上位机图像处理和嵌入式模块部署（开篇）

图像处理是现实生活当中很实用的一门技术。工业上一般采用的是机器视觉，以传统算法和光源控制为主，部分采用了深度学习技术。而生活当中，则主要以二维码识别、人脸识别、车牌识别和ocr识别为主，这中间深度学习与AI扮演了很重要的角色。过去，市场上的商业收费软件，主要还是以传统设备厂商提供的上位机软件为主，那这一部分是不是结合最新的npu技术，应该做出一些新的东西出来呢？

1、工业图像处理技术

如果是工业图像技术，这部分基本上还是传统的数字图像处理技术为主。有能力的厂家可以自己利用opencv写一些程序，如果自身缺少这方面的研发基础，一般都是采用国外的上位机软件或者是海康这样的大厂软件。虽然使用比较方便，但是技术上面受制于人也是一个客观事实。

2、国内纯上位机软件的不足

本来开发纯上位机软件，适配不同厂家的光源控制器、camera，这是很不错的选择。但是囿于客观的现实情况，不管多好的软件，在国内都很容易面临到被侵权的风险。所以，从理论上可行的方案，放在实际中未必那么ok。

3、QT方案的可行性

QT软件本身支持多平台，不管是windows，还是linux都有很好的适配，算得上是比较理想的platform。另外现在opencv发展也是越来越成熟，对于经典的算法，一般在opencv上面都可以找到对应的实现。所以说，如果希望自己开发一套使用的算法，QT+opencv是比较务实的一个选择。

4、自己需要解决的问题

图像处理，大部分同学都把精力放到了纯算法上面。但是如何配合算法，找到好的图像，这也是很重要的一个工作。比如光源的控制、比如光源的选择，再比如结果出来后，对plc或者嵌入式设备的控制等等，这部分都需要自己来解决。

5、新嵌入式技术的引入

目前来说，个人觉得比较理想的商业方式，还是QT+opencv做上层图像的仿真、验证和标定。这部分用python+opencv都是可以的。但是控制和光源一旦敲定之后，最好还是把相关标定数据port到嵌入式模块上面，由嵌入式模块以及上面的算法来继续负责剩下来的工作，这是比较务实且可行的一套做法。况且，现在嵌入式设备处理器的频率越来越高，甚至带有npu等加速硬件，这也为这样的商业方式提供了一种可能性。

6、新传感器和新场景的引入

所谓的新传感器，其实就是3d camera、2d lidar、 3d lidar等等。广义上来说，lidar也可以看成是一个图像，只不过这个图像比较稀疏而已，图像的分辨率没有那么高。但是他们的底层算法逻辑都是一样的。所以，大家学习或者开发的时候，不要把目光仅仅放在图像上面，而是应该把精力放在解决问题上面，比如我的图像处理技术或者是图像方案能够解决什么问题。并且说，在没有明显提高成本的同时，效果可以实现数量级的跨越，这是我们努力的方向和最终希望达到的目标。

当然技术的发展，也会让之前无法完成的一些功能，从不可能变成了可能，这方面的应用场景一定要留意和关注一下。