openmv传承(一):自动灰度颜色跟踪示例

前言:

好久没有详细的把之前学习过的openmv的知识整理一下,今天特地抽出一点时间稍微的讲一下几个openmv自带的例程。

一、代码展示

#自动灰度颜色跟踪示例
#
#此示例显示使用OpenMV Cam的单色自动灰度颜色跟踪。 
import sensor, image, time
print("让自动算法运行。不要在摄像机前放置任何东西")
#让自动算法运行。不要在摄像机前放置任何东西
sensor.reset()
sensor.set_pixformat(sensor.GRAYSCALE)
sensor.set_framesize(sensor.QVGA)
sensor.skip_frames(time = 2000)
sensor.set_auto_gain(False) # 关闭自动自动增益。默认开启的
sensor.set_auto_whitebal(False) # 关闭白平衡
clock = time.clock()
#初始化定义
print("初始化完成")
# 捕获图像中心的颜色阈值。
r = [(320//2)-(50//2), (240//2)-(50//2), 50, 50] #QVGA的50x50中心
#QVGA是320*240的屏幕分辨率 所以这个就比较好理解了,因为要画框,r里面的四个参数分别为左上侧坐标,左下侧坐标,右上侧坐标,右下侧坐标。
print("自动算法完成。将要跟踪的对象放在框中的摄像机前面")
print("确保要跟踪的对象的颜色被框完全包围")
#确保要跟踪的对象的颜色被框完全包围!
for i in range(60):#60次循环
    img = sensor.snapshot()#拍照
    img.draw_rectangle(r)#画框

print("学习阈值中///")
threshold = [128, 128] # 中等灰度值。 当灰度Gray小于阈值T时,其像素设置为0,表示黑色;当灰度Gray大于或等于阈值T时,其Y值为255,表示白色。 
for i in range(60):#60次循环
    img = sensor.snapshot()#拍照
    hist = img.get_histogram(roi=r)#获取直方图(颜色直方图)(它所描述的是不同色彩在整幅图像中所占的比例)
    lo = hist.get_percentile(0.01) # 获取直方图在1%范围内的CDF(根据需要进行调整)!
    hi = hist.get_percentile(0.99) # 获取直方图在99%范围内的CDF(根据需要进行调整)!
    #CDF(cumulative distribution function)叫做累积分布函数,描述一个实数随机变量X的概率分布,是概率密度函数的积分。
    #以百分位值表示的平均值。
    threshold[0] = (threshold[0] + lo.value()) // 2 #颜色阈值下限
    threshold[1] = (threshold[1] + hi.value()) // 2 #颜色阈值上限
    print("颜色阈值下限:%f" %threshold[0])
    print("颜色阈值上限:%f" %threshold[1])
    for blob in img.find_blobs([threshold], pixels_threshold=100, area_threshold=100, merge=True, margin=10):#在识别到颜色里循环
        #pixels_threshold 像素阀值 area_threshold 面积阈值 merge合并  merge 边缘
        img.draw_rectangle(blob.rect())#画框 blob.rect 色块边界框值(矩形数组)
        img.draw_cross(blob.cx(), blob.cy())#画十字
        img.draw_rectangle(r)#画框
        #thresholds是颜色的阈值,注意:这个参数是一个列表,可以包含多个颜色。
        #如果你只需要一个颜色,那么在这个列表中只需要有一个颜色值,如果你想要多个颜色阈值,那这个列表就需要多个颜色阈值。
        #注意:在返回的色块对象blob可以调用code方法,来判断是什么颜色的色块。
print("已学习阈值")
print("跟踪颜色")

while(True):
    clock.tick()#返回一个上次调用的时间(以毫秒计)
    img = sensor.snapshot()
    for blob in img.find_blobs([threshold], pixels_threshold=100, area_threshold=100, merge=True, margin=10):
        img.draw_rectangle(blob.rect())#画框
        img.draw_cross(blob.cx(), blob.cy())#画十字,x,y是坐标,
        print([threshold])
    print(clock.fps())#输出时钟帧率,即是识别速率

这边我已经把注释写的较为详细。基本上把疑惑点全写了出来。

二、代码讲解

(1)初始化设计

sensor.reset()
sensor.set_pixformat(sensor.GRAYSCALE)
sensor.set_framesize(sensor.QVGA)
sensor.skip_frames(time = 2000)
sensor.set_auto_gain(False) # 关闭自动自动增益。默认开启的
sensor.set_auto_whitebal(False) # 关闭白平衡
clock = time.clock()
#初始化定义

这一段基本上openmv所以的色块识别都会用到

(2)获得想要追踪颜色的颜色直方图

r = [(320//2)-(50//2), (240//2)-(50//2), 50, 50] #QVGA的50x50中心
#QVGA是320*240的屏幕分辨率 所以这个就比较好理解了,因为要画框,r里面的四个参数分别为左上侧坐标,左下侧坐标,右上侧坐标,右下侧坐标。
print("自动算法完成。将要跟踪的对象放在框中的摄像机前面")
print("确保要跟踪的对象的颜色被框完全包围")
#确保要跟踪的对象的颜色被框完全包围!
for i in range(60):#60次循环
    img = sensor.snapshot()#拍照
    img.draw_rectangle(r)#画框

print("学习阈值中///")
threshold = [128, 128] # 中等灰度值。 当灰度Gray小于阈值T时,其像素设置为0,表示黑色;当灰度Gray大于或等于阈值T时,其Y值为255,表示白色。 
for i in range(60):#60次循环
    img = sensor.snapshot()#拍照
    hist = img.get_histogram(roi=r)#获取直方图(颜色直方图)(它所描述的是不同色彩在整幅图像中所占的比例)
    lo = hist.get_percentile(0.01) # 获取直方图在1%范围内的CDF(根据需要进行调整)!
    hi = hist.get_percentile(0.99) # 获取直方图在99%范围内的CDF(根据需要进行调整)!
    #CDF(cumulative distribution function)叫做累积分布函数,描述一个实数随机变量X的概率分布,是概率密度函数的积分。
    #以百分位值表示的平均值。
    threshold[0] = (threshold[0] + lo.value()) // 2 #颜色阈值下限
    threshold[1] = (threshold[1] + hi.value()) // 2 #颜色阈值上限
    print("颜色阈值下限:%f" %threshold[0])
    print("颜色阈值上限:%f" %threshold[1])

这里使用颜色直方图的方式,通过取其颜色直方图的CDF的方式,获得颜色在基础灰度上的偏移。

(3)进行迭代确定阈值

for blob in img.find_blobs([threshold], pixels_threshold=100, area_threshold=100, merge=True, margin=10):#在识别到颜色里循环
        #pixels_threshold 像素阀值 area_threshold 面积阈值 merge合并  merge 边缘
        img.draw_rectangle(blob.rect())#画框 blob.rect 色块边界框值(矩形数组)
        img.draw_cross(blob.cx(), blob.cy())#画十字
        img.draw_rectangle(r)#画框
        #thresholds是颜色的阈值,注意:这个参数是一个列表,可以包含多个颜色。
        #如果你只需要一个颜色,那么在这个列表中只需要有一个颜色值,如果你想要多个颜色阈值,那这个列表就需要多个颜色阈值。
        #注意:在返回的色块对象blob可以调用code方法,来判断是什么颜色的色块。
print("已学习阈值")
print("跟踪颜色")

三、总结

经过博主用openmv本身的阀值计算器对比之后,感觉这种方式测量出的阈值还是比较合理的。

博主的测试如下:

openmv传承(一):自动灰度颜色跟踪示例_第1张图片

 

颜色阈值下限:50.000000
颜色阈值上限:77.000003

你可能感兴趣的:(openmv,python,opencv,计算机视觉)