# xiaoyiwu6/sar architecture

> Architecture diagram of the GitHub repository xiaoyiwu6/sar, generated by GitDiagram from its file tree, README and a sample of source files (last updated 2026-03-11). It is an AI-made overview: check details against the source.

- Interactive diagram: https://gitdiagram.com/xiaoyiwu6/sar
- Repository: https://github.com/xiaoyiwu6/sar

## Overview

##### 项目类型与目的（从 README + 文件树推断）
这是一个**Windows 上的 C++/Qt 桌面端遥感图像处理与AI推理应用**，目标是对**多源遥感数据（SAR、可见光、微光、红外）**进行：
- 不同分辨率下的**图像配准（registration）**
- **多源图像融合（fusion）**
- 基于融合结果的**地物分类（classification，PyTorch/Libtorch 推理）**
- 基于融合结果的**洪涝边界检测（flood boundary detection，可能同样是推理或传统CV）**

技术栈在 README 中非常明确：**Qt 5.12.2 + OpenCV 4.0.1 + LibTorch 1.8.1 (CUDA) + CUDA 11.0**。
文件树表明这是一个**单体桌面程序（单 exe）**，没有服务端/微服务/数据库结构；核心是“UI + 图像处理算法模块 + 模型推理模块 + 本地文件IO”。

##### 文件结构解读：把“代码文件”映射成可画的组件

**入口与应用生命周期**
- `main.cpp`：程序入口（创建 QApplication / 主窗口，注册资源等）
- `appinit.cpp/.h`：应用初始化（日志/环境/全局配置/依赖检查之类的初始化逻辑，通常也会设置样式、加载资源）
- `main.qrc`, `qss.qrc`：Qt 资源系统（把图片、QSS打包进 exe）

**UI层（Presentation）**
- `uidemo.ui`：Qt Designer 生成的界面布局（按钮、图像显示区域、参数输入等）
- `ui_uidemo.h`：由 `.ui` 编译生成的头文件（UI控件实例）
- `uidemo.cpp/.h`：主窗口逻辑（信号槽、按钮事件、调用算法模块、显示结果）
- `qss/psblack.css` + `qss/psblack/...`：皮肤/主题样式（QSS）

**通用工具与UI辅助**
- `utils.cpp/.h`：通用工具（常见是图像读写、路径处理、时间统计、Mat<->QImage 转换等）
- `iconhelper.cpp/.h`：UI 图标辅助（字体图标/资源加载/主题适配等）

**核心算法/处理管线（Domain / Processing）**
- `wavetransform.cpp/.h`：小波变换（强烈暗示“融合算法”中有小波域融合或频域处理）
- （README 提到的配准、融合、分类、洪涝检测可能分散在 `uidemo.cpp` 或 `utils/wavetransform` 内；建议你在图里单独抽象出“Registration / Fusion / Inference / Postprocess”模块，即便当前源码文件未细分，也要把逻辑组件画出来——这对系统设计图更准确可读。）

**外部依赖（Third-party / Runtime）**
- OpenCV：图像处理/配准/特征提取/几何变换/滤波等
- LibTorch + CUDA：加载 PyTorch 权重并在 GPU 上推理
- 权重模型（README 给出网盘链接）：**运行时外部文件依赖**（通常是 `.pt/.pth/.jit`），从磁盘加载

##### 建议你画的“最佳系统设计图”分层与视角（按准确度从高到低）

目的：说明这不是分布式系统，而是“桌面应用 + 本地文件 + GPU推理”。

至少包含：
- 用户（分析员/操作员）
- 本应用（Qt Desktop App）
- 本地文件系统（输入多源影像、输出融合结果/检测结果、模型权重文件）
- GPU/CUDA（作为运行时加速资源）
- 第三方库（OpenCV、LibTorch）可画成“依赖边界”或“运行时库”

**箭头（数据流）建议：**
- 用户 → UI：选择输入数据/设置参数/启动流程
- 文件系统 → 应用：读取多源影像 + 读取模型权重
- 应用 → 文件系统：保存融合图、分类图、洪涝边界矢量/栅格结果、日志等
- 应用 ↔ GPU：推理/加速计算（可用双向箭头表示“提交任务/返回结果”）

虽然没有容器/服务，但仍建议画“运行时容器”：
- Windows OS
- YourApp.exe（Qt）
- Qt Widgets/UI
- Processing Engine
- Model Inference Engine
- Runtime dependencies: OpenCV DLLs, LibTorch DLLs, CUDA runtime
- External artifacts:
- Model weights on disk
- Input datasets on disk

这张图的价值是把“工程依赖与运行时依赖”讲清楚（尤其是 LibTorch/CUDA 的版本耦合在 README 中很关键）。

把应用内部拆到“能对齐 README 功能点”的程度。推荐分 4 层：

**(1) Presentation/UI Layer（Qt）**
- `UidemoWindow (uidemo.cpp/.h + uidemo.ui)`
- `Style/Theming (qss.qrc + qss/*)`
- `IconHelper`

**(2) Application/Orchestration Layer（流程编排）**
- “Task Controller / Pipeline Orchestrator”（可能就在 `uidemo.cpp`，但图中要抽象出）
- 负责按顺序调用：数据加载 → 配准 → 融合 → 推理 → 后处理 → 展示/导出
- 负责参数管理、错误处理、进度反馈

**(3) Domain Processing Layer（算法模块）**
- `DataLoader`（从文件系统读取多源影像，可能在 utils）
- `Registration`（不同分辨率配准：几何校正、尺度匹配、特征匹配、重采样/warp）
- `Fusion`（多源融合：可细分为 wavelet-based fusion -> `wavetransform`）
- `PostProcessing`（形态学、边界提取、阈值化、矢量化、连通域等）
- `Visualization/Exporter`（Mat->QImage，显示；保存结果到磁盘）

**(4) ML Inference Layer（Libtorch）**
- `ModelLoader`（加载权重文件）
- `Preprocess`（归一化、resize、通道拼接、tensor 化）
- `Inference (CUDA)`（torch::jit 或 torch::nn 推理）
- `Decode`（类别图/分割mask/边界概率图解码）

**关键数据对象建议你在图上标注（让图更“工程化”）：**
- Inputs：SAR image, VIS image, Low-light image, IR image（以及元数据/分辨率/地理参考若有）
- Intermediate：Registered images, Fused image, Feature maps / Tensors
- Outputs：Land-cover map, Flood boundary mask/contours, Exported files

##### 关系与交互怎么画才“准确”
按典型 Qt 桌面应用的真实调用关系，建议你在组件图里这样连线（方向代表调用/数据流）：

- `main.cpp` → `AppInit` → `UidemoWindow`
- `UidemoWindow` —(signals/slots)→ `Task Controller`
- `Task Controller` → `DataLoader` → File System
- `Task Controller` → `Registration` → OpenCV
- `Task Controller` → `Fusion` → `WaveTransform`（若融合含小波域）
- `Task Controller` → `Preprocess` → `Inference Engine (LibTorch CUDA)`
- `Inference Engine` → CUDA runtime/GPU
- `Task Controller` → `PostProcessing` → OpenCV
- `Task Controller` → `Visualization/Exporter` → UI widgets + File System

另外，把 “QRC资源”画为：
- `YourApp.exe` 内嵌：`main.qrc`, `qss.qrc` → UI 读取样式/图标（不是磁盘依赖）

把“权重模型”画为：
- 外部文件依赖：`Model Weights (.pt/.pth)` → `ModelLoader`（磁盘读取）

你可以要求工程师在图里明确用视觉编码区分类型：

**形状建议**
- 圆角矩形：内部模块/组件（Registration/Fusion/Inference）
- 文档形状：外部文件（Input images, Weights, Output results）
- 圆柱：如果未来有缓存/数据库（目前没有，可以不画）
- 云：外部依赖（CUDA/GPU、第三方库也可用“Library”框）

**颜色建议（最实用）**
- 蓝色：UI/Presentation（Qt Widgets、QSS、IconHelper）
- 绿色：算法处理（OpenCV + WaveTransform）
- 紫色：AI推理（LibTorch + CUDA）
- 灰色：外部资源/文件系统/第三方依赖

**箭头与标注**
- 实线箭头：调用/控制流（UI触发、模块调用）
- 虚线箭头：依赖关系（链接到 OpenCV/Libtorch、加载 QRC资源）
- 在线上标注关键数据：`Mat`, `QImage`, `Tensor`, `Mask`, `Contours`

##### 不要“过度抽象”：尽量把功能点拆开画
README 的 4 个功能点（配准、融合、分类、洪涝边界）建议在图里**各自独立成组件**，哪怕当前代码还没有拆成独立文件。原因：
- 这是系统设计图，不是“源码文件对应图”
- 这 4 块未来最可能独立演进、替换算法、引入新模型
- 也最利于定位性能瓶颈（配准耗CPU，推理耗GPU，融合可能两者都耗）

- 是否明确：这是单机桌面应用（非服务端）？
- 是否明确：输入/输出都在本地文件系统？
- 是否明确：OpenCV 与 LibTorch/CUDA 的边界与职责？
- 是否把“权重模型下载并加载”作为外部依赖画出来？
- 是否在处理流程上体现：多源输入 → 配准对齐 → 融合 → 推理 → 后处理 → 展示/导出？
- 是否标注了关键数据结构转换（Mat ↔ QImage、Mat → Tensor）？

按上述方式，你会得到一套“既能对齐代码结构、又能对齐业务功能、还把运行时依赖说清楚”的系统设计/架构图。

## Diagram (Mermaid)

```mermaid
flowchart TD
    %% =========================
    %% A) System Context Diagram
    %% =========================
    subgraph "A. System Context (Desktop App on Windows)"
        U["User (Analyst/Operator)"]:::external

        subgraph "Qt Desktop Application (Single EXE)"
            APP["Remote Sensing Image Processing & AI Inference App"]:::app
            UICTX["UI (Qt Widgets)"]:::ui
            PIPECTX["Processing Pipeline"]:::proc
            MLCTX["AI Inference (LibTorch)"]:::ml
        end

        FS[("Local File System")]:::external
        GPU["GPU (CUDA Runtime)"]:::external
        OPENCV["OpenCV 4.0.1 (Runtime Library)"]:::external
        TORCH["LibTorch 1.8.1 (Runtime Library)"]:::external

        INIMG["Input Datasets\n(SAR / VIS / Low-light / IR)"]:::artifact
        WEIGHTS["Model Weights\n(.pt/.pth/.jit)"]:::artifact
        OUTRES["Outputs\n(Fused image / Land-cover map /\nFlood boundary mask/contours / Logs)"]:::artifact
    end

    U -->|"operate"| UICTX
    UICTX -->|"control"| PIPECTX
    PIPECTX -->|"invoke"| MLCTX

    FS -->|"read"| INIMG
    FS -->|"read"| WEIGHTS
    PIPECTX -->|"write"| OUTRES

    PIPECTX -.->|"use"| OPENCV
    MLCTX -.->|"use"| TORCH
    MLCTX <-->|"CUDA compute"| GPU

    INIMG -->|"load"| APP
    WEIGHTS -->|"load"| APP
    APP -->|"save"| OUTRES

    %% =========================
    %% B) Deployment / Runtime View
    %% =========================
    subgraph "B. Deployment / Runtime (Windows)"
        WIN["Windows OS"]:::external

        subgraph "YourApp.exe"
            ENTRY["Program Entry (main.cpp)"]:::app
            INIT["AppInit (appinit.*)"]:::app
            RES["Qt Resources (QRC)"]:::res
            QTUI["Qt Widgets/UI"]:::ui
            ENGINE["Processing Engine"]:::proc
            INFER["Model Inference Engine"]:::ml
        end

        subgraph "Runtime Dependencies (DLLs)"
            DEP_OCV["OpenCV DLLs"]:::external
            DEP_TORCH["LibTorch DLLs"]:::external
            DEP_CUDA["CUDA 11.0 Runtime"]:::external
        end

        DISK[("Disk Artifacts")]:::external
        DISK_IN["Input Images"]:::artifact
        DISK_W["Model Weights"]:::artifact
        DISK_OUT["Exported Results"]:::artifact
    end

    WIN -->|"runs"| ENTRY
    ENTRY -->|"init"| INIT
    INIT -->|"load"| RES
    INIT -->|"create/show"| QTUI
    QTUI -->|"orchestrate"| ENGINE
    ENGINE -->|"call"| INFER

    ENGINE -.->|"link/use"| DEP_OCV
    INFER -.->|"link/use"| DEP_TORCH
    INFER -.->|"uses"| DEP_CUDA

    DISK --> DISK_IN
    DISK --> DISK_W
    DISK --> DISK_OUT

    ENGINE <-->|"read/write"| DISK
    INFER -->|"load"| DISK_W

    %% =========================
    %% C) Component + Dataflow (Most important)
    %% =========================
    subgraph "C. Components & Dataflow (Inside App)"
        %% (1) Presentation/UI Layer
        subgraph "1) Presentation / UI Layer (Qt)"
            UIDEMO["UidemoWindow\n(uidemo.* + uidemo.ui + ui_uidemo.h)"]:::ui
            THEME["QSS Theming\n(qss.qrc + qss/psblack*)"]:::ui
            ICON["IconHelper\n(iconhelper.*)"]:::ui
            RESQRC["Resources\n(main.qrc / qss.qrc)"]:::res
        end

        %% (2) Application / Orchestration
        subgraph "2) Application / Orchestration"
            TASK["Task Controller / Pipeline Orchestrator\n(signals/slots, params, progress, errors)"]:::app
        end

        %% (3) Domain Processing Layer
        subgraph "3) Domain Processing Layer (OpenCV-centric)"
            LOADER["DataLoader\n(file IO, decode)"]:::proc
            REG["Registration\n(multi-resolution alignment)"]:::proc
            FUSION["Fusion\n(multi-source fusion)"]:::proc
            WAVE["WaveTransform\n(wavelet domain ops)"]:::proc
            POST["PostProcessing\n(morphology/threshold/vectorize)"]:::proc
            VISX["Visualization / Exporter\n(Mat↔QImage, save)"]:::proc
        end

        %% (4) ML Inference Layer
        subgraph "4) ML Inference Layer (LibTorch + CUDA)"
            MLOAD["ModelLoader\n(load weights from disk)"]:::ml
            PRE["Preprocess\n(Mat→Tensor, normalize/resize/stack)"]:::ml
            INF["Inference (CUDA)\n(torch::jit/nn forward)"]:::ml
            DEC["Decode\n(mask/classes/prob map)"]:::ml
        end

        %% External boundary (used by components)
        FS2[("Local File System")]:::external
        OCV2["OpenCV"]:::external
        TORCH2["LibTorch"]:::external
        GPU2["GPU/CUDA"]:::external

        IN_SAR["SAR Image"]:::artifact
        IN_VIS["VIS Image"]:::artifact
        IN_LL["Low-light Image"]:::artifact
        IN_IR["IR Image"]:::artifact

        MID_REG["Registered Images\n(Mat)"]:::artifact
        MID_FUSED["Fused Image\n(Mat)"]:::artifact
        MID_TENSOR["Tensor(s)"]:::artifact

        OUT_LC["Land-cover Map\n(Mask/Class map)"]:::artifact
        OUT_FLOOD["Flood Boundary\n(Mask/Contours)"]:::artifact
        OUT_FILES["Exported Files"]:::artifact
    end

    %% UI wiring & resources
    RESQRC -.->|"style/icons"| THEME
    RESQRC -.->|"icons"| ICON
    THEME -.->|"apply QSS"| UIDEMO
    ICON -.->|"set icons"| UIDEMO
    UIDEMO -->|"signals/slots"| TASK

    %% Pipeline orchestration
    TASK -->|"load inputs"| LOADER
    LOADER -->|"read"| FS2
    FS2 -->|"datasets"| IN_SAR
    FS2 -->|"datasets"| IN_VIS
    FS2 -->|"datasets"| IN_LL
    FS2 -->|"datasets"| IN_IR

    LOADER -->|"Mat"| REG
    REG -->|"Mat"| MID_REG
    REG -.->|"opencv ops"| OCV2

    MID_REG -->|"aligned Mat"| FUSION
    FUSION -->|"wavelet-domain"| WAVE
    WAVE -->|"coeffs→Mat"| FUSION
    FUSION -->|"Mat"| MID_FUSED
    FUSION -.->|"opencv ops"| OCV2

    %% Inference path
    TASK -->|"run classification / flood detection"| MLOAD
    MLOAD -->|"load .pt/.pth"| FS2
    TASK -->|"prepare"| PRE
    MID_FUSED -->|"Mat→Tensor"| PRE
    PRE -->|"Tensor"| MID_TENSOR
    PRE -.->|"torch tensor utils"| TORCH2

    MID_TENSOR -->|"forward"| INF
    INF -.->|"libtorch runtime"| TORCH2
    INF <-->|"CUDA kernels"| GPU2
    INF -->|"logits/prob"| DEC

    DEC -->|"Mask"| OUT_LC
    DEC -->|"Mask/Contours"| OUT_FLOOD

    %% Post + visualization/export
    TASK -->|"postprocess"| POST
    OUT_FLOOD -->|"refine"| POST
    POST -.->|"opencv ops"| OCV2

    TASK -->|"display/export"| VISX
    MID_FUSED -->|"Mat"| VISX
    OUT_LC -->|"Mask"| VISX
    OUT_FLOOD -->|"Contours"| VISX
    VISX -->|"Mat↔QImage"| UIDEMO
    VISX -->|"write results"| FS2
    FS2 -->|"outputs"| OUT_FILES

    %% App entry wiring (ties A/B/C together conceptually)
    ENTRY -->|"creates"| INIT
    INIT -->|"launches"| UIDEMO

    %% =========================
    %% Click Events (from mapping)
    %% =========================
    click ENTRY "https://github.com/xiaoyiwu6/sar/blob/master/main.cpp"
    click INIT "https://github.com/xiaoyiwu6/sar/blob/master/appinit.cpp"
    click RESQRC "https://github.com/xiaoyiwu6/sar/blob/master/main.qrc"
    click RESQRC "https://github.com/xiaoyiwu6/sar/blob/master/qss.qrc"
    click UIDEMO "https://github.com/xiaoyiwu6/sar/blob/master/uidemo.cpp"
    click UIDEMO "https://github.com/xiaoyiwu6/sar/blob/master/uidemo.h"
    click UIDEMO "https://github.com/xiaoyiwu6/sar/blob/master/uidemo.ui"
    click UIDEMO "https://github.com/xiaoyiwu6/sar/blob/master/ui_uidemo.h"
    click THEME "https://github.com/xiaoyiwu6/sar/blob/master/qss/psblack.css"
    click THEME "https://github.com/xiaoyiwu6/sar/tree/master/qss/psblack/"
    click ICON "https://github.com/xiaoyiwu6/sar/blob/master/iconhelper.cpp"
    click ICON "https://github.com/xiaoyiwu6/sar/blob/master/iconhelper.h"
    click LOADER "https://github.com/xiaoyiwu6/sar/blob/master/utils.cpp"
    click LOADER "https://github.com/xiaoyiwu6/sar/blob/master/utils.h"
    click WAVE "https://github.com/xiaoyiwu6/sar/blob/master/wavetransform.cpp"
    click WAVE "https://github.com/xiaoyiwu6/sar/blob/master/wavetransform.h"

    %% =========================
    %% Styles
    %% =========================
    classDef external fill:#ECEFF1,stroke:#607D8B,color:#263238,stroke-width:1px
    classDef app fill:#FFF3E0,stroke:#EF6C00,color:#4E342E,stroke-width:1px
    classDef ui fill:#E3F2FD,stroke:#1E88E5,color:#0D47A1,stroke-width:1px
    classDef proc fill:#E8F5E9,stroke:#43A047,color:#1B5E20,stroke-width:1px
    classDef ml fill:#F3E5F5,stroke:#8E24AA,color:#4A148C,stroke-width:1px
    classDef res fill:#E0F7FA,stroke:#00838F,color:#004D40,stroke-width:1px
    classDef artifact fill:#F5F5F5,stroke:#9E9E9E,color:#212121,stroke-width:1px,stroke-dasharray: 3 3
```
