从工业检查系统到自动驾驶系统，计算机视觉是一个广泛的领域，其中包括许多有趣的应用程序。这些系统中的许多系统在原型和实施阶段都使用开源计算机视觉（OpenCV）。 OpenCV优化了许多功能，并用于实时计算机视觉程序。但是，由于嵌入式优化策略的独特优势，仍然值得尝试使用逻辑硬件来提高OpenCV的性能。目前，OpenCV被广泛用于计算机视觉应用程序的开发中。 OpenCV包含一个包含2500多种优化视频功能的库，并且专门针对台式机处理器和图形处理单元（GPU）进行了优化。 Xilinx提供的Vivado HLS高级综合工具可以通过用C / C ++编写的代码直接创建RTL硬件，从而大大提高了设计效率。同时，Xilinx Zynq完全可编程SOC系列器件嵌入在双核ARM Cortex-A9处理器中，以提供软件可编程性。它与FPGA硬件可编程性完美结合，可实现单芯片无与伦比的系统性能，灵活性和可扩展性。系统优势，例如低功耗和低成本，并加快了图形处理产品设计的上市时间。 OpenCV有成千上万的用户，并且OpenCV的设计可以在Zynq设备的ARM处理器上运行，而无需进行修改。但是，OpenCV实施的高清处理通常受外部存储器的限制，特别是存储带宽将成为性能瓶颈，并且存储访问也限制了电源效率。借助Xilinx提供的Vivado HLS高级语言综合工具，设计人员可以轻松地将OpenCV C ++视频处理设计转换为RTL代码，并将其转换为Zynq实现的硬件加速器或FPGA实现的实时硬件视频处理单元。 1. OpenCV和HLS视频库如图15.83所示。 OpenCV可以在视频处理系统中以不同的方式使用。在图15.83（a）中，算法的设计和实现完全依赖于OpenCV函数调用，使用文件访问函数进行图像输入，输出和处理。在图15.83（b）中，该算法可以在嵌入式系统中使用（例如，在Zynq Base TRD中实现），该嵌入式系统使用特定平台的函数调用来访问输入和输出图像。但是，视频处理的实现取决于嵌入式系统中处理器（例如，Cortex＆amp; trade-A9）对OpenCV功能函数的调用。在图15.83中的（c）中，处理算法的OpenCV函数被Xilinx Vivado HLS视频库函数代替，并且OpenCV函数用于访问输入和输出图像，并提供了用于实现视频的设计原型。处理算法。 Vivado HLS提供的视频库功能可以合成。在综合了这些功能之后，可以将处理程序模块集成到诸如Zynq的可编程逻辑中。这样，这些程序逻辑块可以处理处理器产生的视频流，从文件读取的数据以及从外部输入的实时视频流。图15.83 OpenCV应用程序的不同方式Vivado HLS包含大量视频库功能，可方便地构建各种视频处理程序。通过可综合的C ++代码，可以实现这些视频库功能。在视频处理功能和数据结构方面，这些集成代码基本上对应于OpenCV。许多视频概念与抽象和OpenCV非常相似，并且许多图像处理模块功能与OpenCV库功能一致。例如，用于表示OpenCV中图片的一个非常重要的类是cv :: Mat类。 cv :: Mat对象的定义如下：cv :: Mat image（1080，1920，CV_8UC3）;这行代码声明了1080＆amp; TImes; 1920个像素，每个像素都是由三个8位无符号数字表示的可变图像。相应的HLS视频库模板类hls :: Mat＆amp; lt;声明如下：hls :: Mat＆lt; 2047，2047，HLS_8UC3＆gt;图片（1080，1920）;两行代码的参数形式，最大图像大小和语法规则不同，生成的对象相似。如果指定的图像最大尺寸与图像的实际尺寸相同，则也可以改用以下代码：hls :: Mat＆lt; 1080、1920，HLS_8UC3＆amp; gt;图像（ ）;表15.14给出了简单的图像转换函数应用程序比较（函数实现dst = src * 2.0 + 0.0）。表15.15和表15.16显示了OpenCV和HLS视频库以及HLS视频库的核心结构。 2. AXI4流和视频接口通过AXI4流协议，视频处理模块实现像素数据通信