在我們的周遭環境充斥著各式各樣的影像裝置，包括環境的監測與人群的監控、個人行動裝置上的即時影像記錄或是車輛的周邊影像顯示等應用，如何提供影像顯示、影像資料儲存、影像的辨識或處理等，這也是所謂的智能視覺系統的設計概念。
設計這種智能視覺影像系統的硬體架構，包括了光學影像擷取、光感測、光傳輸等光學設備，還需要高效能的處理器平台來進行影像格式的轉換、資料分析等運算工作，這類的工作通常都需要使用大量的演算法來進行。
Xilinx Zynq SoC(System on Chip)平台非常適合這類智能視覺平台的高效能要求應用，內含ARM Cortex A9雙核心處理器，29K~85K可程式邏輯單元，具備了高效能的處理器運算能力並可支援多種外接影像/資料傳輸介面，另外，可將相關的嵌入式設計或控制元件配置於可程式邏輯單元(FPGA, Field Programmable Gate Array)上實現高度彈性的設計需求。
本文探討把影像強化應用程式移植到可程式系統晶片平台的流程，所使用的硬體發展環境為智能視覺開發平台SVDK(Smart Vision Development Kit)，並以Xilinx Vivado套件作為軟體開發環境，將影像處理應用程式移植到SVDK硬體平台上，經由高解析度攝像頭擷取影像，之後經此影像應用程式進行影像的前級處理，藉由不同等級的影像處理程序流程來調整其效能，最後總結使用經驗。

There are many kinds of image/vision devices surrounding us, includes environment / crowd surveillance and monitoring, real-time imaging record of personal mobile devices, or around-view system of vehicles, etc... How to perform vision display, video data storage, subject recognition and video processing functions? This is the design concept of smart vision systems.
For the hardware architecture design of smart vision system, we need optical devices such as video cameras, light sensors and optical transceivers/receivers. We also need a high-performance processor platform for image format transformation, data analysis and calculation. It requests algorithms for such tasks.
Xilinx Zynq SoC (System on Chip) platform is suitable for high-performance requests of smart vision systems. It contains ARM Cortex A9 dual-core processor, 29K to 85K LUTs (Look-Up-Table) logic units, support high-performance processing ability and many kinds of video/data interfaces. And we can implement embedded design blocks or control units in FPGA (Field Programmable Gate Array) to achieve high-flexibility design requirements.
We discussed how to migirate the image enhancement application program to all programmable SoC platform in this paper. I selected SVDK (Smart Vision Development Kit) for hardware development platform and Xilinx Vivado tool for software developing environment. First, we integrated the image enhancement IP into Zynq platform, and then go to capture image data from the high-resolution camera. Then we can do image pre-processing progress in Zynq platform. We learned how to get different performances through different image processing progresses/algorithms. In the end, we summarized the user experience and the conclusion.

[1] Milan Sonka, Vaclav Hlavac and Roger Boyle, “Image Processing, Analysis, and Machine Vision”, Cengage Learning, Fourth Edition, 2015.
[2] ARM product roadmap.
https://www.arm.com/products/processors
[3] Xilinx, Zynq-7000 All Programable SoC Data Sheet: Overview, DS190 (v1.11) June 7, 2017.
[4] 何賓，”Xilinx All Programmable Zynq-7000 SoC設計開發寶典”，佳魁資訊股份有限公司，台北，2017。
[5] Xilinx, Vivado Design Suite User Guide, Design Flows Overview, UG892 (v2015.3) September 30, 2015.
[6] 李新兵，“嵌入式系統設計 Verilog-ARM Base on FPGA”，佳魁資訊股份有限公司，台北，2016。
[7] 鄭光欽、周靜娟、黃孝祖、顏培仁、吳明瑞，”Verilog 硬體描述語言實務”，全華圖書股份有限公司，2016。
[8] ANVNET, SVDK Hardware User Guide, Document Revision 1.1, 2015-05-18.
http://picozed.org/product/picozed-smart-vision-development-kit
[9] 林嘉和，以FPGA為基礎之嵌入式視覺平台實作，國立臺灣科技大學電子工程系碩士論文，pp.23~43，2013。
[10] 羅一中，改良式直方圖等化應用於即時影像增強之低成本FPGA設計，臺北科技大學電機工程系所碩士論文，pp.4~12，2005
[11] 鍾國亮，"影像處理與電腦視覺，第6版”， 臺灣東華書局股份有限公司，2015。

[12] Xilinx, Image Enhancement v8.0, LogiCORE IP Product Guide, PG003, November 18, 2015.
[13] 鍾穎慧，不同影像尺寸與不同特徵表達對影像辨識之影響，國立中央大學資訊管理學系碩士論文，pp.25~32，2010。
[14] 趙國廷，應用於多干擾環境下之FPGA視覺化監控系統，臺北科技大學電腦與通訊研究所碩士論文，pp.29~43，2014。
[15] 何政倫，高速視覺檢測影像前處理硬體加速器，國立中央大學資訊工程學系碩士論文，pp.32~48，2018。
[16] 翁豐盛，即時自動彩色影像強化技術，國立臺灣科技大學電機工程系碩士論文，pp.5~27，2011。
[17] 周永杰，發展更具效率之多運算子影像視訊畫面尺寸調整機制，國立中央大學資訊工程學系碩士論文，pp.5~41，2016。