1.理想高通滤波器

高通滤波与低通滤波正好相反，是频域图像的高频部分通过而抑制低频部分。在图像中图像的边缘对应高频分量，因此高通滤波的效果是图像锐化。同样最简单的高通滤波器是理想高通滤波器。通过设置一个频率阈值，将高于该阈值的频率部分通过，而低于阈值的低频部分设置为0。

VTK中理想高通滤波的实例如下：

/*         ******理想高通滤波**********             */
#include <vtkSmartPointer.h>
#include <vtkJPEGReader.h>
#include <vtkImageFFT.h>
#include <vtkImageIdealHighPass.h>
#include <vtkImageRFFT.h>
#include <vtkImageCast.h>
#include <vtkImageExtractComponents.h>
#include <vtkRenderer.h>
#include <vtkImageActor.h>
#include <vtkRenderWindow.h>
#include <vtkRenderWindowInteractor.h>
#include <vtkInteractorStyleImage.h>

int main()
{
	vtkSmartPointer<vtkJPEGReader> reader =vtkSmartPointer<vtkJPEGReader>::New();
	reader->SetFileName("data\\lena-gray.jpg");
	reader->Update();

	vtkSmartPointer<vtkImageFFT> fftFilter = vtkSmartPointer<vtkImageFFT>::New();//将图像域转换到频域空间
	fftFilter->SetInputConnection(reader->GetOutputPort());
	fftFilter->Update();

	vtkSmartPointer<vtkImageIdealHighPass> highPassFilter = vtkSmartPointer<vtkImageIdealHighPass>::New();
	highPassFilter->SetInputConnection(fftFilter->GetOutputPort());//定义图像高通滤波对象
	highPassFilter->SetXCutOff(0.1);//设置X和Y方向的截止频率
	highPassFilter->SetYCutOff(0.1);
	highPassFilter->Update();

	vtkSmartPointer<vtkImageRFFT> rfftFilter = vtkSmartPointer<vtkImageRFFT>::New();//将处理后的图像转换到空域中
	rfftFilter->SetInputConnection(highPassFilter->GetOutputPort());
	rfftFilter->Update();

	vtkSmartPointer<vtkImageExtractComponents> ifftExtractReal = vtkSmartPointer<vtkImageExtractComponents>::New();
	ifftExtractReal->SetInputConnection(rfftFilter->GetOutputPort());
	ifftExtractReal->SetComponents(0);//提取实部分量

	vtkSmartPointer<vtkImageCast> castFilter = vtkSmartPointer<vtkImageCast>::New();//数据类型转换
	castFilter->SetInputConnection(ifftExtractReal->GetOutputPort());
	castFilter->SetOutputScalarTypeToUnsignedChar();
	castFilter->Update();
	/
	vtkSmartPointer<vtkImageActor> originalActor = vtkSmartPointer<vtkImageActor>::New();
	originalActor->SetInputData(reader->GetOutput());

	vtkSmartPointer<vtkImageActor> erodedActor = vtkSmartPointer<vtkImageActor>::New();
	erodedActor->SetInputData(castFilter->GetOutput());
	/
	double leftViewport[4] = { 0.0, 0.0, 0.5, 1.0 };
	double rightViewport[4] = { 0.5, 0.0, 1.0, 1.0 };
	vtkSmartPointer<vtkRenderer> leftRenderer = vtkSmartPointer<vtkRenderer>::New();
	leftRenderer->AddActor(originalActor);
	leftRenderer->SetViewport(leftViewport);
	leftRenderer->SetBackground(1.0, 1.0, 1.0);
	leftRenderer->ResetCamera();
	vtkSmartPointer<vtkRenderer> rightRenderer = vtkSmartPointer<vtkRenderer>::New();
	rightRenderer->AddActor(erodedActor);
	rightRenderer->SetViewport(rightViewport);
	rightRenderer->SetBackground(1.0, 1.0, 1.0);
	rightRenderer->ResetCamera();
	/
	vtkSmartPointer<vtkRenderWindow> rw = vtkSmartPointer<vtkRenderWindow>::New();
	rw->SetSize(640, 320);
	rw->AddRenderer(leftRenderer);
	rw->AddRenderer(rightRenderer);
	rw->SetWindowName("IdealHighPassExample");

	vtkSmartPointer<vtkRenderWindowInteractor> rwi = vtkSmartPointer<vtkRenderWindowInteractor>::New();
	vtkSmartPointer<vtkInteractorStyleImage> style = vtkSmartPointer<vtkInteractorStyleImage>::New();
	rwi->SetInteractorStyle(style);
	rwi->SetRenderWindow(rw);
	rwi->Start();

	return 0;
}

运行结果如下：



低通-滤波；高通-锐化（从结果看出高通滤波后图像得到锐化处理，图像中仅剩下边缘。）同低通滤波一样，首先将读入图像通过vtkImageFFT转换到频域空间，定义vtkImageIdealHighPass对象，并通过SetXCutOff ()和SetYCutOff() 设置X和Y方向的截止频率。然后通过vtkImageRFFT将处理后的图像转换到空域中，得到高通滤波图像。为了显示的需要，还需要提取图像分量和数据类型的转换。

2.巴特沃兹高通滤波

理想高通滤波器不能通过电子元器件来实现，而且存在振铃现象。在实际中最常使用的高通滤波器是巴特沃斯高通滤波器。该滤波器的转移函数是：

                                             

D(u,v)表示频域中点到频域平面的距离，是截止频率。当D(u,v)大于时，对应的H(u,v)逐渐接近1，从而使得高频部分得以通过；而当D(u,v)小于时，H(u,v)逐渐接近0，实现低频部分过滤。巴特沃斯高通滤波器在VTK中对应vtkImageButterworthHighPass类。

下面代码说明了vtkImageButterworthHighPass对图像进行高通滤波：

/*******************巴特沃特高斯高通滤波***********************************/
#include <vtkSmartPointer.h>
#include <vtkJPEGReader.h>
#include <vtkImageFFT.h>
#include <vtkImageButterworthHighPass.h>
#include <vtkImageRFFT.h>
#include <vtkImageExtractComponents.h>
#include <vtkImageCast.h>
#include <vtkRenderer.h>
#include <vtkImageActor.h>
#include <vtkRenderWindow.h>
#include <vtkRenderWindowInteractor.h>
#include <vtkInteractorStyleImage.h>

int main(int argc, char* argv[])
{
	vtkSmartPointer<vtkJPEGReader> reader = vtkSmartPointer<vtkJPEGReader>::New();
	reader->SetFileName("lena.jpg");
	reader->Update();

	vtkSmartPointer<vtkImageFFT> fftFilter = vtkSmartPointer<vtkImageFFT>::New();
	fftFilter->SetInputConnection(reader->GetOutputPort());
	fftFilter->Update();

	vtkSmartPointer<vtkImageButterworthHighPass> highPassFilter = vtkSmartPointer<vtkImageButterworthHighPass>::New();
	highPassFilter->SetInputConnection(fftFilter->GetOutputPort());
	highPassFilter->SetXCutOff(0.1);
	highPassFilter->SetYCutOff(0.1);//x\y轴的截止频率
	highPassFilter->Update();

	vtkSmartPointer<vtkImageRFFT> rfftFilter = vtkSmartPointer<vtkImageRFFT>::New();// 转换回空域中
	rfftFilter->SetInputConnection(highPassFilter->GetOutputPort());
	rfftFilter->Update();

	vtkSmartPointer<vtkImageExtractComponents> ifftExtractReal = vtkSmartPointer<vtkImageExtractComponents>::New();
	ifftExtractReal->SetInputConnection(rfftFilter->GetOutputPort());
	ifftExtractReal->SetComponents(0);//提取复数中的实部

	vtkSmartPointer<vtkImageCast> castFilter = vtkSmartPointer<vtkImageCast>::New();//数据转换为unsigned char类型
	castFilter->SetInputConnection(ifftExtractReal->GetOutputPort());
	castFilter->SetOutputScalarTypeToUnsignedChar();
	castFilter->Update();
	
	vtkSmartPointer<vtkImageActor> originalActor = vtkSmartPointer<vtkImageActor>::New();
	originalActor->SetInputData(reader->GetOutput());

	vtkSmartPointer<vtkImageActor> erodedActor = vtkSmartPointer<vtkImageActor>::New();
	erodedActor->SetInputData(castFilter->GetOutput());
	//
	double leftViewport[4] = { 0.0, 0.0, 0.5, 1.0 };
	double rightViewport[4] = { 0.5, 0.0, 1.0, 1.0 };
	vtkSmartPointer<vtkRenderer> leftRenderer =	vtkSmartPointer<vtkRenderer>::New();
	leftRenderer->AddActor(originalActor);
	leftRenderer->ResetCamera();
	leftRenderer->SetViewport(leftViewport);
	leftRenderer->SetBackground(1.0, 1.0, 1.0);

	vtkSmartPointer<vtkRenderer> rightRenderer = vtkSmartPointer<vtkRenderer>::New();
	rightRenderer->AddActor(erodedActor);
	rightRenderer->SetViewport(rightViewport);
	rightRenderer->SetBackground(1.0, 1.0, 1.0);
	rightRenderer->ResetCamera();
	
	vtkSmartPointer<vtkRenderWindow> rw = vtkSmartPointer<vtkRenderWindow>::New();
	rw->AddRenderer(leftRenderer);
	rw->AddRenderer(rightRenderer);
	rw->SetSize(640, 320);
	rw->Render();
	rw->SetWindowName("Frequency_ButterworthHighPass");
	/
	vtkSmartPointer<vtkRenderWindowInteractor> rwi = vtkSmartPointer<vtkRenderWindowInteractor>::New();
	vtkSmartPointer<vtkInteractorStyleImage> style = vtkSmartPointer<vtkInteractorStyleImage>::New();
	rwi->SetInteractorStyle(style);
	rwi->SetRenderWindow(rw);
	rwi->Start();

	return 0;
}

 运行结果如下：



解释说明：vtkImageButterworthHighPass与理想高通滤波使用方法一致。需要设置X和Y轴的截止频率，为了便于比较，其截止频域与理想高通滤波设置一致。

参考资料：

1.《The Visualization Toolkit – AnObject-Oriented Approach To 3D Graphics (4th Edition)》

2. 张晓东, 罗火灵. VTK图形图像开发进阶[M]. 机械工业出版社, 2015.

所用软件：vtk7.0+visual studio 2013



注：此文知识学习笔记，仅记录完整程序和实现结果，具体原理参见：

https://blog.csdn.net/www_doling_net/article/details/8541534

https://blog.csdn.net/shenziheng1/article/category/6114053/4

 

1 QC 2.0

1.1 高通Quick Charge 2.0 快速充电原理分析

QC 2.0快速充电需要手机端和充电器都支持才行。

当将充电器端通过数据线连到手机上时，充电器默认的是将D+和D-短接的，这样手机端探测到的充电器类型是DCP（参见本人另一篇博文《高通平台USB 2.0和USB 3.0接口充电器识别原理》），手机以默认的5V电压充电，接着过程如下：

（1）如果手机端使能了快速充电协议，Android用户空间的hvdcp（high voltage dedicated charging port）进程启动，并且在D+上加载0.325V的电压维持超过1.25s上；

（2）充电器检测到D+上电压0.325V维持超过了1.25s，就断开D+和D-的短接，由于D+和D-断开，所以D-上的电压不再跟随D+上的电压0.325V变动，此时开始下降；

（3）手机端检测到D-上的电压从0.325V开始下降维持1ms以上时，hvdcp读取/sys/class/power_supply/usb/voltage_max的值，如果是9000000uV，就设置D+上的电压为3.3V，D-上 的电压为0.6V，否则设置D+为0.6V，D-为0V；

（4）充电器检测到D+和D-上的电压后，就调整充电器端的输出电压。

Table 1-1 QC 2.0充电握手协议



注意：

当DP=3.3V，而DM=3.3V時，充電頭輸出20V。

当DP=0.6V，而DM=3.3V时，表示QC将进入continuous mode（也就是QC 3.0模式）。

- 参考 smbchg_prepare_for_pulsing()。


1.2 Parallel Charging

Question：单独的PMI8952的充电最大电流是多大？

Answer：单独PMI8952最大充电电流是2.0+A，但是实际电流应该不到2A，主要是依赖于PCB板子的布局和thermal等参数强相关。


Question：如果采用并行充电，那么PMI8952的充电电流一般多大呢？是自动的？还是可以指定的？

Answer：如果是并行充电，PMI和SMB组合最大3.0A左右，自动调节各个通道的电流。


2 QC 3.0

QC 3.0的主要优势是可优化手机内的DC/DC效率：

（1）消除了QC 2.0中固有的会在电压切换时造成的手机发热问题；

（2） QC 3.0通过移除手机DC/DC转换器还可简化无线充电器架构，QC 3.0可大大降低DC/DC转换电路的损耗，从而有效缓解了快充时的发热问题。


由于全面使用了Type-C接口取代原来的MicroUSB接口，QC 3.0最大电流也提升到了3A，因为电压更低所以效率提升最高达38%，充电速度提升27%，发热降低45%。


QC 2.0提供5V、9V、12V和20V四档充电电压，QC 3.0则以200mV为步幅，提供从3.6V到20V电压的灵活选择。采用 QC 3.0时，便携式设备通过USB接口的D+和D-信号提交电压选择请求，在同一时间可能有不规律的USB数据通信。关于QC 3.0支持的总线电压（VBUS） 范围，A级为3.6V至12V，B级为3.6V至20V。QC 3.0在分立模式下等同于QC 2.0，以0V、0.6V、3.3V三级逻辑通过静态D+/D- 值选择VBUS；在连续模式下，新的QC 3.0以200mV小步幅增加或降低VBUS，让便携式设备选择最适合的电压达到理想充电效率，更具灵活性，其最大负载电流限制为3A，最高功率可达60W。


实际产品中都是最大18W（可以认为是9V * 2A），与QC 2.0是一样的。

Table 2-1 QC 3.0充电握手协议



识别顺序：先是5V时电流1.2A，然后电压升到9V，电流下降到0.2A（HVDCP_ICL_VOTER），之后电压降到5V，电流不变；最后电压和电流同时上升，稳定在7V @ 2.2A左右，功率到15~17W左右，这个识别过程大概15秒。


3 QC 4.0

QC 4.0基于USB PD 3.0 PPS。

QC 4.0加入了“智能最佳电压技术”（INOV），并且加入USB PD支持。相比QC 3.0  200mV的步进电压调节档位，QC 4.0进一步优化INOV算法，将调节精度做到了20mV (注：USB PD的电流调节步长是50mA)，比上代提了近10倍精度。将充电最高功率调整到28W，方案设计为5V/4.7A~5.6A和9V/3A，舍弃了12V的设计。


4 Acronym

POWER_SUPPLY_DP_DM_DPR_DMR：R means Remove

POWER_SUPPLY_DP_DM_DPF_DMF：F means Floated，High-Z

HVDCP-OPTI：High Voltage Dedicated Charging Port - OPTImization


ARC：Argonant RISC Core

AT91SAM9260：SAM means Smart ARM-based Microcontroller

ATMEL SAMBA：ATMEL Smart ARM-based Microcontroller Boot Assistant

CC2530：TI ChipCon2530

DWC2：Design Ware Controller 2，Apple的嵌入式设备，包括iPad和iPhone都是使用的DWC2

ISP1161：Philips' Integrated host Solution Pairs 1161，“Firms introduce USB host controllers”，https://www.eetimes.com/document.asp?doc_id=1290054

Quirks：the attributes of a device that are considered to be noncompliant with expected operation

SL811HS：Cypress/ScanLogic 811 Host/Slave，性能上与ISP1161（Integrated host Solution Pairs 1161）相当

TDI：TransDimension Inc.，该公司首先发明了将TT集成到EHCI RootHub中的方法，这样对于嵌入式系统来说，就省去了OHCI/UHCI的硬件，同时降低了成本，作为对该公司的纪念，Linux内核定义了宏ehci_is_TDI(ehci)；产品UHC124表示USB Host Controller；收购了ARC USB技术；现已被chipidea收购，chipidea又被mips收购

TLV：TI Low Value，高性价比

TPS：TI Performance Solution

TT：Transaction Translator（事务转换器，将USB2.0的包转换成USB1.1的包）

1.下载高通ar sdk，可在官网下载，unity5.7以下在网上找，unity2017以上内嵌

2.网上教程很多，注册高通账号不赘述，申请key，流程：Develop-LienceManager-Get Developt key按步骤往下走即可，如果已申请过也可多次申请key

3.设置Target Manager添加Datebase，一个Datebase下可添加多个Target，这也就决定了能否同时显示的问题

4.下载DownLoad Datebase勾选unity editor，之后倒入到unity

5.找到预制件 ARCamera替换场景中的Camera，查看其组件脚本Vuforia Behaviour，点击“OpenVuforia configuration”，将申请的key粘贴上去并在其下方Datasets下勾选全部

6.在相同位置找到：ImageTarget，拖拽至场景，并在“Image Target behaviour”脚本中配置Database和Image Target（如果资源导入正确其下拉菜单会出现相应选项）

7.调整相机或者ImageTarget使其在屏幕中央显示，在ImageTarget下添加3d内容即可，做好内容后导出（前提安卓已配置好）

*如何非同时识别多个图片？？*两种方法（共同点将vuforia下的MaxSimultaneous Tracked Image改成5以内如果是3d则是MaxSimultaneous Tracked object改成5，这决定了能否读取多个图片或物体）

第一种：申请多个Dtabase分别下载导出，之后每个ImageTarget进行各个配置

第二种：申请一个Dtabase，在旗下添加多个ImageTarget，并同时选中下载导入至unity，然后对每个ImageTarget分发不同的“ImageTarget”属性

第二种也可以做到同时识别多个图片（这样就可以做卡牌对战）

*如何给扫描的物体分配ui和声音？？*

将ImageTarget下的“Delault Trackable Event Handler”另存一个脚本，并把另存的脚本替换ImageTarget下的“Delault Trackable Event Handler”(在其本身上修改违反原则，虽然也可以)

然后在OnTrackingFound函数中激活该物体要显示的东西，在OnTrackingLost函数下失活该物体要显示的东西（OnTrackingFound也就是扫描出物体后要执行的函数，而OnTrackingLost是丢失物体时要执行的函数）

下方为控制ar缩放和旋转的代码链接

https://blog.csdn.net/caojianhua1993/article/details/52040918

 

 

 

 

高通滤波结果展示：

import random
import numpy as np
import pandas as pd
from scipy import signal
import matplotlib.pyplot as plt
def sine_generator(fs, sinefreq, duration):
    T = duration
    nsamples = fs * T
    w = 2. * np.pi * sinefreq
    t_sine = np.linspace(0, T, nsamples, endpoint=False)
    y_sine = np.sin(w * t_sine) + random.random() 
    result = pd.DataFrame({ 
        'data' : y_sine} ,index=t_sine)
    return result
def sine_generator2(fs, sinefreq, duration):
    T = duration
    nsamples = fs * T
    w = 2. * np.pi * sinefreq
    t_sine = np.linspace(0, T, nsamples, endpoint=False)
    y_sine = t_sine
    result = pd.DataFrame({ 
        'data' : y_sine} ,index=t_sine)
    return result

def sine_generator3(fs, sinefreq, duration):
    T = duration
    nsamples = fs * T
    w = 2. * np.pi * sinefreq
    t_sine = np.linspace(0, T, nsamples, endpoint=False)
    y_sine = t_sine * random.random()
    result = pd.DataFrame({ 
        'data' : y_sine} ,index=t_sine)
    return result


def butter_highpass(cutoff, fs, order=5):
    nyq = 0.5 * fs
    normal_cutoff = cutoff / nyq
    b, a = signal.butter(order, normal_cutoff, btype='high', analog=False)
    return b, a

def butter_highpass_filter(data, cutoff, fs, order=5):
    b, a = butter_highpass(cutoff, fs, order=order)
    y = signal.filtfilt(b, a, data)
    return y

fps = 30
sine_fq = 10 #Hz
duration = 10 #seconds
sine_5Hz = sine_generator(fps,sine_fq,duration)
sine_fq = 1 #Hz
duration = 10 #seconds
sine_1Hz = sine_generator(fps,sine_fq,duration)

t=sine_generator2(fps,sine_fq,duration)
k=sine_generator3(fps,sine_fq,duration)
sine = sine_5Hz + sine_1Hz + t  + k

filtered_sine = butter_highpass_filter(sine.data,10,fps)
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.figure(figsize=(20,10))
plt.subplot(211)
plt.plot(range(len(sine)),sine)
plt.title("原始信号")
plt.subplot(212)
plt.plot(range(len(filtered_sine)),filtered_sine)
plt.ylim(-2,2)
plt.title('高通滤波信号')
plt.show()

参考源：

https://stackoverflow.com/questions/39032325/python-high-pass-filter