4、图像采集与显示：摄像头初始化、LCD屏幕显示、图像格式与分辨率设置、实时预览

在K210边缘AI视觉项目中，图像采集与显示是连接物理世界与算法处理的桥梁。摄像头负责将光信号转换为数字图像数据，LCD屏幕则用于实时反馈采集结果，而图像格式与分辨率的设置直接决定了后续AI模型推理的输入质量与计算开销。本章将围绕MaixPy开发板，系统讲解摄像头初始化流程、LCD显示驱动的配置方法、图像格式（RGB565与YUV422）与分辨率的选择策略，以及如何实现高效的实时预览链路。理解这一环节，是后续进行目标检测、分类识别等视觉任务的基础前提。

上图展示了从摄像头传感器到LCD屏幕显示的完整数据通路。左侧为图像采集链路，中间为格式与分辨率配置的关键决策点，右侧为显示输出链路。在实际开发中，这三部分并非完全独立，而是通过内存中的帧缓冲相互关联。下面我们将逐一深入每个环节的具体实现方法。

4.1 摄像头初始化：从寄存器到MaixPy封装

K210开发板通常搭载OV2640或GC0328摄像头模组，通过DVP（Digital Video Port）接口与芯片连接。摄像头初始化涉及SCCB（类似I2C）协议配置寄存器序列，包括设置输出格式、分辨率、时钟分频、增益、曝光等参数。在MaixPy固件中，这些底层操作已被封装为简洁的Python API，但理解其背后的初始化流程对排查问题至关重要。

4.1.1 核心初始化流程

1. 硬件复位与供电稳定：确保摄像头供电（通常为2.8V或3.3V）稳定，复位引脚拉低至少10ms后再释放。
2. SCCB总线探测：通过SCCB读取摄像头ID寄存器（OV2640的地址为0x30，ID寄存器为0x0A），确认通信正常。
3. 加载寄存器配置表：根据目标分辨率与格式，写入对应的寄存器序列。MaixPy内置了多种预设配置。
4. 启动图像输出：配置完成后，摄像头开始通过DVP接口持续输出帧数据。

# MaixPy 摄像头初始化示例
import sensor
import lcd

# 初始化摄像头
sensor.reset()                      # 复位摄像头
sensor.set_pixformat(sensor.RGB565) # 设置像素格式为RGB565
sensor.set_framesize(sensor.QVGA)   # 设置分辨率为320x240
sensor.set_vflip(True)              # 垂直翻转（根据安装方向调整）
sensor.set_hmirror(False)           # 水平镜像
sensor.run(1)                       # 启动图像采集

4.1.2 摄像头配置参数详解

4.2 LCD屏幕显示：驱动配置与像素格式匹配

MaixPy开发板通常配备2.4英寸或2.8英寸TFT-LCD，分辨率为320x240，驱动芯片多为ST7789或ILI9341。LCD通过SPI接口与K210通信，SPI时钟频率可达40MHz以上。LCD初始化需要配置SPI模式、数据位宽、显示窗口、背光控制等参数。

4.2.1 LCD初始化关键步骤

# LCD 初始化示例
lcd.init(freq=15000000, color=lcd.RED)  # 初始化LCD，SPI频率15MHz，背景色红色
lcd.set_direction(lcd.YX_LRTB)          # 设置显示方向（横屏/竖屏）
lcd.clear(lcd.WHITE)                    # 清屏为白色

在lcd.init()中，freq参数控制SPI通信时钟频率。频率越高刷新越快，但过高可能导致信号完整性下降。对于320x240分辨率的LCD，15MHz是较为稳妥的选择。如果使用更高分辨率或追求极致刷新率，可以尝试提升至30MHz，但需要确保杜邦线连接质量良好。

4.2.2 图像格式转换与显示

摄像头输出的RGB565格式与LCD的像素格式完全一致，因此可以直接将帧缓冲数据写入LCD显存。MaixPy提供了lcd.display(img)函数，接受Image对象或字节数组。该函数内部会进行DMA传输，将图像数据从内存复制到LCD的GRAM中。

# 实时预览循环
while True:
    img = sensor.snapshot()  # 捕获一帧图像
    lcd.display(img)         # 显示到LCD

上述代码构成了最基本的实时预览功能。sensor.snapshot()会阻塞等待下一帧数据就绪，返回Image对象；lcd.display()则将图像推送到屏幕。整个循环的帧率取决于摄像头输出帧率与LCD刷新率的较小值。

4.3 图像格式与分辨率设置：性能与质量的平衡

图像格式与分辨率的选择直接影响AI模型的输入尺寸、内存占用和推理速度。K210的KPU（神经网络处理器）对输入图像有特定要求，通常需要RGB565格式且尺寸为32的倍数（如224x224、320x240等）。

4.3.1 RGB565与YUV422的选择策略

• RGB565：每个像素16位，R占5位、G占6位、B占5位。优点是直接兼容LCD显示，无需转换；缺点是颜色精度略低，且不适合直接进行颜色空间转换。
• YUV422：每个像素16位，Y（亮度）占8位，U/V（色度）各占4位（平均）。优点是符合视频压缩标准，便于后续JPEG编码；缺点是显示前需要转换为RGB。

对于大多数视觉识别项目，推荐使用RGB565格式。如果项目需要将图像上传至服务器或保存为JPEG文件，则YUV422更为合适，因为JPEG编码器内部使用YUV色彩空间。

4.3.2 分辨率选择与帧率关系

K210内置6MB SRAM，其中约4MB可用于帧缓冲。如果使用双缓冲机制（一帧用于采集，一帧用于处理），QVGA分辨率下需要300KB内存，完全在可接受范围内。但VGA分辨率下双缓冲需要1.2MB，会显著压缩其他算法的可用内存。

4.4 实时预览的工程实践与性能优化

实时预览是视觉项目的基础功能，但简单的while True: img = sensor.snapshot(); lcd.display(img)循环在复杂项目中往往不够高效。以下是一些经过验证的优化策略。

4.4.1 双缓冲机制

MaixPy的sensor.snapshot()默认使用双缓冲。这意味着在CPU处理当前帧时，摄像头DMA已经在填充下一帧缓冲区。这种机制避免了帧撕裂（tearing）现象，但也增加了内存占用。在内存紧张时，可以通过sensor.set_framesize()降低分辨率来释放空间。

4.4.2 帧率统计与调优

import time
frame_count = 0
start_time = time.ticks_ms()

while True:
    img = sensor.snapshot()
    lcd.display(img)
    frame_count += 1
    if frame_count % 30 == 0:
        elapsed = time.ticks_diff(time.ticks_ms(), start_time) / 1000
        fps = frame_count / elapsed
        print("当前帧率: {:.1f} FPS".format(fps))
        frame_count = 0
        start_time = time.ticks_ms()

通过统计帧率，可以直观地评估不同配置下的性能表现。如果帧率低于预期，可以从以下方面排查：

• 摄像头输出帧率是否受限（检查曝光时间是否过长）
• LCD SPI时钟频率是否过低
• 是否存在其他占用CPU的高频任务
• 是否启用了不必要的图像处理（如自动白平衡、自动曝光）

4.4.3 案例拆解：智能门禁系统的图像采集优化

假设我们需要设计一个基于K210的智能门禁系统，要求实现人脸检测与识别，同时需要在LCD上实时显示预览画面。

初始配置与问题：使用VGA分辨率（640x480）、RGB565格式，帧率仅为8FPS，人脸检测时CPU占用率高达95%，导致系统响应迟钝。

分析过程：通过帧率统计发现，瓶颈不在摄像头（摄像头在VGA下可输出15FPS），而在于LCD刷新和KPU推理的竞争。VGA分辨率下，LCD刷新一帧需要传输600KB数据，SPI带宽占用严重；同时KPU处理VGA图像需要约120ms，远超QVGA的40ms。

优化方案：

1. 将分辨率降至QVGA（320x240），帧率提升至30FPS。
2. 将LCD SPI频率从15MHz提升至25MHz，减少刷新时间。
3. 关闭摄像头的自动白平衡，改用固定色温设置，减少CPU开销。
4. 将人脸检测区域裁剪为中央224x224区域，减少KPU输入尺寸。

结果对比：优化后帧率稳定在28-30FPS，CPU占用率降至60%，人脸检测准确率从91%提升至94%（因为帧率提高，减少了运动模糊）。代价是图像视野变窄，但通过调整摄像头安装角度弥补了该问题。

复盘经验：在资源受限的嵌入式平台上，性能优化往往是系统性的。不能只关注单一环节，而应从数据通路全局出发，找到真正的瓶颈所在。分辨率、帧率、CPU占用三者之间存在强耦合关系，需要根据实际应用场景做出取舍。

4.5 常见误区与总结

在图像采集与显示环节，初学者常犯以下错误：

本章总结：图像采集与显示是K210视觉项目的基石。摄像头初始化需要关注SCCB通信与寄存器配置；LCD显示需要匹配像素格式与SPI参数；格式与分辨率的选择应在性能与质量之间取得平衡；实时预览则需考虑双缓冲、帧率统计与系统级优化。掌握这些核心技能后，即可为后续的AI模型部署打下坚实基础。在实际项目中，建议始终从系统视角出发，将采集、处理、显示视为一个整体来优化，而非孤立地调整单个参数。