X窗口系统名词解释

前端时间Gentoo的桌面环境出了点问题,发现自己对Linux的桌面环境了解的很少,于是恶补了一下知识,以下名词解释基本上都是来自维基百科的条目和《Linux程序设计(第三版)》。一般而言,平时的说的桌面环境是指GNOME、KDE、XFCE,而它们都是基于X窗口系统的,X窗口系统是典型的C/S结构,目前最常见的X窗口系统就是Xorg,一般使用的startx,startkde,gnome-session都是启动桌面环境的脚本,它们做的事情包含了模块的检测与加载,以及运行窗口管理器等。

X Window System

X 窗口系统(X Window System)简称X或X11,当前最新版本是X11R7。X最早是20世纪80年代由MIT开发的,为当时高端的科学工作站提供统一的窗口系统。20世纪90年代,随着硬件价格的逐渐降低,一些爱好者把X改写后运行于廉价的PC机上,这个项目后来被称为XFree86.X 窗口系统分为硬件级(驱动级)和应用程序级组件,分别称为X Server和X Client,使用X协议(XDMCP)进行通信,是典型的C/S结构。

250px-X_client_server_example_zh-cn.svg

X Server

X Server运行在用户的本地机器上,在屏幕上完成低层的绘图操作。因为X Server直接向显卡发送信号,因此必须使用一个适合本机显卡的X Server,并配置好合适的分辨率,刷新率,颜色深度等,现在一般在/etc/X11/xorg.conf的文件就是Xorg Server的配置文件。

X Server通过鼠标和键盘监听用户的输入,并将键盘按键和鼠标点击传输给X Client,这些信息叫事件(event),它们构成了GUI编程的一个关键元素。它的逻辑扩展,MFC叫消息,GTK和Qt叫信号。

X Client

X Client是以X Window作为GUI的任何程序,如xterm,xcalc和类似Abiword之类的更高级的应用程序,通常情况下,X Client等待X Server传送的用户事件,然后通过给X Server发送重绘消息来响应,X Client不需要和X Server运行在同一台机器上,这就是为什么xterm也能远程使用。

X Protocol

X Client与X Server使用X Protocol进行通信,使得客户端和服务器能够在网络中分离,实际上是X Server和X display manager之间使用XDMCP(X Display Manager Control Protocol)协议进行通信,使用端口为UDP:177。

XFree86

XFree86是X窗口系统的其中一个实现,它主要的运作平台是Unix类操作系统。自1992年,它一直以自由发放的开放源代码模式发展,但是从2004年开始,它再不是以GPL软件许可证的形式出现,而是使用 XFree86®Project 公司所拥有的 XFree86 License version 1.1 软件许可证模式发放。于是XFree86 的开发因软件许可证的变动而出现分岐(这种事情开源界中经常发生。。),而派生出另一个发展自 XFree86 4.4 RC2 版本源代码,名叫 X.Org 服务器的X Window系统。

200px-Xfree86.logo

Xorg

X.Org Server是X窗口系统的参考实现,当前版本是X11R7.5,发布于2009年10月26日。

Xorg实际上应该是X.org Server,X.Org基金会开发的X Server。X.Org是负责X 窗口系统开发的组织,2004年1 月22日在Open Group的X.org网站基础上建立。

X.Org基金会的建立标志着在X的管理上发生了根本性的转变。 从1988年其X的监护人(包括过去的X.Org)----厂商组织,变成了基金会由软件开发者领导,用集市模式的社区开发,依赖外界参与的模式:成员身份向个人开放,而公司做为赞助者参与。

200px-X.Org_Logo.svg

Xlib

Xlib是X Client间接用于产生X协议消息的库,它提供一个非常底层的API,允许客户端在X Server上绘出非常基本的元素,并响应最简单的输入,必须强调,Xlib库是一个非常底层的库,这使得Xlib库创建菜单都是一个相当费力的工程。GUI程序员不能直接调用Xlib编程,而是需要一个API,使得菜单,按钮,下拉式列表等GUI元素能够简单方便的创建,这就是X工具包(X toolkit)的作用。

X toolkit

X工具包(X toolkit)是一个GUI库,X客户端用它极大的简化了窗口,菜单,按钮的创建。使用工具包,可以通过函数调用就能创建按钮,菜单,框架以及类的东西,诸如此类的GUI元素统称为窗口部件(widget),所有现在的GUI库都能找到这个术语。历史上流行的工具包主要有Motif,OpenLook和Xt,现在更先进的是GTK+和Qt。

Xdg

Xdg是X Desktop Group的缩写是,freedesktop.org的前身,而freedesktop.org 是一个致力于提高用于Linux和类UnixOS上的自由桌面环境之间的互操作性和共享其基础技术的一个组织。在freedesktop.org下托管的著名项目有:X.org Server、D-bus、HAL、Direct Rendering Infrastructure(DRI)、GStreamer、Mesa 3D、GTK-Qt engine

320px-Freedesktop-logo.svg

Xdm

Xdm是X Display Manager的缩写,由它来启动X Window服务器,并管理图形客户端程序的登录、会话(登录成功后开启新的session)、启动窗口管理器等。如果Xdm是在本地运行,它会启动X Server,就像命令行登录的init,getty和login所做的事情一样;如果Xdm在网络上某台计算机上运行,它的行为就如同一个telnet server,验证用户名与密码,然后开始一个远程会话(Remote Session)。KDE和Gnome也提供了自己的xdm的实现,分别叫kdm和gdm。

400px-Xserver_and_display_manager.svg

Window Manager

窗口管理器是在图形用户界面的视窗系统中,控制窗口位置与外观的软件。它是负责管理与定位窗口的移动、最大化、最小化、改变大小以及关闭等工作,简而言之,就是给一个窗口加上最大化,最小化,关闭按钮标题栏和框架。Twm(Tom Window Manager)就是X.org提供的简单的窗口管理器。

GNOME

GNOME,是GNU网络对象模型环境 (The GNU Network Object Model Environment)的缩写,这反映了GNOME早期的一个目标,即为Linux引入一个像MS OLE一样的对象框架,这样就可以在文字处理文档中加入电子表格了(word/excel…)现在,GNOME的设计目标发生了变化,现在的GNOME指的是整个桌面环境,包括一个启动程序的面板,一套程序和实用工具,程序库以及开发者工具。

96px-Gnomelogo

GTK+

GTK+来自著名的图像处理软件GIMP,是the Gimp toolkit的缩写,GTK+使用C语言开发,但是其设计者使用面向对象技术(通过使用GObject库)。 也提供了C++(gtkmm)、Perl、Ruby、Java和Python(PyGTK)绑定,其他的绑定有Ada、D、Haskell、PHP和所有的.NET编程语言。

GTK+的界面设计工具是Glade,它包含了一种描述GUI界面的XML语言,它和libglade一起工作就可以直接使用GTK和GNOME控件;新的Glade-3不再直接支持生成编程语言源代码。目前最新版本是GTK+2.

GLib

GLib是GTK+建立的一个可移植到C语言函数库,GLib定义这些类型来帮助跨平台开发,GLib提供了一组数据类型,函数和宏的标准替代集来进行内存管理和处理通用任务,以此帮助跨平台开发。使用GLib几乎是透明的,从本质上讲,Glib附加的数据类型是C语言标准数据类型的替代(为了一致性和可移植性),GLib广泛存在于GTK+中,安装GTK+的时候,GLib也默认安装了。

Gdm

Gome使用的X 显示管理器(X Display Manager)

Metacity

Gnome的默认窗口管理器,之前GNOME陆续使用了Enlightenment和Sawfish作为它的窗口管理器。其他有名的窗口管理器还有:FVWM、Fluxbox

KDE

KDE(K Desktop Environment)是基于Qt GUI的开源桌面环境,KDE中包含了大量的应用程序和工具,其中包括一整套办公套件,Web浏览器,以及一个功能齐全的KDE/Qt的IDE。现在最新的是KDE4

512px-KDE_brand_map

Kdm

KDE使用的X显示管理器(X Display Manager)

Kwin

KDE使用的窗口管理器

### 实验步骤及名词解释 #### 1. 准备工作 - **安装依赖库**:确保已安装 `numpy`, `opencv-python`, `pyserial` 库。可以通过以下命令安装: ```bash pip install numpy opencv-python pyserial ``` - **连接设备**:确保摄像头串口设备已经正确连接,并且摄像头能够正常工作。串口设备的端口号需要与代码中的设置一致(如 `/dev/ttyUSB0`)。 #### 2. 代码解析 - **导入库**: ```python import time import numpy as np import cv2 from enum import Enum import math import serial import struct ``` 这些库分别用于时间控制、数学计算、图像处理、枚举类型定义、串口通信等。 - **定义状态枚举**: ```python class State(Enum): none = 0 left = 1 right = 2 center = 3 left_to_center = 4 right_to_center = 5 ``` 枚举类型 `State` 用于表示车辆的不同状态,如左偏、右偏、居中等。 - **定义处理图像的类 `Bike_class`**: ```python class Bike_class: def __init__(self): # 初始化各种参数变量 ... ``` 类 `Bike_class` 包含了图像处理的各种方法属性,如透视变换矩阵、图像尺寸、状态变量等。 - **初始化方法 `__init__`**: ```python def __init__(self): self.M = None self.M_inverse = None self.M_inverse_list = None self.get_warp_M() self.img_size = (640, 480) self.img = None self.warp_img = None self.edges = None self.state = State.center self.blue_state = State.none self.margin = 30 self.minpix = 50 self.left_lane_inds = [] self.last_good_left_inds_len = 0 self.right_lane_inds = [] self.last_good_right_inds_len = 0 self.nwindows = 8 self.window_height = np.int32(self.img_size[1] / self.nwindows) self.nonzero = None self.nonzeroy = None self.nonzerox = None self.leftx_mean = None self.rightx_mean = None self.left_fit = None self.right_fit = None self.lane_center_x = None self.angle = 0.0 self.deviation = 0.0 self.ser = serial.Serial( port='/dev/ttyUSB0', baudrate=9600, parity=serial.PARITY_NONE, stopbits=serial.STOPBITS_ONE, bytesize=serial.EIGHTBITS, timeout=1 ) self.frame_header = b'\x02\x03' self.frame_tail = b'\x04\x05' ``` 初始化方法中设置了各种参数变量,并初始化了串口通信。 - **获取透视变换矩阵 `get_warp_M`**: ```python def get_warp_M(self): objdx = 200 objdy = 230 imgdx = 220 imgdy = 250 list_pst = [[172, 330], [461, 330], [75, 475], [546, 475]] pts1 = np.float32(list_pst) pts2 = np.float32([[imgdx, imgdy], [imgdx + objdx, imgdy], [imgdx, imgdy + objdy], [imgdx + objdx, imgdy + objdy]]) self.M = cv2.getPerspectiveTransform(pts1, pts2) self.M_inverse = cv2.getPerspectiveTransform(pts2, pts1) self.M_inverse_list = self.M_inverse.flatten() ``` 该方法计算并保存透视变换矩阵及其逆矩阵,用于将图像从一种视角转换到另一种视角。 - **图像预处理 `img_preprocess`**: ```python def img_preprocess(self): if self.img is None: return self.img = cv2.GaussianBlur(self.img, (5, 5), 0) self.img = self.apply_clahe(self.img) self.warp_img = cv2.warpPerspective(self.img, self.M, self.img_size) edges = cv2.Canny(self.warp_img, 50, 150, apertureSize=3) kernel = np.ones((3, 3), np.uint8) edges = cv2.dilate(edges, kernel, iterations=2) edges_mask = np.zeros((self.img_size[1], self.img_size[0]), dtype=np.uint8) cv2.rectangle(edges_mask, (160, 0), (480, 480), 255, thickness=cv2.FILLED) self.edges = cv2.bitwise_and(edges, edges, mask=edges_mask) ``` 该方法对图像进行高斯模糊、自适应直方图均衡化、透视变换、Canny边缘检测等预处理操作。 - **检测车道线 `detect_lane_lines`**: ```python def detect_lane_lines(self): if self.edges is None: return self.nonzero = self.edges.nonzero() self.nonzeroy = np.array(self.nonzero[0]) self.nonzerox = np.array(self.nonzero[1]) histogram = np.sum(self.edges[self.edges.shape[0] // 2:, :], axis=0) midpoint = int(histogram.shape[0] / 2) leftx_base = np.argmax(histogram[:midpoint]) rightx_base = np.argmax(histogram[midpoint:]) + midpoint leftx_current = leftx_base rightx_current = rightx_base self.left_lane_inds = [] self.right_lane_inds = [] for window in range(self.nwindows): win_y_low = self.img_size[1] - (window + 1) * self.window_height win_y_high = self.img_size[1] - window * self.window_height win_xleft_low = leftx_current - self.margin win_xleft_high = leftx_current + self.margin good_left_inds = ((self.nonzeroy >= win_y_low) & (self.nonzeroy < win_y_high) & (self.nonzerox >= win_xleft_low) & (self.nonzerox < win_xleft_high)).nonzero()[0] self.left_lane_inds.append(good_left_inds) if len(good_left_inds) > self.minpix: leftx_current = np.int32(np.mean(self.nonzerox[good_left_inds])) win_xright_low = rightx_current - self.margin win_xright_high = rightx_current + self.margin good_right_inds = ((self.nonzeroy >= win_y_low) & (self.nonzeroy < win_y_high) & (self.nonzerox >= win_xright_low) & (self.nonzerox < win_xright_high)).nonzero()[0] self.right_lane_inds.append(good_right_inds) if len(good_right_inds) > self.minpix: rightx_current = np.int32(np.mean(self.nonzerox[good_right_inds])) self.left_lane_inds = np.concatenate(self.left_lane_inds) self.right_lane_inds = np.concatenate(self.right_lane_inds) if len(self.left_lane_inds) > self.minpix and len(self.right_lane_inds) > self.minpix: leftx = self.nonzerox[self.left_lane_inds] lefty = self.nonzeroy[self.left_lane_inds] rightx = self.nonzerox[self.right_lane_inds] righty = self.nonzeroy[self.right_lane_inds] self.left_fit = np.polyfit(lefty, leftx, 2) self.right_fit = np.polyfit(righty, rightx, 2) ploty = np.linspace(0, self.img_size[1] - 1, self.img_size[1]) left_fitx = self.left_fit[0] * ploty ** 2 + self.left_fit[1] * ploty + self.left_fit[2] right_fitx = self.right_fit[0] * ploty ** 2 + self.right_fit[1] * ploty + self.right_fit[2] self.lane_center_x = (left_fitx[-1] + right_fitx[-1]) / 2 ``` 该方法通过滑动窗口技术检测车道线,并拟合多项式曲线。 - **确定车辆状态 `bike_determine_state`**: ```python def bike_determine_state(self): if self.left_fit is None or self.right_fit is None: print("车道线未检测到,无法确定状态。") return if -55 <= self.deviation < -45: self.state = State.left elif -45 <= self.deviation < -15: self.state = State.left_to_center elif -15 <= self.deviation < 15: self.state = State.center elif 15 <= self.deviation < 45: self.state = State.right_to_center elif 45 <= self.deviation <= 55: self.state = State.right else: self.state = State.center print(f"车辆状态:{self.state.name}") ``` 该方法根据车道线的偏差确定车辆的状态。 - **发送数据到串口 `send_data_via_serial`**: ```python def send_data_via_serial(self, angle, deviation, state_value, blue_state): data = f"{angle:.2f},{deviation:.2f},{state_value},{blue_state}" frame = self.frame_header + data.encode() + self.frame_tail self.ser.write(frame) ``` 该方法将车辆的状态、角度偏差等数据通过串口发送出去。 - **主程序入口**: ```python if __name__ == '__main__': cap = cv2.VideoCapture(0) bike = Bike_class() while True: ret, frame = cap.read() if ret: bike.img = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) bike.img_preprocess() bike.detect_lane_lines() bike.bike_determine_state() blue_object_coords = bike.detect_blue_object(frame) if blue_object_coords: x, y, w, h = blue_object_coords cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2) print(f"Blue object detected at: ({x}, {y}), width: {w}, height: {h}, State: {bike.blue_state}") else: print("No blue object detected.") bike.send_data_via_serial(bike.angle, bike.deviation, bike.state.value, bike.blue_state) bike.draw_center_line() bike.calculate_steering_angle() bike.img_windows() else: print("错误:未找到图像。") k = cv2.waitKey(1) & 0xFF if k == 27: break cap.release() cv2.destroyAllWindows() ``` 主程序中打开摄像头,创建 `Bike_class` 实例,进入主循环读取摄像头图像,进行图像处理、车道线检测、状态判断、蓝色彩球检测等操作,并显示结果图像。 #### 3. 运行实验 - **运行代码**: ```bash python your_script_name.py ``` 运行脚本后,摄像头会开始捕捉图像,并实时处理显示结果。 - **观察结果**: - 观察图像窗口,查看车道线检测、车辆状态判断、蓝色彩球检测等结果。 - 查看串口输出的数据,确认数据传输是否正常。 #### 4. 结束实验 - **按 Esc 键结束程序**: 按下 Esc 键后,程序会释放摄像头资源并关闭所有 OpenCV 创建的窗口。 ### 名词解释 - **透视变换**:将图像从一种视角转换到另一种视角的技术,常用于将道路图像转换为俯视图。 - **滑动窗口**:一种逐层搜索车道线的方法,通过在图像中划分多个窗口来检测车道线的位置。 - **多项式拟合**:通过多项式函数拟合车道线的形状,以便更准确地描述车道线。 - **Canny 边缘检测**:一种常用的边缘检测算法,用于提取图像中的边缘信息。 - **高斯模糊**:通过卷积核对图像进行模糊处理,减少噪声。 - **直方图均衡化**:增强图像对比度的一种方法,通过调整图像的直方图分布。 - **串口通信**:通过串口设备进行数据传输,常用于嵌入式系统或硬件控制。 希望这些步骤解释对你有所帮助!如果有任何问题,请随时提问。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值