【 聲明：版權所有，歡迎轉載，請勿用於商業用途。 聯繫信箱：feixiaoxing @163.com】
在傳統的圖像處理過程中，很多算法都是由cpu來完成的。但是由於cpu是一條指令、一條指令來完成的，整個時間上處理比較長。因此如果在圖像處理的過程中出現標定、噪聲處理、hsv提取、灰度化、旋轉、算子計算、二值化、膨脹、腐蝕多次操作之後，那麼整個計算時間是挺長的，因爲每次處理的時候都需要將循環處理每個像素值，時間上是非常可觀的。所以，要想提高處理的速度，滿足實時性能要求，要麼cpu頻率高一些，要麼使用fpga、cuda、asic等處理方法來優化算法。
fpga目前的應用場合主要是硬件協議和算法。相比較具體的硬件協議，fpga在算法這一塊的加速效果也是非常明顯的。對於軟件工程師來說，特別是嵌入式軟件工程師來說，用fpga做算法是很好的一個選擇。
1、fpga優化的基本原理
如果cpu是對單個像素進行處理，那麼fpga可以併發同時處理多個像素，這是優化的關鍵。傳統圖像算法之間沒有依賴關係，這也決定了併發處理多個像素的做法是可以的，也是可行的。
2、fpga可以適配哪些算法
基礎的圖像算法都可以用fpga進行優化，比如下面
A、灰化
B、RGB -> HSV
C、直方圖
D、高斯噪聲處理
E、均值計算
F、二值化
G、Canny算子計算類
H、差值運算
I、腐蝕、膨脹
J、FFT、DFT等算法
K、旋轉
L、上下、左右翻轉
M、圖像差值計算等等
3、fpga不適宜的計算
除了傳統經典的圖像算法，fpga並不適宜那些複雜的算法，比如說區域查找、深度學習、rcnn、ssd、yolo等複雜的算法。這部分內容可以用cpu來完成，或者芯片廠商提供的sdk來加速完成，比如arm nn等等。
4、比較適合做實驗的fpga平臺
zynq，除了fpga，還有arm
5、fpga適合的應用場景
fpga整體成本略高，比較適合對處理性能有要求、同時價格不敏感的場景
6、可能代替fpga的方案
現在除了fpga之外，另外一個比較好的框架就是nvidia的cuda。cuda的處理思路和fpga比較類似，但是它設計起來比較簡單，可以用類c的代碼完成fpga需要的大部分功能。
7、將來的趨勢
未來一段時間內，fpga、dsp、cuda、多核cpu、asic都會存在，關鍵取決於應用場景，每一種方案都有自己的優勢。只是從成本來說，cuda可能會代替fpga，而asic最終會從所有方案中脫穎而出。