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
