• 免费好用的星瞳AI云服务上线!简单标注,云端训练,支持OpenMV H7和OpenMV H7 Plus。可以替代edge impulse。 https://forum.singtown.com/topic/9519
  • 我们只解决官方正版的OpenMV的问题(STM32),其他的分支有很多兼容问题,我们无法解决。
  • 如果有产品硬件故障问题,比如无法开机,论坛很难解决。可以直接找售后维修
  • 发帖子之前,请确认看过所有的视频教程,https://singtown.com/learn/ 和所有的上手教程http://book.openmv.cc/
  • 每一个新的提问,单独发一个新帖子
  • 帖子需要目的,你要做什么?
  • 如果涉及代码,需要报错提示全部代码文本,请注意不要贴代码图片
  • 必看:玩转星瞳论坛了解一下图片上传,代码格式等问题。
  • 模板匹配能使用滤波处理和边缘检测吗



    • 模板匹配能搭配滤波处理和边缘检测吗,为什么我在多模板匹配里面加了中值滤波处理后运行没问题,但不进行模板匹配了

      import time, sensor, image
      from image import SEARCH_EX, SEARCH_DS
      
      # 初始化传感器和设置
      sensor.reset()
      sensor.set_contrast(1)
      sensor.set_gainceiling(16)
      sensor.set_framesize(sensor.QQVGA)
      sensor.set_pixformat(sensor.GRAYSCALE)
      
      # 模板列表
      templates = [
          "/0.pgm", "/1.pgm", "/2.pgm", "/3.pgm", "/4.pgm",
      ]
      
      # ROI列表
      roi_list = [(10, 0, 40, 40)] * len(templates)
      sensor.skip_frames(time = 2000) # 让新的设置生效
      clock = time.clock() # 跟踪FPS帧率
      
      while(True):
          clock.tick() # 追踪两个snapshots()之间经过的毫秒数.
          img = sensor.snapshot() # 拍一张照片,返回图像
      
          # 第一个参数是内核大小。N对应于((N * 2)+1)^ 2内核大小。
          # 例如。 1 == 3x3内核,2 == 5x5内核等。
      
          # 第二个参数“percentile”是从NxN邻域中选择的百分位数。
          # 0.5是中位数,0.25是下四分位数,0.75是上四分位数。
          img.median(1, percentile=0.5, threshold=True, offset=5, invert=True)
      # 添加中值滤波预处理
      def apply_median_blur(image, kernel_size=3):
          return image.median_blur(kernel_size)
      
      clock = time.clock()
      
      while True:
          clock.tick()
      
          # 捕获图像
          img = sensor.snapshot()
      
          # 对图像进行中值滤波预处理
          img = apply_median_blur(img)
      
          char_positions = []  # 存储字符及其位置
      
          for t, roi in zip(templates, roi_list):
              template = image.Image(t)
              r = img.find_template(template, 0.70, step=3, search=SEARCH_DS, roi=roi)
              if r:
                  img.draw_rectangle(r)
                  char_positions.append((t[1], r[0]))  # 使用模板文件名的第一个字符作为字符标识
      
          # 检查是否有至少三个字符被识别
          if len(char_positions) > 2:  
              # 按水平位置排序
              char_positions.sort(key=lambda x: x[1])
      
              # 将排序后的字符打印出来
              result = ''.join([char for char, _ in char_positions])
              print("识别结果:", result)
      
      


    • 你的代码有缩进问题,31行后面的在死循环外面,不会运行。