一.打开特征检测示例,这里以检测圆形为例。![](https://img-blog.csdnimg.cn/direct/79eadb5cca82426babcac4e715b04d8c.png)
代码示例如下:
import sensor, image, time #导入sensor模块用于控制摄像头传感器。导入image模块用于图像处理。导入time模块用于时间相关的操作。
sensor. Reset() #初始化摄像头传感器
sensor.set_pixformat(sensor.RGB565) # 设置像素格式为RGB565,也可以选择为灰度模式“GRAYSCALE”
sensor.set_framesize(sensor.QQVGA) # 设置帧大小为QQVGA,也可以选择QVGA或其他。
sensor.skip_frames(time = 2000) # 让相机跳过2000ms,使新的设置生效
clock = time. Clock() # 用于跟踪FPS
while(True):
clock.tick()
#lens_corr(1.8)畸变矫正
img = sensor.snapshot().lens_corr(1.8)
# Circle对象有四个值: x, y, r (半径), 和 magnitude。
# magnitude是检测圆的强度。越高越好
# 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。操作范围仅限于roi区域内的像素。
# 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。若已知直线较大,可增加
# y_stride 。
# threshold 控制从霍夫变换中监测到的圆。只返回大于或等于阈值的圆。
# 应用程序的阈值正确值取决于图像。注意:一条圆的大小是组成圆所有
# 索贝尔滤波像素大小的总和。
# x_margin 控制所检测的圆的合并。 圆像素为 x_margin 、 y_margin 和
# r_margin的部分合并。
# y_margin 控制所检测的圆的合并。 圆像素为 x_margin 、 y_margin 和
# r_margin 的部分合并。
# r_margin 控制所检测的圆的合并。 圆像素为 x_margin 、 y_margin 和
# r_margin 的部分合并。
# r_min,r_max和r_step控制测试圆的半径。
# 缩小测试圆半径的数量可以大大提升性能。
# threshold = 3500比较合适。如果视野中检测到的圆过多,请增大阈值;
# 相反,如果视野中检测到的圆过少,请减少阈值。
for c in img.find_circles(threshold = 3500, x_margin = 10, y_margin = 10, r_margin = 10,r_min = 2, r_max = 100, r_step = 2):
img.draw_circle(c.x(), c.y(), c.r(), color = (255, 0, 0))
print(c)
print("FPS %f" % clock.fps())
这些示例在刚开始大都会用到
import sensor, image, time
sensor. Reset()
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QQVGA)
sensor.skip_frames(time = 2000)
clock = time. Clock()
来完成相机的初始化,之后则会在while循环中不断调用相应函数来达成功能,例如:
识别圆形调用img.find_circles()
识别线段调用img.draw_line()。
二.如何查看调用的函数如何使用
这里以 img.find_circles()为例将鼠标放在函数上,可以看到详细解释,用翻译工具翻译即可。
三.总结
对于简单的特征检测,只需要在刚开始用
import sensor, image, time
sensor. Reset()
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QQVGA)
sensor.skip_frames(time = 2000)
clock = time. Clock()
- 对openmv进行初始化,之后在while循环中调用调用函数即可。实现相应功能