Image processing 在FPGA板上实现KMeans集群的速度有多快？

我在OpenCV/C++中编写了一个代码来分割视频的RGB图像：我加载图像并根据其颜色对其中的区域进行聚类。我选择KMeans来执行分割，结果很好。但是，对于大小为960x1280的图像，对单个图像进行聚类需要几秒钟的时间，以这种速度，我无法实时使用它。我的代码打算用VHDL重写，以便在FPGA板上实时运行，所以我想知道，考虑到现代FPGA板的并行化能力，我能获得多大的加速？我对这类电路板几乎没有经验，所以如果在其中一个电路板上实现代码，我无法预测代码的速度。我想听听你的意见，如果加速不够，我可能不得不用其他一些图像分割算法来改变Kmeans，如果是这样，最好现在就做，而不是编写vhdl版本。

如果你有一点经验，就不要做！这就是原因。是的，FPGA非常快，但是我们能够在它上面合成一个KMean（当然可以这么说），那么OpenCV部分呢？你打算在哪里经营它？想想公共汽车的速度吧！我的想法是，在那里使用GPU，与FPGA相比，使用起来更容易，也更简单，在图像处理方面也表现得很好。PS[你提到实时，我想你是指流媒体]如果不是这样，你必须获得openCV的rif和实时库。顺便说一下，给你的问题加上一些代码，也许问题在于编码；-）@OPENCV引擎不是一个问题，OpenCV的源代码是在线的，它不难在C或C++中独立于OpenCV重写，它可能不会像OpenCV那样优化，但是通过额外的努力，你可以使用SIMD和OpenMP例程达到一个体面的执行时间。所谓实时，我的意思是，当相机打开时，我以一定的频率对“实时”流进行采样，并在每个图像到达时对其进行聚类。关于“板上KMeans的合成”，你能详细说明一下你的答案吗？KMeans的合成意味着把所有的东西都放在vhdl中，既然你认为opencv不会是一个问题，那么你想在硬核或软核上做什么处理呢？我的第一个选择是GPU。它的速度足以解决您的问题，但如果您有足够的资金，特别是足够的时间在FPGA上执行此操作，您应该调用：）@Engine，实际上，在我决定是在FPGA上还是在GPU上实现它之前，我可能应该做一个权衡研究。目前我不知道从哪里开始，但是谢谢你的建议。如果你有任何其他的建议或意见，他们总是欢迎你的问题是无法回答的。分析您的代码，并找出它需要几秒钟的原因。找出它是否可以并行化——在最简单的层次上，你能独立地处理子块吗？通过编写代码来分发块并缝合结果来证明这一点。或者可以在一个块中并行运行多个计算？什么计算？当你发现后，发布算法，你可能会得到答案。