【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】
目前，大家都习惯了特定的图像处理方式，要么是windows上位机来处理，要么是arm soc来进行处理，要么是fpga或者是nvidia gpu来对图像进行处理。但是，这几种方法都有一个共同的特点，那就是对处理器的性能要求高。大家有没有想过，假设运算资源不是很充足，获取的图像分辨率不是很高，在这种情况下还要对图像处理的话，或者是完成特定的一个功能，我们是不是就要想想别的办法了。这样的话，soc是不可能了，mcu也许比较合适一点。此外，opencv库也不好使了，算法也需要我们自己用c写出来。
为了说明这种情况下，图像应该怎么处理，我们不妨借助于qt来仿真一下整个流程。
1、创建一个基于widget的qt工程
首先创建一个qt工程，主要是替我们完成图像的解析和保存。
2、借助于qt实现图像的加载和保存
这里创建qt的目的，主要还是为了演示一下怎么用qt来打开图像和保存图像。实际在嵌入式模块执行的时候，一般我们可以直接拿到图像裸数据的，也不存在文件解析的地方。
#include <QImage>
#include <QDebug>
#include <malloc.h>
#include <assert.h>
// generate binary image here
static unsigned char* p_mem = NULL;
void generate_binary_img(unsigned char* p_char, int width, int height);
void processImage(QString inputPath, QString outputPath)
{
// load image
QImage inputImage(inputPath);
if (inputImage.isNull())
{
qDebug() << "Failed to load image";
return;
}
// get image info
int width = inputImage.width();
int height = inputImage.height();
p_mem = (unsigned char*)malloc(width * height);
assert(p_mem);
// loop to process pixel
unsigned char* p_data = p_mem;
for (int y = 0; y < height; ++y)
{
for (int x = 0; x < width; ++x)
{
QRgb pixel = inputImage.pixel(x, y);
// get data
int red = qRed(pixel);
int green = qGreen(pixel);
int blue = qBlue(pixel);
// get gray
int gray = qGray(red, green, blue);
// save gray to matrix memory
*p_data= gray;
p_data++;
}
}
// process binary here
generate_binary_img(p_mem, width, height);
// loop to save pixel
for (int y = 0; y < height; ++y)
{
for (int x = 0; x < width; ++x)
{
// set gray
unsigned char gray = p_mem[y * width + x];
inputImage.setPixel(x, y, qRgb(gray, gray, gray));
}
}
// save data
if (!inputImage.save(outputPath))
{
qDebug() << "Failed to save processed image";
}
// free data here
if(p_mem) free(p_mem);
}代码当中有两个地方需要注意一下，第一个地方，它生成了gray灰度值，并且把这个数值保存到了p_mem指向的空间里面。第二个地方，它把来自于p_mem的数据，保存到inputImage的下面。这两个部分中间的generate_binary_image函数，才是我们需要真正处理的地方。
3、编写纯图像算法
纯图像算法，一般就是对内存数据进行操作和处理。操作的方法，通常就是数字图像处理和分析的基本方法。编写的过程中，尽量参照算法的基本逻辑来。同时，参考一下效率，
void generate_binary_img(unsigned char* p_char, int width, int height)
{
unsigned char* p_outer;
unsigned char* p_inner;
int x, y;
for (y = 0, p_outer = p_char; y < height; ++y, p_outer += width)
{
p_inner = p_outer;
for (x = 0; x < width; ++x, ++p_inner)
{
if (*p_inner > 120)
*p_inner = 255;
else
*p_inner = 0;
}
}
}4、文件整合和处理
所有的内容都准备好之后，就可以加入main函数，实现代码的测试了。这部分内容比较简单，大家直接看代码就好了。目前整个过程都是在windows平台完成的，主要还是因为windows上面开发和调试比较方便。
int main()
{
// set input and output path
QString inputPath = "D:/lena.bmp";
QString outputPath = "D:/lena_binary.bmp";
// process image
processImage(inputPath, outputPath);
return 0;
}5、从soc到mcu
和soc相比较，mcu的算力、内存和flash都是不足的，所以一般为了处理图像，会找一些频率高一点的mcu，比如400m的h7。内存方面，mcu通常只有1m左右，这部分未必能够满足需要，通常会外扩一个sram chip。flash的话，通常不做要求，如果要数据导出的话，裸数据存到micro sd卡即开。保存的方式，可以直接是二进制保存，没必要保存成为bmp格式，到时候自己写一个解析的上位机即可。
6、软件编写
因为mcu的库比较少，语法支持上面也比较有限，所以大家编写算法的时候尽可能简单明了，不要用太多的语法糖。如果是为了提高效率，尽量使用空间换时间的方法来解决。另外，mcu虽然性能差一点，但是胜在稳定性和成本方面，作为产品开发来说，也是很好的一个选择，大家不必过多地去矮化mcu。只要能满足需求，降低成本，就是好的方案、优秀的方案。
