嵌入式图像处理（五）：整合 —— 从单一帧到完整质量报告
前几篇的工具各自跑各自的，每次要手动输命令、记参数、对比输出。太散了。这篇把所有模块拼成一个大号工具——iq_analyzer，输入一帧 YUYV，一次跑完亮度、曝光、色彩、噪点、清晰度五维分析，直接出综合评分。外加 JSON 导出。
1. 文件结构
六个源文件 + 一个头文件，Makefile 管编译：
iq_analyzer.h— 四个 report 结构体，所有模块共享iq_analyzer.c— main()，参数解析 → 读帧 → 调各模块 → 出报告luminance.c— 亮度统计（直方图/均值/std/median/曝光）color.c— 色彩分析（U/V 均值 → 偏色方向）noise.c— 噪点评估（空间域相邻像素差方差）sharpness.c— 清晰度（Sobel 3×3 边缘能量，新算法）report.c— 加权评分 + 终端输出 + JSON 导出
typedefstruct{doublemean,stddev;intmedian,min,max,hist[256];doubleover_pct,under_pct;intdyn_range;constchar*status;}LumReport;typedefstruct{doubleu_mean,v_mean;constchar*cast;}ColorReport;typedefstruct{doubley_noise_var,uv_noise_var;constchar*y_level,*uv_level;}NoiseReport;typedefstruct{doubleedge_energy;constchar*level;}SharpReport;分析的对象就是之前拍的那帧——关掉 AWB 和锐化后的原始画面：
2. 亮度统计
和之前 frame_analyzer 不太一样——这里所有统计从直方图算，不是从原始像素数组。先建一次 256 桶 histogram，后续全是 O(256)：
/* 均值：加权求和 */sum=0.0;for(i=0;i<256;i++)sum+=i*hist[i];r.mean=sum/total;/* 标准差：同样从直方图算 */sum=0.0;for(i=0;i<256;i++){doublediff=i-r.mean;sum+=diff*diff*hist[i];}r.stddev=sqrt(sum/total);/* 中位数：累加直方图到 halfway */sum=0.0;for(i=0;i<256;i++){sum+=hist[i];if(sum>=total/2){r.median=i;break;}}曝光用累积分布的 P1 和 P99 间距作为动态范围，比之前简单的 0-255 范围更鲁棒。
3. 偏色检测
YUYV 里每 4 字节有 1 个 U 和 1 个 V。遍历取均值后，看 UV 偏离 128 的方向和幅度：
du=u_mean-128.0;dv=v_mean-128.0;if(fabs(du)<3&&fabs(dv)<3)r.cast="neutral";elseif(dv>5)r.cast="warm";elseif(dv<-5)r.cast="cool";elseif(du>5)r.cast="magenta";elseif(du<-5)r.cast="green";elser.cast="slight cast";阈值是试出来的——3 以内肉眼基本看不出偏色，5 以上方向明确。
4. 噪点评估
用最简单的水平相邻像素差方差。值越小说明相邻像素越接近，画面越干净：
for(y_idx=0;y_idx<h;y_idx++){for(x=0;x<w-1;x++){diff=y_plane[y_idx*w+x]-y_plane[y_idx*w+x+1];y_sum+=diff*diff;y_cnt++;}}r.y_noise_var=y_sum/y_cnt;UV 噪点用同样逻辑，但每 2 行 2 列采样一次——色度通道天然低分辨率，全采样没意义。
5. 清晰度：Sobel 边缘能量
这是前面没涉及的新模块。思路很直觉：清晰图像的边缘锐利、亮度落差大；模糊图像边缘平缓、落差小。
Sobel 算子用两个 3×3 核分别测水平和垂直梯度：
Sobel X: Sobel Y: [-1 0 +1] [-1 -2 -1] [-2 0 +2] [ 0 0 0] [-1 0 +1] [+1 +2 +1]对每个内部像素（跳过边界 1px）算 gx 和 gy，梯度幅值mag = sqrt(gx² + gy²)，全体取均值：
for(y_idx=1;y_idx<h-1;y_idx++){for(x=1;x<w-1;x++){gx=-1*y[(y_idx-1)*w+(x-1)]+1*y[(y_idx-1)*w+(x+1)]-2*y[y_idx*w+(x-1)]+2*y[y_idx*w+(x+1)]-1*y[(y_idx+1)*w+(x-1)]+1*y[(y_idx+1)*w+(x+1)];gy=-1*y[(y_idx-1)*w+(x-1)]-2*y[(y_idx-1)*w+x]-1*y[(y_idx-1)*w+(x+1)]+1*y[(y_idx+1)*w+(x-1)]+2*y[(y_idx+1)*w+x]+1*y[(y_idx+1)*w+(x+1)];mag=sqrt(gx*gx+gy*gy);sum+=mag;count++;}}r.edge_energy=sum/count;edge_energy < 15 判 soft，< 30 判 normal，以上 sharp。
6. 综合评分
五项加权，满分 10。亮度占 30%（最重要——人眼先看亮度），曝光和色彩各 20%，噪点和清晰度各 15%：
lum_s=clamp(1.0-fabs(l.mean-120)/80,0.0,1.0);exp_s=clamp(1.0-(l.over_pct+l.under_pct)/25,0.0,1.0);col_s=strcmp(c.cast,"neutral")==0?1.0:0.5;noise_s=strcmp(n.y_level,"clean")==0?1.0:0.5;sharp_s=strcmp(s.level,"normal")==0?1.0:0.5;score=(lum_s*0.30+exp_s*0.20+col_s*0.20+noise_s*0.15+sharp_s*0.15)*10;权重和阈值是我自己拍的——没有标准参考，纯凭调试感觉。生产中的 ISP 评分系统远比这个复杂，但核心思路一样：多维打分、加权综合。
白平衡加增强后的实际输出：
=== Image Quality Analysis Report === LUMINANCE Mean: 169.7 (normal) StdDev: 69.8 Median: 184 Min/Max: 17 / 255 EXPOSURE Over-exposed: 28.0% Dynamic Range: 209 COLOR U Mean: 124.2 Cast: cool NOISE Y Noise Var: 44.2 (heavy) UV Noise Var: 131.4 (heavy) SHARPNESS Edge Energy: 30.3 (sharp) OVERALL SCORE: 3.6 / 107. 完整管线
三个工具串成管线：
原始帧 → auto_wb (Gray World) → image_enhance → iq_analyzer → JSON 报告三步处理后，原始帧从偏绿、噪声 24.5 变成白平衡校正 + 均衡化 + Gamma + 模糊的综合增强结果：
full_pipeline.sh一行跑完。
完整代码：github.com/cjh1230/learn-embedded-linux-video