基于Vivado HLS的Down Scaler视频系统设计

摘要：介绍一种基于FPGA的 Down Scaler视频系统设计。系统的核心部件采用Xilinx Kintex-7的板载XC7K325T 芯片，系统设计使用Vivado工具，包括使用Vivado HLS进行Down Scaler模块设计。首先按照Vivado HLS的代码规范进行Down Scaler模块的Ｃ/Ｃ++代码编写，然后利用编译工具生成RTL级代码和综合结果Down Scaler IP核，最后将Down Scaler IP核与TPG、VDMA等Xilinx视频IP核互连，构建实时视频系统。在满足实时性要求和FPGA资源消耗要求的条件下，该设计实现了对Down Scaler视频算法从PC端软件处理方式向FPGA平台硬件处理方式的移植。

引言
在电子设计自动化领域，高层次综合工具变得越来越受欢迎，其能够将Ｃ/Ｃ++、SystemC 、Matlab等高级语言的函数转译成RTL级的代码，这一功能将数字电路设计的抽象层进一步提升。随着嵌入式系统复杂程度的增加，高层次综合工具开始深入电子系统尤其是嵌入式系统的设计流程。本文介绍一种基于Xilinx公司的高层次综合工具Vivado HLS的Down Scaler视频系统设计。

１高层次综合概述
在过去20年，占主导地位的电子设计流程中，硬件设计人员需要手工完成从系统功能指标到RTL级代码的所有工作。如今，这样的设计流程开始变得困难，因为越来越多的功能可以被集成在一个芯片上，按照传统的设计流程，开发人员独自一人完成所有的功能变得越发困难，但因为设计功能的增多而增加设计团队的人员数量，从经济角度上看是不可行的，这意味着设计生产率必须有所提高。高层次综合能够通过从算法层到RTL层的自动化来提高设计生产率，从图１（ｂ）中可以看到，应用高层次综合，系统设计从功能指标到自动化设计流程开端的距离缩短了。

在设计流程中，应用高层次综合工具能够给设计工作带来以下便利：首先，需要设计人员编写的代码量显著减少，在缩短开发周期的同时降低了错误率。其次，在如今的产品开发过程中，验证所需的时间往往超过设计的时间，使用高层次综合工具能够缩短验证时间，在高层次综合工具生成设计代码的同时，还能够同时生成测试平台代码，可以直接通过测试数据来验证设计代码是否正确。

２Down Scaler模块设计
传统的Down Scaler运算是在PC架构下进行的，以汤姆逊视频网络公司的产品 THVN VS7000为例，其中的 Down Scaler模块是PC服务器中的一个C++应用程序，在进行运算处理前，视频流的获取通过一块 Black Magic板卡来实现，其接收到的每一帧图像的像素信息通过PCIe传输到PC服务器。服务器首先将像素信息存储在３个不用的内存空间Ｙ、Ｕ、Ｖ，之后应用程序Down Scaler对这３个空间的像素信息进行运算处理。本文描述的设计目标是使用FPGA中的一个Down Scaler IP核实现对视频流的"硬件处理"，代替传统PC端的Down Scaler C++程序对图像进行"软件处理"的方案，从而取消完整帧像素信息Ｙ、Ｕ、Ｖ成分的预储存步骤。

２．１　模块参数要求
视频的缩小比例为２／３，像素的相位数为２，根据相位数、亮度色度、水平竖直的不同情况，共计有８个滤波窗，每个滤波窗包含11个参数，由 Lanczos算法提前计算确定，"镜像"处理针对图像边缘的５个像素点进行。

２．２　模块设计关键点
２．２．１　计算单元
根据参数要求，Down Scaler模块包括两种BRAM计算单元，分别是Window和Linebuffer。 Window是一个一维存储空间，用来存储11个像素点，Linebuffer是一个二维存储空间，用来存储11行像素点。Linebuffer在每一个工作频率上接收新的输入像素，之前的像素在每一个工作频率上向存储空间的下方移动一个位置，即最新接收的像素点总是存储在Linebuffer中的初始位置。当Linebuffer填满后，Downscaling运算开始，即通过Window 存储11个采样像素，并对像素信息进行滤波运算。相比存储一帧完整图像后再进行运算的"软件处理"方式，通过使用Linebuffer和Window作为"硬件处理"方式的存储单元大幅降低了模块对存储空间的需求。"软件处理"和"硬件处理"Down Scaler模块的计算单元大小对比如表１所列。

2．２．２　像素信息计算和镜像运算整合
与传统Down Scaler算法对像素分量Ｙ、Ｕ、Ｖ进行区分后再做镜像、滤波运算不同，本文中的Down Scaler对输入的像素点信息直接进行镜像和滤波运算，这样做是为了简化IP结构，更好地适应 AXI4-Stream协议［２］。另外，传统Down Scaler算法包含４个串行过程，分别是水平镜像、水平缩小、竖直镜像和竖直缩小，使用Vivado HLS工具的 Dataflow模式将串行过程并行执行后，在不改变模块工作频率的条件下，只能够满足对 1920x1080P/25fps的视频进行实时运算。为了进一步提高运算性能，需要进一步降低运算过程之间的数据依赖性。新的算法只包含两个缩小过程，即水平缩小和竖直缩小，镜像运算被整合在缩小运算中，并且只在需要的时刻进行。对镜像运算的整合虽然增加了算法编写的复杂程度，但是缩短了过程间的数据传输链路，使设计最终能够达到性能参数要求，满足对1920x1080P/60fps的视频进行实时运算。