4. 图像灰度化算法移植：RGB转Gray算法原理、C/C++代码编写、HLS优化指令初探

各位同学，欢迎来到《HLS图像加速算法移植实战》的第一章。

说实话，每次带新人做FPGA图像处理项目，我都是从“灰度化”这个点切入的。为什么？因为它足够简单，但又包含了算法移植的完整流程——从原理到C代码，再到HLS优化，一条线全串起来了。

今天我们就来啃下这第一块骨头。

4.1 RGB转Gray算法原理

先问大家一个问题：一张彩色图像，在计算机里是怎么存的？

嗯，最常见的格式就是RGB——每个像素用R（红）、G（绿）、B（蓝）三个分量表示。而灰度图呢，每个像素只有一个亮度值。

那怎么把三个数变成一个数？说白了，就是加权求和。

这三个系数怎么来的？我简单解释一下：人眼对绿色最敏感，对蓝色最不敏感。所以绿色权重最高，蓝色最低。这是ITU-R BT.601标准里定义的，也是工业界最常用的方案。

当然，也有简化版本：

• 平均值法： Gray = (R + G + B) / 3 —— 简单，但效果偏暗
• 仅取绿色法： Gray = G —— 最省资源，但丢失了红蓝信息

我个人习惯用标准加权法。之前在某个工业检测项目里，客户要求灰度图必须保留原始图像的对比度特征，用平均值法出来的图，边缘检测效果差了一大截。后来换成加权法，问题就解决了。

4.2 C/C++代码编写

算法原理搞清楚了，接下来就是写代码。我们先在PC上验证功能，再移植到HLS。

4.2.1 纯软件实现（C++）

#include <iostream>
#include <vector>
#include <cmath>

// RGB转Gray函数
void rgb2gray(const unsigned char* rgb_in, 
              unsigned char* gray_out, 
              int width, int height) {
    for (int y = 0; y < height; y++) {
        for (int x = 0; x < width; x++) {
            int idx = (y * width + x) * 3;
            unsigned char r = rgb_in[idx + 0];
            unsigned char g = rgb_in[idx + 1];
            unsigned char b = rgb_in[idx + 2];
            
            // 标准加权法
            int gray = (int)(0.299f * r + 0.587f * g + 0.114f * b);
            if (gray > 255) gray = 255;
            if (gray < 0)   gray = 0;
            
            gray_out[y * width + x] = (unsigned char)gray;
        }
    }
}

int main() {
    // 假设有一张640x480的RGB图像
    int width = 640, height = 480;
    std::vector<unsigned char> rgb(width * height * 3, 128);
    std::vector<unsigned char> gray(width * height, 0);
    
    rgb2gray(rgb.data(), gray.data(), width, height);
    
    std::cout << "灰度化完成！" << std::endl;
    return 0;
}

这段代码很简单，但有个坑——浮点运算。在FPGA里，浮点乘加是很贵的。所以我们需要做定点化。

4.2.2 定点化优化

把浮点系数放大成整数，再移位回来：

// 定点化版本：系数放大2^16倍
#define R_WEIGHT  19595  // 0.299 * 65536
#define G_WEIGHT  38469  // 0.587 * 65536
#define B_WEIGHT  7472   // 0.114 * 65536

int gray = (R_WEIGHT * r + G_WEIGHT * g + B_WEIGHT * b) >> 16;

你看，这样就把浮点运算变成了整数乘加和移位。在HLS里，这种写法综合出来的硬件资源会少很多。

4.3 HLS优化指令初探

代码写好了，怎么让它跑得快？这就轮到HLS优化指令上场了。

我们先看一个最基础的HLS版本：

#include "hls_stream.h"
#include "ap_int.h"

typedef ap_uint<8> pixel_t;
typedef ap_uint<24> rgb_pixel_t;

void rgb2gray_hls(hls::stream<rgb_pixel_t>& rgb_in,
                  hls::stream<pixel_t>& gray_out,
                  int rows, int cols) {
    
    #pragma HLS INTERFACE axis port=rgb_in
    #pragma HLS INTERFACE axis port=gray_out
    
    for (int y = 0; y < rows; y++) {
        for (int x = 0; x < cols; x++) {
            #pragma HLS PIPELINE II=1
            
            rgb_pixel_t rgb_val = rgb_in.read();
            pixel_t r = rgb_val.range(23, 16);
            pixel_t g = rgb_val.range(15, 8);
            pixel_t b = rgb_val.range(7, 0);
            
            ap_uint<32> gray = R_WEIGHT * r + G_WEIGHT * g + B_WEIGHT * b;
            gray = gray >> 16;
            
            gray_out.write((pixel_t)gray);
        }
    }
}

这里我用了两个关键指令：

• #pragma HLS INTERFACE axis —— 把接口配置成AXI4-Stream，这是视频处理最常用的接口
• #pragma HLS PIPELINE II=1 —— 让循环流水线化，目标是一个时钟周期处理一个像素

为什么II=1这么重要？

你想想看，如果II=2，处理一张1080p的图像就要多花一倍的时间。在视频领域，帧率是硬指标。我曾经有个项目，就因为II没压到1，导致帧率只有30fps，客户直接拒收。后来优化了数据通路，II=1，帧率跑到60fps，一次过。

4.4 本章知识体系

为了让大家更直观地理解本章的内容结构，我画了一张流程图：

这张图把本章的三个核心模块串起来了。从算法原理出发，到C代码实现，再到HLS优化，每一步都有明确的输入输出。

4.5 避坑指南

最后，分享几个我踩过的坑：

• 数据类型要小心： 在HLS里，ap_uint<8>和unsigned char虽然都是8位，但综合出来的硬件可能不同。我建议统一用ap_uint系列，可控性更强。
• 边界处理： 图像边缘的像素，有些算法需要特殊处理。灰度化虽然不需要，但养成习惯总是好的。
• 仿真验证： 别偷懒。先用C仿真跑一遍，再用RTL仿真跑一遍，对比输出结果。我曾经因为一个移位方向搞反了，浪费了两天时间。

好了，第一章就到这里。灰度化虽然基础，但它是你进入HLS图像处理世界的第一道门。把这一步走扎实了，后面的章节你会轻松很多。