浅谈图像处理算法的实现途径（CPUFPGAASIC）

　　人们对图像质量要求的不断提升，直接推动着图像算法的不断向前发展，那么到今天为止，常用的图像处理算法是怎么实现的呢？今天我们来谈一谈。
　　图像处理算法的实现一般有两种途径：软件或者硬件。软件 VS 硬件
　　软件实现方式，成本低，迭代快，且随着现在各种工具，平台的开源，用软件方式来实现算法，是很好的一种选择。但如果实时性要求较高，数据量较大，软件实现就不能够满足要求，需要改变算法或者改变实现方式来满足要求。
　　图像处理算法发展到今天，各种算法已经有一定的成熟度，想要改变算法来提高运行速度，难度比较大，因此大家纷纷将眼光转向了硬件实现上面。硬件实现方式
　　目前实现算法的途径主要有以下几种：通用计算机
　　通用计算机采用冯.诺依曼结构，串行处理单指令单数据。这种结构决定了它的处理速度比较慢，很难满足实时性要求，只能用于算法的验证和实时性要求不高的场合。
　　并行处理机
　　并行处理机即多个CPU同时工作。这样可以缓解单个CPU，不能实时处理数据的缺点。但这一技术目前存在工作时负荷不均匀，以及并行算法编写困难等问题，对于一些要求较高的场合，依然无法满足要求。
　　数字信号处理器
　　数字信号处理器也就是DSP（Digital Signal Processor)：是为了实现快速数字信号处理算法而设计的、具有特殊的结构的处理器。
　　通常用C语言进行编程，处理速度非常快，可达到2000MPIS，比最快的CPU快10-50倍。DSP的内部采用专用硬件实现数字信号处理的一些常用算法，所以用DSP处理一些算法速度非常快，比如乘加运算只需一个时钟，但DSP只是对某些固定的运算提供了硬件优化，其仍是串行指令执行系统，并且这些优化运算并不适合所有算法，使其受到了限制。
　　专用集成电路
　　专用集成电路（Application Specific Integrated Circuit，ASIC)是为了某一固定的算法和应用而设计的专用电路。
　　如果图像处理算法采用通用处理器+DSP结构，仍然不能满足速度的要求，可以考虑ASIC。因为是专门针对某一种算法设计的电路，所以运算速度可以做到很快。ASIC的缺点也很明显：设计周期长，需求少，成本高，功能单一，ASIC一旦投入使用，设计系统的灵活性比较差，新的算法和技术只能通过设计新的芯片来实现，通用性差。
　　现场可编程门阵列
　　现场可编程门阵列（Field Programmable Gate Array，FPGA)，FPGA是当今应用最广泛的可编程逻辑器件，也被称为可编程ASIC，FPGA在结构上具有逻辑功能块，采用查找表结构，通过可编程的内部连线连接功能模块来实现逻辑功能。
　　FPGA的功能是通过逻辑结构的配置数据来实现。工作时，设计者可现场编程改变FPGA的逻辑功能，设计出所需要的硬件逻辑，可以实时、灵活的更新和开发，提高了设计的灵活性和通用性。
　　图像处理具有并行性，因此采用合适的并行性算法是提高图像处理速度有效的方法。而FPGA在设计上，可以采用硬件并行和流水线技术，正好可以满足要求。
　　FPGA适合用来实现对实时图像和视频的处理。包括：直方图均衡、均值滤波、中值滤波、边缘检测、图像旋转、图像缩放等等。各种适合FPGA进行图像处理的算法，正在不断的出现和完善。
　　随着集成电路技术的不断成熟，国内外以FPGA为基础的图形图像算法和应用也层出不穷，如在汽车电子中的车载电视、车载可视电话等都是基于FPGA进行的数字图像处理；在数字电视系统中，FPGA正在越来越多的被应用，在图像显示、图像压缩、图像格式转化、I/O接口等都是用FPGA进行处理。
　　小结
　　就个人工作经历而言，ASIC和FPGA的使用非常多，但两者还是稍有不同。FPGA更多的偏向于算法的功能验证，如果要产品化量产的话，最终都会选择ASIC。所以一般的开发流程是：算法开发->FPGA验证->ASIC。