基于openmv的色域识别（测距和测角度）

基于openmv的色域识别和巡线代码

写在前面：由于最近做比赛和着急，有很多东西都是着急去实现并没有做整理，直到昨天才觉得感觉到内心的空虚，发现知识并没有成型，所以决定来写写总结。做些看似有意义的东西。

1、知识储备

A、openmv之简介

在官网中有详细介绍：https://singtown.com/product/373/openmv-cam-m7/

B、openmv之图像知识

在这里着重说一下LAB色彩空间，灰度图和二值化，因为这个是做巡线和色域识别的重点。
1、LAB色彩空间：Lab颜色空间中，L亮度；a的正数代表红色，负端代表绿色；b的正数代表黄色，负端代表兰色。不像RGB和CMYK色彩空间，Lab颜色被设计来接近人类视觉。
而一个颜色的阈值结构是这样的：(minL, maxL, minA, maxA, minB, maxB)
2、灰度图：灰度图就是灰的咯。灰度图阈值（min, max）。
3、二值化：将在thresholds内的图像部分的全部像素变为1白，将在阈值外的部分全部像素变为0黑。

C、openmv之find_blobs（）函数

image.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)
说明：
1、thresholds是颜色的阈值
2、roi是“感兴趣区”。也就是说只查找对应roi区域是否有对应的色域。roi的格式是(x, y, w, h)的tupple.
3、x_stride 就是查找的色块的x方向上最小宽度的像素，默认为2，如果你只想查找宽度10个像素以上的色块，那么就设置这个参数为10
4、y_stride 就是查找的色块的y方向上最小宽度的像素，默认为1，如果你只想查找宽度5个像素以上的色块，那么就设置这个参数为5
5、invert 反转阈值，把阈值以外的颜色作为阈值进行查找
6、area_threshold 面积阈值，如果色块被框起来的面积小于这个值，会被过滤掉
7、pixels_threshold 像素个数阈值，如果色块像素数量小于这个值，会被过滤掉
8、merge 合并，如果设置为True，那么合并所有重叠的blob为一个
9、margin 边界，如果设置为1，那么两个blobs如果间距1一个像素点，也会被合并。
example：img.find_blobs([red],merge=True)
10、返回值：blobs = img.find_blobs([red])。这里用到了python对象的知识

D、openmv之get_regression（）函数

这是一个用最小二乘法线性回归实现的直线拟合函数。。然而，这种方法对于任何具有很多（或者甚至是任何）异常点的图像都是不好的，这会破坏线条拟合.。所以我们就要自己处理对一些特殊的点进行处理咯。啊，哈哈哈哈。

返回值：
函数返回回归后的线段对象line，有x1(), y1(), x2(), y2(), length(), theta(), rho(), magnitude()参数。x1 y1 x2 y2分别代表线段的两个顶点坐标，length是线段长度，theta是线段的角度。magnitude表示线性回归的效果，它是（0，+∞）范围内的一个数字，其中0代表一个圆。如果场景线性回归的越好，这个值越大。

2、感光元件初始化

为什么会这样写呢？因为在慢慢去接触这个领域，就想养成一个好的习惯（尤其是在接触到神经网络之后），尝试去做一些可以泛化或者类似于算法的东西（当然用数学知识自我设计算法的能力打算去研究生培养）。

def Sensor_Init():
    sensor.reset()                      #初始化感光元件      
    sensor.set_pixformat(sensor.RGB565) #设置色彩空间（sensor.GRAYSCALE: 灰度，每个像素8bit。）
    sensor.set_framesize(sensor.QQVGA)  #设置图像大小160*120（sensor.QQQVGA) 80*60
    sensor.set_auto_gain(False)         #在颜色追踪时，关闭自动增益
    sensor.set_auto_whitebal(False)     #在颜色追踪时，关闭白平衡
    sensor.skip_frames(time = 2000)     #跳过2000帧

3、串口初始化

用于stm32和openmv串口通信

uart = UART(3, 115200) #初始化串口3 波特率 = 115200
uart.init(115200,bits=8,parity=None,stop=1)# 8位数据位， 无校验位， 1位停止位

4、OpenMv和色块之间的距离计算

寻找色块，肯定要计算openmv和色块的距离啦，不然会撞飞的。
然后我们就根据官网进行一波推导，下面是推导过程（字丑，莫怪）。

def Coordinates_Distance(width, hight):                                      #计算到物体的距离
    Average_R = (width + hight)/2                                            #计算物体的平均半径
    Distance = int(Distance_K/Average_R)
    #print(Distance)
    return Distance

说一下操作，在这里我把色块放在距离镜头20cm的地方，然后打印出色块在x方向的宽度，也就是blob.w()，则A = blob.w()*20. 也就是Distance_K就得到了。

5、OpenMv和色块之间的夹角计算

要找到色块，肯定是要有夹角的啦。

当然也是推理一波咯，知其然知其所以然，哼开玩笑。
tana = D*K.这是结论。没错，所以，还是反向推理，由于场地和焦距限制，我将a取为20的tan（20）= 0.3639.通过然后计算像素点到中心点的距离也就是D。得出D = 56.0357,。那么最后为啥直接取K = 20/56.0357呢？你猜！！！

def Coordinates_Angle(cx, cy):                                              #计算夹角
    Intermediate_Variable = (cx-80)*(cx-80) + (cy-60)*(cy-60)               #中间变量
    Distance_From_Center = math.sqrt(Intermediate_Variable)                 #开根号计算到中点的距离
    #print(Distance_From_Center)
    Angle = int(Distance_From_Center*Angle_K)
    print(Angle)
    return Angle

5、最后就是找色块啦！

直接上代码

def Find_Blobs(img):                                                       #寻找图片中的颜色
    global Distance_Result, Angle_Result
    blobs = img.find_blobs(Threshold, area_threshold = 10, merge=True)      #调用find_blobs，查找色域
    if(blobs):
        for blob in blobs:
            img.draw_rectangle(blob.rect(), thickness = 2, fill = False)    #fill表示不填充矩形
            #print(blob.w())
            Angle_Result = Coordinates_Angle(blob.cx(), blob.cy())
            Distance_Result = Coordinates_Distance(blob.w(), blob.h())
            Tx_Date(Angle_Result, Distance_Result)

6、写在最后

参考：https://singtown.com/openmv/
author：chen
引用一句话：前人栽树，后人乘凉。生命不止，奋斗不息。