2026年FPGA校招，海思面试官让我手撕Verilog实现一个支持双线性插值的图像缩放模块，行缓冲深度和BRAM怎么算才不丢行？求具体推导和代码框架

行缓冲深度取输入图像宽度就行，不用纠结。双线性插值要两行同时用，所以你得至少开两行缓冲，算BRAM就是 行宽 × 位宽 × 2，再除以一个BRAM的容量取整。代码框架建议用流水线，每来一个像素更新一行缓冲，读出两行数据做插值。面试官主要想看你懂不懂资源估算和时序控制，别往复杂了扯。你现在用的工具链版本是多少？Vivado还是Quartus？

其实面试官让你手撕这个模块，核心不是看你能不能写出完美代码，而是看你对资源边界和计算路径的敏感度。行缓冲深度最稳妥的做法是取输入图像宽度，但要注意边界情况：如果缩放倍数导致输出像素对应输入坐标跨越多行，你可能需要额外一行缓冲来保证不丢数据。常见做法是用双口BRAM实现乒乓操作，深度选 max(输入宽度, 输出宽度) 的1.5倍冗余，但严格推导要结合插值核的窗口大小——双线性只需要2×2邻域，所以两行缓冲是底线。BRAM占用可以这样算：每行缓冲需要 位宽 × 深度 个存储单元，假设你用的BRAM是18Kb或者36Kb的，先查你器件型号的每个BRAM能存多少位，然后向上取整。比如输入是1080p、8-bit灰度图，每行需要1920×8=15360位，一个18Kb BRAM是18432位，刚好一行一个BRAM，两行就是两个。面试时你可以画个流水线框图：数据进来先写进行缓冲，同时从当前行和上一行读出四个相邻像素，然后算权重做乘加。记得提一句，如果输入输出宽高比不同，行缓冲深度按输入宽度算，输出宽度只影响插值计算器的时序。另外，你准备用同步复位还是异步复位？这个在面试里常被追问。

行缓冲深度不能只看输入宽度，还要考虑输出像素在缩放时可能跨行的极端情况。比如你从1920×1080缩到640×360，输出像素对应输入坐标的y值可能落在两行之间，双线性插值需要取上下两行各两个点，所以两行缓冲是必须的。但如果你用的缩放算法在边界处做了镜像或复制，深度可以适当减少。BRAM计算时，很多新手会忽略位宽和BRAM配置模式——比如你用的BRAM可以配置成512×36或者1024×18，选哪种取决于你的数据位宽。举个例子，RGB888每个像素24位，一行1920像素就是46080位，用18Kb BRAM的话需要3个才能存一行（因为每个最大18Kb=18432位），两行就是6个。代码框架我建议用状态机控制写地址和读地址，写地址每来一个像素加1，读地址根据当前输出像素的坐标反算，然后从两个行缓冲里分别读出两行数据。其实面试官更想听你讲清楚资源冲突怎么解决，比如读和写同时访问同一个BRAM的同一个地址怎么办——用双口BRAM或者加乒乓结构。你可以先画个时序图解释一下，比光说公式有效。对了，你准备用流水线还是状态机实现插值计算？这个选择会影响面积和吞吐率。

行缓冲深度就取输入图像宽度，双线性插值至少两行，BRAM按行宽乘位宽乘2再除单块容量向上取整。面试官其实更想看你推导过程，别光背公式，把边界条件说清楚就行。

其实面试官让你算BRAM，重点在考察你对资源和时序的权衡。行缓冲深度取输入宽度是常规做法，但如果你输出分辨率比输入小很多，比如从4K缩到720p，输出像素对应的输入坐标可能密集落在同一行附近，理论上可以缩减缓冲行数，代价是控制逻辑变复杂。我个人建议校招阶段还是按标准做法来：两行缓冲，深度等于输入宽度，位宽就是你的像素位宽。BRAM数量用总存储量除以单个BRAM容量向上取整，注意BRAM有最小配置粒度，比如18Kb的BRAM，你存个24位宽、1920深的数据，实际每个BRAM只能配置成512×36或者1024×18这种固定模式，得选最接近的。代码框架可以用一个写指针加两个读指针，写指针循环覆盖，读指针根据输出坐标反算行号，从两行里分别取数据。你当前在用什么开发板和工具链？不同厂家的BRAM配置模式有差异，说清楚了我可以给更具体的例子。

校招手撕这类模块，我见过不少同学一上来就写代码，结果被追问资源计算时卡住。行缓冲深度这个事，标准推导是这样：假设输入宽W、高H，输出宽w、高h，缩放因子Sx=W/w，Sy=H/h。双线性插值需要当前行和下一行各两个点，所以行缓冲至少存2行输入数据。深度取max(W, w)其实更保险——如果输出宽大于输入宽（放大），读地址可能跨行回读，但通常缩放模块是固定方向，深度取输入宽度就够了。BRAM计算分三步：先算单行存储量 = 像素位宽 x 输入宽度；再看器件BRAM规格，比如Xilinx 7系一个块RAM是36Kb可拆两个18Kb，每个18Kb最大深度1024；最后用单行存储量除单个BRAM容量向上取整，再乘2。举个例子，1920×1080输入，RGB565每个像素16位，单行需要1920×16=30720位，一个18Kb BRAM是18432位，所以一行需要2个BRAM（30720/18432=1.67向上取整），两行共4个。代码框架建议用三段式状态机：第一段控制写地址和行缓冲写入，第二段根据输出坐标计算读地址和插值系数，第三段做加权求和。有个常见坑是忘记处理输入最后一行的边界，当输出像素需要读取第H行和H+1行时，第H+1行不存在，要么复制上一行，要么用镜像模式。你面试时如果能主动提这个边界处理，会比只背公式加分很多。你现在是在准备提前批还是正式批？不同阶段面试官追问的深度不太一样，知道这个可以帮你调整侧重点。

行缓冲深度这个问题，面试官真正想考察的是你有没有从像素流的角度去思考数据依赖。双线性插值需要2×2邻域，也就是当前像素和下一行同一列的两个像素，以及它们右边的邻居。所以行缓冲至少需要存两行完整的输入数据，深度就是输入宽度。但有一个细节很多人会翻车：如果输出分辨率大于输入分辨率（图像放大），输出像素对应的输入坐标可能不是逐行递增的，但行缓冲里的数据依然是按输入行顺序写入的，读的时候通过计算输入坐标的y值来确定从哪一行读，所以深度还是输入宽度，不需要因为放大而加深。BRAM计算时，除了考虑每行存储量和两行总数，还要看你的BRAM配置模式——比如Xilinx 7系一个18Kb BRAM可以配成1024×18、512×36等，如果你的像素位宽是24位，深度1920，那一个BRAM只能存1024个像素，需要两个BRAM才能存一行，两行就是四个。代码框架我建议用双口RAM加流水线：写端口始终接收输入像素，地址计数器循环；读端口根据输出像素的y坐标算出要读哪一行，然后从两个RAM里分别读出两行数据，再根据x坐标的小数部分做加权平均。这样写出来的代码面试官一看就觉得你懂资源分配。另外注意边界处理，比如输入图像最后一行时，下一行数据不存在，一般做法是复制最后一行。你面试前最好把推导过程写在自己笔记本上，手撕时一边画图一边讲，比闷头写代码效果好。你现在用的开发板BRAM规格是多少？不同厂家的配置粒度不一样，说清楚了我可以帮你算算具体例子。

行缓冲深度就取输入宽度，两行，BRAM按总位数除单块容量向上取整，别纠结。手撕时先画个流水线框图，面试官看你思路清晰就行了。

面试官让你手撕这个模块，重点不是代码能不能运行，而是你对资源估算和时序的理解。行缓冲深度固定取输入宽度，双线性插值需要两行，所以总存储量就是2 输入宽度 像素位宽。BRAM数量用这个总存储量除以单个BRAM容量（比如18Kb=18432位），然后向上取整。注意如果像素位宽不是BRAM位宽的整数倍，可能会浪费一些存储，比如24位像素用18Kb BRAM，每个BRAM存682个像素就满了，实际需要3个BRAM才能存一行，两行就是6个。代码框架建议用状态机加双口RAM，状态机控制写地址和读地址，写地址每来一个像素加1，读地址根据输出像素坐标反算，然后从两个RAM里读出四个像素点做加权平均。边界情况比如图像边缘，可以复制边缘像素值。你面试前最好自己写一遍，把代码和推导整理清楚，面试时直接画波形图讲时序，比空谈公式更有说服力。

行缓冲深度这个问题，其实你从数据流的角度想就清楚了。图像输入是一行一行串行进来的，双线性插值需要当前像素所在行的两个点和下一行同一列的两个点，所以你必须先把当前行存起来，等下一行数据进来时才能同时访问两行。那行缓冲的深度自然就是输入图像的宽度，因为你要存完整的一行像素。比如输入是1920×1080，深度就是1920，单位是像素。至于位宽，就是你的像素位宽，比如RGB565是16位，RGB888是24位。BRAM的计算就是拿这个深度乘上位宽，得到一行需要的总存储位数，然后除以你器件里单个BRAM的容量（比如Xilinx 7系列一个18Kb BRAM可以存18432位），向上取整得到一行需要几个BRAM，再乘以2就是两行总共的BRAM数。这里有个容易踩的坑：如果你的像素位宽不是BRAM数据位宽的整数倍，比如24位像素用18Kb BRAM，每个BRAM只能配成512×36或者1024×18这种固定模式，你存1920个24位数据，其实每个BRAM存满1024个像素就到头了（因为1024×18=18432位，而24位像素每个占24位，1024×24=24576位，放不下，实际上只能存682个像素，因为682×24=16368位，小于18432），所以一行需要3个BRAM才能存完1920个像素，两行就是6个。代码框架的话，我建议用流水线而不是状态机，因为流水线能保持每个时钟周期输出一个像素，吞吐率高。具体做法是用两个双口RAM做行缓冲，写地址由输入像素计数控制，读地址由输出像素反算的输入坐标控制，读出的四个像素直接送到乘法器和加法器做加权平均。面试时你把这层推导和资源表画在白板上，面试官会觉得你工程感觉到位。你目前用的开发板是什么型号？不同厂家的BRAM配置模式有差异，这个会影响具体数字。