Go 与 Rust 实现图像恢复算法
本篇用 Go 和 Rust 两种语言实现图像恢复的核心算法，通过实际代码对比两种语言在图像处理场景下的写法和性能特征。 原始图像 退化图像 — — Go 实现 Go 语言的 image 标准库提供了图像编解码、像素访问等基础功能。以下实现展示了如何用 Go 实现双三次插值、高斯模糊、拉普拉斯锐化等核心算法。
Continue reading →物理世界开发
现代超分辨率——ESRGAN 到扩散模型
2014 SRCNN 三层卷积 · 3-layer CNN pioneered DL SR 2016 SRGAN 感知损失 + GAN visual quality leap 2018 ESRGAN RRDB + RaGAN richer features, no BN 2021 Real-ESRGAN 真实退化建模 · Real-world works on real photos 2021 SwinIR Transformer 注意力 global context modeling 2022 Diffusion 迭代去噪 · Iterative best quality, slowest 从 SRGAN 到 ESRGAN（2018） SRGAN（Super-Resolution GAN）在 2016 年首次将生成对抗网络（GAN）引入超分辨率领域，通过感知损失（perceptual loss）生成的图像在视觉质量上显著超越了传统的 PSNR 优化方法。但 SRGAN 仍有改进空间——2018 年 Wang 等人提出的 ESRGAN（Enhanced Super-Resolution GAN）在四个关键方向上进行了优化。
Continue reading →深度学习超分辨率——SRCNN 与 SRGAN
从数学模型到数据驱动 在超分辨率任务中，传统方法依赖精心设计的数学模型——插值算法、稀疏表示、先验约束等。但深度学习带来了范式转变：从大量成对的低分辨率（LR）-高分辨率（HR）图像数据中，直接学习从退化空间到清晰空间的映射。
Continue reading →空间域恢复与边缘保持滤波
上一篇介绍了频率域的图像处理方法——通过傅里叶变换将图像转换到频域，然后进行滤波、复原等操作。但频率域方法有时不太直观，尤其是我们更习惯直接操作像素。
Continue reading →频域图像恢复——逆滤波与维纳滤波
为什么在频域做恢复 上一篇我们建立了图像退化模型：观测图像 $g(x,y)$ 是原始图像 $f(x,y)$ 经过退化函数 $h(x,y)$ 卷积并叠加噪声 $n(x,y)$ 后的结果： $$g(x,y) = h(x,y) * f(x,y) + n(x,y)$$恢复的任务是：已知 $g$ 和 $h$，尽可能还原 $f$。
Continue reading →图像插值方法——从最近邻到双三次
为什么要插值 想象你有一张低分辨率照片，想把它放大打印。原图中每两个像素之间现在是"空白区域"——新像素从哪里来？ 插值（interpolation）就是解决这个问题：利用已知像素的值，估算出未知位置的像素值。图像放大本质上就是插值问题。
Continue reading →图像退化模型——模糊从何而来
为什么照片会模糊？ 翻看手机相册，总会遇到这样的遗憾：明明按下快门的瞬间捕捉了美好瞬间，但照片却模糊不清——可能因为手抖、光线不足、或者拍摄对象移动太快。老照片更是如此，岁月的流逝让当年的记忆变得模糊。
Continue reading →ANC 调试与性能优化
主动降噪系统的工程实现中，最耗时、最依赖经验的部分不是算法选型，而是参数调优和稳定性调试。滤波器阶数、步长系数、采样率——每一个参数都牵一发而动全身。本文从实践经验出发，梳理 ANC 调试中的关键参数选择逻辑和常见问题定位方法。
Continue reading →嵌入式 ANC：ESP32 实战
ESP32-S3 的双核 Xtensa LX7 处理器带有向量指令集扩展，适合执行嵌入式 ANC 所需的实时 DSP 运算。配合 ESP-DSP 库可以高效实现自适应滤波器。 I2S 麦克风采集 ANC 需要至少两路同步输入：参考麦克风（采集环境噪声）和误差麦克风（采集残余误差）。ESP32-S3 的 I2S 外设支持同时接收多路 ADC 数据，配置为 16 位、16 kHz 采样即可满足消费级 ANC 需求。
Continue reading →嵌入式 ANC：STM32 实战
硬件架构 实现实时 ANC 首先要选择合适的硬件平台。控制器需要在微秒级完成自适应滤波运算，同时管理多路音频数据流。 模块 功能 典型选型 主控制器 执行自适应算法 STM32F4/F7, ESP32-S3, nRF5340 参考麦克风 采集环境噪声 Knowles SPH0645, Infineon IM69D130 误差麦克风 采集残余噪声 Knowles SPH0645, TDK ICS-43434 音频 DAC 输出抗噪声信号 ES9218, PCM5102 功放 驱动扬声器 Class-D 参考麦克风位于耳罩外侧，采集外部环境噪声作为算法参考输入。误差麦克风位于耳罩内侧，采集扬声器附近的残余噪声，用于评估降噪效果并驱动自适应更新。音频 DAC 将数字抗噪声信号转为模拟量，经功放放大后驱动扬声器。
Continue reading →