qq_38173035的博客

原创 全志A523（显示篇一）

全志使用de架构，兼容drm架构。

原创 全志系统一览图

原创 makefile在内核中编译（一）

如果需要将一个模块配置进内核，需要在makefile中进行配置：将disp.o编译进内核，根据make的自动推导原则，make将会自动将disp.c编译成disp.o。该方法为编译单独模块。.config文件中将CONFIG_DISP2_SUNXI变量配置为y，要修改模块编译行为时，可在配置文件中修改，而不用到makefile去找。在一个目录下，obj-y所列出的文件，将被编译成built-in.o文件。而lib-y或lib-m所列出的文件，将在当前目录下生成lib.a文件。

原创 Linux常用命令

1，进入下载路径下，比如我的就是进入Downloads下。输入命令： cd Downloads2，解压到当前文件夹输入：tar zxvf 文件名.tgz -C ./ 比如我的是：tar zxvf simple-examples.tgz -C ./3，解压到指定文件夹下输入：tar zxvf 文件名.tgz -C /指定路径比如我想解压到Home下：则变成tar zxvf simple-examples.tgz -C /Home........................

原创 中断的基本概念

处理器中的中断： 在处理器中，中断是一个过程，即CPU在正常执行程序的过程中，遇到外部/内部的紧急事件需要处理，暂时中止当前程序的执行，转而去处理紧急的事物，待处理完毕后再返回被打断的程序处继续往下执行。中断在计算机多任务处理，尤其是即时系统尤为重要。比如uCOS,FreeRTOS等。意义： 中断能提高CPU的效率，同事能够对突发事件做出实时处理。实现程序的并行化，实现嵌入式系统进程之间的切换。中断处理过程进入中断：处理器自动保存现场到堆栈里 {PC,xP...

原创 时钟周期 定时器

（1）时钟周期：即振荡周期，为外接单片机的晶振倒数，例如一个4MHZ的晶振，则时钟周期为0.25us（1/4MHZ）；在一个时钟周期里，CPU完成一个最基本的动作。所以是计算机中最小的，最基本的时间单位。（2）状态周期：在8051中，状态周期由两个时钟周期组成；一个时钟周期被称为一个节拍（P），两个时钟周期称为一个状态周期(S)。（3）机器周期：由6个状态周期组成，机器周期是CPU完成一项基本操作所需要的时间，例如取指令，储存器的读或写。（4）指令周期：由1~4个机器周期组成，是完成一条基本...

原创 UDC 时钟系统

UDC（USB设备控制器）USB设备控制器（UDC）驱动指的是作为其他USB主机控制器外设的USB硬件设备上底层硬件控制器的驱动，该硬件和驱动负责将一个USB设备依附于一个USB主机控制器上。例如，当某运行Linux系统的手机作为PC的U盘时，手机中的底层USB控制器行使USB设备控制器的功能，这时运行在底层的是UDC驱动，手机要成为U盘，在UDC驱动之上需要另外一个驱动，对于USB大容量存储器而言，这个驱动为File Storage驱动，称为Function驱动。...

原创 shuffle

MapReduce原理及shuffle机制 - 程序员大本营https://www.pianshen.com/article/59301483284/

原创 Display Interface Controller (VPOST) VPE Video Data Processing Engine

VPOST：VPOST控制器的主要用途（包括液晶控制器和TV编码器控制器）用于向液晶LCD设备显示视频/图像数据或向电视系统生成复合信号。LCD定时可以与电视同步（NTSC/PAL非交错/交错定时）或由LCD定时控制寄存器设置。当定时与电视定时同步时，电视画面和液晶画面可以同时显示相同的图像源。视频/图像数据源来自存储在系统内存(sdram)中的帧缓冲区。VPOST Controller Block Diagram 视频数据处理引擎(VPE) 包含了静态图像和视频电...

原创 中断系统概述

（一）STM32 中断系统概述处理器中的中断 在处理器中，中断是一个过程。即CPU正常执行程序的过程中，遇到外部/内部的紧急事件需要处理，暂时中止当前程序的执行，转而去为处理紧急的事件，待处理完毕后再返回被打断的程序处继续往下执行。中断在计算机多任务处理，尤其是即时系统中尤为重要。如uCOS,FreeRTOSD等。意义： 中断能提高CPU的效率，同时能对突发事件做出实时处理。实现程序的并行化，实现嵌入式系统进程之间的切换。中断处理过程：进入中断1.处理器自动保存现场...

原创 2021-06-19

Cortex-M0工作模式1.线程模式（Thread Mode）芯片复位后，即进入线程模式，执行用户程序2.处理模式（Handler Mode）当cl

原创 逗号运算符

逗号运算符比等号运算符优先级小num=5,6;printf("num=%d\n",num);输出：num=5逗号运算符比等号运算符优先级小num=(5,6);printf("num=%d\n",num);输出：num=6

原创 C基础知识

a *= 6+8; // a = a*(6+8);

转载 mp4文件格式解析

https://www.jianshu.com/p/529c3729f357

原创 C语言指针

https://developer.51cto.com/art/202012/633493.htm?mobile

原创 大小端

大端模式：是指数据的高字节保存在内存的低地址中，而数据的低字节保存在内存的高地址中，这样的存储模式有点儿类似于把数据当作字符串顺序处理：地址由小向大增加，而数据从高位往低位放；这和我们的阅读习惯一致。小端模式：是指数据的高字节保存在内存的高地址中，而数据的低字节保存在内存的低地址中，这种存储模式将地址的高低和数据位权有效地结合起来，高地址部分权值高，低地址部分权值低。下面以unsigned int value = 0x12345678为例，分别看看在两种字节序下其存储情况，我们可以用unsigned

原创 for(；；)比while(true)好

原创 python实现VOC转YOLO

def convert(size, box): dw = 1./size[0] dh = 1./size[1] x = (box[0] + box[1])/2.0 y = (box[2] + box[3])/2.0 w = box[1] - box[0] h = box[3] - box[2] x = x*dw w = w*dw y = y*dh h = h*dh return (x,y,w,h)

原创 FreeRTOS学习方法：

FreeRTOS学习方法：1、多练 不要只看书，或者只看资料，只“看”是没有任何用的！一定要实际动手写代码练习，多在开发板上练习。2、遇到不懂的怎么半? FreeRTOS还是有一定难度的，在学习的过程中难免会遇到看不懂的东西，如果遇到不懂的就先不要管，先学会怎么调用FreeRTOS的API函数。思考后问，等以后有时间了再回过头来重新学习一下。3、对C语言的要求 需要了解指针、结构体、数据结构中的链表等。...

原创 2020-10-14

目录随机梯度下降法Stochastic gradient descent损失函数用来指导训练过程，使得网络的参数向损失降低的方向改变。训练过程：随机梯度下降法Stochastic gradient descent试图找到一组参数使得损失函数的值越小越好。调整参数的大小和方向取决于损失函数相对于参数的偏导数。特性：最小值（0）：当网络的输出和真实输出一致 当输出和真实输出越不一致时值越大。常用的损失函数（1）不同的任务类型需要不同的损失函数1、回归Regressio

原创 c++内存四区

原创 机器学习

机器学习:算法（数学和统计学）反映数据背后隐藏的客观规律 拟人可分两大类：即监督类，非监督类。可分五类：聚类，分类，回归，推荐，降维。其中一个重要算法为神经网络。深度学习：神经网络是三层以上后面人工智能：机器学习的一个应用方向与技术无关。数据挖掘：机器学习的一个应用方向找到数据背后隐藏的客观规律云计算：PAAS SAAS IAAS...

原创 傅里叶变换（4）高通滤波演示

原创 傅里叶变换（3）numpy实现逆傅里叶变换

原创 傅里叶变换（2）numpy实现傅里叶变换

低频：细节信息高频：边界信息

原创 傅里叶变换（1）理论基础

原创 直方图（7）均衡化对比

原创 直方图（7）matplot.pyplot.imshow函数的使用

原创 直方图（6）subplot函数的使用

原创 直方图（5）均衡化函数

原创 直方图（4）均衡化原理

直方图均衡化色彩细节更丰富，表述出更多的信息，否则图像过暗或过亮，或者某些像素点集中在某个区间之内这个图像不好区分细节。应用场合：医疗图像处理车牌识别人脸识别

原创 直方图（3）

原创 直方图（3）

原创 直方图（2）使用opencv统计直方图

原创 直方图（1）基础

matplotlib.pyplot提供了类似于matlab的绘画框架函数ravel功能：将多维数组降为一维数组 格式：一维数组=多维数组.ravel()函数hist功能：根据数据源和像素级绘制直方图语法：hist(数据源，像素级）数据源：图像，必须是一维数组； 像素级：一般是256，指[0,255]...

原创 图像ROI及通道的拆分与合并

ROI(region of interest)，感兴趣的区域从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域可以通过各种算子（Operator）和函数来求得感兴趣区域ROI，并进行图像的下一步处理import cv2import numpy as npa = cv2.imread("e:\\lina.png",cv2.IMREAD_UNCHANGED)fengjing = cv2.imread("e:\\fengjing.jpg",cv2.IMREAD_UNCHAN

原创 获取图像属性

1、形状：行、列、通道数shape可以获取图像的形状，返回包含行数，列数，通道数的元组（1）灰度：返回行数，列数import cv2img = cv2.imread("e:\\linagray.jpg",cv2.IMREAD_UNCHANGED)print(img.shape)(512, 512)（2）彩色：返回行数，列数，通道数import cv2img = cv2.imread("e:\\lina.png",cv2.IMREAD_UNCHANGED)print(img

原创 像素处理

一：opencv处理1、读取像素返回值 = 图像（位置参数） 灰度图像返回灰度值；p = img [88,142]print(p)RGB图像返回为B、G、R的值blue=img [78,125,0] print(blue)green = img [78,125,1] print(green)red =img[78,125,2] print(red)一次性读取三通...

原创 OPENCV基础

import cv2读入图像：img = cv2.imread("e:\\456.jpg")cv2.namedWindow("demo")显示图像cv2.imshow("demo",img) cv2.waitKey(delay) delay>0等待delay毫秒 delay<0等待键盘单机 delay=0无限等待cv2.waitKey(0)cv2.destroyAllWindows() 从内存中把所有的窗口数据删掉保存图像：retval = c...

原创 无监督学习

无监督学习是一种机器学习，它在没有预先存在的标签且最少需要人工监督的情况下，在数据集中查找先前未检测到的模式。与通常使用人类标记数据的监督学习相反，无监督学习（也称为自组织）允许对输入的概率密度进行建模。[1]它与监督学习和强化学习一起构成了机器学习的三个主要类别之一。半监督学习（一种相关的变体）利用了监督和无监督技术...