https://blog.mickeyzzc.tech/series/%E4%BF%A1%E5%8F%B7%E4%B8%8E%E5%9B%BE%E5%83%8F%E5%A4%84%E7%90%86%E7%B3%BB%E5%88%97/Recent content in 信号与图像处理系列 on Mi&Bee BlogHugo -- gohugo.iozh-CN蓝宝石的傻话Sun, 28 Jun 2026 10:00:00 +0800https://blog.mickeyzzc.tech/posts/physical-world/image-basics-opencv/Fri, 08 May 2026 10:00:00 +0800https://blog.mickeyzzc.tech/posts/physical-world/image-basics-opencv/<h2 id="数字图像的本质">数字图像的本质</h2> <p>计算机视觉处理的对象是数字图像。数字图像本质上就是一个二维像素数组。</p> <h3 id="像素与灰度图">像素与灰度图</h3> <p>灰度图是最简单的数字图像——每个像素存储一个亮度值，范围 0（纯黑）到 255（纯白）。在 Python 中，一张宽 W、高 H 的灰度图就是一个形状为 <code>(H, W)</code> 的二维数组。</p>https://blog.mickeyzzc.tech/posts/physical-world/image-degradation-model/Fri, 05 Jun 2026 10:00:00 +0800https://blog.mickeyzzc.tech/posts/physical-world/image-degradation-model/<h2 id="为什么照片会模糊">为什么照片会模糊？</h2> <p>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。</p>https://blog.mickeyzzc.tech/posts/physical-world/image-interpolation-methods/Mon, 08 Jun 2026 10:00:00 +0800https://blog.mickeyzzc.tech/posts/physical-world/image-interpolation-methods/<h2 id="为什么要插值">为什么要插值</h2> <p>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&quot;空白区域&quot;——新像素从哪里来？</p> <p>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。</p>https://blog.mickeyzzc.tech/posts/physical-world/frequency-domain-restoration/Fri, 12 Jun 2026 10:00:00 +0800https://blog.mickeyzzc.tech/posts/physical-world/frequency-domain-restoration/<h2 id="为什么在频域做恢复">为什么在频域做恢复</h2> <p>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：</p> $$g(x,y) = h(x,y) * f(x,y) + n(x,y)$$<p>恢复的任务是：已知 $g$ 和 $h$，尽可能还原 $f$。</p>https://blog.mickeyzzc.tech/posts/physical-world/spatial-domain-restoration/Tue, 16 Jun 2026 10:00:00 +0800https://blog.mickeyzzc.tech/posts/physical-world/spatial-domain-restoration/<p>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。</p>https://blog.mickeyzzc.tech/posts/physical-world/dl-super-resolution-srcnn-srgan/Sat, 20 Jun 2026 10:00:00 +0800https://blog.mickeyzzc.tech/posts/physical-world/dl-super-resolution-srcnn-srgan/<h2 id="从数学模型到数据驱动">从数学模型到数据驱动</h2> <p>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。</p>https://blog.mickeyzzc.tech/posts/physical-world/modern-super-resolution-esrgan-diffusion/Wed, 24 Jun 2026 10:00:00 +0800https://blog.mickeyzzc.tech/posts/physical-world/modern-super-resolution-esrgan-diffusion/<div class="sr-evo" id="sr-evo-0"> <div class="sr-evo__track"> <div class="sr-evo__rail" id="sr-evo-rail-0"> <div class="sr-evo__fill" id="sr-evo-fill-0"></div> </div> <div class="sr-evo__item" data-idx="0" id="sr-evo-item-0-0"> <div class="sr-evo__dot" style="--c:#FF9800">2014</div> <div class="sr-evo__card"> <div class="sr-evo__head">SRCNN</div> <div class="sr-evo__body">三层卷积 · 3-layer CNN</div> <div class="sr-evo__foot">pioneered DL SR</div> </div> </div> <div class="sr-evo__item" data-idx="1" id="sr-evo-item-0-1"> <div class="sr-evo__dot" style="--c:#9C27B0">2016</div> <div class="sr-evo__card"> <div class="sr-evo__head">SRGAN</div> <div class="sr-evo__body">感知损失 &#43; GAN</div> <div class="sr-evo__foot">visual quality leap</div> </div> </div> <div class="sr-evo__item" data-idx="2" id="sr-evo-item-0-2"> <div class="sr-evo__dot" style="--c:#9C27B0">2018</div> <div class="sr-evo__card"> <div class="sr-evo__head">ESRGAN</div> <div class="sr-evo__body">RRDB &#43; RaGAN</div> <div class="sr-evo__foot">richer features, no BN</div> </div> </div> <div class="sr-evo__item" data-idx="3" id="sr-evo-item-0-3"> <div class="sr-evo__dot" style="--c:#4CAF50">2021</div> <div class="sr-evo__card"> <div class="sr-evo__head">Real-ESRGAN</div> <div class="sr-evo__body">真实退化建模 · Real-world</div> <div class="sr-evo__foot">works on real photos</div> </div> </div> <div class="sr-evo__item" data-idx="4" id="sr-evo-item-0-4"> <div class="sr-evo__dot" style="--c:#2196F3">2021</div> <div class="sr-evo__card"> <div class="sr-evo__head">SwinIR</div> <div class="sr-evo__body">Transformer 注意力</div> <div class="sr-evo__foot">global context modeling</div> </div> </div> <div class="sr-evo__item" data-idx="5" id="sr-evo-item-0-5"> <div class="sr-evo__dot" style="--c:#2196F3">2022</div> <div class="sr-evo__card"> <div class="sr-evo__head">Diffusion</div> <div class="sr-evo__body">迭代去噪 · Iterative</div> <div class="sr-evo__foot">best quality, slowest</div> </div> </div> </div> </div> <style> .sr-evo{margin:2rem auto;max-width:360px} .sr-evo__track{position:relative;padding-left:44px} .sr-evo__rail{position:absolute;left:21px;top:20px;bottom:20px;width:2px;background:var(--border);border-radius:1px;overflow:hidden} .sr-evo__fill{position:absolute;top:0;left:0;width:100%;height:0;background:linear-gradient(#FF9800,#9C27B0 30%,#4CAF50 60%,#2196F3 85%);transition:height .8s cubic-bezier(.4,0,.2,1)} .sr-evo__item{position:relative;padding:10px 0;opacity:0;transform:translateX(-16px);transition:opacity .6s,transform .6s} .sr-evo__item.visible{opacity:1;transform:translateX(0)} .sr-evo__dot{position:absolute;left:-34px;top:12px;width:28px;height:28px;border-radius:50%;background:var(--c,var(--accent));display:flex;align-items:center;justify-content:center;font-size:9px;font-weight:800;color:#fff;z-index:1;box-shadow:0 0 0 3px var(--bg)} .sr-evo__card{background:var(--bg-surface);border:1px solid var(--border);border-radius:var(--radius-md);padding:8px 12px} .sr-evo__head{font-size:14px;font-weight:700;color:var(--text)} .sr-evo__body{font-size:11.5px;color:var(--text-secondary);margin-top:2px;line-height:1.4} .sr-evo__foot{font-size:10.5px;color:var(--text-secondary);opacity:.65;margin-top:1px} @media(max-width:480px){ .sr-evo{max-width:100%;margin:1.5rem 0} .sr-evo__track{padding-left:38px} .sr-evo__rail{left:17px} .sr-evo__dot{left:-29px;width:24px;height:24px;font-size:8px;top:14px} .sr-evo__item{padding:8px 0} .sr-evo__card{padding:6px 10px} .sr-evo__head{font-size:13px} } </style> <script> (function(){var id='0',items=document.querySelectorAll('#sr-evo-'+id+' .sr-evo__item'),fill=document.getElementById('sr-evo-fill-'+id),n=items.length;if(!n||!fill)return;var intv=1200,idx=0,started=0,prm=window.matchMedia('(prefers-reduced-motion: reduce)').matches;function topAt(i){var rail=document.getElementById('sr-evo-rail-'+id),rr=rail.getBoundingClientRect(),dr=items[i].querySelector('.sr-evo__dot').getBoundingClientRect();return dr.top-rr.top+dr.height/2}function setH(h){fill.style.height=Math.round(h)+'px'}function next(){if(idx>=n)return;items[idx].classList.add('visible');setH(topAt(idx));idx++;if(idx<n)setTimeout(next,intv);else setH(topAt(n-1))}function all(){for(var i=0;i<n;i++)items[i].classList.add('visible');setH(topAt(n-1))}if(prm){all();return}if('IntersectionObserver'in window){var wrap=document.getElementById('sr-evo-'+id);new IntersectionObserver(function(e){e.forEach(function(e){if(e.isIntersecting&&!started){started=1;setTimeout(next,300)}})},{threshold:.25}).observe(wrap)}else all()})(); </script> <h2 id="从-srgan-到-esrgan2018">从 SRGAN 到 ESRGAN（2018）</h2> <p>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 <strong>ESRGAN</strong>（Enhanced Super-Resolution GAN）在四个关键方向上进行了优化。</p>https://blog.mickeyzzc.tech/posts/physical-world/image-restoration-go-rust/Sun, 28 Jun 2026 10:00:00 +0800https://blog.mickeyzzc.tech/posts/physical-world/image-restoration-go-rust/<p>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。</p> <div class="blur-wrap" id="blur-0"> <div class="blur-head"> <span>原始图像</span> <span>退化图像</span> </div> <canvas class="blur-canvas" id="blur-c-0" role="img" aria-label="Sharp image vs blurred image simulation with different PSF types"></canvas> <div class="blur-bar"> <span class="blur-name" id="blur-n-0">—</span> <span class="blur-psf" id="blur-p-0">—</span> </div> <style> .blur-wrap{margin:1.8rem auto;max-width:420px;background:var(--bg-surface,#f3f0f6);border:1px solid var(--border,#e5e1eb);border-radius:var(--radius-md,8px);padding:0.5rem 0.5rem 0.35rem} .blur-head{display:flex;justify-content:space-between;font-size:11px;color:var(--text-secondary,#888);padding:0 0.15rem 0.25rem} .blur-canvas{display:block;width:100%;height:auto;border-radius:4px} .blur-bar{text-align:center;margin-top:0.35rem;padding-top:0.3rem;border-top:1px solid var(--border,#e5e1eb)} .blur-name{display:block;font-size:12px;font-weight:600;color:var(--text,#333);margin-bottom:0.1rem} .blur-psf{display:block;font-size:10px;font-family:var(--font-mono,monospace);color:var(--text-secondary,#888);letter-spacing:0.01em} @media(max-width:480px){.blur-wrap{max-width:100%;margin:1.2rem 0}} @media(prefers-reduced-motion:reduce){.blur-canvas{opacity:0.85}} </style> <script> (function(){ var c=document.getElementById('blur-c-0'),nEl=document.getElementById('blur-n-0'),pEl=document.getElementById('blur-p-0'); if(!c)return; var ctx=c.getContext('2d'),dpr=1,W=0,H=0,half=0,rm=window.matchMedia('(prefers-reduced-motion:reduce)').matches; var states=[ {n:'原始图像（锐利）',p:'无需 PSF — 理想点成像'}, {n:'高斯模糊 σ=1.5',p:'G(x,y) = (1/2πσ²)·exp(-(x²+y²)/2σ²)'}, {n:'运动模糊 L=5,θ=45°',p:'H(u,v)=T·sinc(π(a·u+b·v))·e^(-jπ(a·u+b·v))'}, {n:'散焦模糊 r=3',p:'PSF(r)=1/πr² (√(x²+y²) ≤ r)'} ]; var idx=0,timer=null,off=document.createElement('canvas'),offC=off.getContext('2d'); function dims(){ var r=c.parentElement.getBoundingClientRect(),w=Math.floor(r.width)-4; return{w:w<100?100:w,h:Math.round(w*0.56)||56} } function ptn(ax,w,h,ox,oy){ var cx=ox+w*0.25,cy=oy+h*0.35,mr=Math.min(w,h)*0.32,sr=Math.max(6,mr/6|0); ax.fillStyle='#f0eef2';ax.fillRect(ox,oy,w,h); ax.strokeStyle='#1a1a2e';ax.lineWidth=1.5; for(var r=sr;r<=mr;r+=sr){ax.beginPath();ax.arc(cx,cy,r,0,7);ax.stroke()} ax.strokeStyle='#2d3436';ax.lineWidth=1; for(var i=0;i<12;i++){var a=i/12*6.2832;ax.beginPath();ax.moveTo(cx,cy);ax.lineTo(cx+Math.cos(a)*mr,cy+Math.sin(a)*mr);ax.stroke()} var bx=ox+w*0.58,by=oy+h*0.06,sz=Math.max(3,Math.min(6,(w*0.035)|0)); for(var r2=0;r2<8;r2++)for(var c2=0;c2<8;c2++){ax.fillStyle=(r2+c2)&1?'#ddd':'#16213e';ax.fillRect(bx+c2*sz,by+r2*sz,sz,sz)} var lx=ox+w*0.7,ly=oy+h*0.55; for(var i=0;i<10;i++){var bw=Math.max(1,((10-i)*0.5)|0);ax.fillStyle='#0a0a23';ax.fillRect(lx+i*(bw+2),ly,bw,h*0.15)} var hx=ox+w*0.12,hy=oy+h*0.73; for(var i=0;i<6;i++){ax.fillStyle=i&1?'#e9e9ed':'#0a0a23';ax.fillRect(hx,hy+i*4,w*0.18,4)} ax.fillStyle='#1a1a2e';ax.font='bold '+(Math.max(8,(w*0.038)|0))+'px -apple-system,sans-serif'; ax.textAlign='center';ax.textBaseline='bottom';ax.fillText('蓝宝石 123',ox+w/2,oy+h-4) } function blurRight(ax,x,y,w,h,si){ ax.save();ax.beginPath();ax.rect(x,y,w,h);ax.clip(); if(si===0){ptn(ax,w,h,x,y)} else if(si===1||si===3){ax.filter=si===1?'blur(3px)':'blur(6px)';ptn(ax,w,h,x,y);ax.filter='none'} else{ off.width=Math.ceil(w*dpr);off.height=Math.ceil(h*dpr); offC.setTransform(dpr,0,0,dpr,0,0);ptn(offC,w,h,0,0); var st=10,dd=Math.round(Math.min(w,h)*0.025); for(var i=0;i<st;i++){ax.globalAlpha=0.12;ax.drawImage(off,x+i/st*dd,y+i/st*dd,w,h)} ax.globalAlpha=1 } ax.restore() } function draw(){ var gap=2,lw=half-gap,rw=W-half-gap,rx=half+gap; ctx.clearRect(0,0,W,H);ptn(ctx,lw,H,0,0);blurRight(ctx,rx,0,rw,H,idx); ctx.strokeStyle='rgba(128,128,128,0.2)';ctx.lineWidth=1; ctx.beginPath();ctx.moveTo(half,0);ctx.lineTo(half,H);ctx.stroke(); var s=states[idx];nEl.textContent=s.n;pEl.textContent=s.p } function next(){idx=(idx+1)%states.length;draw()} function resize(){ var d=dims();W=d.w;H=d.h;half=W/2|0;dpr=window.devicePixelRatio||1; c.width=Math.round(W*dpr);c.height=Math.round(H*dpr); c.style.width=W+'px';c.style.height=H+'px';ctx.setTransform(dpr,0,0,dpr,0,0);draw() } resize(); new ResizeObserver(function(){resize()}).observe(c.parentElement); var mq=window.matchMedia('(prefers-reduced-motion:reduce)'); mq.addEventListener('change',function(e){rm=e.matches;if(rm&&timer){clearInterval(timer);timer=null}else if(!rm&&!timer)timer=setInterval(next,3000)}); if(!rm)timer=setInterval(next,3000) })(); </script> </div> <h2 id="go-实现">Go 实现</h2> <p>Go 语言的 <code>image</code> 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。</p>https://blog.mickeyzzc.tech/posts/physical-world/acoustics-dsp-basics/Mon, 04 May 2026 10:00:00 +0800https://blog.mickeyzzc.tech/posts/physical-world/acoustics-dsp-basics/<h2 id="相消干涉">相消干涉</h2> <p>主动降噪（ANC）的物理基础是声波的相消干涉。两个频率相同、相位相反的声波叠加后会相互抵消。</p> <p>原始噪声信号：</p> $$ p_n(t) = A \cos(2\pi ft + \phi) $$<p>ANC 系统生成的反向声波：</p>https://blog.mickeyzzc.tech/posts/physical-world/adaptive-filtering-lms-nlms/Thu, 07 May 2026 10:00:00 +0800https://blog.mickeyzzc.tech/posts/physical-world/adaptive-filtering-lms-nlms/<h2 id="lms-算法">LMS 算法</h2> <p>自适应滤波的核心问题是：给定参考信号 <code>x(n)</code> 和期望信号 <code>d(n)</code>，找到一个滤波器系数向量 <code>w</code>，使输出 <code>y(n)</code> 逼近 <code>d(n)</code>。</p> <p>最小均方（Least Mean Square, LMS）算法是解决这个问题最经典的方法，由 Widrow 和 Hoff 在 1960 年提出。核心思路是每次迭代都沿着误差曲面最陡的方向下降一步——也就是随机梯度下降。</p>https://blog.mickeyzzc.tech/posts/physical-world/fxlms-anc-architecture/Mon, 11 May 2026 10:00:00 +0800https://blog.mickeyzzc.tech/posts/physical-world/fxlms-anc-architecture/<p>主动降噪（ANC, Active Noise Control）的核心思路是用扬声器发出一个与噪声相位相反、幅值相同的声波，通过相消干涉抵消掉目标区域的噪声。落地到硬件系统，需要解决两个问题：用什么传感器感知噪声，以及用哪种控制策略生成抗噪声。这两点决定了 ANC 系统的架构分类——前馈、反馈和混合式。</p>https://blog.mickeyzzc.tech/posts/physical-world/variable-step-frequency-domain/Thu, 14 May 2026 10:00:00 +0800https://blog.mickeyzzc.tech/posts/physical-world/variable-step-frequency-domain/<h2 id="固定步长的收敛矛盾">固定步长的收敛矛盾</h2> <p>标准 LMS 算法和 NLMS 算法都使用固定的步长参数 $\mu$。步长大小的选择直接影响算法性能，但存在一个根本矛盾：</p> <ul> <li><strong>大步长</strong>：收敛速度快，能够快速追踪环境变化，但稳态误差大，滤波精度低</li> <li><strong>小步长</strong>：稳态误差小，滤波精度高，但收敛速度慢，对突变响应迟缓</li> </ul> <p>这个矛盾在回声消除、主动噪声控制等应用中尤为突出——系统启动时需要快速收敛，稳态后则希望维持低误差。固定步长无法同时满足两阶段的需求。</p>https://blog.mickeyzzc.tech/posts/physical-world/embedded-anc-stm32/Mon, 18 May 2026 10:00:00 +0800https://blog.mickeyzzc.tech/posts/physical-world/embedded-anc-stm32/<h2 id="硬件架构">硬件架构</h2> <p>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。</p> <table> <thead> <tr> <th>模块</th> <th>功能</th> <th>典型选型</th> </tr> </thead> <tbody> <tr> <td>主控制器</td> <td>执行自适应算法</td> <td>STM32F4/F7, ESP32-S3, nRF5340</td> </tr> <tr> <td>参考麦克风</td> <td>采集环境噪声</td> <td>Knowles SPH0645, Infineon IM69D130</td> </tr> <tr> <td>误差麦克风</td> <td>采集残余噪声</td> <td>Knowles SPH0645, TDK ICS-43434</td> </tr> <tr> <td>音频 DAC</td> <td>输出抗噪声信号</td> <td>ES9218, PCM5102</td> </tr> <tr> <td>功放</td> <td>驱动扬声器</td> <td>Class-D</td> </tr> </tbody> </table> <p>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。</p>https://blog.mickeyzzc.tech/posts/physical-world/embedded-anc-esp32/Thu, 21 May 2026 10:00:00 +0800https://blog.mickeyzzc.tech/posts/physical-world/embedded-anc-esp32/<p>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。</p> <h2 id="i2s-麦克风采集">I2S 麦克风采集</h2> <p>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。</p>https://blog.mickeyzzc.tech/posts/physical-world/anc-tuning-debugging/Mon, 25 May 2026 10:00:00 +0800https://blog.mickeyzzc.tech/posts/physical-world/anc-tuning-debugging/<p>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。</p>https://blog.mickeyzzc.tech/posts/physical-world/imu-accelerometer-gyroscope/Fri, 15 May 2026 10:00:00 +0800https://blog.mickeyzzc.tech/posts/physical-world/imu-accelerometer-gyroscope/<p>运动传感系列开篇。传感器是嵌入式系统感知物理世界的窗口，IMU（Inertial Measurement Unit）是最常用的一类。这篇文章不讲高深理论，只讲 MEMS 传感器怎么工作、怎么接线、怎么读数、读出来的数据长什么样。</p>