• 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。
  • 给arduino发送色块中心的坐标 提示代码有错误?



    • 我想给arduino发送色块中心的坐标 提示错误?

      for blob in blobs:
      #迭代找到的目标颜色区域
      # Draw a rect around the blob.
      img.draw_rectangle(blob[0:4]) # rect
      #用矩形标记出目标颜色区域
      img.draw_cross(blob[5], blob[6]) # cx, cy
      output_str="[%d,%d]" % (blob.cx(),blob.cy()) #方式1
      img.draw_cross(int(img.width()/2),int(img.height()/2))
      #在目标颜色区域的中心画十字形标记
      print(blob[5], blob[6])
      print((img.width()/2), (img.height()/2))
      #输出目标物体中心坐标

      错误的是 output_str="[%d,%d]" % (blob.cx(),blob.cy()) #方式1



    • 如果涉及代码,需要报错提示与全部代码文本,请注意不要贴代码图片



    • 全部代码文本,我可以运行的那种。



    • This post is deleted!


    • @kidswong999 # Blob Detection Example

      这个例子展示了如何使用find_blobs函数来查找图像中的颜色色块。这个例子特别寻找深绿色的物体。

      import sensor, image, time
      from pyb import UART
      import json

      为了使色彩追踪效果真的很好,你应该在一个非常受控制的照明环境中。

      green_threshold = (30, 100, 15, 127, 15, 127)
      #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。

      You may need to tweak the above settings for tracking green things...

      Select an area in the Framebuffer to copy the color settings.

      sensor.reset() # Initialize the camera sensor.
      sensor.set_pixformat(sensor.RGB565) # use RGB565.
      sensor.set_framesize(sensor.QQVGA) # use QQVGA for speed.
      sensor.skip_frames(10) # Let new settings take affect.
      sensor.set_auto_whitebal(False) # turn this off.
      #关闭白平衡。白平衡是默认开启的,在颜色识别中,需要关闭白平衡。
      clock = time.clock() # Tracks FPS.

      uart = UART(3, 115200)
      while(True):
      clock.tick() # Track elapsed milliseconds between snapshots().
      img = sensor.snapshot() # Take a picture and return the image.

      blobs = img.find_blobs([green_threshold])
      #find_blobs(thresholds, invert=False, roi=Auto),thresholds为颜色阈值,
      #是一个元组,需要用括号[ ]括起来。invert=1,反转颜色阈值,invert=False默认
      #不反转。roi设置颜色识别的视野区域,roi是一个元组, roi = (x, y, w, h),代表
      #从左上顶点(x,y)开始的宽为w高为h的矩形区域,roi不设置的话默认为整个图像视野。
      #这个函数返回一个列表,[0]代表识别到的目标颜色区域左上顶点的x坐标,[1]代表
      #左上顶点y坐标,[2]代表目标区域的宽,[3]代表目标区域的高,[4]代表目标
      #区域像素点的个数,[5]代表目标区域的中心点x坐标,[6]代表目标区域中心点y坐标,
      #[7]代表目标颜色区域的旋转角度(是弧度值,浮点型,列表其他元素是整型),
      #[8]代表与此目标区域交叉的目标个数,[9]代表颜色的编号(它可以用来分辨这个
      #区域是用哪个颜色阈值threshold识别出来的)。
      if blobs:
      #如果找到了目标颜色
          for blob in blobs:
          #迭代找到的目标颜色区域
              # Draw a rect around the blob.
              img.draw_rectangle(blob[0:4]) # rect
              #用矩形标记出目标颜色区域
              img.draw_cross(blob[5], blob[6]) # cx, cy
               output_str=json.dumps([find_blob.cx(),find_blob.cy()]) #方式2
              img.draw_cross(int(img.width()/2),int(img.height()/2))
              #在目标颜色区域的中心画十字形标记
              print(blob[5], blob[6])
              print((img.width()/2), (img.height()/2))
              #输出目标物体中心坐标
      
      #print(clock.fps()) # Note: Your OpenMV Cam runs about half as fast while
      # connected to your computer. The FPS should increase once disconnected


    • 0_1558348405812_02742405-883d-435a-bd6d-c39d920a94ad-image.png

      很明显缩进问题