得益于 Raspberry Pi 等低成本硬件平臺(tái)，現(xiàn)在比以往更容易在硬件上對(duì)圖像處理算法進(jìn)行原型驗(yàn)證。大多數(shù)圖像處理算法需要進(jìn)行大量計(jì)算，在嵌入式平臺(tái)上以可接受的幀頻運(yùn)行它們非常困難。盡管 Raspberry Pi 在運(yùn)行簡(jiǎn)單的圖像處理算法時(shí)游刃有余，但大圖像和復(fù)雜算法應(yīng)在 NVIDIAJetson 等功能強(qiáng)大的硬件上運(yùn)行。

本文將以色度鍵控效果為例，介紹在嵌入式硬件上部署 MATLAB 圖像處理算法的簡(jiǎn)單工作流。我們將使用 MATLAB Coder 通過算法生成C代碼，然后使用在硬件上運(yùn)行的實(shí)用程序在 Raspberry Pi 板卡上進(jìn)行算法原型驗(yàn)證。最后，我們將算法移植至 NVIDIA Jetson Tx1 平臺(tái)以保證實(shí)時(shí)性能。

色度鍵控算法

色度鍵控廣泛用于電視天氣預(yù)報(bào)、電影制作和圖片編輯應(yīng)用程序，它是一種視頻處理技術(shù)，首先針對(duì)單色背景（如綠色屏幕）拍攝前景對(duì)象，然后用不同場(chǎng)景（圖1）替換該背景。

圖1：應(yīng)用色度鍵控之前和之后的示例

色度鍵控算法將圖像中的每個(gè)像素與代表單背景色的基準(zhǔn)色進(jìn)行對(duì)比。如果像素顏色與基準(zhǔn)色足夠接近，像素將由之前所選場(chǎng)景圖像的對(duì)應(yīng)像素替換。從數(shù)學(xué)上講，色度鍵控算法采用以下公式：

其中代表進(jìn)行色度鍵控后位置?(j,k)?處的最終像素值，是與原始圖像對(duì)應(yīng)的像素值，是代表替換單一背景色的場(chǎng)景的像素值，m(j,k)∈[0,1]?是掩碼值。掩碼數(shù)值?m(j,k)?對(duì)于前景像素應(yīng)該為?1，對(duì)于背景像素應(yīng)該為?0。0?與?1?之間的掩碼值可提供從背景到前景的平滑過渡。

每個(gè)像素的掩碼值通常在 YcbCr 顏色空間而不是普通的 RGB 顏色空間中進(jìn)行計(jì)算。YcbCr 圖像的 Y 分量代表亮度分量，用于確定圖像的明暗度。Cb 和 Cr 分量代表色度分量，用于衡量與基準(zhǔn)色的相似度。由于僅使用圖像的 Cb 和 Cr 分量衡量顏色相似度，該算法在應(yīng)對(duì)單一背景色明暗區(qū)域的亮度值差異時(shí)十分穩(wěn)健。

為衡量像素色與基準(zhǔn)色的相似性，我們?cè)谏瓤臻g中使用歐氏距離平方：

最后，使用以下公式計(jì)算圖像中位置(j,k) 的掩碼值：

其中 t1 和 t2 ( t2 > t1）代表要確定的閾值。

MATLAB實(shí)現(xiàn)

以下是色度控鍵算法的 MATLAB 實(shí)現(xiàn)：

在 MATLAB 中，圖像由類型 uint8 的 [N,M, 3] 數(shù)組表示。這表示，在執(zhí)行數(shù)學(xué)操作前，我們需要將圖像數(shù)據(jù)類型轉(zhuǎn)換為 “double”。為避免背景到前景的快速突變，我們對(duì)算出的掩模采用高斯過濾器進(jìn)行濾波。

確定基準(zhǔn)色和閾值

色度鍵控算法需要基準(zhǔn)色和閾值。使用 MATLAB Raspberry Pi 支持包中的相機(jī)接口，我們拍攝了實(shí)際場(chǎng)景的圖像。隨后，我們可以憑借經(jīng)驗(yàn)確定背景的適用基準(zhǔn)色和相應(yīng)的閾值。

img = snapshot(cam); 命令繪制 MATLAB 中 Raspberry Pi 相機(jī)拍攝的圖像。我們使用 MATLAB 繪制中的 Data Cursor 工具指定背景顏色（圖2）。

圖2：MATLAB 中用于確定背景色值的 Data Cursor 工具

要確定閾值，我們將循環(huán)運(yùn)行算法并調(diào)整閾值：

當(dāng)運(yùn)行代碼時(shí)，我們會(huì)獲得帶有所選背景的圖像（圖3）。

圖3：左：原始圖像；右：運(yùn)行色度控鍵算法后獲得的圖像

將色度鍵控算法部署到 Raspberry Pi

在部署代碼前，我們需要編寫一段包含有色度鍵控算法的循環(huán)體，循環(huán)體中還包括從相機(jī)拍攝圖像，并在 Raspberry Pi 連接的顯示器上顯示：

matlab.raspi.webcam 和 matlab.raspi.SDLVideo Display 是在硬件上運(yùn)行實(shí)用程序的 System objects，它們可簡(jiǎn)化部署工作流程中相機(jī)的使用和 Raspberry Pi 顯示。要編譯并運(yùn)行代碼，我們可執(zhí)行以下命令：

runOnHardware 功能會(huì)為 Raspberry Pi 硬件創(chuàng)建 MATLAB Coder 配置，為 chromaKeyApp.m 生成代碼并對(duì)其部署。為了以合理的幀頻運(yùn)行算法，圖像大小可縮小到 640x480 或 320x240。

生成GPU代碼

算法在 Raspberry Pi 上運(yùn)行，但是它不會(huì)實(shí)現(xiàn)我們需要的實(shí)時(shí)性能。為了加快算法的速度，我們要使用 GPU Coder 將其部署到 NVIDIA Jetson 平臺(tái)。我們需要生成 GPU 代碼以利用算法中的內(nèi)在并行性。首先，我們會(huì)編寫 main 函數(shù)進(jìn)行封裝，以利用 OpenCV 訪問連接到 NVIDIA Jetson 的 USB 相機(jī)。此功能將視頻幀從相機(jī)送到我們的 chromaKey 算法，隨后在屏幕上顯示輸出內(nèi)容。

生成 GPU 代碼后，我們首先創(chuàng)建 GPU Coder 配置對(duì)象、設(shè)置 GPU 參數(shù)以指向 NVIDIA Jetson 硬件平臺(tái)，然后加入自定義的 main 函數(shù)。我們不會(huì)在 MATLAB 主機(jī)上編譯代碼，因?yàn)槲覀儗ｉT為 NVIDIA Jetson 平臺(tái)生成代碼。我們將創(chuàng)建腳本來設(shè)置 GPU Coder 配置、輸入示例數(shù)據(jù)，并為我們的應(yīng)用生成源代碼。

我們隨后在 MATLAB 中運(yùn)行腳本為 chromaKey 算法生成 CUDA 代碼。

向 NVIDIA Jetson 部署綠屏算法

要向 NVIDIA Jetson 部署生成的代碼，我們需要使用以下 MATLAB 命令將全部所需文件打包到 codegen 目錄。

接下來，將生成的所有 codegen 文件夾從主機(jī)復(fù)制到 NVIDIA Jetson 控制板。在傳輸文件后，我們直接登錄到 NVIDIA Jetson 以構(gòu)建并運(yùn)行應(yīng)用程序。

登錄到 NVIDIA Jetson 后，我們運(yùn)行 NVIDIA 提供的 jetson_clocks.sh 腳本以將平臺(tái)性能最大化、切換到包含生成的源代碼（之前傳輸）的 codegen 目錄，然后執(zhí)行以下顯示的編譯命令。

在可執(zhí)行程序（chromaKey）Build 后，使用 NVIDIA Jetson 控制臺(tái)上的 USB 網(wǎng)絡(luò)攝像頭通過以下命令運(yùn)行應(yīng)用程序。每秒顯示幀數(shù)將顯示在輸出窗口中。

圖 4 顯示出現(xiàn)綠屏效果前后 NVIDIA Jetson 板卡的 USB 相機(jī)的輸出內(nèi)容。

圖4：應(yīng)用綠屏效果前后的示例

Raspberry Pi 和 NVIDIA Jetson 性能對(duì)比

NVIDIA Jetson 上 GPU 更加強(qiáng)大的并行處理能力極大地提高了算法的性能。Raspberry Pi 實(shí)現(xiàn)了約 1 幀/秒的幀頻，而 NVIDIA Jetson 對(duì)于 1280x720 大小的圖像實(shí)現(xiàn)了 20 幀/秒以上的幀頻。也就是說，無需對(duì)算法進(jìn)行任何修改或優(yōu)化，我們便獲得了 20 倍以上的加速。通過優(yōu)化 MATLAB 算法提高 GPU 代碼的生成效率，我們可以實(shí)現(xiàn)更高的性能。