这些模块可以虚拟分组在以下宏组中：
库初始化和反初始化组（深绿色模块）；
包括图像创建、初始化、释放等功能的组（浅绿色模块）；
包括图像变换功能的组，如：过滤、颜色转换、缩放、形态算子、扭曲等（深黄色模块）；
包含特征和对象提取功能的组，如：边缘和斑点检测器、霍夫变换等（浅黄色模块）；
包括对直线、矩形、椭圆等进行操作的功能组（深蓝色模块）；
包括图像读写功能的组（浅蓝色模块）；
包括在图像中绘制图形元素的功能组（深灰色模块）；
最后一组，包括用于计算积分图像和图像统计的剩余模块（浅灰色模块）。
下图展示了STM32IPL中提供的图像处理功能示例：
一个典型的使用STM32IPL的STM32应用程序的软件架构如下所示：
STM32IPL位于BSP和HAL之上的中间件内。基本上，几乎所有的STM32IPL函数都与平台无关，除了以下两种函数，它们利用了一些STM32 MCU提供的硬件功能，而这些硬件功能只在部分而不是全部STM32 MCU里提供：
✦ 对文件执行读写操作的I/O函数。特别是用于处理所支持的图像文件格式（如 BMP、PPM、PGM 和 JPEG）的两个读/写函数。这些函数依赖于以下作为STM32Cube中间件组件的第三方开源库：
FatFs，在FatFs文件系统上提供读/写操作。例如，在microSD卡上读写图像。
LibJPEG，提供JPEG编码和解码功能。
✦ 通过利用STM32 DMA2D（用于图形操作的硬件加速器）在屏幕上快速绘制图像的函数。
本节将以两个高级功能为例来说明其工作原理以及其应用在图像上的效果：霍夫变换和目标检测。
霍夫变换是一种特征提取方法，用于检测图像中的线条和圆形等简单形状。这里的“简单”形状是指只需要几个参数就能表示的形状。例如，一条线可以用两个参数（斜率、截距）来表示，而一个圆有三个参数——圆心坐标和半径。霍夫变换在寻找图像中这种形状方面有出色的表现。
STM32IPL支持两种霍夫变换函数：
STM32Ipl_FindLines()，通过霍夫变换找到图像中的所有无限线。
STM32Ipl_FindCircles()，通过霍夫变换在图像中查找圆。
下面两张照片显示了使用霍夫变换进行线条检测的结果。
请注意，检测到的线的质量很大程度上取决于边缘图的质量。因此，在现实世界中，霍夫变换通常在当您可以控制环境并因此获得一致的边缘图，或者当您可以针对您正在寻找的特定类型的边缘来训练边缘检测器时使用。
下面的另外两张照片显示了使用霍夫变换进行圆检测的结果。同样，结果的质量很大程度上取决于您可以找到的边缘的质量，以及您对要检测的圆的大小有多少先验知识。
目标检测是一种计算机视觉技术，可以识别和定位图像或视频中的对象。常用于自动驾驶汽车、机器人、面部识别等许多应用场景。
STM32IPL提供三种函数用于目标检测：
STM32Ipl_LoadFaceCascade()，加载面部级联。
STM32Ipl_LoadEyeCascade()，加载眼部级联。
STM32Ipl_DetectObject()，检测特定级联描述的对象。
以下照片显示了面部检测和眼部检测功能的结果：
FP-AI-VISION1_V3.1.0\Middlewares\ST\STM32_ImageProcessing_Library
