OpenMV学习笔记----sensor、image

没有名字的鬼

已于 2024-02-23 15:34:26 修改

阅读量1.5k

点赞数 30

文章标签：学习笔记 python 计算机视觉图像处理人工智能 Openmv

于 2024-02-16 22:49:17 首次发布

本文链接：https://blog.csdn.net/Ljt030608/article/details/136095517

版权

一、感光元件----sensor

sensor.reset()

sensor.set_pixformat()

sensor.set_framesize()

sensor.skip_frames(n=10)

sensor.snapshot()

sensor.set_auto_gain()

sensor.set_auto_whitebal()

sensor.set_auto_exposure(enable[\, exposure_us])

sensor.set_windowing(roi)

sensor.set_hmirror(True)

sensor.set_vflip(True)

二、图像----image

image.get_pixel(x, y)

image.set_pixel(x, y, pixel)

image.difference(image)

图像信息统计：

image.get_statistics(roi=Auto)

常用颜色彩色值（r， g， b）的tupple：

寻找色块：

image.find_blobs()

一、感光元件----sensor

sensor.reset()

----初始化感光元件

sensor.reset() 的功能包括：

初始化感光元件： 将摄像头感光元件初始化为默认状态，以确保其处于可用的工作状态。
恢复默认设置： 将摄像头的其他配置参数还原为默认值。这包括图像格式、帧大小等设置。

使用 sensor.reset() 可以在每次程序启动或需要重置摄像头状态时调用，以确保摄像头处于一致的状态。

sensor.reset() 被用于初始化感光元件，这是配置摄像头之前的一项重要步骤。在初始化后，可以通过其他函数来设置摄像头的像素格式、帧大小等参数，以适应应用场景。

sensor.set_pixformat()

----设置像素模式。

sensor.GRAYSCALE: 灰度，每个像素8bit。
sensor.RGB565: 彩色，每个像素16bit。

1.sensor.GRAYSCALE是一个常量，用于设置摄像头图像的像素格式为灰度模式。在这个模式下，每个像素用 8 位表示，范围从 0 到 255，其中 0 表示黑色，255 表示白色。

如果想将摄像头配置为捕获灰度图像，可以使用以下代码：

sensor.set_pixformat(sensor.GRAYSCALE)

这样设置后，摄像头将以灰度模式捕获图像，每个像素只包含亮度信息而没有颜色信息。这种模式通常用于对图像中的亮度变化进行分析，而不需要考虑颜色信息。

2.sensor.RGB565 是一个常量，用于设置摄像头图像的像素格式为 RGB565 彩色模式。在这个模式下，每个像素用 16 位表示，其中红色占用 5 位，绿色占用 6 位，蓝色占用 5 位。这样的格式提供了对颜色更细致的描述，适用于彩色图像。

如果你想将摄像头配置为以 RGB565 彩色模式捕获图像，可以使用以下代码：

sensor.set_pixformat(sensor.RGB565)

这样设置后，摄像头将以彩色模式捕获图像，每个像素包含红、绿、蓝三个颜色通道的信息。这使得你可以在图像处理和分析中考虑颜色信息。

sensor.set_framesize()

----设置图像的大小

sensor.set_framesize() 是一个函数，用于设置摄像头捕获图像的大小（帧大小）。通过调用这个函数，可以指定所需的图像分辨率。

设置图像大小对于应用程序非常重要，因为它会影响图像的清晰度、文件大小以及后续处理的计算成本。选择适当的图像大小取决于你的具体需求和系统资源。

sensor.QQCIF: 88x72
sensor.QCIF: 176x144
sensor.CIF: 352x288
sensor.QQSIF: 88x60
sensor.QSIF: 176x120
sensor.SIF: 352x240
sensor.QQQQVGA: 40x30
sensor.QQQVGA: 80x60
sensor.QQVGA: 160x120
sensor.QVGA: 320x240
sensor.VGA: 640x480
sensor.HQQQVGA: 80x40
sensor.HQQVGA: 160x80
sensor.HQVGA: 240x160
sensor.B64X32: 64x32 (用于帧差异 image.find_displacement())
sensor.B64X64: 64x64 用于帧差异 image.find_displacement())
sensor.B128X64: 128x64 (用于帧差异 image.find_displacement())
sensor.B128X128: 128x128 (用于帧差异 image.find_displacement())
sensor.LCD: 128x160 (用于LCD扩展板)
sensor.QQVGA2: 128x160 (用于LCD扩展板)
sensor.WVGA: 720x480 (用于 MT9V034)
sensor.WVGA2:752x480 (用于 MT9V034)
sensor.SVGA: 800x600 (仅用于 OV5640 感光元件)
sensor.XGA: 1024x768 (仅用于 OV5640 感光元件)
sensor.SXGA: 1280x1024 (仅用于 OV5640 感光元件)
sensor.UXGA: 1600x1200 (仅用于 OV5640 感光元件)
sensor.HD: 1280x720 (仅用于 OV5640 感光元件)
sensor.FHD: 1920x1080 (仅用于 OV5640 感光元件)
sensor.QHD: 2560x1440 (仅用于 OV5640 感光元件)
sensor.QXGA: 2048x1536 (仅用于 OV5640 感光元件)
sensor.WQXGA: 2560x1600 (仅用于 OV5640 感光元件)
sensor.WQXGA2: 2592x1944 (仅用于 OV5640 感光元件)

sensor.skip_frames(n=10)

----跳过一些帧

sensor.skip_frames(n=10) 跳过n张照片，在更改设置后，跳过一些帧，等待感光元件变稳定。这在某些情况下很有用，例如当你需要等待摄像头稳定下来或跳过起始帧以减少噪音时。

sensor.snapshot()

----获取一张图像

sensor.snapshot() 拍摄一张照片，返回一个image对象。

用于捕获当前摄像头的一帧图像并返回该图像的对象。这个函数在使用摄像头模块时非常常见，因为它允许你获取摄像头实时捕获的图像，并对其进行后续处理或分析。以下是一个简单的示例，演示了如何使用 sensor.snapshot() 函数：

import sensor

# 初始化摄像头
sensor.init()

# 捕获一帧图像
img = sensor.snapshot()

# 对图像进行处理或分析
# 这里可以添加任何你想要的图像处理代码

在这个例子中，使用 sensor.snapshot() 捕获了摄像头的一帧图像，并将其保存在 img 变量中。然后你可以在代码中使用 img 对象进行任何后续的图像处理或分析操作。

sensor.set_auto_gain()

----自动增益

自动增益开启（True）或者关闭（False）。在使用颜色追踪时，需要关闭自动增益。

自动增益控制（Automatic Gain Control，简称 AGC）。自动增益控制是一种摄像头功能，它可以调整图像的整体亮度，以适应不同的光照条件。

启用自动增益控制时，摄像头会自动调整增益，以确保图像的整体亮度在合适的范围内。在某些场景下，禁用自动增益控制可能更有利于精确控制图像亮度。具体的使用方式可以根据实际需求来调整。

sensor.set_auto_whitebal()

----自动白平衡

自动白平衡开启（True）或者关闭（False）。在使用颜色追踪时，需要关闭自动白平衡。

动白平衡功能（Automatic White Balance，简称 AWB）。自动白平衡是摄像头功能之一，它能够自动调整图像的色彩平衡，以适应不同光照条件下的环境。

启用自动白平衡功能时，摄像头会自动调整图像的色彩平衡，以消除不同光照条件下的色彩偏差。在某些情况下，禁用自动白平衡功能可能有助于更精确地控制图像的色彩效果。具体的使用方式应根据实际需求来确定。

sensor.set_auto_exposure(enable[\, exposure_us])

自动曝光功能（Automatic Exposure，简称 AE）。自动曝光是摄像头功能之一，它能够根据环境光照情况自动调整曝光时间，以确保捕获的图像在不同光照条件下具有适当的亮度。

enable 是一个布尔值，用于启用或禁用自动曝光功能。如果为 True，则表示启用自动曝光；如果为 False，则表示禁用自动曝光。
exposure_us 是一个可选参数，表示手动设置的曝光时间，以微秒为单位。当 enable 参数为 False 时，可以提供这个参数来手动设置曝光时间。如果不提供 exposure_us 参数，则曝光时间会保持在默认值。

以下是一些示例用法：

启用自动曝光：

import sensor

# 初始化摄像头
sensor.init()

# 启用自动曝光功能
sensor.set_auto_exposure(True)

禁用自动曝光并手动设置曝光时间：

import sensor

# 初始化摄像头
sensor.init()

# 禁用自动曝光功能，并设置曝光时间为 10000 微秒（10 毫秒）
sensor.set_auto_exposure(False, exposure_us=10000)

在这些示例中，根据实际需求，可以选择启用或禁用自动曝光功能，并选择是否手动设置曝光时间。

sensor.set_windowing(roi)

----设置窗口ROI

ROI：Region Of Interest，图像处理中的术语“感兴趣区”。就是在要处理的图像中提取出的要处理的区域。

sensor.set_windowing() 是一个函数，用于设置摄像头的窗口选取（Windowing）功能。窗口选取允许你指定摄像头采集图像的感兴趣区域（Region of Interest，简称 ROI），从而可以只采集感兴趣区域内的图像，而不是整个图像。

这个函数通常接受一个参数 roi，用于指定感兴趣区域的位置和大小。roi 参数通常是一个元组或一个列表，其中包含四个值：(x, y, width, height)，分别表示感兴趣区域的左上角坐标 (x, y) 和宽度、高度。

以下是一个示例用法：

import sensor

# 初始化摄像头
sensor.init()

# 设置感兴趣区域为从 (100, 100) 开始，宽度为 200，高度为 150
roi = (100, 100, 200, 150)
sensor.set_windowing(roi)

在这个示例中，感兴趣区域从图像的 (100, 100) 坐标开始，宽度为 200 像素，高度为 150 像素。摄像头将仅捕获和处理这个感兴趣区域内的图像，而不是整个图像。

窗口选取功能可以用于在处理或分析摄像头图像时，仅关注特定的区域，从而提高处理效率或减少处理的数据量。

sensor.set_hmirror(True)

----水平方向翻转

sensor.set_vflip(True)

----垂直方向翻转

更多sensor设置，详见OpenMV官方中文文档：sensor — 感光元件 — MicroPython 1.9.2 文档

二、图像----image

image.get_pixel(x, y)

image.set_pixel(x, y, pixel)

----获取/设置像素点

通过image.get_pixel(x, y)方法来获取一个像素点的值。

image.get_pixel(x, y)
- 对于灰度图: 返回(x,y)坐标的灰度值.
- 对于彩色图: 返回(x,y)坐标的(r,g,b)的tuple.

通过image.set_pixel(x, y, pixel)方法，来设置一个像素点的值。

image.set_pixel(x, y, pixel)
- 对于灰度图: 设置(x,y)坐标的灰度值。
- 对于彩色图: 设置(x,y)坐标的(r,g,b)的值。

举例：

img = sensor.snapshot()
img.get_pixel(10,10)
img.set_pixcel(10,10,(255,0,0))#设置坐标(10,10)的像素点为红色(255,0,0)

image.width()

image.height()

image.format()

image.size()

----获取图像的宽度和高度

image.width()
返回图像的宽度(像素)
image.height()
返回图像的高度(像素)
image.format()
灰度图会返回 sensor.GRAYSCALE，彩色图会返回 sensor.RGB565。
image.size()
返回图像的大小(byte)

图像运算：

image.invert()

image.nand(image)

image.nor(image)

image.xor(image)

image.xnor(image)

image.difference(image)

----图像的运算

image.invert()

取反，对于二值化的图像，0(黑)变成1(白)，1(白)变成0(黑)。

注：
图像可以是另一个image对象，或者是从 (bmp/pgm/ppm)文件读入的image对象。
两个图像都必须是相同的尺寸和类型（灰度图/彩色图）。

image.nand(image)
与另一个图片进行与非（NAND）运算。
image.nor(image)
与另一个图片进行或非（NOR）运算。
image.xor(image)
与另一个图片进行异或（XOR）运算。
image.xnor(image)
与另一个图片进行异或非（XNOR）运算。
image.difference(image)
从这张图片减去另一个图片。比如，对于每个通道的每个像素点，取相减绝对值操作。这个函数，经常用来做移动检测。

图像信息统计：

image.get_statistics(roi=Auto)

----使用图像的统计信息

image.get_statistics(roi=Auto)

其中roi是目标区域。注意，这里的roi，bins之类的参数，一定要显式地标明，例如：

img.get_statistics(roi=(0,0,10,20))

如果是 img.get_statistics((0,0,10,20))，ROI不会起作用。

statistics.mean() 返回灰度的平均数(0-255) (int)。你也可以通过statistics[0]获得。
statistics.median() 返回灰度的中位数(0-255) (int)。你也可以通过statistics[1]获得。
statistics.mode() 返回灰度的众数(0-255) (int)。你也可以通过statistics[2]获得。
statistics.stdev() 返回灰度的标准差(0-255) (int)。你也可以通过statistics[3]获得。
statistics.min() 返回灰度的最小值(0-255) (int)。你也可以通过statistics[4]获得。
statistics.max() 返回灰度的最大值(0-255) (int)。你也可以通过statistics[5]获得。
statistics.lq() 返回灰度的第一四分数(0-255) (int)。你也可以通过statistics[6]获得。
statistics.uq() 返回灰度的第三四分数(0-255) (int)。你也可以通过statistics[7]获得。

上面的是灰度的值，接下来的

l_mean，l_median，l_mode，l_stdev，l_min，l_max，l_lq，l_uq，
a_mean，a_median，a_mode，a_stdev，a_min，a_max，a_lq，a_uq，
b_mean，b_median，b_mode，b_stdev，b_min，b_max，b_lq，b_uq，

是LAB三个通道的平均数，中位数，众数，标准差，最小值，最大值，第一四分数，第三四分数。

在图像处理中，LAB色彩空间是一种颜色模型，它将颜色分解为三个通道：亮度（L），以及两个色度通道（a 和 b）。这种颜色空间是由国际照明委员会（CIE）于1976年定义的，旨在模拟人类视觉系统对颜色的感知方式。

下面是对LAB色彩空间中每个通道的简要说明：

L通道（亮度）： 代表图像的亮度信息。这个通道的取值范围通常是 0 到 100（有时是 0 到 255），表示从黑到白的亮度变化。在L通道中，较高的值对应于较亮的像素，较低的值对应于较暗的像素。
a通道（色度）： 代表图像中从绿色到红色的变化。负值表示绿色，正值表示红色。a通道的取值范围通常是 -128 到 127，其中 -128 表示最绿的颜色，而 127 表示最红的颜色。
b通道（色度）： 代表图像中从蓝色到黄色的变化。负值表示蓝色，正值表示黄色。b通道的取值范围也通常是 -128 到 127，其中 -128 表示最蓝的颜色，而 127 表示最黄的颜色。

通过将颜色分解为亮度和色度通道，LAB色彩空间能够更好地模拟人类对颜色的感知，同时也更适合进行图像处理和分析，例如颜色校正、图像分割和对象检测等任务。

举例：

检测左上方的区域中的颜色值。

import sensor, image, time

sensor.reset() # 初始化摄像头
sensor.set_pixformat(sensor.RGB565) # 格式为 RGB565.
sensor.set_framesize(sensor.QVGA)
sensor.skip_frames(10) # 跳过10帧，使新设置生效
sensor.set_auto_whitebal(False)               # Create a clock object to track the FPS.

ROI=(80,30,15,15)

while(True):
    img = sensor.snapshot()         # Take a picture and return the image.
    statistics=img.get_statistics(roi=ROI)
    color_l=statistics.l_mode()
    color_a=statistics.a_mode()
    color_b=statistics.b_mode()
    print('L都众数：',color_l,'A的众数：',color_a,'B的众数：',color_b)
    img.draw_rectangle(ROI)

画图：

img.draw_line()

----画线

img.draw_line((x0,y0,x1,y1),color ,thickness )

(x0, y0)：线起点的坐标。
(x1, y1)：线的终点坐标。
color：线条的颜色。这可以是 RGB 元组或表示调色板中特定颜色的索引。
thickness：线条的粗细或宽度（以像素为单位）。

img.draw_arrow()

----画箭头

img.draw_arrow((x0,y0,x1,y1),color,thickness)

(x0, y0)：箭头起点的坐标。
(x1, y1)：箭头终点的坐标。
color：箭头的颜色。这可以是 RGB 元组或表示调色板中特定颜色的索引。
thickness：箭头线条的粗细或宽度（以像素为单位）。

img.draw_circle()

----画圆

img.draw_circle(x,y,radius,color ,thickess,fill)

(x, y)：圆心的坐标。
radius：圆的半径。
color：圆圈的颜色。这可以是 RGB 元组或表示调色板中特定颜色的索引。
thickness：圆轮廓的粗细或宽度（以像素为单位）。
fill：一个布尔值或整数值，指示是填充圆圈（如果为非零）还是仅绘制其轮廓（如果为零）。

image.draw_ellipse（）

----画椭圆

image.draw_ellipse(cx,cy,rx,ry,rotation,color,thickness,fill)

cx：椭圆中心点的 x 坐标。
cy：椭圆中心点的 y 坐标。
rx：椭圆水平轴（x 轴）的半长轴长度。
ry：椭圆垂直轴（y 轴）的半短轴长度。
rotation：椭圆相对于 x 轴的旋转角度（以度为单位）。如果rotation 是零，则椭圆与 x 轴对齐。
color：绘制椭圆的颜色，可以是颜色名称（如 “red”、“green”、“blue”）或 RGB 元组。
thickness：椭圆轮廓线的宽度（像素单位）。如果是负数或为零，则椭圆将被填充。thickness
fill：一个布尔值或整数，表示是否填充椭圆。如果为非零值，表示填充椭圆；如果为零，表示仅绘制椭圆的轮廓。

img.draw_rectangle()

----画框

img.draw_rectangle((x0,y0,x1,y1),color,thickness,fill)

(x0, y0)：矩形左上角的坐标。
(x1, y1)：矩形右下角的坐标。
color：矩形的颜色。这可以是 RGB 元组或表示调色板中特定颜色的索引。
thickness：矩形轮廓的粗细或宽度（以像素为单位）。
fill：一个布尔值或整数值，指示是填充矩形（如果为非零）还是仅绘制其轮廓（如果为零）。

img.draw_cross()

----画十字

img.draw_cross(x0,y0,color,size,thickness)

(x0, y0)：十字架中心的坐标。
color：十字架的颜色。这可以是 RGB 元组或表示调色板中特定颜色的索引。
size：横臂的长短（水平和垂直），通常以像素为单位。
thickness：组成十字架的线条的粗细或宽度。

img.draw_keypoints()

----画关键点

img.draw_keypoints(keypoints, color, , thickness, fill)

keypoints：关键点的列表，每个关键点表示为一个三元组 (x, y, rot)，其中 (x, y) 是关键点的坐标，rot 是关键点的旋转角度。
color：关键点的颜色，一个包含 RGB 分量的元组 (r, g, b)。默认为白色 (255, 255, 255)。
size：关键点的尺寸（直径），以像素为单位。默认为 20。
thickness：绘制关键点轮廓的线条粗细，以像素为单位。默认为 2。
fill：一个布尔值，指定是否填充关键点的内部。默认为 False，即只绘制轮廓。

img.draw_string（）

----写字

img.draw_string(x,y,text,color,scale,x_spacing,y_spacing,mono_space,char_rotation,char_hmirror,char_vflip)

(x, y)：文本起始位置的坐标。
text：要绘制的实际文本字符串。
color：文本的颜色。这可以是 RGB 元组或表示调色板中特定颜色的索引。
scale：文本大小的比例因子。
x_spacing：字符之间的水平间距。
y_spacing：文本行之间的垂直间距。
mono_space：一个布尔值或整数值，指示是否使用单倍行距（所有字符的间距相等）（如果为非零）。
char_rotation：每个字符的旋转角度。
char_hmirror：一个布尔值或整数值，指示是否水平镜像每个字符（如果为非零）。
char_vflip：一个布尔值或整数值，指示是否垂直翻转每个字符（如果为非零）。

img.draw_image()

----画图像

img.draw_image（image，x，y，x_scale，y_scale，roi，fgb_channel， alpha，color_palette，alpha_palette，hint，x_size，y_size）

image: 要绘制的图像对象。
x：绘制图像的起始 x 坐标。
y：绘制图像的起始 y 坐标。
x_scale：沿 x 轴的缩放因子。它可以用来调整要绘制的图像的宽度。默认值为 1，表示无缩放。
y_scale：沿 y 轴的缩放因子。它可以用来调整要绘制的图像的高度。默认值为 1，表示无缩放。
roi：一个元组 (x, y, w, h)，表示要从要绘制的图像中选择的感兴趣区域（Region of Interest）。默认为 None，表示绘制整个图像。
fgb_channel: 前景/背景通道掩码。它指定图像的哪些通道（颜色通道）应该被绘制。默认为None ，表示所有通道都应该被绘制。
alpha: 一个介于 0 到 255 之间的整数，表示绘制的透明度。0 表示完全透明，255 表示完全不透明。默认为None ，表示不使用 alpha 通道。
color_palette: 调色板索引数组。它用于将颜色值映射到调色板中的索引。默认为None ，表示不使用调色板。
alpha_palette: 透明度调色板索引数组。它用于将 alpha 值映射到调色板中的索引。默认为 None，表示不使用透明度调色板。
hint: 绘制提示，用于指示图像绘制的加速方式。默认为None 。
x_size: 指定绘制图像的大小。默认为 None，表示使用原始图像的大小。
y_size: 指定绘制图像的大小。默认为None ，表示使用原始图像的大小。

import sensor, image, time

sensor.reset() # 初始化摄像头
sensor.set_pixformat(sensor.RGB565) # 格式为 RGB565.
sensor.set_framesize(sensor.QQVGA)
sensor.skip_frames(10) # 跳过10帧，使新设置生效
while(True):
    img = sensor.snapshot()         # Take a picture and return the image.
    small_image = img.mean_pooled(4,4)
    img.draw_line((10,10,10,20),color = (255,0,0),thickness = 2)
    img.draw_arrow((10,30,10,60),color = (0,255,0),thickness = 2)
    img.draw_circle(30,30,20,color = (0,0,255),thickess = 2,fill = 0)
    img.draw_rectangle((50,10,50,40),color = (255,255,0),thickness = 2,fill = 1)
    img.draw_cross(30,30,color = (255,0,255),size = 5,thickness = 2)
    img.draw_keypoints([(75,65,10)],color = (255,255,255),size = 20,thickness = 1,fill =0)
    img.draw_string(10,80,'123456789',color = (0,255,255))
    img.draw_image(small_image,100,10)

常用颜色彩色值（r， g， b）的tupple：

红色（Red）:(255， 0， 0）
绿色（Green）:(0， 255， 0）
蓝色（Blue）:(0， 0， 255）
黄色（Yellow）:(255， 255， 0）
品红（Magenta）:(255， 0， 255）
青色（Cyan）:(0， 255， 255）
白色（White）:(255， 255， 255）
黑色（Black）:(0， 0， 0）

寻找色块：

image.find_blobs()

image.find_blobs() 是 OpenMV Cam 上的一个图像处理方法，用于在图像中查找颜色块（blobs）。颜色块通常表示图像中连续的、具有相似颜色的区域。这在许多计算机视觉应用中是一个常见的任务，如目标检测、跟踪和识别。

该方法的语法如下：

blobs = img.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)

参数解释如下：

thresholds：颜色阈值，用于指定要查找的颜色范围。可以是单个阈值或一个颜色阈值列表，每个颜色阈值指定一个颜色通道的最小和最大阈值，如 [(min1, max1), (min2, max2), ...]。以下是在 RGB 颜色空间中常见颜色的一些阈值范围的示例。请注意，这些值是经验性的，具体的阈值可能需要根据实际场景和摄像头的特性进行调整。
```
red_threshold = (200, 0, 0, 255, 100, 100)
green_threshold = (0, 200, 0, 100, 255, 100)
blue_threshold = (0, 0, 200, 100, 100, 255)
yellow_threshold = (150, 150, 0, 255, 255, 100)
purple_threshold = (150, 0, 150, 255, 100, 255)
cyan_threshold = (0, 150, 150, 100, 255, 255)
```
roi：感兴趣区域（Region of Interest），一个矩形区域，用于限制查找颜色块的范围。默认为整个图像（Auto）。
x_stride：X 轴步长，用于指定在图像中搜索颜色块时在 X 轴上的间隔。默认为 2。
y_stride：Y 轴步长，用于指定在图像中搜索颜色块时在 Y 轴上的间隔。默认为 1。
invert：一个布尔值，指定是否反转阈值。默认为 False。
area_threshold：颜色块的面积阈值，用于过滤掉面积小于此阈值的颜色块。默认为 10。
pixels_threshold：颜色块的像素阈值，用于过滤掉像素数量小于此阈值的颜色块。默认为 10。
merge：一个布尔值，指定是否合并相邻的颜色块。默认为 False。
margin：合并颜色块时的边界宽度，以像素为单位。默认为 0。
threshold_cb：阈值回调函数，用于设置动态阈值。
merge_cb：合并回调函数，用于设置自定义的颜色块合并规则。

该方法返回一个包含颜色块信息的列表，每个颜色块信息包含以下属性：

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.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)
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。

通过调用 image.find_blobs() 方法，可以在图像中检测出符合指定颜色阈值的颜色块，并进一步分析这些颜色块的属性，如位置、大小和形状等。

示例：

import sensor
import image

# 初始化摄像头
sensor.reset()
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QVGA)
sensor.skip_frames(time=2000)

# 定义黑色阈值
black_threshold = (0, 10, -128, 127, -128, 127)

while True:
    # 捕获图像
    img = sensor.snapshot()

    # 寻找黑色色块
    blobs = img.find_blobs([black_threshold], pixels_threshold=20, area_threshold=20)

    # 如果找到了黑色色块
    if blobs:
        # 遍历每个黑色色块
        for blob in blobs:
            # 绘制黑色色块的边界矩形
            img.draw_rectangle(blob.rect(), color=(255, 0, 0))  # 绘制红色矩形
            # 打印黑色色块的位置和大小信息
            print("Black blob found at:", blob.cx(), blob.cy(), "Size:", blob.pixels())