电视图文信号处理工具技术文档
2024-12-26 07:01:09作者:农烁颖Land
1. 安装指南
1.1 环境准备
在使用CUDA解码功能之前,您需要安装Nvidia的专有驱动程序。为了安装可选依赖项,请运行以下命令:
pip3 install -e .[CUDA,spellcheck,viewer]
如果您的平台不支持CUDA或pyenchant,可以简单地从安装命令中省略它们。
1.2 OpenCL支持
要使用OpenCL,您需要安装pyopencl以及适用于您显卡的OpenCL运行时。然后,使用-O选项运行deconvolve命令。
1.3 字体与终端设置
为了正确渲染输出,您需要使用特定的字体和终端:
sudo apt-get install tv-fonts rxvt-unicode
然后,在X服务器中启用位图字体:
cd /etc/fonts/conf.d
sudo rm 70-no-bitmaps.conf
sudo ln -s ../conf.avail/70-yes-bitmaps.conf .
完成此操作后,您可能需要重新加载字体缓存:
xset fp rehash
最后,打开一个使用所需字体的终端:
urxvt -fg white -bg black -fn teletext -fb teletext -geometry 41x25 +sb &
2. 项目的使用说明
2.1 录制VBI信号
首先,从VHS录制VBI信号:
teletext record -d /dev/vbi0 > capture.vbi
2.2 解卷积录制文件
对录制的文件进行解卷积处理:
teletext deconvolve capture.vbi > stream.t42
2.3 查找磁带上的服务
检查头部信息以找到磁带上的服务:
teletext filter -r 0 stream.t42
2.4 分割捕获文件
将捕获文件按服务分割:
teletext filter --start <N> --stop <N> stream.t42 > stream-1.t42
2.5 显示流中的所有页面副本
显示流中某个页面的所有副本:
teletext filter stream.t42 -p 100
2.6 压缩重复子页面
压缩重复的子页面以减少错误:
teletext squash stream.t42 > output.t42
2.7 生成HTML页面
从流中生成HTML页面:
teletext html output/ stream.t42
2.8 交互式查看页面
交互式查看t42流中的页面:
teletext service stream.t42 | teletext interactive
在交互式查看器中,您可以输入页码,或输入.以保持当前页面。
3. 项目API使用文档
3.1 teletext record
录制VBI信号。
参数:
-d:指定VBI设备路径。
示例:
teletext record -d /dev/vbi0 > capture.vbi
3.2 teletext deconvolve
对录制的VBI信号进行解卷积处理。
示例:
teletext deconvolve capture.vbi > stream.t42
3.3 teletext filter
过滤和解码t42流。
参数:
-r:显示头部信息。--start:指定起始服务编号。--stop:指定结束服务编号。-p:显示指定页面的所有副本。
示例:
teletext filter -r 0 stream.t42
teletext filter --start 1 --stop 2 stream.t42 > stream-1.t42
teletext filter stream.t42 -p 100
3.4 teletext squash
压缩重复的子页面。
示例:
teletext squash stream.t42 > output.t42
3.5 teletext html
从t42流生成HTML页面。
示例:
teletext html output/ stream.t42
3.6 teletext interactive
交互式查看t42流中的页面。
示例:
teletext service stream.t42 | teletext interactive
4. 项目安装方式
4.1 使用pip安装
您可以使用pip安装该项目及其依赖项:
pip3 install -e .[CUDA,spellcheck,viewer]
4.2 手动安装
如果您希望手动安装,可以克隆项目仓库并安装依赖项:
git clone <项目仓库地址>
cd <项目目录>
pip3 install -r requirements.txt
4.3 安装可选依赖项
根据您的需求,您可以选择安装CUDA、拼写检查或查看器支持:
pip3 install -e .[CUDA,spellcheck,viewer]
4.4 配置字体与终端
确保按照“安装指南”中的步骤配置字体与终端,以确保输出正确渲染。
通过本文档,您应该能够顺利安装、配置并使用该电视图文信号处理工具。如有任何问题,请参考各命令的--help选项获取更多详细信息。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0449
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
XianyuAutoAgent智能闲鱼客服机器人系统:专为闲鱼平台打造的AI值守解决方案,实现闲鱼平台7×24小时自动化值守,支持多专家协同决策、智能议价和上下文感知对话。Python03
new-apiAI模型聚合管理中转分发系统,一个应用管理您的所有AI模型,支持将多种大模型转为统一格式调用,支持OpenAI、Claude、Gemini等格式,可供个人或者企业内部管理与分发渠道使用。🍥 A Unified AI Model Management & Distribution System. Aggregate all your LLMs into one app and access them via an OpenAI-compatible API, with native support for Claude (Messages) and Gemini formats.TSX026
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0313
mllm轻量化的端侧多模态推理框架,支持多种硬件后端https://ubiquitouslearning.github.io/mllm/C++00
项目优选
收起
暂无描述
Markdown
828
5.49 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
518
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
786
1.58 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
803
1.14 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
973
2.29 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
483
313
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.02 K
769
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.27 K
814
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
652
288