armwind的专栏

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

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

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

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。

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。

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

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。

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

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。

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。

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。

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。

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

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

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

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

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

常用视频接口别人已经总结好了，直接拿过来吧https://blog.csdn.net/ytffhew/article/details/83618007

网络上有很多介绍RTSP的文章，但是看后还是印象不深刻，这里就记录一下读学习笔记吧。1.协议介绍RTSP协议以CS的方式工作，它是一个应用层的多媒体播放控制协议，用来使用户在播放从互联网下载的实时数据时能够对其进行控制，如暂停、继续、快进、快退等RTSP的语法和操作与HTTP相似了，所有请求和响应都是基于ASCII文本。不同的是RTSP是有状态的协议，而HTTP是无状态的。RTSP记录客户端...

1.源码下载http://www.ffmpeg.org/download.html2.ffmpeg：FFmpeg全名是Fast Forward MPEG(Moving Picture Experts Group)　快速动态图像专家组.

https://www.cnblogs.com/qfb620/p/5508468.html

发生大幅杀跌

本地使用wireshark无法抓回路包，为此百度了一下RawCap可以抓回路包，亲测可用。特记录下来。1.工具下载地址https://www.netresec.com/?page=RawCap2.工具使用界面选择5，回路监听输入保存文件的名称，回车，即可开始抓包ctrl+c，结束抓包。3. wireshark中使用将文件从wireshark中打开 文件->打开，...

今天在座位下面捡到一颗模组，想到做几年Camera，还没有拆过模组，这次就花点时间拆开看了一下。下图从左到右介绍1.PCB板：由模组厂根据芯片封装Layout出PCB，然后将sensor ic焊接上去。这里本人特地看了一下连接处。不是传统的芯片IC，直接连接到PCB焊盘上，而是用细金属丝将芯片IC和PCB焊盘连接到一起的。百度看了一下，说这是金丝2.底座3.滤光片4.镜头5.VCM...

文章目录一、色彩空间简介及一些参考文档二、YUV和RGB转换公式三、RGB和YUV420转换提前需要了解的知识1.YUV420内存布局2.RGB内存布局3.转换方式四、源代码执行效率对比五、编译过程中遇到的问题一、色彩空间简介及一些参考文档不同的色彩空间，颜色的表现形式不同(见http://colorizer.org/　这个网站中简单介绍了各个色彩空间的模型。)。色彩空间中的颜色是可以相互转化...

一、源码包下载源码包从链接：https://opencv.org/releases.html 下载解压源码包源码下载下来后是zip包，这里本人下载的是3.4.3的版本，则使用unzip opencv-3.4.3.zip 解压出来成下面样子。源码包文件列表armwind@armwind-X555LD:~/data/opencv/opencv-3.4.3$ tree -L 1 ..├...