verilog图像算法实现与仿真（流程和实现）

Posted 2023-02-04 嵌入式-老费

 【声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】

        前面我们谈到了fpga，谈到了用python+cv2实现图像算法，直到现在才算是慢慢进入了正题。毕竟用verilog实现图像算法，才是我们真正想要做的事情。而对图像的加速和实时处理，也只有verilog+fpga才能帮助我们完成。

        目前网上能找到的verilog图像算法仿真的内容不多，要么就是需要安装matlab、modelsim这些商用软件，要么就是没有细节实现，不能完全复制作者的思路和操作过程。鉴于此，作者提出了全部利用开源软件来实现verilog图像算法仿真的思路。所以，直接利用开源软件iverilog+python+opencv来实现图像算法仿真，本文可能是目前全网唯一的一篇文章。希望这篇blog能给大家带来一些思索和帮助。

        要做好verilog图像算法的处理和仿真，一般需要四个步骤。第一步，把图像变成数据文件；第二步，编写verilog算法代码；第三步，编写testbench文件，利用刚才的图像数据文件，并且生成新的图像数据文件；第四步，利用最新的图像数据文件，保存为图片，查看效果。

1、图像反转

        为了说明如果采用这一流程是实现图像算法的仿真，我们不妨挑选一个简单的算法来做个演示。图像反转就是不错的一个例子。所谓图像反转，就是之前白色的地方变成黑的地方，黑的地方变成了白色的地方。大家如果对胶卷还有印象的话，胶卷本身就是图像反转一个很好的例子。因为在胶卷上面，人的面部是黑的，而头发却是白的。此外，这个流程如果需要写成算法的，也很简单，

def reverse_image(picture):
    for i in range(picture.shape[0]):
        for j in range(picture.shape[1]):
            picture[i,j] = 255 - picture[i,j]
    return picture

2、生成数据

        之前网上很多的资料生成数据都是用matlab来实现的。殊不知，其实用python来做这一件事情也很简单。本身cv2库用起来也方便，还没有版权的烦恼。

import cv2
import numpy as np

'''
main entry
'''

def main():
    picture = cv2.imread('./lena.bmp')
    print(picture.shape[0])
    print(picture.shape[1])
    print(picture.shape[2])
    
    color_img = np.copy(picture)
    picture = cv2.cvtColor(picture, cv2.COLOR_BGR2GRAY)
    
    f = open("data.txt", 'w')
    for i in range(picture.shape[0]):
        for j in range(picture.shape[1]):
            f.write(hex(picture[i,j]) + "\\n")
    f.close()
 
    cv2.imshow('lena', picture)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

if __name__ == '__main__':
    main()

        这段python+cv2的代码不复杂。首先把图片读取到picture变量，接着用cvtColor实现灰化。下面的几行语句就是我们需要关心的了，那就是生成data.txt。注意，data.txt当中是每一个像素一行数据，格式是16进制。等到所有像素的数据都输出来之后，主要的功能也就讲完了。

3、编写verilog代码

        编写图像反转的verilog代码不复杂，主要就是对数据进行减操作就可以了，

module reverse_image(clk, rst, input_data, output_data);

input clk;
input rst;
input[7:0] input_data;
output[7:0] output_data;

wire clk;
wire rst;
wire[7:0] input_data;
wire[7:0] output_data;

assign output_data = 255 - input_data ;

endmodule

4、准备testbench文件

        testbench是verilog测试的重要环节。它的主要工作有这么几块，第一，将之前的data.txt文件插入到image中；第二，调用reverse_image这个模块；第三，生成新的文件，即new_data.txt，同时还需要保证在testbench结束之前，所有的像素点都处理完毕。

`timescale 1ns/1ps
module tb;
 
reg clock;
reg rst;
reg [7:0] image [(512*512-1):0];

reg[18:0] cnt;
integer file_id;
wire[7:0] input_data;
wire[7:0] output_data;
 
initial begin
 clock = 1'b0;
 forever #10 clock = ~clock;
end

initial begin
 cnt = 19'b0;
 $readmemh("./data.txt", image);
 file_id = $fopen("./new_data.txt", "w");
end
 
initial begin
 rst = 1'b1;
 #195 rst = 1'b0;
 #20000000 $stop;
 $fclose(file_id);
end

assign input_data = image[cnt[17:0]];

always @(posedge clock or posedge rst)
	if (rst) begin
		cnt <= 19'b0;
	end
	else if(cnt[18] == 1'b0)
	begin
		$fwrite(file_id, "0x%x\\n", output_data);
		cnt <= cnt + 1'b1;
	end
		
initial
begin
    $dumpfile("hello.vcd");
    $dumpvars(0, tb);
end
 
reverse_image reverse_image0(
		.clk(clock),
		.rst(rst),
		.input_data(input_data),
		.output_data(output_data)
	);
 
endmodule
 

        代码中有几个内容需要注意下。比如读取图像数据的指令是readmemh，写入图像数据的指令是fwrite，为了确保数据处理完，等待2000万个clock之后，仿真才结束。

        因为没有使用modelsim，这部分可以使用开源软件iverilog+vvp代替，使用方法也非常简单，

C:\\iverilog\\bin\\iverilog.exe -o tb *.v
C:\\iverilog\\bin\\vvp -n tb -lxt2

        执行完这两步，如果没有什么问题的话，就可以看到new_data.txt，这为我们后续的进一步处理打下了基础。

5、恢复bmp文件

        前面我们获得了像素文件，下面就可以利用它转变为bmp文件，这一步也同样是使用python+cv2来实现的，

import cv2
import numpy as np

'''
main entry
'''

def main():
    picture = cv2.imread('./lena.bmp')
    picture = cv2.cvtColor(picture, cv2.COLOR_BGR2GRAY)
    for i in range(512):
        for j in range(512):
            picture[i,j] = 255
    
    f = open("./new_data.txt", 'r')
    for i in range(512*512):
        line = f.readline()
        picture[int(i/512), int(i%512)] = int(line, 16)
    f.close()
 
    cv2.imwrite('./new_lena.bmp', picture)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

if __name__ == '__main__':
    main()

         读取new_data.txt之后，经过python脚本转换，没有问题的话，就可以生成new_lena.bmp文件。打开后，可以检测一下效果，

         图片效果虽然有点吓人，但是至少说明我们的操作是成功，这个方法是可行的。

6、总结

        目前网上对verilog图像仿真讲的不多，细节部分就更少，希望今天讲的iverilog+python+opencv的方法能够为大家带来新的思考、新的启迪。如果能够切实将这个方法用到平时的开发中，那就最好不过了。