STM32 圖像處理函式庫STM32IPL是由 C 語言所編寫的開放原始碼軟件函式庫，提供了圖像處理和計算機視覺功能，能加快在意法半導體（ST）的STM32 微控制器上開發視覺分析的應用。本產品在最新版 （v3.1.0）FP-AI-VISION1功能套件中以STM32Cube 中間件的形式推出。
一般來說，視覺深度學習模型的輸入不同于相機拍攝的圖像，深度學習輸入因為具有不同維度及圖像格式，會需要預先處理原圖，例如縮放、影像格式轉換和標準化等。而STM32IPL可提供實用且現成的軟件套件，以簡化及加速影像預處理功能的開發。
主要特色
STM32IPL的主要特色如下：
-為開發人員提供實用且現成的軟件套件，節省開發STM32平臺圖像處理和計算機視覺應用的時間。
-滿足使用嵌入式系統的圖像處理及計算機視覺功能時最常見的需求。
-透過最大程度的封裝和隱藏，簡化且加速應用程序的開發、降低常見之圖像處理的復雜度，并提升計算機視覺運算的能效。
STM32IPL依不同功能配置于各種模塊中，如下圖所示：
這些模塊可被劃分至以下分組：
- 函式庫初始化和去初始化分組（深綠模塊）
- 影像建立、初始化和發布等分組（淺綠色模塊）
- 影像轉換功能，如濾波、色彩轉換、縮放、morphological operators及warping等分組（深黃色模塊）
- 特征和對象擷取功能，如邊緣和斑點偵測器以及霍夫轉換等分組（淺黃色模塊）
- 線條、長方形和橢圓形等圖形操作功能分組（深藍模塊）
- 影像讀取和寫入功能的分組（淺藍模塊）
- 在影像內繪制圖形元素的功能分組（深灰模塊）
- 最后一個群組包含計算完整圖像和圖像統計等其他模塊（淺灰模塊）
下方照片為STM32IPL的圖像處理功能范例：
軟件架構采用STM32IPL的典型STM32應用程序軟件架構如下所示：
http://img.chinaaet.com/images/2022/10/24/6380222201720774573134754.jpg
STM32IPL位于BSP和HAL的中間件內，除了下列兩種利用了部分STM32 MCU所提供的硬件功能之外，絕大部分的STM32IPL功能皆不受平臺影響：
-在檔案上執行讀取／寫入作業的I／O功能。指的是兩個用于處理受支持影像文件格式 （如 BMP、PPM、PGM 和 JPEG）的讀?。瘜懭牒?。上述函式的運作仰賴于下列第三方開放原始碼函式庫（屬于STM32Cube中間件組件的一部分）：
oFatFs提供在FatFS文件系統上的讀?。瘜懭氩僮鞴δ堋＠缱x取和寫入 microSD卡內的影像。
oLibJPEG提供JPEG編碼和譯碼功能。
-此函式能讓STM32 DMA2D在屏幕上快速繪制圖像，其中DMA2D為適用于圖形作業的硬件加速器。
高階功能范例
本章節以霍夫轉換和物體偵測兩項高階功能作為范例，說明其運作原理及對于影像的作用：
霍夫轉換
霍夫轉換是一種能偵測簡易形狀的特征擷取方法，而 “簡易” 是指可以用少數參數來表示的圖案，例如：一條線可由斜率、截距兩項參數做表示，而圓形則是以圓心坐標和半徑三項參數做表示。因此，霍夫轉換技術十分適用于在圖像中找出像是線條、圓形的圖案。
STM32IPL支持兩種霍夫轉換功能：
-STM32Ipl_FindLines() 可透過霍夫轉換找出影像中所有線條。
-STM32Ipl_FindCircles() 則可透過霍夫轉換找出影像中的圓形。
下方兩張照片展示了使用霍夫轉換偵測線條的結果。
然而，偵測到的線條質量有很大程度取決于edge map，因此在實務上，使用霍夫轉換技術的前提是要能夠控制環境，從而得出一致的edge map，或是透過訓練邊緣偵測器，找出所需的特定邊緣種類。
下方兩張照片為使用霍夫轉換偵測圓形的結果，結果同樣有很大程度取決于可用邊緣的質量，以及對于所需偵測圓形尺寸的先備知識。
物體偵測
物體偵測是一種計算機視覺技術，可辨識和定位圖像或影片中的物體，此技術常用于自駕車、機器人、人臉辨識等情境。
STM32IPL提供三種物體偵測功能：
-STM32Ipl_LoadFaceCascade() 載入正面臉部串行。
-STM32Ipl_LoadEyeCascade() 載入眼部串行。
-STM32Ipl_DetectObject() 偵測特定串行描述的對象。
下方照片展示了臉部偵測和眼部偵測兩項功能的結果：
若欲取得此STM32IPL函式庫，使用者必需下載最新的FP-AI-VISION1功能套件，存取路徑如下：FP-AI-VISION1_V3.1.0\Middlewares\ST\STM32_ImageProcessing_Library\Inc