相机的基础架构
📷 相机相关基础架构学习路径
一、了解手机相机系统架构
Android Camera HAL（如果你是做 Android 平台）
学习
Camera HAL3架构（基于camera_device_t,camera3_device_ops接口）熟悉
CameraService→CameraProvider→Camera HAL的调用链推荐阅读：
AOSP Camera HAL 文档
实战建议：找一个开源的 Camera HAL 代码（比如 Qualcomm 或 MTK BSP）
如果是非 Android 手机系统（比如自研 OS）
熟悉 ISP 驱动和用户态接口的通信机制（ioctl、mmap）
熟悉 V4L2（Video4Linux2） 框架
二、核心类库和工具链推荐
方向 推荐第三方库 用途说明 图像采集与处理 V4L2 Linux 下控制相机采集的标准接口 图像格式转换 libyuv 处理 YUV → RGB 的转换，裁剪、旋转等 图像处理与增强 OpenCV 图像识别、滤镜、视觉算法等强大支持 低延迟编解码 libjpeg-turbo / FFmpeg 图像/视频压缩、转码 摄像头调试工具 qv4l2,v4l2-ctl,media-ctlV4L2 配套调试工具，调试 sensor、pipeline GPU/硬件加速 OpenCL, Vulkan Compute 提高图像处理性能 图形显示 Wayland / DRM（Direct Rendering Manager） 若涉及显示渲染，可以关注这方面
🧠 学习路径建议
第一阶段：系统入门（1~2周）
学习 Linux 下的相机架构（重点：V4L2）
用
v4l2-ctl控制摄像头采集，保存帧图像（YUV）学习 libyuv、libjpeg-turbo，做格式转换 + 压缩
第二阶段：并发基础（2~3周）
深入理解
std::thread、线程池实现掌握多线程之间的通信（mutex、condition_variable）
实现一个图像采集 + 处理 + 存储的并发 pipeline demo
第三阶段：性能优化（3~4周）
引入 OpenCV / GPU / SIMD（如 NEON）加速图像处理
引入 Intel TBB 或协程提升调度效率
优化线程池调度策略，减少线程创建开销