我们近期使用赛灵思SDAccel™开发环境来编译和优化专为FPGA加速卡采用OpenCLTM编写的视频水印应用。视频内容提供商使用水印起到广告和内容保护的作用。我们的目的是设计一种能处理运行在Alpha DataADM-PCIE-7V3卡上，吞吐量为30fps，分辨率为1080p的高清（HD）视频的水印应用。

SDAccel开发环境能让设计人员先用OpenCL编写应用，然后在无需了解底层FPGA实现工具的情况下把应用编译到FPGA中。可以以这种视频水印应用为例来介绍SDAccel中的主要优化技巧。

带标识插入功能的视频水印

该视频水印算法的主要功能是在视频流的特定位置覆盖一个标识。用于水印的标识可以是活动的，也可以是静止的。活动标识一般采用简短的重复性视频片段来实现，静止标识则采用静止图像。

广播企业宣传自己视频流最常用的方法是把企业标识用作静止水印，因此成为我们实例设计的目标。该应用根据下列等式，以逐像素粒度插入静止标识。

输入和输出帧为二维阵列，像素使用YCbCr色域表达。在该色域中，每个像素用三个分量表达。Y表示亮度分量，Cb表示色度蓝色色差分量，Cr表示色度红色色差分量。每个分量都用一个8位值表达，因为每个像素为24位。

该标识是一个包含待插入内容的二维图像。掩膜也是一个图像，但只包含标识的轮廓图。掩膜的像素可以是白色或黑色。掩膜的白色像素表示标识的插入位置，黑色像素则表示原始像素未被触及的地方。图1所示的，就是这种视频水印算法的运算方式实例。

目标系统和初始实现方案

我们运行该应用的系统如图2所示。该系统由Alpha Data ADMPCIE-7V3卡组成，该卡通过PCIe®链路与x86处理器通信。在该系统中，主机处理器从磁盘提取输入视频流，将其传输到设备全局内存中。设备全局内存位于FPGA卡上，可供FPGA直接访问。除把视频帧存放到设备全局内存中外，标识和掩膜也从主机传输到FPGA加速器卡上并存入片上内存中，以充分利用BRAM内存的低时延优势。因为本应用使用的是一个静止标识，只需在片上内存中存储静止图像和布局位置数据。

图1 - 工作中的视频水印算法

图2 - 视频水印应用系统总览图

创建数据后，主机处理器会给FPGA架构中的水印内核发送一个启动信号。该信号触发内核完成三件工作：开始从设备全局内存获取输入视频帧；在掩膜定义的位置插入标识；将处理过的帧传输回设备全局处理器，等待处理器调用。

视频流中每帧的数据传输与计算的协调工作使用图3所示的代码完成。

该代码运行在主机处理器上，负责发送视频帧到FPGA加速器卡，启动加速器，然后从FPGA加速器卡取回处理后的帧。

FPGA水印算法的首个实现方案如图4所示。这是一个功能正确的应用实现方案，但没有进行任何性能优化或为充分利用FPGA架构的功能进行考虑。因此该代码在SDAccel中编译完成后，在Alpha Data卡上运行得到的最大吞吐量仅为0.5fps。

从图4的代码中可以看到，这种水印算法不是一种高计算强度的设计。大多数时间花在访问内存，读取和写入视频帧上。因此我们在优化实例设计时，把重点放在优化内存带宽上。

使用矢量化优化内存访问

与其他软件可编程架构相比，FPGA架构的优势之一在于灵活性强，能配置连接内存的总线。SDAccel能根据具体的应用内核创建用于连接内存的定制化数据路径和架构。通过修改代码，一次可以处理多个像素，从而能够从内核中调用更高的内存带宽。这个过程称之为矢量化。

矢量化的程度是否合适，取决于具体应用和所使用的FPGA加速器卡。以Alpha Data卡为例，设备全局内存接口宽度为512位，这与SDAccel为内核提供的最大AXI互联宽度一致。鉴于最大带宽为512位，该应用调整为每次处理20个像素（24位/像素×20像素=504位）。SDAccel完全支持矢量数据类型。因此就本应用而言，代码的矢量化非常简单，就是把所有阵列的数据类型修改为char20（如图5所示），这样吞吐量就能达到12fps。

使用突发模式优化内存访问

虽然矢量化能显著改善应用性能，但仍不足以实现30fps的吞吐量目标。该应用仍然受内存局限，因为内核每次只能向内存传输20个像素。为减轻内存限制对应用造成的影响，我们不得不修改内核代码，以生成到内存的突发读取/写入操作，从而实现大于20个像素的数据集。修改后的内核代码见图6。

代码内核首先修改的是在内核中定义片上存储，以便每次存储像素块。片上内存用内核代码中声明的阵列来定义。为启动到内存的突发事务处理，该代码实例化memcpy命令，以将数据块从DDR移到内核内的BRAM存储系统中。根据片上内存资源的大小和待处理数据的量，一个视频帧可分割成20个1920×54像素块（如图7所示）。

当memcry命令把数据块放置到内核阵列中，该算法就会在数据块上执行水印算法，然后把结果放回内核阵列。数据块处理的结果随后使用memcry命令传送回DDR内存。反复执行这个操作20次，直至给定帧中所有的数据块处理完毕。通过修改内核代码，系统性能达到了38fps，超过了既定的30fps目标。

图3 - 用于协调每帧数据传输和计算的代码

图4 - 水印内核的初始实现方案

图5 - 矢量化后的内核代码

图6 - 针对突发数据传输优化的内核代码

应用前景广泛

使用SDAccel开发本文介绍的这类应用时所进行的必要优化属于软件优化。因此这些优化工作与从其他处理架构中（如GPU）获取性能所开展的优化类似。使用SDAccel后，让PCIe链路工作、驱动程序、IP布局和互联等细节都不是问题，使我们就像设计人员一样只需集中精力开发目标应用。

我们在水印应用中所做的优化适用于使用SDAccel编译过的所有应用。事实上视频水印应用就是一个很棒的技巧讲解案例，详细介绍了赛灵思SDAccel中推出的优化方法。