eXpressDSP算法标准与API Wrapper：构建可复用DSP图像处理模块

1. 项目概述与核心价值

在嵌入式数字信号处理器（DSP）上开发图像处理应用，比如视频编解码、实时滤镜或者机器视觉，我们常常面临一个核心矛盾：一方面，算法本身（比如一个高效的小波变换或边缘检测）需要极致的性能优化，往往要手写汇编来压榨硬件潜力；另一方面，整个应用系统又需要良好的模块化、可维护性和可移植性，方便不同算法组合、调试和升级。如果每个算法都跟具体的硬件内存布局、DMA传输耦合在一起，那代码就会变成一坨难以维护的“意大利面条”，换块DSP芯片或者加个新功能都得伤筋动骨。

eXpressDSP算法标准连同其API Wrapper，就是TI（德州仪器）给出的一套非常漂亮的解决方案。它不是什么高深的理论，而是一套工程上的“最佳实践”框架。简单说，它定义了一套“插座”标准（IALG接口），你的算法（无论多底层）只要做成符合这个标准的“插头”（API Wrapper），就能即插即用地接入到更大的系统框架里。本文将以一个具体的二维小波变换（2D Wavelet Transform）实现为例，彻底拆解这个“插座”和“插头”是怎么工作的。你会看到，从最顶层的算法调用，到中间层的数据搬运管理（Image Data Manager），再到最底层手写汇编的ImageLIB内核，整个链条是如何被清晰解耦并高效协同的。对于需要在C6000系列或其他DSP平台上进行算法开发的工程师来说，理解这套模式，是摆脱“一次性代码”、构建可复用算法库的关键一步。

2. eXpressDSP算法标准与API Wrapper深度解析

2.1 算法标准：定义通用的“插座”

在深入代码之前，必须理解eXpressDSP算法标准（Algorithm Standard）的核心思想。它不是一个具体的函数库，而是一套接口规范，其目标是为所有DSP算法建立一个统一的、基于对象（虽然C语言）的模型。这个模型主要定义了两个最基础的接口：

1. IALG（Algorithm Interface）：这是所有算法对象的“根接口”。它定义了算法对象的生命周期管理方法，比如：

   • algAlloc：为算法实例分配内存（包括实例对象本身和其所需的工作缓冲区）。
   • algInit：初始化算法实例，将参数应用到实例中。
   • algFree：释放算法实例占用的内存。
   • algMoved：当算法实例对象在内存中被移动时（由框架管理），通知算法进行内部指针调整。

   IALG接口确保了算法实例的创建、初始化和销毁能够被系统框架统一管理，而不是散落在应用代码的各个角落。

2. 算法特定接口（例如 IWavelet）：在IALG的基础上，每个特定类型的算法会定义自己的接口。这个小波变换的IWavelet接口就扩展了IALG，并增加了算法特有的方法：

   • apply：执行小波变换计算。
   • control：在算法运行时动态获取或设置状态参数（如图像尺寸、滤波器系数）。

为什么这么做？想象一下，你的系统里有一个视频处理管道，需要依次调用色彩空间转换、JPEG编码、小波滤波等多个算法。如果没有标准接口，每个算法的调用方式、参数传递、内存申请都各不相同，集成起来就是噩梦。有了IALG和IWavelet这样的接口，框架就可以用完全相同的方式（通过函数表指针）来创建、配置和运行任何一个符合标准的算法，极大降低了集成复杂度。

2.2 API Wrapper：为你的算法制作“插头”

API Wrapper，顾名思义，就是一层“包装纸”。它的任务是把一个原始的、可能非常底层和特化的算法函数（比如直接操作寄存器的汇编函数），包装成符合上述eXpressDSP算法标准接口的模块。

我们来看例子中的两个关键头文件：iwavelet.h和wavelet_ti.h。

iwavelet.h：定义接口（合同）这个文件定义了IWavelet接口的“样子”，也就是一份“合同”。所有实现该接口的模块都必须遵守。

// iwavelet.h 节选 typedef struct IWavelet_Obj *IWavelet_Handle; // 算法实例的不透明句柄 typedef struct IWavelet_Status { Int size; // 状态结构体大小，必须为首字段 int img_cols; int img_rows; short* qmf_ext; // 外部存储的低通滤波器组指针 short* mqmf_ext; // 外部存储的高通滤波器组指针 int scale; IMG_TYPE img_val; // 图像类型：场（FLDS）或逐行（PROG） } IWavelet_Status; typedef struct IWavelet_Params { Int size; // 参数结构体大小，必须为首字段 int img_cols; int img_rows; const short* qmf_ext; const short* mqmf_ext; int scale; IMG_TYPE img_val; } IWavelet_Params; typedef struct IWavelet_Fxns { IALG_Fxns ialg; // 内嵌IALG函数表，这是继承关系的关键 XDAS_Bool (*control)(IWavelet_Handle handle, IWavelet_Cmd cmd, IWavelet_Status *status); XDAS_Int32 (*apply)(IWavelet_Handle handle, XDAS_Int8** in, XDAS_Int8* out); } IWavelet_Fxns;

关键点解析：

• 句柄（Handle）：IWavelet_Handle是一个指向不完整结构体的指针，这是C语言实现封装和信息隐藏的经典手法。框架和用户通过句柄来操作算法对象，而无需知晓其内部数据结构细节。
• Params与Status：Params用于创建实例时传递初始参数（通常是const，表示创建后不应改变）；Status用于运行时查询或修改状态。将它们分离符合软件设计的最佳实践。
• 函数表（Fxns）：这是面向对象中“虚函数表”的C语言实现。IWavelet_Fxns结构体包含了指向该算法所有操作函数的指针。第一个成员是IALG_Fxns，这意味着IWavelet接口“继承”了IALG接口。框架可以通过ialg成员调用生命周期管理函数，再通过control和apply调用算法特有函数。

wavelet_ti.h：公布实现（提供插头）这个文件非常简单，就是声明TI公司提供的小波变换算法的具体实现，即那个符合IWavelet接口的“插头”。

// wavelet_ti.h extern IALG_Fxns Wavelet_TI_IALG; // TI实现的IALG方法 extern IWavelet_Fxns Wavelet_TI_IWavelet; // TI实现的IWavelet方法

在另一个.c文件（例如wavelet_ti.c）中，会定义Wavelet_TI_IWavelet这个全局结构体变量，其中的函数指针都指向TI实现的具体函数。当你的应用程序想要使用这个小波算法时，只需要在链接阶段包含这个模块，然后在代码中通过&Wavelet_TI_IWavelet就能获取到整个函数表，进而创建和使用算法实例。

实操心得：编写你自己的API Wrapper时，最需要小心的是内存对齐和size字段。IALG接口的algAlloc和algInit等函数，严重依赖于Params和Status结构体第一个size字段的正确性，以便进行正确的内存拷贝和边界检查。务必确保你的结构体定义与框架期望的完全一致，通常需要使用sizeof()操作符来设置这个字段。

3. 从算法函数到ImageLIB内核的完整调用链

理解了接口规范，我们来看一个具体的算法是如何被组织起来的。eXpressDSP推荐的分层结构非常清晰：应用层 -> 算法模块（API Wrapper） -> 图像处理函数 -> ImageLIB/自定义内核。

3.1 顶层算法函数：wavelet_codec

这是暴露给用户的、最上层的算法入口。它已经是一个被部分包装的函数，但尚未完全符合eXpressDSP标准。它负责协调整个小波变换的流程。

void wavelet_codec(IMAGE *in_image_ev, IMAGE *in_image_od, IMAGE *out_image, SCRATCH_PAD *scratch_pad, WAVE_PARAMS *wave_params, img_type img_val);

参数解析：

• in_image_ev,in_image_od: 分别指向偶场和奇场图像数据的指针。对于逐行（PROG）图像，in_image_od被忽略。
• scratch_pad: 指向临时内存（暂存区）的指针。在DSP编程中，经常需要将片外大容量、低速内存（如SDRAM）中的数据，分批搬运到片内小容量、高速内存（如SRAM）中进行计算。scratch_pad就是用于片内计算的临时缓冲区。
• wave_params: 小波变换的参数，如滤波器系数。
• img_val: 图像类型，决定是按场处理还是按逐行处理。

这个函数的内部逻辑，就是经典的小波变换二维分解流程：

1. 水平变换：对图像的每一行进行一维小波滤波。
2. 垂直变换：对经过水平变换后的图像的每一列进行一维小波滤波。
3. 结果显示处理：将变换后的子带图像（LL, LH, HL, HH）的数值范围重新归一化到0-255，以便显示。

这个函数本身不处理具体的数据搬运和行列滤波计算，它只是一个调度器。真正的脏活累活，交给了下一层的图像处理函数（Image Processing Functions）。

3.2 图像处理函数：数据搬运的管理者

以wave_horz_image这个水平变换函数为例。它的核心职责不是做数学运算，而是管理数据流。它需要把一大张图像（存储在片外慢速内存）切成一条条“带”（strip），通过DMA搬运到片内快速内存，调用核心计算内核处理，再把结果搬回片外。

void wave_horz_image(IMAGE *in_image_ev, IMAGE *in_image_od, short *qmf, short *mqmf, SCRATCH_PAD *scratch_pad, int scale, img_type img_type_val) { // ... 初始化代码，计算指针、偏移量等 ... // 关键步骤1：初始化数据流（Data Stream） err_code = dstr_init(&i_dstr, ... , DSTR_INPUT); // 初始化输入流 err_code = dstr_init(&o_dstr, ... , DSTR_OUTPUT); // 初始化输出流 // 关键步骤2：循环处理每条“带” for ( i = 0; i < (rows / num_lines); i++) { // 获取一个空闲的输出缓冲区指针 out_data = (short *) dstr_put_2D(&o_dstr); if (!scale) // 如果是第一级分解 { // 获取一个已填充的输入缓冲区指针 in_ch_data = (unsigned char *) dstr_get_2D(&i_dstr); // 调用内核1：将8-bit像素扩展为16-bit pix_expand_asm(cols * num_lines, in_ch_data, ptr_pix_expand); // 对这条“带”的每一行，调用核心小波滤波内核 for ( j = 0; j < num_lines; j++) { ptr_wave = ptr_pix_expand + ( j * cols); ptr_out = out_data + ( j * cols); wave_horz_asm(ptr_wave, qmf, mqmf, ptr_out, cols); // 核心计算！ } } // 关键步骤3：处理到一半时（例如场处理），重置数据流起始地址 if ( i == ((rows / num_lines) >> 1 ) – 1) { dstr_put_2D(&o_dstr); dstr_rewind(&i_dstr, in_rewind, DSTR_INPUT, 1); // 重绕输入流 dstr_rewind(&o_dstr, out_rewind, DSTR_OUTPUT, 1);// 重绕输出流 } } // 关键步骤4：收尾工作 dstr_put_2D(&o_dstr); dstr_close(&o_dstr); }

这里有几个非常重要的设计模式：

1. 双缓冲（Double Buffering）：dstr_init中的w_size参数设为1，就表示使用双缓冲。当内核正在处理缓冲区A的数据时，DMA可以同时将下一块数据搬运到缓冲区B，实现计算与I/O的重叠，隐藏数据搬运延迟，这是DSP高性能编程的基石。
2. 流抽象（Stream Abstraction）：dstr_get_2D和dstr_put_2D这两个函数抽象了底层DMA的细节。开发者不用关心DMA通道配置、传输完成中断（TCINT）等，只需关心“给我数据”和“把数据送走”。这极大简化了代码。
3. 重绕（Rewind）操作：在处理隔行扫描视频的场数据时，处理完偶场（Even Field）后，需要跳转到奇场（Odd Field）的起始地址继续处理。dstr_rewind函数优雅地处理了这种非连续内存访问的需求。

3.3 ImageLIB内核：极致的性能优化

最后，我们抵达了最底层：pix_expand_asm和wave_horz_asm。这些函数通常由汇编语言编写，深度优化以充分利用DSP的硬件特性，如并行指令（如C6000系列的.S单元和.L单元）、软件流水线、循环展开等。

wave_horz_asm实现了一维离散小波变换。其算法核心是滤波器组卷积后下采样。代码中展示的虽然是行为级C代码，但揭示了关键优化点：

1. 定点数运算（Q格式）：DSP擅长整数运算。代码中的Qpt=15表示采用Q15定点数格式，即小数点在最高位（符号位）之后。Qr=16384是四舍五入的偏移量（1 << (Qpt-1)）。
2. 循环卷积（Circular Convolution）：由于小波变换通常假设信号是周期性的，当指针xptr超过数组末尾时，会通过if (xptr > x_end) xptr = in_data;回绕到开头。在汇编实现中，这可能会通过特殊的寻址模式（如循环寻址）来高效实现。
3. 内联函数与手工汇编：真正的wave_horz_asm很可能是用线性汇编或直接汇编写的，通过精细的指令调度，让乘加（MAC）操作、数据加载和指针更新在多个功能单元上并行执行，实现单个时钟周期处理多个数据。

注意事项：当你需要自己编写或调用这类底层内核时，必须严格遵守其调用约定（Calling Convention），包括寄存器使用、栈帧结构、参数传递顺序等。同时，要清楚内核函数对输入/输出数据的对齐要求（例如是否要求8字节对齐），不满足要求可能会导致性能下降甚至错误。

4. Image Data Manager (IDM)：数据搬运的瑞士军刀

上面反复提到的dstr_init,dstr_get_2D,dstr_put_2D等函数，都属于Image Data Manager (IDM)库。它是连接慢速外部存储和快速内部计算单元的桥梁，其设计哲学是声明式配置，自动化管理。

4.1 IDM核心工作流程

1. 打开流（dstr_open / dstr_init）：这是最关键的配置步骤。你需要告诉IDM：

   • x_data,x_size: 外部内存缓冲区（源或目标）的起始地址和总大小。
   • i_data,i_size: 内部内存缓冲区（用于双缓冲）的起始地址和大小。
   • quantum: 单次get或put操作传输的基本数据单元大小（例如，一行图像的字节数）。
   • multiple: 每次传输多少个quantum（例如，一次传输4行图像）。
   • stride: 外部内存中，连续两个quantum之间的偏移量。这对于处理非连续存储的图像数据（如仅处理Y分量）至关重要。
   • w_size: 窗口大小，1代表双缓冲，2代表三缓冲，以此类推。
   • dir: 数据流方向，DSTR_INPUT（外->内）或DSTR_OUTPUT（内->外）。

   配置完成后，IDM内部会初始化好DMA传输描述符，并管理好读写指针。

2. 获取/提交数据（dstr_get_2D / dstr_put_2D）：

   • dstr_get_2D(&i_dstr): 对于输入流，调用此函数会返回一个指向内部缓冲区的指针，该缓冲区内的数据已经由DMA在后台填充完毕（对于第一次调用，会立即启动第一次DMA）。同时，它会自动为下一次get操作排队一个新的DMA请求（如果使用了双缓冲）。
   • dstr_put_2D(&o_dstr): 对于输出流，调用此函数会返回一个指向内部缓冲区的指针，你可以向其中写入处理结果。写入完成后，再次调用dstr_put_2D（或循环结束时的提交）会触发DMA将该缓冲区内容搬移到外部内存。

3. 重绕与关闭（dstr_rewind / dstr_close）：

   • dstr_rewind: 用于非连续访问，如之前提到的场数据处理。它重置外部内存指针到一个新地址，但保持内部缓冲区和状态不变。
   • dstr_close: 关闭数据流，等待所有未完成的DMA传输完成，并清理资源。

4.2 IDM的优势与使用陷阱

优势：

• 简化编程模型：开发者从繁琐的DMA配置、中断服务程序（ISR）编写中解放出来，只需关注“数据块”的消费和生产。
• 提升性能：自动化的双缓冲机制最大化了DMA与CPU的并行性。
• 增强可移植性：IDM底层可能调用CSL（Chip Support Library）的DAT（DMA传输）API或更底层的EDMA API。使用IDM的代码在不同DSP型号间移植时，数据搬运部分通常无需改动。

常见陷阱与排查技巧：

• 缓冲区大小计算错误：i_size必须至少能容纳multiple * quantum的数据。如果multiple是4行，quantum是一行字节数，那么i_size必须 >= 4 * 一行字节数。否则会导致缓冲区溢出，数据错乱。
• stride设置不当：如果外部图像数据在内存中是连续存储的（例如RGBRGBRGB...），那么stride应该等于quantum。如果数据是平面格式（例如所有Y分量连续存，然后是所有U分量），那么stride可能为0（仅第一次有效）或一个很大的值。设置错误会导致DMA读取到错误的内存区域。
• 未检查返回值：dstr_init、dstr_rewind等函数都有返回值，必须检查。返回非零值通常意味着参数配置有误（如地址未对齐、大小不匹配）。
• dstr_close调用时机：必须在确保所有对该流的put/get操作都完成后才能调用dstr_close。提前关闭会导致DMA传输未完成，数据丢失。

实操心得：在调试IDM相关问题时，一个非常有效的方法是可视化内存。在CCS（Code Composer Studio）的Memory Browser中，查看你配置的x_data和i_data指向的内存区域。在算法运行前后，手动检查这些区域的数据是否如预期般发生了变化。这能快速定位是DMA没搬数据，还是搬错了数据，或者是内核写错了数据。

5. 系统集成与演示场景分析

理解了单个算法模块的构成，我们就能看懂eXpressDSP框架如何将它们组装成完整的应用。文档中提到的几个演示场景（JPEG环回、H.263多通道解码、图像处理、小波变换）都是这种集成的典范。

5.1 以JPEG环回演示为例

这个演示包含两个任务（Task）：

• Task 1：对采集的视频数据进行色彩空间转换（例如YUV到RGB），然后直接送显示。这路是“直通”画面，用于参考。
• Task 2：对同一份采集数据先进行色彩空间转换（YUV到YUV4:2:0），然后进行JPEG编码，紧接着对编码后的码流进行JPEG解码，最后再将解码后的YUV数据转换回RGB送显示。这路是“编解码后”的画面。

关键集成技术：

1. 通道管理器（Channel Manager）：它负责管理数据在不同算法模块间的流动。一个通道（Channel）可以看作一个预定义的数据处理管道。在JPEG演示中，Task 2的管道就是：采集 -> 色彩空间转换 -> JPEG编码 -> JPEG解码 -> 色彩空间转换 -> 显示。通道管理器确保了数据缓冲区在各个算法间正确传递。
2. 算法实例创建与链接：通过eXpressDSP的通用API（如ALG_create），框架可以动态创建色彩空间转换、JPEG编码、JPEG解码等算法实例。这些实例通过标准的IALG接口被创建和初始化，然后通过它们各自的apply函数被通道管理器依次调用。
3. 数据缓冲区管理：框架负责在算法之间传递数据缓冲区。例如，色彩空间转换算法的apply函数输出一个缓冲区，这个缓冲区会被自动作为JPEG编码算法apply函数的输入。这一切对用户代码是透明的，用户只需配置好通道，然后启动它。

5.2 多通道解码的资源配置考量

H.263多通道解码演示展示了在有限资源（16MB板载内存）下如何进行预算分配。这是一个非常实际的工程问题。

这里的启示是：在嵌入式系统设计中，内存是首要约束。在编写算法和设计数据流时，必须精确计算每一块缓冲区的大小，并考虑其生命周期。eXpressDSP框架通过清晰的接口和IDM这样的工具，帮助开发者管理这些内存资源，但最终的内存预算和分配策略，仍需开发者自己精心规划。

6. 实战：基于eXpressDSP标准实现自定义图像滤波器

假设我们现在要在C6711 DSK上实现一个自定义的3x3中值滤波器，并希望它能够像TI的ImageLIB一样，被集成到上述演示框架中。我们应该怎么做？

6.1 第一步：定义算法接口imedianfilter.h

模仿iwavelet.h，我们定义自己的算法接口。

#ifndef IMEDIANFILTER_ #define IMEDIANFILTER_ #include <std.h> #include <xdas.h> #include <ialg.h> typedef struct IMedianFilter_Obj *IMedianFilter_Handle; typedef struct IMedianFilter_Params { Int size; int width; int height; int borderType; // 边界处理类型，如0填充、镜像等 } IMedianFilter_Params; typedef struct IMedianFilter_Fxns { IALG_Fxns ialg; XDAS_Bool (*control)(IMedianFilter_Handle handle, int cmd, void *status); XDAS_Int32 (*apply)(IMedianFilter_Handle handle, XDAS_Int8* in, XDAS_Int8* out); } IMedianFilter_Fxns; #endif /* IMEDIANFILTER_ */

6.2 第二步：实现API Wrappermedianfilter_ti.c

创建实现文件，填充函数表，并实现IALG和IMedianFilter接口要求的所有函数。

#include <imedianfilter.h> #include <stdlib.h> // 1. 算法实例对象结构体（对用户隐藏） typedef struct MedianFilter_TI_Obj { struct IMedianFilter_Fxns *fxns; // 必须为首成员 int width; int height; int borderType; short* lineBuffer[3]; // 用于存储三行输入，用于3x3滤波 } MedianFilter_TI_Obj; // 2. 实现IALG接口函数 static Void *MedianFilter_TI_algAlloc(const IALG_Params *params, IALG_Fxns **parentFxns); static Int MedianFilter_TI_algInit(IALG_Handle handle, const IALG_Params *params, IALG_MemRec memTab[]); static Void MedianFilter_TI_algFree(IALG_Handle handle, IALG_MemRec memRec[]); static Int MedianFilter_TI_algMoved(IALG_Handle handle, IALG_MemRec memTab[], IALG_Handle newHandle); // 3. 实现IMedianFilter接口函数 static XDAS_Bool MedianFilter_TI_control(IMedianFilter_Handle handle, int cmd, void *status); static XDAS_Int32 MedianFilter_TI_apply(IMedianFilter_Handle handle, XDAS_Int8* in, XDAS_Int8* out); // 4. 底层核心处理函数（假设已用汇编优化） extern void median3x3_asm(const short* inLines[3], short* outLine, int width, int borderType); // 5. 定义并导出函数表 IMedianFilter_Fxns MedianFilter_TI_IMEDIANFILTER = { { /* IALG_Fxns */ MedianFilter_TI_algAlloc, MedianFilter_TI_algInit, NULL, // algActivate (可选) NULL, // algDeactivate (可选) MedianFilter_TI_algFree, MedianFilter_TI_algMoved, NULL, // algNumAlloc (可选) }, MedianFilter_TI_control, MedianFilter_TI_apply }; // 6. 具体函数实现（以algInit和apply为例） static Int MedianFilter_TI_algInit(IALG_Handle handle, const IALG_Params *params, IALG_MemRec memTab[]) { MedianFilter_TI_Obj *obj = (MedianFilter_TI_Obj *)handle; const IMedianFilter_Params *p = (const IMedianFilter_Params *)params; if (p == NULL) { p = &IMedianFilter_PARAMS; // 使用默认参数 } obj->width = p->width; obj->height = p->height; obj->borderType = p->borderType; // 为行缓冲区分配内部内存（这里简化处理，实际应在algAlloc中申请） for(int i=0; i<3; ++i) { obj->lineBuffer[i] = (short*)malloc(sizeof(short) * obj->width); } return IALG_EOK; } static XDAS_Int32 MedianFilter_TI_apply(IMedianFilter_Handle handle, XDAS_Int8* in, XDAS_Int8* out) { MedianFilter_TI_Obj *obj = (MedianFilter_TI_Obj *)handle; // 这里应该是调用一个类似wave_horz_image的包装函数， // 该函数内部使用IDM管理数据流，并循环调用median3x3_asm // 为了示例，我们简化成一个伪实现 process_image_with_idm(obj, (short*)in, (short*)out); return 0; // 成功 }

6.3 第三步：实现图像处理函数与IDM集成

在process_image_with_idm函数中，我们需要像wave_horz_image那样，使用IDM来分块处理图像。

void process_image_with_idm(MedianFilter_TI_Obj *obj, short *in, short *out) { dstr_t i_dstr, o_dstr; int rows = obj->height; int cols = obj->width; int num_lines = 4; // 每次处理4行 short *internal_buf_in, *internal_buf_out; // 初始化输入流：从外部内存(in)搬运到内部缓冲区 dstr_init(&i_dstr, in, rows*cols*sizeof(short), internal_buf_in, num_lines*cols*sizeof(short), cols*sizeof(short), num_lines, cols*sizeof(short), 1, DSTR_INPUT); // 初始化输出流：从内部缓冲区搬运到外部内存(out) dstr_init(&o_dstr, out, rows*cols*sizeof(short), internal_buf_out, num_lines*cols*sizeof(short), cols*sizeof(short), num_lines, cols*sizeof(short), 1, DSTR_OUTPUT); for (int i = 0; i < rows; i += num_lines) { short *in_buf = (short*)dstr_get_2D(&i_dstr); short *out_buf = (short*)dstr_put_2D(&o_dstr); // 调用一个负责处理num_lines行的函数 // 该函数需要处理3x3滤波所需的行间依赖，可能涉及边界行缓存 median_filter_lines(obj, in_buf, out_buf, num_lines, cols); } dstr_close(&o_dstr); // i_dstr 会在所有get完成后自动结束 }

6.4 第四步：集成到演示框架

1. 编译：将medianfilter_ti.c和你的汇编内核median3x3.asm编译成库文件（.lib）。
2. 链接：在你的演示程序工程中，链接这个库。
3. 创建实例：在应用代码中，通过ALG_create((IALG_Fxns*)&MedianFilter_TI_IMEDIANFILTER, NULL, (IALG_Params*)&params)来创建滤波器算法实例。
4. 加入通道：在通道管理器的配置中，将这个实例的apply函数插入到处理链的合适位置（例如在色彩空间转换之后，显示之前）。

通过以上四步，你就得到了一个符合eXpressDSP标准的、可被系统框架管理、能高效利用DMA进行数据搬运的自定义图像滤波算法模块。这套方法论，可以扩展到任何你需要在DSP上实现的信号处理算法中。