(1综述)从零开始的嵌入式图像图像处理(PI+QT+OpenCV)实战演练

简介: 从零开始的嵌入式图像图像处理(PI+QT+OpenCV)实战演练1综述http://www.cnblogs.com/jsxyhelu/p/7907241.html2环境架设http://www.cnblogs.
一、PI的综述
     树莓派(Raspberry Pi)凭借高度定制化和可玩性,深受科技宅青睐,2012年推出以来全球销量已达1250万块。成世界第三大计算平台。树莓派今年已经进化到第三代,搭载64位A53处理器,支持更多连接,还有更小巧的Pi Zero版本(后面有图的)。大家可以上它的官网加深了解。
 
PI能够用来进行多种工作,因为它本身就是一个功能完善的系统,基于Linux的高度开源特性,通过程序员和工程师们的奇思妙想,能够自由组装成多种有趣的项目。比如(内容引自树莓派实验室):超级计算机
   比如视频服务器:
 
   以及加上一些外设:
等等。如果想进一步了解,推荐去“ 树莓派实验室 ”看一看。http://shumeipai.nxez.com/
二、PI用来做图像处理硬件平台的优势:
     一直以来,我一直在为一些算法寻找嵌入式的平台。但凡有嵌入式需求的算法,大多是需要在现场(而不是流水线或实验室)、需要实时显示效果、能够较长时间稳定运行的。应该说以图像增强类的算法居多,比如非常典型的血管增强等。由于我有一定嵌入式系统的背景,所以尝试过ARM系列的机器,也在DPS上面做过一些实验,也考虑过基于安卓手机的硬件,包括PI2之前也是接触过的。但是在之前,问题还是比较集中的
     1、性能问题。在PI2上,想实时显示640*480的摄像头拍摄内容都卡顿严重,更不要谈去做图像处理了.arm9一类的摄像机都有类似问题;
     2、移植问题。通过JNI将目前以C++为基础的算法在安卓上移植是可行的,但是中间毕竟有一个语言转换的过程,如果改成DPS的程序,则算法几乎要重写。;
     3、调试问题。正是因为工具链的不同,现有算法在移植中很难调试,再加上很慢的速度,让人难以接受。
所以一段时间,我在图像处理嵌入式这块没有很大的推动,直到PI3问世:
    下面两图是它的参数和价格(我购买了包括触摸屏的套件,但是sd卡是自己的,不到500元):
 

     这个硬件当然比PC还是要差的,但是也已经很强的。实时的640*480的视频在加上图像处理已经不成问题。
实际上,我们整个实验最终要完成一个“各种类型特征点实时匹配”项目,也是对PI3性能的一个评测。
安装好的样子(可以看到,为了方便,直接使用橡皮筋将摄像头进行了加固):
 
 
当然,前面说过的所谓PIzero就是更小的PI,它的盒子很酷:
三、PI的安装配置:
     购买的时候,商家会给很多有用的资料,这个要仔细看。我这里简单罗列一下:
1、烧录到SD卡中

2、上电开机,第一件事是配置网络(无线有线都可以)

3、网络配置好后,首先要运行

sudo apt -mark hold raspberrypi -bootloader

因为目前还不知道这个rm的编译方式,所以内核不能改,否则会出现错误(常见的就是触摸屏失效)

然后执行

sudo apt -get update 
sudo apt -get upgrade
 
4、在执行树莓派固件升级命令(这一步一定要谨慎,如果你使用的是专用rm,比如触摸屏专用的,这步最好不要进行)
sudo rpi -update
5、安装中文字体
sudo apt -get install fonts -arphic -gbsn00lp
输入法
sudo apt -get install scim -pinyin
解压缩软件
sudo apt -get install p7zip -ful l
调整国家、 时区 后重启,进入中文界面。
那么目前就有了一个基本的平台,下一步马上转入图像处理平台的构建。





目前方向:图像拼接融合、图像识别 联系方式:jsxyhelu@foxmail.com
目录
相关文章
|
2月前
|
算法 计算机视觉
基于qt的opencv实时图像处理框架FastCvLearn实战
本文介绍了一个基于Qt的OpenCV实时图像处理框架FastCvLearn,通过手撕代码的方式详细讲解了如何实现实时人脸马赛克等功能,并提供了结果展示和基础知识回顾。
基于qt的opencv实时图像处理框架FastCvLearn实战
|
2月前
|
文字识别 计算机视觉 开发者
基于QT的OCR和opencv融合框架FastOCRLearn实战
本文介绍了在Qt环境下结合OpenCV库构建OCR识别系统的实战方法,通过FastOCRLearn项目,读者可以学习Tesseract OCR的编译配置和在Windows平台下的实践步骤,文章提供了技术资源链接,帮助开发者理解并实现OCR技术。
126 9
基于QT的OCR和opencv融合框架FastOCRLearn实战
|
1月前
|
机器学习/深度学习 算法 计算机视觉
【Python篇】Python + OpenCV 全面实战:解锁图像处理与视觉智能的核心技能
【Python篇】Python + OpenCV 全面实战:解锁图像处理与视觉智能的核心技能
66 2
|
2月前
|
计算机视觉
基于QT的opencv插件框架qtCvFrameLearn实战
这篇文章详细介绍了如何基于Qt框架开发一个名为qtCvFrameLearn的OpenCV插件,包括项目配置、插件加载、Qt与OpenCV图像转换,以及通过各个插件学习OpenCV函数的使用,如仿射变换、卡通效果、腐蚀、旋转和锐化等。
44 10
|
4月前
|
机器学习/深度学习 人工智能 计算机视觉
好的资源-----打卡机+Arm+Qt+OpenCV嵌入式项目-基于人脸识别的考勤系统-----B站神经网络与深度学习,商城
好的资源-----打卡机+Arm+Qt+OpenCV嵌入式项目-基于人脸识别的考勤系统-----B站神经网络与深度学习,商城
|
5月前
|
机器学习/深度学习 算法 数据库
【功能超全】基于OpenCV车牌识别停车场管理系统软件开发【含python源码+PyqtUI界面+功能详解】-车牌识别python 深度学习实战项目
【功能超全】基于OpenCV车牌识别停车场管理系统软件开发【含python源码+PyqtUI界面+功能详解】-车牌识别python 深度学习实战项目
|
5月前
|
计算机视觉 Python
实战| 手把手教你实现俯卧撑实时计数:OpenCV+MediaPipe
实战| 手把手教你实现俯卧撑实时计数:OpenCV+MediaPipe
|
5月前
|
监控 安全 计算机视觉
实战 | 18行代码轻松实现人脸实时检测【附完整代码与源码详解】Opencv、人脸检测
实战 | 18行代码轻松实现人脸实时检测【附完整代码与源码详解】Opencv、人脸检测
|
5月前
|
人工智能 算法 Ubuntu
【案例实战】 基于OpenCV实现鹿茸面积计算
有人询问如何计算鹿茸蜡皮面积占比。利用OpenCV实验大师工具软件,经过图像处理步骤(包括边缘检测、轮廓识别),成功计算出两个区域的面积,展示了一步到位的OpenCV解决方案。OEMTS软件旨在促进数字图像处理教学,助力成为合格的OpenCV开发者。详情见课程链接和OEMTS安装指南。
67 0
|
6月前
|
数据采集 数据挖掘 计算机视觉
最全OpenCV-Python实战(3)——OpenCV中绘制图形与文本,面试官必问问题及答案
最全OpenCV-Python实战(3)——OpenCV中绘制图形与文本,面试官必问问题及答案