基于颜色形状的识别并计数

zik3

我想通过颜色先分割，然后再通过形状识别去判断圆形个数。它为啥数字会不停跳变啊。然后我就想while循环只在形状识别处循环，而不是整个获取图片，处理图片循环。也就是对同一张图片不停识别，为啥就没有结果？

img = sensor.snapshot().lens_corr(1.8) # 从感光芯片获得一张图像

  
img.histeq(adaptive=True, clip_limit=3)

# 中值滤波

img.median(1, percentile=0.5)

# 图像锐化
img.laplacian(1, sharpen=True)
img.binary([green_threshold])
img.to_grayscale(copy=False, rgb_channel=-1)

img.morph(kernel_size, kernel)
img.dilate(1,threshold = 4)
img.erode(1, threshold = 1)
  

#圆形识别
while(True):
    cs = img.find_circles(x_stride=2, y_stride=2,threshold = 4600, x_margin = 10, y_margin = 10, r_margin = 10,r_min = 5, r_max = 50, r_step = 2)
    if cs:
    num_y = 0
    for c in cs:
        img.draw_circle(c.x(), c.y(), c.r(), color = (255, 0, 0))
        num_y += 1
        #num_stry = '%d' %num_y
        #uart.write('num_y =' +num_stry+'\r\n')
    print(num_y)
    time.sleep_ms(100)

kidswong999

你的代码不能运行，请上传完整的代码。

zik3

import sensor, image, time
from pyb import UART
# 色块监测
# 颜色追踪一定要控制环境的光，保持光线是稳定的。
green_threshold   = ((41, 0, -75, -18, -8, 52))
#设置绿色的阈值，括号里面的数值分别是L A B 的最大值和最小值（minL, maxL, minA,
# maxA, minB, maxB），LAB的值在图像左侧三个坐标图中选取。如果是灰度图，则只需
#设置（min, max）两个数字即可。

#设置核函数滤波，核内每个数值值域为[-128,127],核需为列表或元组
kernel_size = 1 # kernel width = (size*2)+1, kernel height = (size*2)+1
kernel = [-1, -1, -1,\
          -1, +8, -1,\
          -1, -1, -1]
# 这个一个高通滤波器。见这里有更多的kernel

sensor.reset() # 初始化摄像头
sensor.set_pixformat(sensor.RGB565) # 格式为 RGB565.
sensor.set_framesize(sensor.QQVGA) # 使用 QQVGA 速度快一些
sensor.skip_frames(time = 2000) # 跳过2000s，使新设置生效,并自动调节白平衡
sensor.set_auto_gain(False) # 关闭自动自动增益。默认开启的，在颜色识别中，一定要关闭白平衡。
sensor.set_auto_whitebal(False)
#关闭白平衡。白平衡是默认开启的，在颜色识别中，一定要关闭白平衡。
sensor.set_gainceiling(8)
clock = time.clock() # 追踪帧率

# 在OV7725 sensor上, 边缘检测可以通过设置sharpness/edge寄存器来增强。
# 注意:这将在以后作为一个函数实现
if (sensor.get_id() == sensor.OV7725):
    sensor.__write_reg(0xAC, 0xDF)
    sensor.__write_reg(0x8F, 0xFF)

uart = UART(3, 19200) #实例化 波特率19200的串口3


clock.tick() # Track elapsed milliseconds between snapshots().
img = sensor.snapshot().lens_corr(1.8) # 从感光芯片获得一张图像

    # clip_limit <0为您提供正常的自适应直方图均衡，这可能会导致大量的对比噪音...

       # clip_limit=1 什么都不做。为获得最佳效果，请略高于1，如下所示。
       # 越高，越接近标准自适应直方图均衡，并产生巨大的对比度波动。
img.histeq(adaptive=True, clip_limit=3)

# 中值滤波
# Size是内核的大小。取1 (3x3 内核)、2 (5x5 内核)或更高值。

    # percentile控制内核中所使用值的百分位数。默认情况下，每个像素都使用相邻的第五
    # 十个百分位数（中心）替换。使用最小滤波时，您可将此值设置为0，使用下四分位数滤
    # 波时设置为0.25，使用上四分位数滤波时设置为0.75，使用最大滤波时设置为1。
img.median(1, percentile=0.5)

# 图像锐化
img.laplacian(1, sharpen=True)
img.binary([green_threshold])
img.to_grayscale(copy=False, rgb_channel=-1)
##图像二值化
    #img.find_edges(image.EDGE_CANNY, threshold = (50, 80))

img.morph(kernel_size, kernel)
img.dilate(1,threshold = 4)
img.erode(1, threshold = 1)
    #img.close(16) #闭运算：连接断开的轮廓线，平滑其边界
#矩形识别
    #rs = img.find_rects(threshold = 30000)
    #if rs:
        #num_r = 0
        #for r in rs:
            #img.draw_rectangle(r.rect(), color = (255,0,0))
            #num_r +=1
            ##num_strr = '%d' %num_r
        ##uart.write('num_r =' +num_strr+'\r\n')
        #print(r.corners())

#圆形识别
while(True):
    cs = img.find_circles(x_stride=2, y_stride=2,threshold = 4600, x_margin = 10, y_margin = 10, r_margin = 10,r_min = 5, r_max = 50, r_step = 2)
   # if cs:
    num_y = 0
    for c in cs:
        img.draw_circle(c.x(), c.y(), c.r(), color = (255, 0, 0))
        num_y += 1
            #num_stry = '%d' %num_y
        #uart.write('num_y =' +num_stry+'\r\n')
    print(num_y)
    time.sleep_ms(100)

zik3

@kidswong999 我就是想相机不一直获取图片，就对同一张图片进行处理计数，然后又从原图像，图像处理，计数这个过程。现在是不是每次循环都是从图像处理过后的图片继续处理，而不是原图片反复处理。

kidswong999

你不应该在for循环里draw_circle。
因为draw函数是直接更改图片的像素值，所以每次循环都不是同一张图片。

zik3

那我如果不用draw，直接识别就不影响了吧？

kidswong999

@zik3 对，你试试就知道了，把draw都注释掉。