目录
前言：
本人所用为01 studio的pyAi-K210和pyAI-OpenMV4，本人在学习完K210后，学习openMV时发现很多实验K210和openMV可以一起学习，所以写下此篇分享，本人基本都是个人笔记，非常希望有大佬提出错误和改进之处，但大佬轻喷哈！！！
----------------------------------------------------------我是分割线--------------------------------------------------------
前面我们已经学会配置摄像头了，现在我们来基于 OpenMV4 的例程，来继续学习 K210 和 OpenMV4 的有趣实验吧。
一.边缘化检测：
边缘化检测简而言之就是对一个物体的轮廓进行检测。
| 构造函数 | 【image.find_edges(edge_type[,threshold])】 边缘检测，将图像变为黑白，边缘保留白色像素。 【edge_typr】处理方式： image.EDGE_SIMPLE------------->简单的阈值高通滤波算法 image.EDGE_CANNY-------------->Canny 边缘检测算法 【threshold】包含高、低阈值的二元组，默认是(100,200),仅支持灰度图像。 |
| 使用方法 | 直接调用该函数 |
官方代码如下：
'''
导入 sensor 等相关模块
初始化和配置 sensor 模块
实时拍摄采集图像
边缘处理
'''
import sensor, image, time
#初始化摄像头
sensor.reset() # 初始化摄像头模块.
sensor.set_pixformat(sensor.GRAYSCALE) # 或者使用 sensor.RGB565 彩色
sensor.set_framesize(sensor.QQVGA) # 或者使用 sensor.QVGA (or others)
sensor.skip_frames(time = 2000) #延时让摄像头文稳定.
sensor.set_gainceiling(8) #设置增益，这是官方推荐的参数
clock = time.clock() # Tracks FPS.
while(True):
clock.tick() # 用于计算 FPS（每秒帧数）.
img = sensor.snapshot() # 拍摄并返回图像.
#使用 Canny 边缘检测器
img.find_edges(image.EDGE_CANNY, threshold=(50, 80))
# 也可以使用简单快速边缘检测，效果一般，配置如下
#img.find_edges(image.EDGE_SIMPLE, threshold=(100, 255))
print(clock.fps()) #显示 FPS（每秒帧数）
# todo 以上代码对于 K210 与 OpenMV4 均适用。二.圆形识别：
此处运用了Hough 算法（霍夫变换）:可看 http://t.csdn.cn/hhQqZ 了解基尔霍夫算法。
圆形识别 find_circles 函数，位于 image 模块下，因此我们 直接将拍摄到的图片进行处理即可。
| 构造函数 | image.find_circles([roi[,x_stride=2[,y_stride=1[,threshold=2000[,x_margin=10[,r_magin=10[,r_max[,r_step=2]]]]]]]]]]) 找圆函数。 返回一个 image.circle 圆形对象，该圆形对象有4个值： x,y(圆心） r(半径) magnitude(量级); 量级越大说明识别到的圆的可信度越高。 【roi】识别区域 (x,y,w,h) ，未指定则默认整张图片； 【threshold】阈值。返回大于或等于 threshold 的圆，调整识别可信度； 【x_stride】【y_stride】霍夫变换时跳过 x,y 像素的量； 【x_margin】【y_margin】【r_margin】控制所检测圆的合并； 【r_min】【r_max】控制识别圆形的半径范围； 【r_step】控制识别步骤 |
| 使用方法 | 直接调用该函数。（其中许多参数都可以使用默认值，不支持压缩图像和bayer图像） |
官方代码如下：
'''
导入 sensor 等相关模块
初始化和配置 sensor 模块
实时拍摄采集图像
圆形识别并标示
'''
import sensor, image, time
#摄像头模块初始化
sensor.reset()
sensor.set_pixformat(sensor.RGB565) # 使用 grayscale 灰度图像处理速度会更快
sensor.set_framesize(sensor.QQVGA)
sensor.skip_frames(time = 2000)
clock = time.clock()
while(True):
clock.tick()
#lens_corr 为了去除畸变，1.8 是默认参数，可以根据自己实际情况调整
img = sensor.snapshot().lens_corr(1.8)
# 圆形类有 4 个参数值： 圆心(x, y), r (半径)和 magnitude（量级）；
# 量级越大说明识别到的圆可信度越高。
# `threshold` 参数控制找到圆的数量，数值的提升会降低识别圆形的总数。
# `x_margin`, `y_margin`, and `r_margin`控制检测到接近圆的合并调节.
# r_min, r_max, and r_step 用于指定测试圆的半径范围。
for c in img.find_circles(threshold = 2000, x_margin = 10, y_margin = 10,
r_margin = 10,r_min = 2, r_max = 100, r_step = 2):
#画红色圆做指示
img.draw_circle(c.x(), c.y(), c.r(), color = (255, 0, 0))
print(c) #打印圆形的信息
print("FPS %f" % clock.fps()) #打印 FPS（每秒采集帧数）
# todo 以上代码对 K210 和 OpenMV4 均适用三.线段识别：
| 构造函数 | image.find_line_segnebts([roi[,merge_distance=0[,max_theta_difference=15]]]) 【roi】识别区域(x,y,w,h),未指定则默认整张图片； 【merge_distance】两条线段间可以相互分开而不被合并的最大像素； 【max_theta_difference】将少于这个角度值的线段合并。 |
| 使用方法 | 直接调用该函数即可。（大部分参数使用默认即可，但是不支持压缩图像和bayer图像哦） |
官方代码如下：
'''
导入 sensor 等相关模块
初始化和配置 sensor 模块
实时拍摄采集图像
线段识别并标示
'''
enable_lens_corr = False # 打开以获得更直的线段
import sensor, image, time
#摄像头初始化
sensor.reset()
sensor.set_pixformat(sensor.RGB565) # grayscale 灰度图像处理速度更快
sensor.set_framesize(sensor.QQVGA)
sensor.skip_frames(time = 2000)
clock = time.clock()
# 所有线段对象都可以通过 `x1()`, `y1()`, `x2()`, and `y2()` 方法获取其端
# 点，当然也可以使用`line()` 获取上面 4 个值以用于 `draw_line()`画线.
while(True):
clock.tick()
img = sensor.snapshot()
if enable_lens_corr: img.lens_corr(1.8) # for 2.8mm lens...
# `merge_distance` 控制相近的线段是否合并. 数值 0 (默认值)表示不合并。数值
#为 1 时候表示相近 1 像素的线段被合并。因此你可以通过改变这个参数来控制检测到线
#段的数量。
# `max_theta_diff` 控制相差一定角度的线段合并，默认是 15 度，表示 15 度内的线
# 段都会合并
for l in img.find_line_segments(merge_distance = 0, max_theta_diff = 5):
img.draw_line(l.line(), color = (255, 0, 0))
print(l)
print("FPS %f" % clock.fps())
# todo 以上代码对K210与OpenMV4均适用四.直线识别：
| 构造函数 | image.find_lines[roi[,x_stride=2[,y_stride=1[,threshold=1000[,theta_margin=25[,rho_margin=25]]]]]]) 【roi】识别区域（x,y,w,h），未指定则默认整张图片； 【threshold】阈值。返回大于或等于threshold 的直线，调整识别可信度； 【x_stride】【y_stride】霍夫变换时跳过 x,y 像素的量； 【theta_margin】【rho_margin】控制所检测直线的合并规则； |
| 使用方法 | 直接调用函数。（大部分参数使用默认即可，但是不支持压缩图像和bayer图像哦） |
官方代码如下：
'''
导入 sensor 等相关模块
初始化和配置 sensor 模块
实时拍摄采集图像
直线识别并标示
'''
enable_lens_corr = False # 打开以获得更直的线段
import sensor, image, time
sensor.reset()
sensor.set_pixformat(sensor.RGB565) # grayscale is faster
sensor.set_framesize(sensor.QQVGA)
sensor.skip_frames(time = 2000)
clock = time.clock()
# 所有直线都可以通过 `theta()` 函数来获取跟水平线的夹角。
# 你也可以通过滤波算法来平滑角度.
min_degree = 0
max_degree = 179
# 所有直线对象都可以通过 `x1()`, `y1()`, `x2()`, and `y2()` 方法获取其端
#点，当然也可以使用`line()` 获取上面 4 个值以用于 `draw_line()`画线.
while(True):
clock.tick()
img = sensor.snapshot()
if enable_lens_corr: img.lens_corr(1.8) # for 2.8mm lens...
# `threshold` 参数控制找到直线的数量，数值的提升会降低识别直线的总数。
# `theta_margin` and `rho_margin` 控制直线是否合并。若少于预设值则合并
for l in img.find_lines(threshold = 1000, theta_margin = 25, rho_margin = 25):
#直线角度在 0 至 180 度范围内
if (min_degree <= l.theta()) and (l.theta() <= max_degree):
img.draw_line(l.line(), color = (255, 0, 0))
print(l)
print("FPS %f" % clock.fps())
# 关于 rho 出现负数:
# [theta+0:-rho] 元组与 [theta+180:+rho]相同.
# todo 以上代码对 K210与OpenMV4均适用
五.矩形识别：
| 构造函数 | image.find_rects([roi=Auto,threshold=10000]) 【roi】识别区域（x,y,w,h），未指定则默认整张图片； 【threshold】阈值。返回大于或者等于 threshold 的矩形，调整识别可信度； |
| 使用方法 | 直接调用该函数。（大部分参数使用默认即可，不支持压缩图像和 bayer 图像哦） |
官方代码如下：
'''
导入 sensor 等相关模块
初始化和配置 sensor 模块
实时拍摄采集图像
矩形识别并标示
'''
import sensor, image, time
sensor.reset()
# grayscale is faster (160x120 max on OpenMV-M7)
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QQVGA)
sensor.skip_frames(time = 2000)
clock = time.clock()
while(True):
clock.tick()
img = sensor.snapshot()
# `threshold` 需要设置一个比价大的值来过滤掉噪声。
#这样在图像中检测到边缘亮度较低的矩形。矩形
#边缘量级越大，对比越强…
for r in img.find_rects(threshold = 10000):
img.draw_rectangle(r.rect(), color = (255, 0, 0)) #画矩形显示
for p in r.corners(): #四角画小圆形
img.draw_circle(p[0], p[1], 5, color = (0, 255, 0))
print(r)
print("FPS %f" % clock.fps())
# todo 以上代码对 K210与OpenMV4均适用总结：
通过以上学习，其实不难发现，用python进行检测其实很简单，其中的模块都是写好了的，我们直接用就行，列举如下：
| 检测类型 | 构造函数 |
| 边缘检测 | image.find_edges(edge_type[, threshold]) |
| 圆形识别 | 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_s tep=2]]]]]]]]]]) |
| 线段识别 | image.find_line_segments([roi[, merge_distance=0[, max_theta_diffe rence=15]]]) |
| 直线识别 | image.find_lines([roi[, x_stride=2[, y_stride=1[, threshold=1000[, theta_margin=25[, rho_margin=25]]]]]]) |
| 矩形识别 | image.find_rects([roi=Auto, threshold=10000]) |
OpenMV4 与 K210 中都集成了 以上构造函数，位于 image 模块下，因此 我们直接将拍摄到的图片进行处理即可。
---------------------------------------------------------------我是分割线---------------------------------------------------
此处进行说明，当前所有代码均引用官方例程，后续会陆续加入自己碰到的有意思的代码。
2031
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
