第3.2.2章-增加 + 缓冲区显示结果 openmv巡线 循迹黑线 循迹红线 循迹 openmv循迹小车 openmv+STM32循迹小车 循迹赛道 视觉循迹

3.2.2-增加 + 缓冲区显示结果

非常详细的视频和文字教程，讲解常见的openmv教程包括 巡线、物体识别、圆环识别、阈值自动获取等。非常适合学习openmv、K210、K230等项目
视频合集链接在:

openmv教程合集 openmv入门到项目开发 openmv和STM32通信 openmv和opencv区别 openmv巡线 openmv数字识别教程LCD

上面的代码识别后结果输出在串行终端还是不够直观，我们可以增加输出在屏幕上也显示识别结果

我们通过增加下面代码实现把结果输出在缓冲图像上，这样我们就可以直接通过IDE或者后面通过增加屏幕LCD显示，来直接看到我们识别的结果。

    # 遍历所有感兴趣的区域，并绘制矩形框及其识别结果
    for i, rec in enumerate(roi1):
        img.draw_rectangle(rec, color=(255, 0, 0))  # 绘制矩形框
        # 根据flag显示识别结果
        result_text = str(flag[i])  # 显示 1 或 0
        #rec 中的 rec[0] 对应的是矩形框左上角的 横坐标（x），而 rec[1] 对应的是矩形框左上角的 纵坐标（y）
        text_y_position = rec[1] - 15  # 调整文本显示位置，使其位于矩形框的上方
        img.draw_string(rec[0], text_y_position, result_text, color=(255, 255, 255), scale=2)  # 在矩形框内绘制文本

import pyb, sensor, image, math, time
from pyb import UART
import ustruct
from image import SEARCH_EX, SEARCH_DS
import time
import sensor, lcd
# 导入所需的库和模块
#教程作者:好家伙VCC
#欢迎交流群QQ: 771027961 作者邮箱: 1930299709@qq.com
#更多教程B站主页:[好家伙VCC的个人空间-好家伙VCC个人主页-哔哩哔哩视频](https://space.bilibili.com/434192043)
#淘宝主页链接:[首页-好家伙VCC-淘宝网](https://shop415231378.taobao.com)
#更多嵌入式手把手教程-尽在好家伙VCC
# 使用中可能根据自己情况需要修改的值
# 1. GROUND_THRESHOLD 阈值参数，通过工具 -> 机器视觉 -> 阈值编辑器 -> 帧缓冲区调整出要识别的LAB阈值。
# 2. 注意是否有下面两句根据自己摄像头调整
  #sensor.set_vflip(True)
  #sensor.set_hmirror(True)

# sensor.set_contrast(1)  # 设置相机图像对比度。-3至+3。
# sensor.set_gainceiling(16)  # 设置相机图像增益上限。2, 4, 8, 16, 32, 64, 128。

roi1 = [(20, 105, 10, 10),
        (45, 105, 10, 10),
        (75, 105, 10, 10),
        (105, 105, 10, 10),
        (130, 105, 10, 10)]  # 定义一个名为roi1的列表，其中包含了5个元组。每个元组代表了一个矩形感兴趣区域在图像上的位置和大小。

led = pyb.LED(1)  # led = pyb.LED(1)表示led表示红灯。各种状态如下:Red LED = 1, Green LED = 2, Blue LED = 3, IR LEDs = 4.
led.on()  # 点亮红灯 板载红灯点亮表示程序得到执行

sensor.reset()  # 初始化相机传感器。
sensor.set_pixformat(sensor.RGB565)  # 设置相机模块的像素模式:sensor.RGB565: 16 bits/像素。
sensor.set_framesize(sensor.QQVGA)  # 设置图像分辨率、如果改变分辨率也要调整ROI区域。摄像头不同、应用场景不同可以选择不同分辨率。这里使用QQVGA可能画质很糊，但是为了兼容不同型号摄像头我们先使用QQVGA，不影响循迹效果
# ***************************如果不需要镜像就注释掉 下面 的代码********************
# 设置摄像头镜像/翻转操作，根据摄像头安装的方向决定是否需要
sensor.set_vflip(True)  # 垂直方向翻转。根据实际摄像头模块的安装位置调整是否需要此操作
# ！！！重要：不同摄像头是否需要镜像，根据实际情况定。如果不需要镜像，请注释掉以下代码：
sensor.set_hmirror(True)  # 水平方向反转。根据实际摄像头模块的安装位置调整是否需要此操作
# ！！！重要：不同摄像头是否需要镜像，根据实际情况定。如果不需要镜像，请注释掉上述代码。
# ***************************如果不需要镜像就注释掉 上面 的代码********************

sensor.skip_frames(time=2000)  # 跳过指定数目的帧。在这里，设置为跳过2000毫秒（即2秒）的帧。这样可以给传感器一些时间进行初始化和自适应调整。
sensor.set_auto_whitebal(True)  # 设置为自动白平衡模式。这使得摄像头可以根据场景中的光照条件自动调整图像的白平衡，从而保持图像色彩更加准确和自然。
sensor.set_auto_gain(False)  # 关闭自动增益模式。通常情况下，开启自动增益会帮助摄像头自动调整亮度，并在低亮度环境下提高图像清晰度。通过设置为False，禁用了这个功能，使用固定增益值。

# lcd.init() # 初始化lcd屏幕

# 最好根据自己情况设置一下！！！
GROUND_THRESHOLD = (0, 30, -22, 23, -128, 80)  # 阈值参数，用于在图像处理中对标物体进行颜色识别分割。在OpenMV IDE软件 工具 -> 机器视觉 -> 阈值编辑器 -> 帧缓冲区调整出要识别的LAB阈值。

while True:
    data = 0
    blob1 = None
    blob2 = None
    blob3 = None
    blob4 = None
    blob5 = None
    flag = [0, 0, 0, 0, 0]
    img = sensor.snapshot().lens_corr(strength=1.7, zoom=1.0)  # 对获取到的图像执行镜头校正的操作。

    # 检测感兴趣区域（ROI）中的色块
    blob1 = img.find_blobs([GROUND_THRESHOLD], roi=roi1[0])
    blob2 = img.find_blobs([GROUND_THRESHOLD], roi=roi1[1])
    blob3 = img.find_blobs([GROUND_THRESHOLD], roi=roi1[2])
    blob4 = img.find_blobs([GROUND_THRESHOLD], roi=roi1[3])
    blob5 = img.find_blobs([GROUND_THRESHOLD], roi=roi1[4])

    # 如果在指定区域找到色块，设置相应的标志位
    if blob1:
        flag[0] = 1
    if blob2:
        flag[1] = 1
    if blob3:
        flag[2] = 1
    if blob4:
        flag[3] = 1
    if blob5:
        flag[4] = 1

    print(flag[0], flag[1], flag[2], flag[3], flag[4])  # 打印调试数据

    # 遍历所有感兴趣的区域，并绘制矩形框及其识别结果
    for i, rec in enumerate(roi1):
        img.draw_rectangle(rec, color=(255, 0, 0))  # 绘制矩形框
        # 根据flag显示识别结果
        result_text = str(flag[i])  # 显示 1 或 0
        #rec 中的 rec[0] 对应的是矩形框左上角的 横坐标（x），而 rec[1] 对应的是矩形框左上角的 纵坐标（y）
        text_y_position = rec[1] - 15  # 调整文本显示位置，使其位于矩形框的上方
        img.draw_string(rec[0], text_y_position, result_text, color=(255, 255, 255), scale=2)  # 在矩形框内绘制文本

    # lcd.display(img)  # 将图像显示在lcd中