4、开发环境搭建：Keil MDK、STM32CubeIDE、Vivado、OpenCV交叉编译

说实话，做嵌入式图像处理最头疼的往往不是算法本身，而是环境搭了半天跑不起来。我早期吃过这个亏——花了两天配环境，结果发现编译器版本不匹配，链接报错一堆。所以这一章，咱们把四个主流工具链的搭建方法捋清楚。

4.1 Keil MDK：ARM Cortex-M的标配

Keil MDK 主要用于 STM32 这类 Cortex-M 内核的 MCU。我个人习惯用它做裸机或 RTOS 下的图像预处理，比如简单的均值滤波、二值化。

4.1.1 安装要点

• 版本选择：MDK 5.38 以上对 ARM Compiler 6 支持更好，编译速度明显快。我建议用最新稳定版。
• 器件包：记得装对应芯片的 Pack。比如 STM32F4 系列，去 Keil 官网下载 Keil.STM32F4xx_DFP.x.x.x.pack。
• License：评估版有 32KB 代码限制。做图像处理很容易超，建议申请社区版或正版。

4.1.2 工程配置

新建工程后，重点配置这几项：

1. Target 选项卡：选择正确的芯片型号，设置晶振频率。
2. C/C++ 选项卡：添加优化选项 -O2，图像处理对性能敏感。
3. Linker 选项卡：如果 RAM 不够，可以调整堆栈大小。

// 一个简单的测试代码，验证环境是否正常
#include "stm32f4xx.h"

int main(void) {
    uint8_t image_buffer[320*240]; // 320x240 灰度图
    // 简单测试：填充数据
    for(int i=0; i<320*240; i++) {
        image_buffer[i] = i & 0xFF;
    }
    while(1);
}

4.2 STM32CubeIDE：免费且强大的替代方案

如果你不想花钱买 Keil 授权，STM32CubeIDE 是个好选择。它基于 Eclipse，集成了 CubeMX 的图形化配置功能。说白了，就是 ST 官方自己出的 IDE，免费、全功能。

4.2.1 安装与首次使用

• 去 ST 官网下载最新版，安装时注意勾选 "STM32CubeProgrammer" 用于烧录。
• 第一次打开会提示安装驱动，建议全部装。
• 新建工程时，可以直接从 CubeMX 的 .ioc 文件导入配置。

4.2.2 交叉编译配置

做图像处理时，我们经常需要用到浮点运算。在 CubeIDE 里要这样配：

1. 右键工程 → Properties → C/C++ Build → Settings
2. 在 MCU Settings 里，把 Floating-point unit 选成 "Single precision"
3. Optimization 选 "-O2" 或 "-Ofast"（如果算法对精度要求不高）

// 验证浮点运算是否正常
#include <math.h>

float gaussian_kernel[9] = {
    1, 2, 1,
    2, 4, 2,
    1, 2, 1
};

void normalize_kernel(void) {
    float sum = 0;
    for(int i=0; i<9; i++) sum += gaussian_kernel[i];
    for(int i=0; i<9; i++) gaussian_kernel[i] /= sum;
}

4.3 Vivado：FPGA 加速的利器

当 MCU 算力不够时，我们会把图像滤波算法搬到 FPGA 上。Vivado 就是 Xilinx 家的开发工具。说实话，这玩意儿比 Keil 复杂不少，但性能提升也是实打实的。

4.3.1 安装注意事项

• Vivado 体积巨大（20GB+），建议装在 SSD 上。
• 安装时选择 "Vivado HL WebPACK" 就够了，免费的。
• 记得装对应板卡的 Board Files，比如 Zynq-7000 系列。

4.3.2 HLS 图像处理流程

用 Vivado HLS 做图像滤波，核心是写 C/C++ 代码然后综合成 RTL。举个例子：

// Vivado HLS 中的 3x3 均值滤波
#include "hls_video.h"

void mean_filter_3x3(hls::Mat<480, 640, HLS_8UC1> &src, 
                     hls::Mat<480, 640, HLS_8UC1> &dst) {
    hls::Window<3, 3, unsigned char> window;
    hls::LineBuffer<3, 640, unsigned char> line_buf;

    for(int row=0; row<480; row++) {
        for(int col=0; col<640; col++) {
            line_buf.shift_pixels(col);
            line_buf.insert_bottom(src.read(), col);
            window = line_buf.get_window(col);

            unsigned char sum = 0;
            for(int i=0; i<3; i++)
                for(int j=0; j<3; j++)
                    sum += window.getval(i,j);
            dst.write(sum / 9);
        }
    }
}

4.4 OpenCV 交叉编译：在 ARM 上跑计算机视觉

OpenCV 原本是为 PC 设计的，但我们可以交叉编译到 ARM 平台。说白了，就是在 PC 上编译出 ARM 能跑的库文件，然后丢到板子上用。

4.4.1 交叉编译工具链

以 STM32MP1 为例，需要安装 ARM 交叉编译器：

# 安装 gcc-arm-linux-gnueabihf
sudo apt-get install gcc-arm-linux-gnueabihf
sudo apt-get install g++-arm-linux-gnueabihf

4.4.2 编译 OpenCV

我建议用 OpenCV 4.5 以上版本，对 ARM 优化更好。编译步骤：

1. 下载源码：git clone https://github.com/opencv/opencv.git
2. 创建 build 目录，运行 cmake 配置
3. 关键选项：-DCMAKE_TOOLCHAIN_FILE=../platforms/linux/arm-gnueabihf.toolchain.cmake
4. 去掉不必要的模块（比如 dnn、gapi），减少库体积

# 一个典型的 cmake 配置
cmake -DCMAKE_TOOLCHAIN_FILE=../platforms/linux/arm-gnueabihf.toolchain.cmake \
      -DCMAKE_INSTALL_PREFIX=./install \
      -DBUILD_opencv_dnn=OFF \
      -DBUILD_opencv_gapi=OFF \
      -DWITH_GTK=OFF \
      -DWITH_V4L=ON \
      ..

4.4.3 验证交叉编译结果

编译完成后，把 install/lib 下的 .so 文件拷贝到板子上。写个简单程序测试：

// test_opencv.cpp
#include <opencv2/opencv.hpp>

int main() {
    cv::Mat img(480, 640, CV_8UC1);
    cv::randu(img, 0, 255);
    
    cv::Mat blurred;
    cv::GaussianBlur(img, blurred, cv::Size(3,3), 1.0);
    
    std::cout << "OpenCV on ARM works!" << std::endl;
    return 0;
}

用交叉编译器编译：arm-linux-gnueabihf-g++ test_opencv.cpp -o test_opencv -I./install/include -L./install/lib -lopencv_core -lopencv_imgproc

4.5 环境验证清单

搭建完环境后，我建议按这个清单逐一验证：

工具链	验证方法	预期结果
Keil MDK	编译一个 LED 闪烁程序	生成 .hex 文件，烧录后 LED 闪烁
STM32CubeIDE	导入一个 HAL 库例程	编译通过，能进入调试模式
Vivado	运行一个 HLS 仿真	仿真波形正确，综合无错误
OpenCV 交叉编译	在 ARM 板子上运行测试程序	输出 "OpenCV on ARM works!"

好了，环境搭好之后，下一章咱们就开始真正写图像滤波的代码了。到时候我会拿一个实际项目中的例子，带大家一步步实现。