一种优化openmv目标追踪与阈值效果的几个方法

openmv通过software增强目标追踪效果的几个小方法，测试平台为openmv IDE，硬件为openmv MV4 H7

---

前言

本篇介绍了几种提高openmv追踪物体效果的小方法，视觉处理易受光源和环境干扰，下类方法均是通过软件的方法进行优化，提高你在使用时的效果，正所谓硬件不够?软件来凑！(当然硬件补光和和优化无疑是最好的办法，如果条件有限就用软件来弥补吧)，希望能对你有所帮助。

---

一、多个阈值对应一个物体

一般我们追踪目标都是通过颜色追踪，颜色追踪的效果是最好的，一般我们对于一个物体只会用一个元组设置一个阈值，但随着环境中光源的不经意改变，早上取的阈值到了晚上就用不了了，这种情况很多，不利于我们比赛和实际效果。
这时，我们可以通过设置多个颜色阈值来捕捉目标，通过在一个列表中设置多个颜色元组来适应不同情况

如下图所示：首先，将阈值类型设置为列表，在列表中放置我们不同的颜色阈值元组，使用时只用通过for循环调用列表，实现多个阈值对应一个物体，这样大大提高颜色识别效果，这是最简单实用的方法，效果会大大提高，建议每个时间段取一次阈值，以适应各种变化，注意的是这时颜色阈值要设置严格一些，防止出现噪点情况

---

二、寻找最大物体

如果我们追踪的物体同一时间同一场景中只有一个，那我们可以通过设置如下函数找到最大的那一个，大大的减少误差和噪点

def find_max(blobs):
    max_size=0
    for blob in blobs:
        if blob.pixels() > max_size:
            max_blob = blob
            max_size = blob.pixels()
    return max_blob

声明完成后，使用时只用将图像赋值给find_max（）函数中，再用一个任意标准位接收即可，这是图像就对应了这个标准位，这个图像就只会返回最大物体，其它函数功能和正常的一样，大大提高对一个物体的追踪效果

---

三、设置限定参数

通过设置目标区域的感性区域，最小像素点合并，像素点最大最小值等限制条件提高效果，例如下列中的roi,pixels_threshold, area_threshold,merge，等限制条件

官网的一些资料手册

---

四、一种设置自适应阈值的方法

这是一种不需要设置阈值的方法，非常好用，可以随时调整阈值，具有方法我写一篇博客，如下链接，欢迎参考指正
一种基于open mv的自适应阈值的方法

---

总结

还要很多方法这里就不一一写了，后面有时间再进行优化，不当之处，还望各位大佬多多包涵指正，也欢迎有兴趣的同伴和我讨论，如果有资料代码需要和问题，欢迎私聊和评论