最近搞了一些计算机视觉在MCU上的应用，较为合适的方案类似于openmv，但是其消耗时间也略长，并不适合高频控制。为此，必须要对传统图像处理中的算法进行简化以适应MCU。
对于边缘的提取以及是否二值化，我的想法是无论是边缘提取还是二值化都需要进行图像遍历，而二值化的好处仅仅是可以简化图像，那么为什么不直接在边缘提取中整合呢？所以我不采用先二值化的方案。边缘检测可以使用Canny算法，不过这个算法的缺点就是耗时过长，但是除去其中的高斯模糊没办法简化以外，其余都可以。比如非极大值抑制则完全可以以阈值的形式来体现，而且在先期计算图像梯度时也不需要使用八个方向，四个即可，最终的形态学分析也完全可以和赛道线合理性判断相结合，那么整体简化下来，计算量就会小很多了。
即便是Canny算法，也无可避免地会遇到强光干扰的问题，这时可以采用Gamma变换对图像进行整体灰度映射，高光时进行高光压缩，低光时进行高光扩展，将噪声压制于背景之中，同时，这样的做法可以使得后续的边缘提取问题归一化，即无论环境光照如何，最后经过变换后的图像，灰度直方图呈现出统一。
关于逆透视，这是个讲了很久的问题，全局逆透视不太现实，浮点运算过多，正确的操作应该是边缘逆透视，而且是以矩阵运算的形式这样方便自己修改逆透视参数。随便用一些软件仿真一下即可得到矩阵参数，我这里使用的是Python。
