OpenMV简介

简单的来说，它是一个可编程的摄像头，通过MicroPython语言，可以实现你的逻辑。而且摄像头本身内置了一些图像处理算法，很容易使用。OpenMV只有30万的像素，通常使用320_240的分辨率来处理图像，OpenMV3 Cam M7采集图像采集图像分辨率最高可以达到640_480，无法获得更高的像素。这使得它支持一些简易的识别算法，而对一般复杂的算法无法提供更多的硬件支持

项目简介

接触到OpenMV是因为团队在robomaster的飞镖系统实现上的一种构想，如果没有外部因素如场地的风、无人机的机翼等因素的干扰，计算模型直接打靶不知道行不行···反正OpenMV很轻便，如果通过识别可以让飞镖进行姿态调整的话也是极好的2333由于目前还没开学！很多想法得不到实验呜呜呜！

代码

目前随便写了个多色块识别（貌似有指示灯），剩下的只能等开学再更了···

# 色块监测 例子
#
# 这个例子展示了如何通过find_blobs()函数来查找图像中的色块
# 这个例子查找的颜色是深绿色

import sensor, image, time
from pyb import UART
import json

# 颜色追踪的例子，一定要控制环境的光，保持光线是稳定的。
green_threshold   = (0, 100, -74, -40, 11, 58)

red_threshold     = (0, 100, 33, 106, 11, 64)

#green_threshold   =   (45, 70, -60, -40, 20, 60)
#设置绿色的阈值，括号里面的数值分别是L A B 的最大值和最小值（minL, maxL, minA,
# maxA, minB, maxB），LAB的值在图像左侧三个坐标图中选取。如果是灰度图，则只需
#设置（min, max）两个数字即可。

sensor.reset() # 初始化摄像头
sensor.set_pixformat(sensor.RGB565) # 格式为 RGB565.
sensor.set_framesize(sensor.QQVGA) # 使用 QQVGA 速度快一些
sensor.skip_frames(time = 2000) # 跳过2000s，使新设置生效,并自动调节白平衡
sensor.set_auto_gain(False) # 关闭自动自动增益。默认开启的，在颜色识别中，一定要关闭白平衡。
sensor.set_auto_whitebal(False)
#关闭白平衡。白平衡是默认开启的，在颜色识别中，一定要关闭白平衡。
clock = time.clock() # 追踪帧率
K = 6000
uart = UART(3,115200)

while(True):
    clock.tick() # Track elapsed milliseconds between snapshots().
    img = sensor.snapshot(1.8) # 从感光芯片获得一张图像

    blobs = img.find_blobs([green_threshold,red_threshold],pixels_threshold = 24,area_threshold = 5,merge = True)
    #blobr = img.find_blobs([red_threshold],pixels_threshold = 24,area_threshold = 5,merge = True)
    #bloba = blobr.add(blobg)
    if blobs:
    #如果找到了目标颜色
        output_str = json.dumps(blobs)
        for b in blobs: #循环效果不好，会有很多误识别，采用单个矩形采样方便返回坐标
        #迭代找到的目标颜色区域
            x = b[0]
            y = b[1]
            width = b[2]
            height = b[3]
                # Draw a rect around the blob.
            img.draw_rectangle([x,y,width,height]) # rect
                #用矩形标记出目标颜色区域
            img.draw_cross(b[5], b[6]) # cx, cy
                #在目标颜色区域的中心画十字形标记
            print('send:',output_str)
            uart.write(output_str+'\n')
            Lm = (b[2]+b[3])/2
            length = K/Lm
            print(length)
    print(clock.fps()) # 注意: 你的OpenMV连到电脑后帧率大概为原来的一半
    #如果断开电脑，帧率会增加

首先和大家说下！OpenMV的官方里的资料非常的全，绝大多数的问题里面都已经写好教程了，或者可以查阅技术文档

序言 · OpenMV中文入门教程

剩下就是代码之间整合一下就OK了，建议大家去下载下OpenMV的环境，很方便，加快开发速度。

比如说这个阈值编辑器，很方便的就可以获取到想要的阈值有木有

opencvsharp Sobel边缘检测 openmv边缘检测_帧率

然后说下思路8····

我们要实现的是双色检测，即红色和绿色，所以我们需要定义这俩颜色对应的阈值

green_threshold   = (0, 100, -74, -40, 11, 58)      red_threshold = (0, 100, 33, 106, 11, 64)

然后就是参数的配置，这里在识别颜色的时候一定要关闭白平衡！！否则会出现很多误识别。

sensor.snapshot(1.8)去鱼眼化

接下来就是核心的算法 find_blobs(thresholds, roi=Auto, x_stride=2, y_stride=1, invert=False, area_threshold=10, pixels_threshold=10, merge=False, margin=0, threshold_cb=None, merge_cb=None)

这个图像的一个类方法，它返回的是很多个色块对象，可以看作是一个list

roi为感兴趣区域

x_stride 就是查找的色块的x方向上最小宽度的像素，默认为2

y_stride 就是查找的色块的y方向上最小宽度的像素，默认为1

invert 反转阈值，把阈值以外的颜色作为阈值进行查找

area_threshold 面积阈值，如果色块被框起来的面积小于这个值，会被过滤掉

pixels_threshold 像素个数阈值，如果色块像素数量小于这个值，会被过滤掉

merge 合并，如果设置为True，那么合并所有重叠的blob为一个。
注意：这会合并所有的blob，无论是什么颜色的。如果你想混淆多种颜色的blob，只需要分别调用不同颜色阈值的find_blobs。

margin 边界，如果设置为1，那么两个blobs如果间距1一个像素点，也会被合并

blob有多个方法：

  • blob.rect() 返回这个色块的外框——矩形元组(x, y, w, h)，可以直接在image.draw_rectangle中使用。
  • blob.x() 返回色块的外框的x坐标（int），也可以通过blob[0]来获取。
  • blob.y() 返回色块的外框的y坐标（int），也可以通过blob[1]来获取。
  • blob.w() 返回色块的外框的宽度w（int），也可以通过blob[2]来获取。
  • blob.h() 返回色块的外框的高度h（int），也可以通过blob[3]来获取。
  • blob.pixels() 返回色块的像素数量（int），也可以通过blob[4]来获取。
  • blob.cx() 返回色块的外框的中心x坐标（int），也可以通过blob[5]来获取。
  • blob.cy() 返回色块的外框的中心y坐标（int），也可以通过blob[6]来获取。
  • blob.rotation() 返回色块的旋转角度（单位为弧度）（float）。如果色块类似一个铅笔，那么这个值为0~180°。如果色块是一个圆，那么这个值是无用的。如果色块完全没有对称性，那么你会得到0~360°，也可以通过blob[7]来获取。
  • blob.code() 返回一个16bit数字，每一个bit会对应每一个阈值。举个例子：
    blobs = img.find_blobs([red, blue, yellow], merge=True)

如果这个色块是红色，那么它的code就是0001，如果是蓝色，那么它的code就是0010。注意：一个blob可能是合并的，如果是红色和蓝色的blob，那么这个blob就是0011。这个功能可以用于查找颜色代码。也可以通过blob[8]来获取。

  • blob.count() 如果merge=True，那么就会有多个blob被合并到一个blob，这个函数返回的就是这个的数量。如果merge=False，那么返回值总是1。也可以通过blob[9]来获取。
  • blob.area() 返回色块的外框的面积。应该等于(w * h)
  • blob.density() 返回色块的密度。这等于色块的像素数除以外框的区域。如果密度较低，那么说明目标锁定的不是很好。
    比如，识别一个红色的圆，返回的blob.pixels()是目标圆的像素点数，blob.area()是圆的外接正方形的面积
blobs = img.find_blobs([green_threshold,red_threshold],pixels_threshold = 24,area_threshold = 5,merge = True)

这里我们选择两种颜色，所以需要拼接这两个阈值，使用pixels和area综合来过滤掉细小的像素识别。

然后画出矩形，采用上面的blobs方法可以获取到矩形的中心坐标cx，cy

然后采用JSON传输数据并返回在串行终端里。

output_str = json.dumps(blobs)

因为后期可能需要实现测距功能，我这里提前把测距给写了，运用到的是简单的比例关系，推导在官方文档有。

距离=常数/像素直径

K = 6000
Lm = (b[2]+b[3])/2
length = K/Lm

这三行是主要的测距代码，其中K为常数，是需要测算的。

可以先把测算的物体固定在一个给定距离的位置上，然后再乘以打印出来的小球像素值，即可得到K值。

这里的K值需要不同场景重新测算一遍嗷！！

关于这个像素直径，用勾股定理来算也是可以的。

忘记了···最后附上运行的录屏，串口的json数据就不放上来了···有兴趣想看的同学或者觉得我说的不对的同学可以私信我呀！


OPENMV多色识别


看到这里不容易
 祝你完事都如意
看到这儿的小伙伴有空的就点个赞吧！
 不是同一个时间，但是是同一个博客，期待你我下次再会！