- 博客(159)
- 资源 (12)
- 收藏
- 关注
RSS订阅原创 claude code接入deepseek报 “API Error: 400“
运行claude code报如下错误,根本原因是claude 版本太新,一些规则已经更改。下面先说明下我的环境。
2026-06-13 11:03:27
226
原创 openISP学习15-BCC — Brightness/Contrast Control（亮度/对比度控制）
本文介绍了亮度对比度调整算法的原理及实现。该算法通过线性变换公式output = input × (1 + contrast) + brightness - 127 × contrast对图像进行全局调整：亮度参数控制整体明暗，对比度参数强化/减弱明暗差异。代码实现采用int16类型防溢出，并通过clipping限制输出范围。测试显示，亮度调整可使图像整体变亮/暗，对比度增强则使亮区更亮、暗区更暗，效果符合预期。典型参数为brightness∈[-255,255]、contrast∈[-1,4]（需除以32
2026-06-12 22:34:20
207
原创 openISP学习14-HSC — Hue/Saturation Control（色调/饱和度控制）
本文介绍了YUV色彩空间中的色调旋转和饱和度控制原理及实现。在YUV空间中，色调旋转对应UV平面向量旋转，饱和度控制对应UV向量长度缩放。文章给出了RGB与YUV的转换公式，并推导了色调旋转和饱和度调整的数学表达式。代码实现部分展示了使用预计算查找表进行高效运算的方法，修复了原代码中旋转后未除256的定点数处理错误，并新增了单独返回旋转效果的输出。测试代码通过生成UV渐变图像，验证了算法效果：左图显示原始UV图像，中图展示45度色调旋转结果，右图为饱和度增强1.5倍的效果。典型参数设置为色调128度、饱和度
2026-06-12 21:32:57
203
原创 openISP学习13-FCS — False Color Suppression（假彩色抑制）
文章摘要 本文介绍了抑制伪彩色（False Color Suppression, FCS）算法的原理与实现。FCS通过检测图像边缘区域（edgemap）动态调整色度（UV）的饱和度，在平坦区域保留色彩，在强边缘区域降低色度增益以减少伪彩色条纹。算法采用分段处理：边缘值低于阈值时保持原色度，超过最大阈值时完全去色，中间过渡区线性衰减。实现中关键参数包括边缘阈值、增益系数等，并通过Python代码展示了具体计算过程。测试案例验证了算法对不同边缘强度区域的色度调整效果，最终通过YUV420转换直观对比处理前后的色
2026-06-12 18:16:55
189
原创 openISP学习12-EE — Edge Enhancement（边缘增强）
本文介绍了一种基于类拉普拉斯算子的边缘增强算法。该算法通过3×5滤波器提取图像边缘响应，利用双阈值非线性增益函数（emlut）抑制噪声并增强显著边缘。处理流程包括：原图→边缘检测→非线性增益→叠加增强。核心参数包括滤波器矩阵、强弱边缘的增益系数和阈值范围。测试代码展示了阶跃边缘图像的增强效果，验证了算法在边界区域能产生明显的非零响应。最终输出为原图与增强边缘的叠加，有效提升了图像边缘的锐利度。算法通过卷积运算和阈值控制实现了对图像边缘的选择性增强。
2026-06-12 14:29:48
265
原创 openISP学习11-BNF — Bilateral Noise Filtering（双边滤波降噪）
双边滤波算法结合空间距离和像素值相似性进行加权处理，在平滑噪声的同时保留边缘。其核心权重公式为空间高斯权重与像素差值权重的乘积，实现"离得近且长得像"的像素才具有显著影响力。算法采用5×5邻域窗口，通过双重循环计算每个像素的值域差，并根据阈值分配不同权重。测试结果表明，该算法能有效平滑随机噪声图像，但对真实图像可能过度模糊细节。OpenISP中的实现包含空间权重矩阵(dw)和4级值域权重(rw)等关键参数，最终输出为邻域像素的加权平均值。
2026-06-12 11:56:18
264
原创 openISP学习10-NLM — Non-Local Means Denoising（非局部均值降噪）
摘要 非局部均值(NLM)算法是一种基于图像自相似性的降噪方法，通过搜索窗口内相似像素块的加权平均实现去噪。其核心公式为NLM(x)=Σw(x,y)×I(y)/Σw(x,y)，其中权重w(x,y)由像素块间欧式距离决定，采用指数衰减函数计算。算法在YUV空间的Y通道或灰度图上应用时计算较为简单。实现时需注意：(1)搜索窗口(2Ds+1)^2和邻域块(2ds+1)^2的关系；(2)通过wmax技巧保留中心像素最大权重；(3)参数h控制平滑强度。测试表明，该算法能有效降低高斯噪声，但对均匀图像处理前后无变化，且
2026-06-12 09:57:29
244
原创 openISP学习9-CSC-Color Space Conversion（色彩空间转换）
本文介绍了RGB到YUV色彩空间转换的原理和Python实现，重点使用BT.601标准公式。YUV色彩空间中Y代表亮度，U/V表示色度。文章给出了转换矩阵公式，并通过NumPy实现了高效向量化计算，包含防溢出处理（使用uint32中间类型）和结果规范化（除以1024）。测试验证了纯灰图像的色度中性（Cb/Cr≈128）和白点亮度值（Y≈217），证实了算法的正确性。该转换可用于图像处理中的亮度和色度分离操作。
2026-06-08 23:11:11
309
原创 openISP学习8-GC — Gamma Correction（Gamma 校正）
摘要： Gamma校正是图像处理中的关键非线性操作，用于适配传感器线性响应与人眼非线性感知（对暗部更敏感）。其原理通过幂函数output = (input/maxval)^γ × maxval将线性图像映射至感知均匀空间（γ=0.5时图像更亮，γ=2时更暗）。算法实现采用查找表（LUT）预计算映射值，支持RGB/YUV模式，逐像素查表优化效率。测试显示，去除输出归一化（/4操作）后，γ=0.5的校正效果符合预期（图像显著变亮），验证了算法的正确性。该技术有效解决了设备与人眼间的信号差异，提升图像显示的自然度
2026-06-08 22:43:02
211
原创 openISP学习7-CCM — Color Correction Matrix（色彩校正矩阵）
本文介绍了色彩校正矩阵（CCM）的原理与实现。CCM通过3×4矩阵变换将相机RGB转换至标准色彩空间，修正光谱响应差异。算法采用1024倍定点数（Q10格式）存储系数，包含3×3线性变换和3个偏移项。测试部分验证了三种场景：1）单位矩阵保持颜色不变；2）偏移项正确影响各通道；3）非对角项实现通道间色彩转换。实验通过构建特定测试图像，对比处理前后效果，直观展示了CCM对色彩的重映射作用。该实现逐像素计算，支持8位RGB输出，可用于相机图像处理流水线中的色彩校正环节。
2026-06-08 00:05:49
324
原创 openISP学习6-CFA -Color Filter Array Interpolation（去马赛克）
本文介绍了基于Malvar-He-Cutler算法的去马赛克技术，该算法通过梯度修正的双线性插值从Bayer阵列恢复RGB图像。算法针对不同颜色位置（R、Gr、Gb、B）采用特定的5×5卷积核进行插值：在R位置通过十字方向插值G、对角插值B；在Gr/Gb位置分别沿水平和垂直方向插值R/B。文章给出了Python实现关键代码，包括边界填充、数值精度处理和分块处理流程，最终输出裁剪至指定范围的RGB图像。该方法有效减少了伪彩色现象，是经典的实时去马赛克解决方案。
2026-06-06 23:51:16
172
原创 openISP学习5-CNF — Chroma Noise Filtering（Bayer 域色度噪声滤波）
本文介绍了一种针对Bayer域图像的色度噪声滤波算法（CNF）。该算法直接在去马赛克前处理原始Bayer数据，通过噪声检测（CND）和噪声校正（CNC）两个步骤消除R/B通道的色度噪声。检测阶段在8×8邻域内计算绿色像素和同色像素的均值，当像素值异常偏高时判定为噪声。校正阶段采用自适应策略，根据AWB增益和亮度调整修正强度，在保留高亮细节的同时有效抑制色度噪声。算法仅处理R/B通道，对G通道直接保留，并通过反射填充处理边界像素。实验表明该方法能有效改善图像质量，为后续处理提供更干净的Bayer数据。
2026-06-06 22:08:20
187
原创 openISP学习4-AWB(自动白平衡增益控制）
本文介绍了自动白平衡（AWB）算法的基本原理与实现。AWB通过调整各颜色通道增益系数来消除不同光源导致的色偏，使白色物体在图像中呈现真实白色。文章详细讲解了AWB算法的数学公式和Python实现代码，包括对不同Bayer模式的增益处理。测试部分展示了在不同增益参数下的图像效果变化。最后，文章说明了实际平台中AWB调参（tuning）的方法：在标准灯箱下使用灰卡或色卡拍摄，通过计算R/G和B/G比值确定参考点，进而估计场景色温，并介绍了全局增益和基于ROI的白平衡两种计算方式。
2026-06-06 18:39:16
198
原创 openISP学习3-AAF— Anti-Aliasing Filter（抗混叠滤波）
摘要： AAF（抗混叠滤波）是一种用于Bayer RAW图像去马赛克前的预处理技术，旨在抑制高频信号混叠导致的伪彩色问题。其核心原理是通过低通滤波器（5×5核，同色像素加权平均）主动模糊超出传感器奈奎斯特频率的细密纹理（如格子衫、百叶窗），避免算法因采样不足产生颜色失真。滤波器设计需保证仅对同色像素操作（偶数位置系数为0），避免通道间混叠。Python实现中利用scipy.ndimage.correlate高效完成卷积，测试显示AAF能有效平滑图像噪声（方差减小）。虽然牺牲部分锐度，但显著提升了颜色还原的准
2026-06-06 15:53:54
330
原创 openISP学习2-DPC(黑电平补偿)和BLC(黑电平补偿)
本文介绍了坏点校正（DPC）算法，用于修复图像传感器中的异常像素。算法通过比较待检测像素与4x4邻域内同色像素的差值来识别坏点，提供两种修复模式：mean模式取4个直接邻居的均值替换坏点；gradient模式则计算4个方向的梯度，选取最小梯度方向的两邻均值进行替换。文章给出了DPC算法的Python实现代码，并通过测试案例展示了两种模式对人工构造的坏点（中心像素值为0）的修复效果，mean模式使坏点恢复为周围均值，gradient模式则根据最小梯度方向进行修复。测试结果验证了算法的有效性，能有效消除图像中的
2026-06-06 14:52:29
224
原创 openISP学习1-openISP介绍
OpenISP是一个开源图像信号处理器（ISP）项目，支持RAW、RGB、YUV等色彩空间的转换和处理。文章首先介绍了常见的图像色彩空间，包括Bayer阵列（如RGGB）、RGB和YUV，并解释了它们之间的转换原理（如Demosaic去马赛克、色度下采样等）。随后详细解析了OpenISP的处理流程（Pipeline），涵盖从RAW域预处理（DPC、BLC）、RGB域处理（CCM、Gamma校正）到YUV域后处理（降噪、边缘增强）的完整链路。文章还对比了实际案例（森云星光相机）的ISP技术，补充了LDC、3A
2026-06-06 10:19:28
256
原创 数字图像处理-13-图像频域变换数学基础之快速傅里叶变换
本文介绍了快速傅里叶变换（FFT）及其逆变换（IFFT）的Python实现方法，包括一维和二维情况，并简要说明了一维离散余弦变换（DCT）的原理。 主要内容： 一维FFT实现：基于Cooley-Tukey时域抽取算法，通过位倒序排列和分治策略将复杂度降至O(N log N) 一维IFFT实现：利用共轭对称性，通过调用正向FFT实现逆变换 二维FFT实现：利用可分离性，通过行列方向分别进行一维FFT实现 二维IFFT实现：类似二维FFT，行列方向分别进行一维IFFT 一维DCT原理：通过余弦基函数展开实数信号
2026-05-31 16:04:56
250
原创 数字图像处理-12-图像频域变换数学基础之各种傅里叶变换
本文介绍了傅里叶变换的基本概念和应用，重点探讨了离散傅里叶变换(DFT)及其高效实现方法——快速傅里叶变换(FFT)。作者通过Python示例展示了如何将三种不同频率的信号叠加后进行FFT分析，成功分离出原始频率成分。文章详细推导了N=8时的FFT计算过程，阐述了FFT"分而治之"的核心思想，即将复杂DFT分解为多个简单计算单元的组合。虽然傅里叶变换原理复杂，但作者强调实际应用中掌握其使用方法更为重要，特别是FFT在数字信号处理中的高效性能使其成为重要工具。
2026-05-31 14:03:52
210
原创 数字图像处理-11-图像的一些合成操作
本文介绍了三种图像合成方法：加法、减法和与运算。加法合成通过像素值相加实现亮度叠加，适用于多曝光融合；减法合成提取两图差异，可用于背景去除；与运算通过二值化后逻辑与操作保留共同亮区域，常用于图像掩膜处理。每种方法均提供Python实现代码，支持8位灰度和24位彩色图像处理，并包含效果说明和示例图。
2026-05-26 21:27:20
430
原创 数字图像处理-10-图像的细化(Zhang-Suen ),粗化以及骨架变换
Zhang-Suen算法是一种经典的图像骨架提取技术，通过迭代删除边界像素将二值图像细化为单像素宽度的骨架。算法采用两阶段迭代：第一阶段删除东南方向边界像素，第二阶段删除西北方向边界像素。删除条件包括邻域像素数量限制、连通性保持以及方向性约束。扩展版本采用5×5邻域，增加扩展邻域连通性检查条件。粗化处理则是对偶细化过程，通过添加边界像素实现。算法通过Python实现，能有效保留原始结构特征，适用于字符识别等应用场景。
2026-05-26 09:31:27
365
原创 数字图像处理-9-图像的腐蚀和膨胀
本文介绍了二值图像的腐蚀和膨胀操作。腐蚀操作包括垂直腐蚀（3x1窗口检测上下像素）、水平腐蚀（1x3窗口检测左右像素）和全方向腐蚀（自定义5像素窗口检测），通过检测窗口内是否存在背景像素来缩小前景区域。膨胀操作与之对偶，包括垂直膨胀、水平膨胀和全方向膨胀，通过检测窗口内是否存在前景像素来扩大前景区域。每种操作都提供了Python实现代码和效果图展示，展示了不同方向处理后的图像变化。这些形态学操作可用于图像边界调整和特征提取。
2026-05-24 22:58:40
361
原创 数字图像处理-8-图像的阈值分割,连通区域标记,周长,面积计算(像素数量)
本文介绍了图像处理中的几个关键算法：1）灰度图像二值化，通过设定阈值将图像转换为黑白二值图；2）连通区域标记的两遍扫描法，通过检查像素邻域进行标签分配和合并；3）测量连通区域的面积和重心位置；4）删除面积过小的目标区域。文章详细说明了各算法的实现原理，并提供了Python代码示例，包括二值化处理、连通区域标记、区域测量等功能。这些算法适用于前景背景对比明显的图像，可用于目标检测、图像分割等应用场景。通过实际效果图展示了算法处理结果，如连通区域标记和区域测量统计。
2026-05-24 20:56:30
339
原创 数字图像处理-7-图像的梯度锐化算法
本文介绍了三种基于图像梯度的锐化方法。图像梯度反映灰度变化速率，边缘区域梯度大，平滑区域梯度小。通过计算像素点的一阶差分近似梯度，采用不同策略增强边缘：1）门限锐化对超过阈值的边缘叠加固定亮度；2）梯度二值化将图像转为黑白轮廓图；3）固定锐化将边缘强制设为白色，保留背景灰度。三种方法分别适用于突出边缘纹理、提取轮廓和兼顾背景信息的场景，并附有Python实现代码和效果图展示。
2026-05-24 15:02:17
393
原创 数字图像处理-6-图像的边缘检测的各种算子
本文介绍了多种边缘检测算子的原理与实现方法。主要包括：1）卷积核运算方法，包括2个卷积核取最大值和N个卷积核取最大值；2）Roberts算子，通过2×2窗口对角线差分计算梯度；3）Prewitt算子，采用3×3窗口行/列差分；4）Sobel算子，在Prewitt基础上增加中心权重；5）Kirsch算子，使用8个方向卷积核检测边缘。这些算子各有特点，如Roberts定位精确但对噪声敏感，Sobel抗噪性好，Kirsch对各向异性边缘更敏感。文中提供了各算子的Python实现代码和效果图展示。
2026-05-24 13:27:43
366
原创 数字图像处理-5-图像处理的数学基础
本文介绍了数字图像处理中的微分运算方法。首先阐述了一阶差分（横向、纵向和双向）用于检测图像边缘，以及二阶差分和拉普拉斯算子用于检测灰度变化率的变化。详细推导了4邻域和8邻域拉普拉斯卷积核的数学原理，并比较了它们的特性。随后给出了Python实现代码，包括水平、垂直和双向一阶差分运算，以及基于卷积核的拉普拉斯运算方法。通过实际效果图展示了不同运算对边缘检测的效果差异，为图像边缘检测提供了理论基础和实现参考。
2026-05-24 11:57:14
509
原创 数字图像处理-4-图像的中值滤波和最大值滤波方法
本文介绍了两种常用的图像滤波方法：中值滤波和最大值滤波。中值滤波分为NxN方形滤波和十字型滤波，通过取邻域像素的中值来消除椒盐噪声，保持图像边缘。NxN滤波效果更好但计算量大，十字型滤波速度更快但效果稍弱。最大值滤波则用邻域最大值替换中心像素，适用于膨胀操作、填充暗孔等场景。文中提供了Python实现代码，并展示了不同参数下的滤波效果对比图，分析了各方法的优缺点及适用情况。
2026-05-23 19:39:52
261
原创 数字图像处理-3-图像平滑处理的滤波方法-二值图像噪声消除和邻域平均法
本文介绍了图像噪声生成与二值图像降噪方法。首先通过随机噪声和椒盐噪声模拟相机传感器噪声，分别采用高斯分布随机量和低概率置黑方式实现。然后针对二值图像提出两种降噪算法：黑白翻转消噪通过8邻域均值判断孤立噪点并翻转；连通域分析则检测被白色包围的孤立黑点进行消除。实验表明，这些方法能有效去除二值图像中的颗粒噪声，改善图像质量。代码实现展示了从噪声生成到降噪处理的完整流程。
2026-05-23 19:10:33
376
原创 数字图像处理-2-二值化,投影,灰度变换,直方图
本文介绍了基于Python实现的图像处理方法，包括二值化、灰度变换和灰度投影。二值化部分包含固定阈值法和双固定阈值法，可将图像转换为黑白两色。灰度变换部分介绍了窗口灰度变换和分段线性变换，用于调整图像动态范围。灰度投影则用于分析图像元素间隔，如文字识别中的行间距检测。所有方法均基于8位位图实现，未使用第三方图像处理库，代码简洁高效。
2026-05-14 21:26:55
407
原创 数字图像处理-1-DDB,DIB以及Bitmap
本文介绍了DDB（设备相关位图）和DIB（设备无关位图）的区别，以及Bitmap图像文件的结构。DDB依赖设备调色板，而DIB自带颜色信息。Bitmap文件包含文件头、信息头、颜色表和图像数据四部分，其中颜色表仅存在于非24位图像中。通过一个15x16像素的闹钟图像实验，展示了如何解析Bitmap文件，包括读取文件头、信息头、颜色表以及图像数据。实验结果表明，该图像使用4位深度，包含16种颜色，验证了Bitmap文件结构的正确性。
2026-05-10 21:09:11
445
原创 Modbus-RTU状态机接收数据帧的方式(串口 or DMA)
传统单片机一般具有串口外设，有一些还具有DMA。针对没有DMA外设的单片机，只能使用方式1了，每个字节的串口数据都会产生串口中断。而对于具有DMA的单片机，我们可以使用方式2，当接收到一帧后才会产生中断，这样就不会频繁打断主程序运行。Modbus的一帧串口接收缓存最大为256个字节，所以接收到一帧数据，会产生256个串口中断。但串口中最好只做数据接收操作。不要有过多的耗时动作，不然会丢数据的，也影响主循环的实时性。1. Modbus 数据帧接收方式1-串口中断这种方式，在每次收到一个字节的数据
2022-05-21 09:22:33
5939
原创 ModbusTCP/Modbus RTU by TCP
gdgdgfsdfsdfdfsdfModbus TCP1.ModBUS TCP协议介绍其实就是加了个协议头，以及去掉RTU报文的CRC校验码 * <------------------------ MODBUS TCP/IP ADU(1) -------------------------> * <----------- MODBUS PDU (1') ----------------> * +-----------+-------------
2022-05-12 20:15:19
1605
原创 Freertos vPortEnterCritical卡死调试方法
今天遇到一个问题，Freertos卡在vPortEnterCritical断言中了，从vPortEnterCritical中的代码可以看到，此时在中断中执行了vPortEnterCritical。在检查完代码后，还是没注意到是在哪里调用了这个方法（老眼昏花了）。于是添加了几行log，轻松定位到问题。1.错误日志：RTOS_CORE [I] vPortValidateInterruptPriority:754 ulCurrentInterrupt:0x44RTOS_CORE [I] vPortVal
2022-05-10 22:13:11
5531
3
原创 Freertos中的几个中断优先级宏的理解
这里以STM32F4-Cortex-M4内核为例，来记录下面这些配置是什么意思。/* The lowest interrupt priority that can be used in a call to a "set priority"function. */ #define configLIBRARY_LOWEST_INTERRUPT_PRIORITY 0xf这个是内核优先级分组的位数，对于STM32F4来说，使用了4位来表示优先级。这里把优先级设置到最低，主要是能够为了其它中断能够打断内核
2022-05-10 20:25:07
4421
原创 Modbus xMBUtilSetBits函数注释
该方法用来设置线圈的数据，贴上部分代码。我们知道Modbus为数据为大端模式(高地址放在低位，低地址放在高位)，这样可以按着我们的习惯来设置IO数据。如下为设置多个线圈帧。今天就以这样的组合看modbus协议如何发送和解析的协议帧的。下图是我的测试记录，可以看到差异差异就是倒数第3个字节框选1：发送的报文Tx:008108-01 0F 0B B8 00 10 02 03 00 43 68框选2：发送的报文Tx:008116-01 0F 0B B8 00 10 02 03 C0 43 38 下面
2022-05-03 15:04:06
1240
原创 STM32串口发送中断踩坑
今天想测试下Modbus设备，手上暂时没有串口转485的模块，就打算用手上的stm32f042的开发板做个串口转485模块。如下所示但是软件实际开发过程中，遇到了麻烦。现象: 在打开串口接收中断时，串口会一直产生除接收中断外的其它中断，非常奇怪。 USART_ITConfig(InitPort, USART_IT_RXNE, ENABLE); //使能接收中断通过查手册发现，在打开接收中断时，默认会打开溢出中断下面的方式是不能清除溢出中断标记。 if (USART_GetFlag
2022-05-02 20:31:40
6089
1
原创 以esp32-s2开发需要了解的地方(esp32-s2为例)
文章目录1.系统f复位阶段需要关注的GPIO２.片上存储3.地址映射4.时钟配置5.入口函数6,分区表1.系统f复位阶段需要关注的GPIOESP32-S2 系列芯片共有 3 个 Strapping 管脚(GPIO0,GPIO45,GPIO46),这几个IO口默认都是内部上拉/下拉的，在芯片的系统复位（上电复位、RTC 看门狗复位、欠压复位、模拟超级看门狗 (analog super watchdog) 复位、晶振时钟毛刺检测复位）过程中，这3个GPIO的状态会被写入锁存器中，直到MCU关机。GP
2021-06-05 20:25:20
3740
DSP-TMS320F2800系列芯片库模板
2025-01-22
VS2010 TCP协议client和server简单通信例程
2019-03-04
emwin工具集合(GuiBuilder,SetupFontCvt等)
2017-11-04
yuv22rgb.rar
2019-08-21
VS2010 UDP协议client和server简单通信例程
2019-03-03
windows编译nginx(包含rtmp)可执行程序源码包
2019-03-03
ctsVerfifiler.apk
2018-03-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人