文章目录

  • 前言
  • 带着问题来看
  • 一、函数
  • 二、使用方法
  • 1.img.find_circles
  • 2.img.find_rects
  • 3.find.line_segments
  • 三、摄像情况及终端结果
  • 1.img.find_circles
  • 2.img.find_rects
  • 3.find.line_segments
  • 写在最后

前言

本博客是第一次新路尝试，主要内容在于说说一些个人心得。如果能够帮到读者或者给到一点启发，不胜荣幸！如若有瑕疵还希望得到中肯的意见。谢谢，鞠躬。
本人是一名刚上大四的初学者，目前有些关于Open mv一些个人的见解，在这个平台与大家分享。

带着问题来看

1.识别形状的函数如何使用
2.三角形识别困难大坑
3.矩形识别误差大，干扰太多
4.圆形识别误差大，小圆干扰不可避免

一、函数

使用函数：

img.find_circles、find.line_segments、img.find_rects、img.find_template

二、使用方法

1.img.find_circles

使用方法：

image.find_circles([roi[, x_stride=2[, y_stride=1[, threshold=2000
[, x_margin=10[, y_margin=10[, r_margin=10[, r_min=2[, r_max[, r_step=2]]]]]]]]]])
    # Circle对象有四个值: x, y, r (半径), 和 magnitude。
    # x_stride 是霍夫变换时需要跳过的x像素的数量。若已知圆较大，可增加 x_stride 。
    # y_stride 是霍夫变换时需要跳过的y像素的数量。若已知圆较大，可增加 y_stride 。
    # roi 是一个用以复制的矩形的感兴趣区域(x, y, w, h)。
    # threshold 控制从霍夫变换中监测到的圆。只返回大于或等于 threshold 的圆。
    # r_step 控制如何逐步检测半径。默认为2
    # r_min 控制检测到的最小圆半径。增加此值可以加速算法。默认为2

2.img.find_rects

image.find_rects([roi=Auto, threshold=10000])
#threshold 小于 threshold 的矩形会从返回列表中过滤出来
#roi 是一个用以复制的矩形的感兴趣区域(x, y, w, h)。

3.find.line_segments

image.find_line_segments([roi[, merge_distance=0[, max_theta_difference=15]]])
#merge_distance 指定两条线段之间的可以相互分开而不被合并的最大像素数。
#max_theta_difference 是上面 merge_distancede 要合并的的两个线段的最大角度差值。
#

三、摄像情况及终端结果

1.img.find_circles

for c in img.find_circles(threshold = 3500, x_margin =2, y_margin =2, r_margin = 10,r_min = 5,r_max = 100, r_step = 2):	
	
	img.draw_circle(c.x(), c.y(), c.r(), color = (255, 0, 0))

openmv 图像识别方法 文档 openmv 形状识别_ide

该方法几乎定死了使用对象——只能是圆，这里没有说明好说的，就是注意后面的参数。
第一个是x_stride、y_stride：它可以帮助你更快的查找到圆形，在识别大圆上有突出的效果，我几乎使用必用；

第二个是threshold：它可以帮助你过滤掉一些小圆的干扰，它限制了返回的圆的大小，在一些圆形或者复杂背景下 它可以很好帮到你；

第三个是 r_min，r_max：它限制了识别圆半径的大小；

第四个是r_step： 控制如何逐步检测半径。这个可以很好的让你的圆不断跳着检测圆，跨越多大地半径长度去识别圆。

2.img.find_rects

for r in img.find_rects(threshold = 20000):

        img.draw_rectangle(r.rect(), color = (255, 0, 0))

openmv 图像识别方法 文档 openmv 形状识别_ci_02

矩形识别就有些技巧了。你需要知道矩形识别时根据图形地四个角来判断该图形是否位矩形，AprilTag的quad detection可以处理任意缩放/旋转/剪切的矩形，所以摄像头会将一切与矩形相似的图形识别为矩形。你需要注意以下几个参数：
第一个是ROI： 是一个用以复制的矩形的感兴趣区域(x, y, w, h)。如果未指定，ROI即图像矩形。因为它的限制，Open mv的操作范围仅限于 roi 区域内的像素。必设参数，没有之一。
第二个是threshold：一切小于 threshold 的矩形会从返回列表中过滤出来。必设参数，没有之一。

3.find.line_segments

for l in img.find_line_segments(merge_distance = 10, max_theta_diff = 10):
        img.draw_line(l.line(), color = (255, 0, 0))
        sum += l.theta()
    sum -= 180
    
    if sum<110 and sum>1:
        print('三角形')
        num_segment=1

openmv 图像识别方法 文档 openmv 形状识别_openmv 图像识别方法 文档_03

首先我们来解释下为什么线段识别可以用来识别三角形。线段识别会在图形的边缘画出线段来描出形状，类似与描边。而每条边具有角度的参数，函数line.theta()：返回霍夫变换后的直线的角度（0-179度）。利用三角形三个边角度的和小于等于180度来完成三角形的识别。

写在最后

本文只讲了基础的函数利用，及函数的部分变形。下一个文章将主要介绍主要颜色识别函数的利用、及颜色形状识别函数的搭配使用，如果字数不多的话可以讲下代码使用时遇到的问题及解决办法。如果您有相关的问题欢迎与我沟通，虽然本人尚未掌握Open mv 的使用，但我们可以一起相互学习。长风破浪会有时，直挂云帆济沧海!加油！