亚洲h无码动漫在线观看,亚洲一区二区三区视频蜜柚

我以前研究過一段時間的OpenMV的源碼，當時的功力太淺，看不大懂，現(xiàn)在又重新的翻出來看。

先確定代碼在哪里，OpenMV是在資源受限的情況下執(zhí)行視覺算法，所以里面的很多寫法都是高效的，被優(yōu)化過的，這也是我讀的一個原因。

第一先讀第一個文件，是一個角點的快速查找算法。圖像基礎的操作都被封裝在了我現(xiàn)在展示的這個文件里面。

什么是角點？

角點通常被定義為兩條邊的交點，或者說，角點的局部鄰域應該具有兩個不同區(qū)域的不同方向的邊界。角點檢測(Corner Detection)是計算機視覺系統(tǒng)中獲取圖像特征的一種方法，廣泛應用于運動檢測、圖像匹配、視頻跟蹤、三維重建和目標識別等，也可稱為特征點檢測。

這張圖可以說是非常的簡單明了。

角點的基本算法：選取一個局部窗口，將這個窗口沿著各個方向移動，計算移動前后窗口內(nèi)像素的差異的多少進而判斷窗口對應的區(qū)域是否是角點。

這個就是數(shù)學上的描述

我們尋找的角點就是去滑動判斷。

這個就是我說的常見操作被打包的地方

它提供了低級圖像處理操作的定義和函數(shù)。像素格式,基本圖像統(tǒng)計,濾波,邊緣檢測,形狀檢測,條碼識讀等。

它針對嵌入式設備和微控制器設計,側重效率和代碼體積小。

使用定點數(shù)代替浮點數(shù)。直接對原始像素緩沖區(qū)進行操作。

支持常見的圖像格式,像BMP,PPM,JPEG等。以及基本的機器視覺功能,比如模板匹配,QR碼識讀。

有在圖像上繪制基本形狀,線條,文字等的函數(shù)。

在可用時使用DMA和SIMD指令做硬件加速。不可用時回退到C實現(xiàn)。

使用C語言編寫,但可以通過FFI在更高級語言如MicroPython或Arduino中使用。

OpenMV開源開發(fā),作為他們的機器視覺相機模塊的一部分。但可以獨立使用。

這個是要看的算法的函數(shù)

這個算法現(xiàn)在討論的很少，我就簡單的說下：自適應通用角點檢測(Adaptive and Generic Accelerated Segment Test，AGAST)算法，該算法是對FAST算法的一種改進主要提升了速度與亮度變化下的魯棒性，但沒有解決尺度不變性。

現(xiàn)在接著看代碼。上面的代碼里面大體是實現(xiàn)了：

init5_8_pattern() 函數(shù):

初始化像素橫豎方向偏移量,用于后續(xù)快速訪問周圍像素。

agast58_detect() 函數(shù):

使用5x5個像素組成的模板匹配算法掃描圖像,找到角點。

像素值大于或小于中心點像素值的偏移量編碼成一個64位的特征碼。

如果匹配了角點模板,記錄下角點坐標。

agast58_score() 函數(shù):

使用二分法找到最佳的閾值,進一步提高角點質量。

周圍5x5像素值和該閾值進行比較,如果匹配角點模板,說明是角點。

不斷調整閾值,找到使得匹配模板的像素數(shù)最多的閾值。

nonmax_suppression() 函數(shù):

應用非極大值抑制進一步提煉角點。

抑制掉像素梯度較小的不明顯角點。

alloc_keypoint() 函數(shù):

將檢測到的角點包裝成 keypoints 數(shù)據(jù)結構。

第一次見這種寫法

該變量是用于儲存圖像像素的偏移量,用于快速訪問像素周圍的像素灰度值。

s_offset0 表示相對于當前像素的左上方像素的偏移量。

具體來說:

s_offset0 表示相對于(x,y)的(x-1, y-1)像素

s_offset1 表示相對于(x,y)的(x-1, y)像素

s_offset2 表示相對于(x,y)的(x, y-1)像素

以此類推

通過預先計算好這些固定的偏移量,就可以通過指針偏移的方式,快速獲取周圍像素的值,而不需要每次都計算坐標關系,從而提高效率。所以,這個 s_offset0 變量就是一個優(yōu)化手段,用來加速周圍像素訪問。

我們看第一個函數(shù)的簽名，有個*，這里就要寫一下C語言的知識了。

先說這個函數(shù)的作用-agast58_detect() 是AGAST算法中用于檢測角點的主要函數(shù)。

它的主要功能是:

在輸入圖像img上,使用一個5x5像素模板滑動掃描。

將中心像素與周圍像素進行比較,大于或小于閾值b的編碼成一個特征碼。

如果特征碼與角點的模板匹配,則記錄該像素為角點候選。

所有檢測到的角點候選保存在 corner_t 結構體數(shù)組 corners 中。

num_corners 為輸出參數(shù),用于返回檢測到的角點總數(shù)。

roi 參數(shù)用于指定只檢測圖像的某個區(qū)域。

其中corner_t結構體包含了每個檢測到角點的x,y坐標和score明顯性分數(shù)。

agast檢測依賴于一個經(jīng)過優(yōu)化的像素訪問順序以及二值比較來實現(xiàn)高效運算。

在C語言中,函數(shù)名前面的*代表該函數(shù)返回一個指針類型。

對于agast58_detect這個函數(shù):

返回值的類型是corner_t*,是一個指向corner_t結構體的指針。

這個指針指向一個動態(tài)分配的數(shù)組,用于存儲檢測到的所有角點。

加上*的原因:

返回一個指針,函數(shù)可以返回一個數(shù)組或對象,不僅僅是一個scalar值。

指針訪問內(nèi)存速度快,不需要拷貝整個數(shù)組。

函數(shù)執(zhí)行結束后,指針變量還可以被外部代碼訪問,相當于函數(shù)可以修改外部變量。

把返回數(shù)組的內(nèi)存管理交給調用者,函數(shù)執(zhí)行完就可以釋放內(nèi)部內(nèi)存,不用維護資源。

總結一下:

*表示返回一個指針

可以返回動態(tài)數(shù)組/對象

提高效率,不拷貝大數(shù)組

指針可修改外部變量

內(nèi)存管理交給調用者

程序的實現(xiàn)里面大量的使用了指針的偏移，基本思想是：

直接通過指針運算獲取相鄰像素,而不用每次計算坐標。

預先計算好偏移量,例如左上角像素的偏移量是 -1行 -1列。

將這些固定偏移量存儲在變量中,比如s_offset0。

在訪問像素時,直接基于指針偏移這個固定的值,這樣就跳過了坐標計算。

例如,當前指針指向像素 (x, y):

uint8_t *imgPtr = &img[y * width + x];

獲取左上角像素,不用偏移:

uint8_t leftUp = img[ (y-1) * width + (x-1) ]; // 需要計算坐標

使用偏移:

int offset0 = -width - 1; // 預先計算偏移量 
uint8_t leftUp = imgPtr[offset0]; // 基于指針偏移

通過指針偏移,避免每次獲取相鄰像素時重復計算偏移量,這樣可以明顯減少計算量,從而加速像素訪問。

再看這個函數(shù),這個alloc_keypoint()函數(shù)是用于分配和初始化一個關鍵點結構kp_t的。

它做了以下幾件事:

使用xalloc0()在堆上分配一個kp_t結構的內(nèi)存,并初始化為0。

將傳入的x,y坐標及score分數(shù)存入kp_t中。

注釋里提到必須將描述子descriptor數(shù)組初始化為0。這里通過xalloc0()預先設置為0實現(xiàn)。

返回這個kp_t指針。

這樣調用者就可以拿到一個堆上分配的、坐標與分數(shù)填充了、描述子初始化為0的關鍵點結構kp_t。

需要注意的是:

必須初始化描述子數(shù)組,后續(xù)的特征描述算子會填充描述子。

使用xalloc0()而不是malloc,可以自動初始化內(nèi)存為0。

返回 kp_t 指針,調用者可以進一步訪問關鍵點數(shù)據(jù)。

綜上,這是一個輔助函數(shù),用于根據(jù)坐標分數(shù)快速創(chuàng)建一個關鍵點結構.

它自己又重寫了一次這個malloc的函數(shù)，xalloc0()是一種自定義的內(nèi)存分配函數(shù),與malloc()類似,但是有一些額外的功能:

當size為0時,直接返回NULL,而不報錯。這與malloc的行為不同。

使用gc_alloc在堆上分配內(nèi)存,這是MaixPy特有的 gc 堆內(nèi)存分配函數(shù)。

分配成功后用memset清零內(nèi)存。這是xalloc0的關鍵功能之一。

如果分配失敗,調用xalloc_fail導致程序異常。

返回清零后的內(nèi)存指針。

這樣使用xalloc0比malloc好在:

SIZE為0時不會錯誤。

自動清零內(nèi)存,不需再memset。

與MaixPy的GC堆內(nèi)存管理兼容。

出錯時終止程序,不需要額外判斷返回NULL情況。

這個init5_8_pattern()函數(shù)是用于初始化圖像像素的8方向偏移量,這是AGAST算法的一個優(yōu)化。

它的作用是:

接收圖像的寬度width作為參數(shù)。

如果當前寬度與已保存的s_width相同,直接返回,不再初始化,避免重復計算。

如果寬度變了,更新s_width為新寬度。

計算8個方向相對當前像素點的偏移量:

s_offset0 (-1, -1) 左上角

s_offset1 (-1, 0) 正上方

...

s_offset7 (-1, 1) 左下角

偏移量根據(jù)圖像寬度width調整,即乘以width。

這樣,在后續(xù)檢測角點時,可以直接用這些預計算偏移訪問周圍像素,不需要每次都計算坐標偏移,加速了像素訪問。通過一次初始化,減少重復計算,從而提升檢測效率。充分利用了圖像具有固定尺寸的特點。

這個agast_detect()函數(shù)實現(xiàn)了AGAST角點檢測的完整流程:

初始化5x5窗口的偏移量init5_8_pattern()

調用agast58_detect()函數(shù)進行角點檢測,返回檢測到的角點數(shù)組

對每一個角點調用agast58_score()計算明顯性分數(shù)

進行非極大值抑制nonmax_suppression(),過濾掉弱角點

將剩下的角點保存在輸出的keypoints數(shù)組中

釋放臨時的角點內(nèi)存fb_free()

所以這個函數(shù)將角點檢測、評分和濾波三個階段包裝起來,實現(xiàn)了一個完整的AGAST角點檢測器。

它接受輸入圖像,檢測參數(shù)(threshold),區(qū)域等,最終輸出經(jīng)過優(yōu)化的高質量角點集。

其實還沒有完全說完，這個函數(shù)很長：

大概是這樣的

初始化循環(huán)邊界 - xsizeB, ysizeB 定義了只在圖像有效區(qū)域內(nèi)循環(huán)

分配內(nèi)存 - 使用 fb_alloc 在內(nèi)存池中分配 corner_t 數(shù)組

雙重循環(huán) - 外層循環(huán) y 方向,內(nèi)層循環(huán) x 方向掃描每個像素

像素比較 - 在 homogeneous 和 structured 兩個標簽下,使用偏移像素比較中心像素,判斷是否匹配角點模式

記錄角點 - 如果匹配就記錄下角點坐標到 corners 數(shù)組

返回結果 - 將檢測到的角點數(shù)量賦值給 num_corners,并返回角點數(shù)組

里面的循環(huán)做的這個事情比較多。

同樣下頭的還有一個函數(shù)， agast58_score() 函數(shù)主要實現(xiàn)了A-GAST算法中使用二分法搜索最佳閾值的步驟。

主要流程是:

初始化閾值的上下限 bmin、bmax。

不斷循環(huán),將當前閾值 b 代入角點模式比較。

如果匹配了角點模式,則把 b 作為新的下限 bmin。

如果不匹配角點模式,則把 b 作為新的上限 bmax。

通過二分不斷逼近使得角點模式匹配的像素數(shù)最多的閾值。

當上下限只差1時,返回最佳閾值 bmin。

關鍵點:

使用二分搜索提升角點明顯性。

像素比較使用偏移訪問提速。

通過不斷調整閾值 b 尋找最佳角點模式匹配。

返回最佳閾值,作為該像素角點的分數(shù)。

看下這個檢測算法里面的這個句子，

循環(huán)遍歷所有檢測到的角點 corners

計算每個角點的像素指針 - 通過角點的 x,y 坐標,計算在圖像像素數(shù)組中的偏移量

調用 agast58_score() 并傳入像素指針和閾值threshold

agast58_score() 將返回0-255范圍的分數(shù),記錄在 corner[i].score 中

最后每個角點除了有坐標x,y之外,還有一個分數(shù)score表示角點的明顯程度。

所以這個過程對每一個角點候選運行了二分搜索,找到了最佳的閾值,作為該點的分數(shù)。分數(shù)高的角點匹配度更好,更明顯,更穩(wěn)定,這樣后續(xù)就可以基于分數(shù)進行非極大值抑制來過濾掉弱角點。這種為每個角點單獨密集計算的方式也是AGAST算法區(qū)別于FAST算法的主要特點之一。