在FPGA系列实验的第二实验中，我们学习了如何通过FPGA加速灰度图下sobel卷积运算。
在本次实验中，我们尝试使用卷积核对图像上各像素点在颜色空间上实现卷积，并通过FPGA进行加速。 具体公式如下：
1.将jupyter文件拷贝到pynq的根目录
2.在根目录下新建文件夹overlay_golden，并把bit和hwh拷到该文件夹中
3.将需要添加滤镜的视频也拷贝到根目录，重新命名为test.mp4
4.打开jupyter文件运行即可实现FPGA加速视频的怀旧色滤镜添加程序
*jupyter文件中还提供了用于比较运行速度的python代码块，以及集成化的用户接口
在项目进行过程中，我们小组将FPGA的加速程序和python自带的卷积函数对比，发现加速效果并不明显。
在C synthesis的报告文件中，我们最终发现是由于视频文件的I/O次数过多，导致程序I/O时间过长，进一步导致在综合时产生的RTL程序并行程度不高。
新的程序中，我们扩大了axis的带宽，从8bit拓宽到64bit，速度也相较于python函数有了明显的优势。
（由于cv2中卷积库实际调用的是C/Cpp函数，所以可以认为解决了I/O开销问题之后的程序相较于C程序有了明显的优势）
同时我们也获悉了FPGA和pynq上的一些参数和特性：
1.pynq-z2上不存在图形界面，所以调用某些图形界面上的函数会导致内核挂掉。
2.pynq-z2上内存是采用小端法存储的。
3.DMA上axis提供的最大数据流带宽是1024 bit，但是由于机子的限制，实际最高只能达到64bit。