weixin_40672861的博客

由于openmv是顺序执行，先解析python代码，再调用C函数，由于sensor图像采集一般为RGB565的图像或者YUV的图像，要处理成算法直接能运行的图像，需要作一些图像格式转换，这部分图像采集和转换处理做了单缓存，双缓存，和三缓存优化，使得图像采集速度更快，并在DCMI中断中做图像格式变换，以及图像拷贝操作，最大程度提升图像前处理的效率，使得采集出来的图像直接进入算法处理环节；在传统算法性能上，openmv运行的传统图像处理和图像识别算法确实具备很大的优势，前面也分析了其算法优化的策略和实现；

1.概述采用无数字口的单片机采集摄像头数据，通过模拟摄像头的采集时序进行图像采集，采集速度完全取决于单片机IO口的翻转速度和CPU处理速度；硬件：stm32f401/411/405，M4内核，带DSP/FPU单精度浮点运算单元，当然F103也是用，但不建议用F103，因为RAM资源和内核，主频等等都跟不上，性能太差没有实际意义；摄像头以OV7670无FIFO为例，最大像素640x480；2.采集原理（1）摄像头时序：PCLK :像素时钟，一个像素时钟出一个8bit数据XCLK：摄像头外部时钟，

1.车牌识别基本原理本文讲述的是基于stm32单片机的车牌识别原理，包括车牌图像定位，字符分割，字符归一化处理，以及模板匹配等操作，当然如果芯片处理性能足够还可以加入旋转矫正，多车牌处理等，本文尽量采用最简单易懂的方法进行图像分割处理，同时加快处理速度。首先，讲一讲网络上大部分stm32F103车牌识别的硬件和软件实现，硬件采用的是stm32f103rct6+OV7670&FIFO+16bit并口LCD屏；72M主频，不支持浮点运算等操作；软件实现过程大致如下：（1）OV7670带FIFO摄

一、硬件介绍（1）主芯片采用STM32F4主控，支持单精度浮点运算，芯片硬件资源包括192KB内部RAM，512KB-1MB的FLASH（具体看芯片型号），采用分散内存架构128KB内部SRAM，64KB高速RAM，CPU可以直接访问此部分的内存（访问速度为CPU主频速度），因此通常采用内部SRAM图像采集和显示，采用CCM-RAM进行图像处理和识别，能充分发挥M4内核的优势.具有DCMI数字图像采集接口，直接采集并口摄像头图像并使用DMA传输,包含USB,PWM,USRT,SPI,I2C,CAN等众多外

STM32F407二维码识别(使用内部RAM+无FIFO摄像头OV7670要点：1.摄像头配置，无FIFO的摄像头需要注意时钟配置和窗口配置，否则不能出图像2.DCMI配置：DCMI需要配置成DMA传输模式和使用行场中断进行图像数据采集（使用帧中断也行，但是需要保证数据不会出错，数据buffer的地址不能搞错），同时需要注意DCMI硬件同步的行场信号以及像素信号的上升沿和有效电平3.RAM...