RoboMaster 视觉 摄像头教程

RoboMaster视觉教程（1）

摄像头

摄像头参数

主流有CCD和CMOS摄像头，一般而言CCD摄像头体积大造价高精度高，而CMOS摄像头由于集成度高造价远低于CCD摄像头，同时CMOS摄像头的体积功耗等参数也相应地优于CCD摄像头。Robo一般用Cmos摄像头

卷帘曝光与全局曝光
通常我们在网上买到的摄像头都是卷帘曝光的摄像头，在日常使用时很难看出这两种摄像头的区别，但是在对速度要求高的领域这两种曝光方式的优劣就很明显了，
> 1、尤其是对于廉价的摄像头卷帘曝光的果冻效应更加明显。
> 2、除了果冻效应外，全局曝光的摄像头在低曝光时间的情况下的颜色饱和度更高

曝光
当我们拍摄能自主发光的物体时，降低曝光时间可以减少环境光的影响。这时通过阈值处理得到二值图就可以进一步处理。

可以明显对比到二者中第二个环境光的影响减少了

Gamma矫正
在上面提到曝光可以减少环境光的影响时候，忽略了一个问题就是我们能看到的中间的数字1的光线，也是环境光的一部分。低曝的时候也很容易让数字彻底看不见如下最左图。

对此一种解决方法是：提高摄像头的Gamma值。
当Gamma提高时图像中亮度较低的区域的亮度会被提高。
实现方法如下：

可以简单理解该图：提高Gamma后。像素亮度越低，提高速度越快，像素亮度越高，提高速度越慢。所以提高Gamma后对比度下降。我们就可以看到4了。

与此同时观察到图中被提高亮度后，背景杂光提高后和数字四还是有很大的边缘阈值对比度很明显。只要我们提高对比度到适合程度，然后再选取杂光中最亮的像素值减去原图就可以消去杂光。再提高对比度即可

帧率与摄像头选型

对于RoboMaster比赛而言，识别的速度当然是越快越好，所以摄像头帧率也是越高越好。由于带宽的限制帧率和分辨率通常互相制约，想要高帧率分辨率就会低。
在实战中我们一般用分辨率640*480左右的图片，用彩色卷帘相机

镜头

镜头焦距一般用6mm或8mm左右的镜头比较合适，在这个焦距下3m左右的装甲板拍的很清楚。

Linux摄像头驱动

#pragma execution_character_set("utf-8")
#include 
#include 

int main（）
{
    cv::VideoCapture capDevice(0);
    capDevice.open(0);
    //设置摄像头采集图像分辨率
    capDevice.set(cv::CAP_PROP_FRAME_WIDTH, 1024.0);
    capDevice.set(cv::CAP_PROP_FRAME_HEIGHT, 960.0);

    capDevice.set(cv::CAP_PROP_FRAME_WIDTH, 1080);//宽度 
    capDevice.set(cv::CAP_PROP_FRAME_HEIGHT, 960);//高度
    //capDevice.set(cv::CAP_PROP_FPS, 30);//帧率 帧/秒
    capDevice.set(cv::CAP_PROP_BRIGHTNESS, 1);//亮度 1
    capDevice.set(cv::CAP_PROP_CONTRAST, 60);//对比度 40
    capDevice.set(cv::CAP_PROP_SATURATION, 64);//饱和度 50
    capDevice.set(cv::CAP_PROP_HUE, 0);//色调
    capDevice.set(cv::CAP_PROP_EXPOSURE, -7);//曝光 50
    cv::Mat srcImage;

    //宽度 
    double width = capDevice.get(cv::CAP_PROP_FRAME_WIDTH);
    //高度
    double height = capDevice.get(cv::CAP_PROP_FRAME_HEIGHT);
    //帧率 帧/秒
    //int fps = capDevice.get(cv::CAP_PROP_FPS);
    //亮度
    double bright = capDevice.get(cv::CAP_PROP_BRIGHTNESS);
    //对比度
    double contrast = capDevice.get(cv::CAP_PROP_CONTRAST);
    //饱和度
    double saturation = capDevice.get(cv::CAP_PROP_SATURATION);
    //色调
    double hue = capDevice.get(cv::CAP_PROP_HUE);
    //曝光时长
    double exposure = capDevice.get(cv::CAP_PROP_EXPOSURE);

    //设置绘制文本的相关参数
    char text[255] = "";
    int font_face = cv::FONT_HERSHEY_COMPLEX;
    double font_scale = 1;
    int thickness = 1;

    while (true) {
        if (capDevice.isOpened())
        {
            capDevice >> srcImage;
        }

        sprintf(text, "width:%0.1f height:%0.1f exposure:%0.1f", width, height, exposure);
        cv::putText(srcImage, text, cv::Point(20, 30), font_face, font_scale, cv::Scalar(0, 255, 255), thickness, 8, 0);

        sprintf(text, "bright:%0.1f contrast:%0.1f saturation:%0.1f hue:%0.1f", bright, contrast, saturation, hue);
        cv::putText(srcImage, text, cv::Point(20, 90), font_face, font_scale, cv::Scalar(0, 255, 255), thickness, 8, 0);

        imshow("image", srcImage);
        cv::waitKey(30);
    }
}``

代码来源：https://www.so.com/s?ie=utf-8&src=360se7_addr&q=opencv4%E7%9A%84%E6%91%84%E5%83%8F%E5%A4%B4video.set
本文版权归作者和博客园共有，欢迎转载，但必须给出原文链接，并保留此段声明，否则保留追究法律责任的权利。
参考博客：https://blog.csdn.net/u010750137/article/details/96428059