上面這張圖配合文字，展示了行緩存（line buffer）在圖像卷積中的工作方式：

• 上半部分是一個按行掃描輸入的圖像塊（示例為 9×9，編號 1–81）。
  藍色表示已被寫入行緩存并按隊列等待的數據，綠色是當前這一步卷積所需的 3×3 鄰域像素。此刻選中的 3×3 為像素 {2,3,4 / 11,12,13 / 20,21,22}。

• 下半部分畫的是行緩存結構：三條“行 FIFO”（對應 3×3 卷積核的三行）。AXI4-Stream 按順序把新像素從右側送入（虛線箭頭，正在進入的是 23、24、25），緩存里的數據整體向左“移位”。
  當某個像素被移到最左上角位置時，它已經“過窗”，會從緩存中丟棄（刪除）。

• 對應當前位置，行緩存能同時讀出 9 個像素（綠色塊），與 3×3 卷積核的 9 個系數并行相乘，再經過加法樹求和，得到新的輸出像素（圖中標成 N2）。只要行緩存支持9路并發讀（通過多端口/分區/多BRAM實現），9 次乘法就能完全并行。

• 當需要并行進行多路卷積（例如多個卷積核/輸出通道）時，行緩存的容量與分區必須相應調整或復制，以提供足夠的并發訪問端口，避免端口沖突。

一句話：圖示的是一個隨輸入像素流滾動的三行緩存，它不斷滑動3×3窗口，支持九值并行乘加，從而高效地產生連續的卷積輸出。

像素 {2,3,4 / 11,12,13 / 20,21,22}被選中的原因：
行緩存在做的是“滑動 3×3 窗口”。

• 像素按行順序 1、2、3、… 進入緩存，3×3 卷積需要同時讀出 三行 × 三列 的 9 個像素。
• 這時緩存中三行的數據分別是（從左往右）：
  第1行：2…10；第2行：11…19；第3行：20…25（新像素從右側持續進入，整行一起向左移）。三行在列方向上是對齊的。
• 硬件把每行最左邊的三個位置作為當前卷積窗口的三列，于是得到：
  上：2、3、4；中：11、12、13；下：20、21、22 —— 這就是圖中標綠的 3×3。
• 這個 3×3 的中心是 12，對應輸出像素 N2（第一行的第 2 個輸出）。
  之后每到一個新像素（例如 26），窗口整體右移一列，讀到的 3×3 會變成 {3,4,5 / 12,13,14 / 21,22,23}，輸出 N3，以此類推。

所以，從 2–25 中選出的就是在當前時刻位于三行“頭部”的 3×3 對齊像素。

Reference:
F. K?stner, B. Jan?en, F. Kautz, M. Hübner and G. Corradi, “Hardware/Software Codesign for Convolutional Neural Networks Exploiting Dynamic Partial Reconfiguration on PYNQ,” 2018 IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW), Vancouver, BC, Canada, 2018, pp. 154-161, doi: 10.1109/IPDPSW.2018.00031.