat(input1, img_1);函数即可实现，完成图像灰度的转换。

接下来针对灰度图像做lbp变换。

使用hls中的Window和LineBuffer，来对图像进行缓存和窗处理。

typedef hls::Window<X1, X2, unsigned char>              X_WINDOW;
typedef hls::LineBuffer<X3 MAX_WIDTH, unsigned char>  X_BUFFER;

简单介绍一下LineBuffer，LineBuffer是相当于一个缓存器，会缓X3行，MAX_WIDTH列的数据，

Window是一个窗口，可在LineBuffer中上下左右滑动，针对窗口数据做出处理。

我大概的理解就是这样。

使用LineBuffer缓存3行，MAX_WIDTH列的图像数据，再使用3*3的窗口对窗口数据进行处理。

接下来就是对窗口数据进行处理，3*3的窗口，大于窗口最中间的值为1，小于为0，再按照顺时针对处理后的数据进行编码。

最后返回编码值，存回图像中，一次窗口处理完成后滑动窗向右移动，一行完成后，向下移动。

等待数据处理完成后，再对图像做统计。做256维的统计。

统计函数参考原有hls中的函数hls::EqualizeHist，对其改进，完成统计功能。

相应代码如下：

namespace hls {

template<int SRC_T,int ROW, int COL>
void Equalize_1(
    Mat<ROW, COL, SRC_T>    &_src,int hist_out[256])
{
    ap_uint<8> addr=0;
    //int hist_out[256];
    ap_uint<BitWidth<ROW*COL>::Value> data[2];
#pragma HLS ARRAY_PARTITION variable= data complete dim=0
    for(int i=0;i<256;i++)
        hist_out[i]=0;
    int cols=_src.cols;
    int rows=_src.rows;
    assert(rows<=ROW);
    assert(cols<=COL);
 loop_height: for(int i=0;i<rows;i++)
    {
    loop_width: for(int j=0;j<cols;j++)
        {
#pragma HLS PIPELINE
#pragma HLS LOOP_FLATTEN OFF
            HLS_TNAME(SRC_T) tempsrc=0;
            _src.data_stream[0].read(tempsrc);
            if(!(i==0&&j==0))
            {
                data[1]=data[0];
                data[0]=hist_out[tempsrc];
                if(tempsrc==addr)
                    data[0]++;
                hist_out[addr]=data[1]+1;
                addr=tempsrc;
            }
            else
            {
                addr=tempsrc;
                data[0]=hist_out[tempsrc];
            }
        }
    }
    hist_out[addr]=data[0]+1;
    //array=hist_out;
}

template<int SRC_T,int ROW, int COL>
void EqualizeHist_1(
        Mat<ROW, COL, SRC_T> &_src,int array[256])
{
#pragma HLS INLINE
    Equalize_1(_src,array);
}
}

将返回值再存入到zynq的BRAM中，最后在ps端读取处理后的256维数据。再做相应识别和分类。