使用MATLAB Simulink和HDL编码器创建自定义IP--AWB

描述

使用 MATLAB HDL Coder 和 FPGA 快速实现自动白平衡(AWB)

在此项目中,我们将使用 MATLAB Simulink 和 HDL 编码器创建自定义 IP -- AWB。

MATLAB 设计

自动白平衡模块的设计是使用 HDL Coder 在 MATLAB 和 Simulink 中创建的。HDL Coder能够生成 HDL 文件,这些文件可以作为 IP 在我们的目标 FPGA 中运行。

AWB IP 设计旨在对每个时钟 2 个像素求和,这些像素是从 Vivado 设计中的demosaic 输出的 RGB 像素。

该算法非常简单,对每个帧的 RGB 通道进行求和并提供给微处理器。在微处理器中,像素的总和被划分创建校正白平衡所需的校正因子。

除法是在 MicroBlaze 中完成的,虽然必须快速收集每帧的统计数据,但除法不必那么快,因此为了节省逻辑资源,利用 Microblaze即可完成。

整体设计如下

Simulink

像素求和旨在捕获将传入的 AXI 流像素数据分割为三个元素 R、G、B,然后在求和之前对这些像素中的每一个进行缓冲。求和块的输出也被记录。

Simulink

求和块本身非常简单。获取输入、有效和复位信号。复位信号连接到来自 AXI Stream 接口的 SOF 信号。而 AXI Valid 信号使能寄存器和累加。

Simulink

为了在每一帧结束时向微处理器生成 IRQ,我们使用了以下结构

Simulink

一旦 MicroBlaze 定义了系数数据,需要将其应用于后面帧像素。

Simulink

然后将它们连接起来,为 AXI-stream提供最终的像素数据。

当然,也需要针对 AWB 算法中插入延迟进行平衡

Simulink

完整的模块设计如下:

Simulink

MATLAB 测试

为了测试这个设计,我们将在 MATLAB 中创建了一个测试平台,它提取图像文件来提供算法

Simulink

自定义 MATLAB 模块用于输入和接收图像,设置的 M 代码如下所示:

 

close all
[im, im_map] = imread("awb_test_img.jpg");
im_rgb = ind2rgb(im,im_map);
im_rgb = uint8(im_rgb * 2^8);
imshow(im_rgb);
vsize = size(im_rgb, 1);
hsize = size(im_rgb, 2);
div_val = 16;
for i =13
means(i) = mean(mean(im_rgb(:,:,i)/div_val));
end
max_mean = max(means);
im_corr = im_rgb;
for i =13
corr(i) = max_mean/means(i);
im_corr(:,:,i) = im_rgb(:,:,i) * corr(i);
end
figure()
imshow(im_corr)

 

要运行模拟,我们首先需要做一些事情

Simulink

模拟输入

Simulink

浮点结果

Simulink

定点结果

Simulink

为了生成定点 HDL 解决方案,我们需要设置 HDL Coder生成器

SimulinkSimulink

Vivado 验证

导出IP核后,我们可以将其导入Vivado IP库并将其添加到演示项目中。

Simulink

为了简化寄存器接口,我们使用 AXI GPIO 提供所需的系数。

Simulink

可以看到 AWB 提供 AXI Stream 输入和输出。

插入 AWB 后,接下来将在 Vitis 中的设计。

Vitis设计

算法非常简单

 

Status = XGpio_Initialize(&Gpio5, XPAR_AWB_AXI_GPIO_5_DEVICE_ID);
  Status = XGpio_Initialize(&Gpio6, XPAR_AWB_AXI_GPIO_6_DEVICE_ID);
  Status = XGpio_Initialize(&Gpio7, XPAR_AWB_AXI_GPIO_7_DEVICE_ID);

  exp_scale = 0.8;

  while(1) {

   r = XGpio_DiscreteRead(&Gpio5, 1);
   g = XGpio_DiscreteRead(&Gpio5, 2);
   b = XGpio_DiscreteRead(&Gpio6, 1);

   if (r >= g && r >= b){
    r_corr = 1.0 * 32768 * exp_scale;
    g_corr = ((float)r / (float)g) * 32768 * exp_scale;
    b_corr = ((float)r / (float)b) * 32768 * exp_scale;
   }
   else if (g >= r && g >= b){
    r_corr = ((float)g / (float)r) * 32768 * exp_scale;
    g_corr = 1.0 * 32768 * exp_scale;
    b_corr = ((float)g / (float)b) * 32768 * exp_scale;
   }
   else if (b >= r && b >= g){
    r_corr = ((float)b / (float)r) * 32768 * exp_scale;
    g_corr = ((float)b / (float)g) * 32768 * exp_scale;
    b_corr = 1.0 * 32768 * exp_scale;
   }


   XGpio_DiscreteWrite(&Gpio6, 2, (int)r_corr);
   XGpio_DiscreteWrite(&Gpio7, 1, (int)g_corr);
   XGpio_DiscreteWrite(&Gpio7, 2, (int)b_corr);

 

总结

MATLAB HDL Coder 和 FPGA联合开发,可以快速进行算法设计。

  审核编辑:汤梓红
 

 

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分