下面進行Prewitt的NEON加速設計，将實作的具體思路描述一下。
S0. Prewitt的C語言實作
我把Prewitt算子的計算過程按下圖重新進行表示：
可以看到該算法主要分為了三個步驟去實作：
1. 像素灰階化，将源圖像數像素點的彩色圖像轉換為灰階值，使用常用的公式：GRAY=(R*77+G*151+G*28)/256
2. x、y方向一階梯度計算
3. 兩個方向梯度均方根計算
C代碼：
unsigned char pixel_rgb2gray(unsigned char * rgb)
{
unsigned char gray;
unsigned int y = (rgb[] * ) + (rgb[] * ) + (rgb[] * );
gray = (y >> );
return gray;
}
int prewitt_c_perfect_loop(IMG_SRC_MAT src, IMG_DST_MAT dst, unsigned int uiParam2, unsigned int uiParam3)
{
unsigned int i,j;
unsigned int gx,gy,g;
unsigned int sum_check=;
unsigned int array[FILTER_WINDOW][FILTER_WINDOW];
//perfect loop
for(i=; i<(IMG_ROWS-); i++){
for(j=; j<(IMG_COLS-); j++){
array[][]=pixel_rgb2gray((*src)[i-][j-]);
array[][]=pixel_rgb2gray((*src)[i-][j]);
array[][]=pixel_rgb2gray((*src)[i-][j+]);
array[][]=pixel_rgb2gray((*src)[i][j-]);
array[][]=pixel_rgb2gray((*src)[i][j]);
array[][]=pixel_rgb2gray((*src)[i][j+]);
array[][]=pixel_rgb2gray((*src)[i+][j-]);
array[][]=pixel_rgb2gray((*src)[i+][j]);
array[][]=pixel_rgb2gray((*src)[i+][j+]);
gx = (array[][] + array[][] + array[][]) - (array[][] + array[][] + array[][]);
gy = (array[][] + array[][] + array[][]) - (array[][] + array[][] + array[][]);
g = sqrt(gx*gx + gy*gy);
if (g > ) g = ;
//else if (g < 0) g = 0;
(*dst)[i][j][] = g;
(*dst)[i][j][] = g;
(*dst)[i][j][] = g;
sum_check += g;
}
}
return sum_check;
}
可見，針對輸出圖像的每個像素點都要進行單獨的Prewitt計算，整體計算的循環次數的數值是比較大的，而且在RGB轉換灰階、均方根計算時用到了乘法和平方根的計算，這對于CPU來說占用大量的計算時間。具體的計算時間就不在這裡說了，總之要達到60fps（16.667ms）的速率是達不到的，實作不了Prewitt的實時計算。
S1. Prewitt的NEON加速方案
Prewitt同衆多濾波算法類似，采用的是3*3滑動視窗逐個掃描整幅輸入圖像，然後進行加權重、平方根等計算得到最終一個像素的結果。這些算法有一個很明顯的特點就是計算濾波結果時，前一個像素濾波與接下來的一個像素會共用到6個同樣的原始像素點，即兩次的3*3視窗是有重疊部分的。如下圖所示，第一次的視窗為紅框，第二次為綠框，它們有6個共用的原始像素點。
因連續的兩個像素濾波會共用原始像素點資料，若在計算時能夠進行結果緩存或者其他一些處理，将能夠大大降低算法對從DDR讀取源資料、灰階變換等計算過程的CPU處理時間。
NEON有并行計算的能力，可以同時針對多種資料格式進行并行的加、減、乘、移位、平方根倒數等計算。而NEON并行計算一般情況下是針對8個元素的向量進行計算的。根據這個特點，我們将Prewitt算法一次進行3*3資料讀取的方式改變，每次直接對8*3的原始資料進行處理。而8*3的原始資料實際進行中，隻能夠産生6個準确的計算結果，如下圖加深的6個像素點對應的位置可以獲得計算結果。
上面這個可以說是這個加速設計中最為重要的一環！！！精華所在
是我自己想了一段時間想出來的，但我感覺肯定有别人想到的比我更早~~我可沒有抄襲哦
如果有人受到這個的啟發，歡迎交流哦，微信：vacajk
接着說——是以，我們将對Prewitt算法進行NEON并行方式的加速，每次讀取8*3個原始像素點（針對RGB原始資料格式，每個像素點内有R、G、B三個顔色通道，資料量為3倍：24*3位元組），進行處理後得到6個濾波結果進行儲存，接着向右步進6個像素進行下一次的處理。如下圖，紅色虛線框内為第一次8*3的原始像素點，綠色虛線框内為第二次的8*3原始像素點。每次計算使用并行處理方式實作6個像素點的濾波結果計算，即圖中最底下的0~5像素點。
針對設計要求，我們本需要進行640*360=230,400次循環（去除邊界，實際為638*358=228,404次），但是使用上面的加速方案，可以将循環減少為原來的1/6：638/6 * 358=107*358=38306次循環。
NEON加速的循環次數僅為之前次數的16.77%，可見在循環次數這一項上，借助NEON的并行計算能力，就能夠使得速度有很大的提升。而在這實作後，我們還可以進行預加載、dual-issue功能的優化。最終速度肯定還能進一步的提升！
S2. Prewitt的NEON實作
下面用圖檔的方式來介紹Prewitt在NEON中加速的實作過程，在這之前需要你了解基本的NEON彙編指令及其用法，以及準備一份手冊：DUI0204IC_rvct_assembler_guide
8像素的RGB2GRAY
8*3視窗的RGB2GRAY
x方向一階梯度
y方向一階梯度
兩個方向梯度均方根
上面的左邊是資料的處理與變化格式，右邊含有對應的NEON彙編代碼。仔細研究應該可以看懂的吧，我就不再詳細說明了。要注意的是x方向和y方向一階梯度的計算是根據Prewitt算子公式的特點進行設計的，是以計算步驟不太相同。
在XC7Z010中裸奔的計算速度對比：
C代碼（-O0）： 635.9ms
原始彙編代碼：9.66ms
調整彙編指令順序（dual issue）：8.62ms
增加預加載指令（pld）：6.97ms
這一篇介紹了Prewitt的NEON加速設計思路與具體的實作方式，彙編源碼的裸奔測試也OK。下一篇介紹如何将彙編代碼加入整個ZYBO HDMI Demo工程中，實作HDMI視訊輸入、實時Prewitt的NEON加速計算、VGA視訊輸出，也就是系統總體功能的內建。