星瞳实验室APP,快速收到回复
  • 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。
  • 二值化+拍照 得到的是灰度图,不是二值化处理后的图。



    • # 颜色二值化滤波例子
      #
      # 这个脚本展示了二值图像滤波。
      # 您可以传递二进制任意的阈值来分割图像。
      
      import sensor, image, time
      
      sensor.reset()
      sensor.set_framesize(sensor.QVGA)
      sensor.set_pixformat(sensor.GRAYSCALE)
      
      
      #设置颜色阈值,如果是rgb图像,六个数字分别为(minL, maxL, minA, maxA, minB, maxB);
      #如果是灰度图,则只需设置(min, max)两个数字即可。
      first_threshold = (0,64) # L A B
      second_threshold = (65,128) # L A B
      third_threshold = (129,192) # L A B
      sensor.skip_frames(time = 2000)
      clock = time.clock()
      
      #使用工具 - >机器视觉 - >阈值编辑器选择更好的阈值。
      while(True):
      
          #测试0-64阈值
          for i in range(1):
              clock.tick()
              img = sensor.snapshot()
              img.binary([first_threshold],invert = 1)
              sensor.snapshot().save("huidu1.bmp") # or "example.bmp" (or others)
              image.grayscale_to_binary(0)
              print(clock.fps())
              #image.binary(thresholds, invert=False)此函数将在thresholds内的
              #图像部分的全部像素变为1白,将在阈值外的部分全部像素变为0黑。invert将图像
              #的0 1(黑 白)进行反转,默认为false不反转。
      
          #测试65-128阈值
          for i in range(1):
              clock.tick()
              img = sensor.snapshot()
              img.binary([second_threshold],invert = 1)
              image.binary_to_grayscale(0)
              sensor.snapshot().save("huidu2.bmp")
              print(clock.fps())
      

      想要把不同的灰度色阶处理成二值化图像,然后保存成二值化处理后的图片,但是打开图片总是 正常的灰度图



    • 二值化是白色为255,黑色是0.



    • 0_1620723638509_黑白.png !0_1620723689497_灰度.png
      已经改了 但是想得到黑白,拍照后还是灰度。

      # 人脸追踪例程
      #
      # 这个例子展示了使用OpenMV Cam的关键点功能来跟踪一个被Haar Cascade 
      # 检测到的人脸。 该脚本的第一部分使用前面Haar Cascade在图像中找到一张
      # 脸。 之后,脚本使用关键点功能自动学习你的脸并跟踪它。 关键点可以
      # 用来自动追踪任何东西。
      import sensor, time, image,pyb
      
      RED_LED_PIN = 1
      BLUE_LED_PIN = 3
      
      # Reset sensor
      sensor.reset()
      sensor.set_contrast(3)
      sensor.set_gainceiling(16)
      sensor.set_framesize(sensor.VGA)
      sensor.set_windowing((320, 240))
      sensor.set_pixformat(sensor.GRAYSCALE)
      
      # 跳过几帧,让感光元件稳定下来,使设置生效
      sensor.skip_frames(time = 2000)
      
      # 加载Haar算子
      # 默认情况下,这将使用所有阶段,较低的阶段更快但不太准确。
      face_cascade = image.HaarCascade("frontalface", stages=25)
      print(face_cascade)
      
      # First set of keypoints
      # 第一组关键点
      kpts1 = None
      
      # Find a face!
      # 找一张脸!
      while (kpts1 == None):
          img = sensor.snapshot()
          img.draw_string(0, 0, "Looking for a face...")
          # Find faces
          objects = img.find_features(face_cascade, threshold=0.5, scale=1.25)
          if objects:
              # 在每个方向上将ROI扩大31个像素
              face = (objects[0][0]-31, objects[0][1]-31,objects[0][2]+31*2, objects[0][3]+31*2)
              # 使用检测面大小作为ROI提取关键点
              kpts1 = img.find_keypoints(threshold=10, scale_factor=1.1, max_keypoints=100, roi=face)
              # 在第一个人脸周围画一个矩形
              img.draw_rectangle(objects[0])
      
      # Draw keypoints
      print(kpts1)
      img.draw_keypoints(kpts1, size=24)
      img = sensor.snapshot()
      time.sleep_ms(2000)
      
      # FPS clock
      first_threshold = (0,64) # L A B
      second_threshold = (65,128) # L A B
      third_threshold = (129,192) # L A B
      sensor.skip_frames(time = 2000)
      clock = time.clock()
      
      while (True):
          clock.tick()
          img = sensor.snapshot()
          # 从整个帧中提取关键点
          kpts2 = img.find_keypoints(threshold=10, scale_factor=1.1, max_keypoints=100, normalized=True)
      
          if (kpts2):
              # 将第一组关键点与第二组关键点匹配
              c=image.match_descriptor(kpts1, kpts2, threshold=85)
              match = c[6] # C[6] contains the number of matches. C[6]包含匹配的数量。
              if (match>5):
                  img.draw_rectangle(c[2:6])
                  img.draw_cross(c[0], c[1], size=10)
                  pyb.LED(RED_LED_PIN).on()
                  sensor.skip_frames(time = 2000) # 给用户一个时间来准备
                  for i in range(1):
                          clock.tick()
                          img = sensor.snapshot()
                          img.binary([first_threshold])
                          image.grayscale_to_binary(32)
                          print(clock.fps())
                          #image.binary(thresholds, invert=False)此函数将在thresholds内的
                          #图像部分的全部像素变为1白,将在阈值外的部分全部像素变为0黑。invert将图像
                          #的0 1(黑 白)进行反转,默认为false不反转。
                          print("You're on camera!")
                          sensor.snapshot().save("huidu0.bmp") # or "example.bmp" (or others)
                      #测试65-128阈值
                  for i in range(1):
                          clock.tick()
                          img = sensor.snapshot()
                          img.binary([second_threshold])
                          image.binary_to_grayscale(0)
                          print(clock.fps())
                          print("You're on camera!")
                          sensor.snapshot().save("huidu1.bmp") # or "example.bmp" (or others)
                      #测试蓝色阈值
                  for i in range(1):
                          clock.tick()
                          img = sensor.snapshot()
                          img.binary([third_threshold])
                          image.binary_to_grayscale(0)
                          print(clock.fps())
                          print("You're on camera!")
                          sensor.snapshot().save("huodu2.bmp") # or "example.bmp" (or others)
                  
                
                  
                  pyb.LED(BLUE_LED_PIN).off()
                  print("Done! Reset the camera to see the saved image.")
                  print(kpts2, "matched:%d dt:%d"%(match, c[7]))
                  break
                  
          # Draw FPS
          img.draw_string(0, 0, "FPS:%.2f"%(clock.fps()))
      
      
      
      

      代码用人脸识别+上拍照的



    • 你的代码有问题 。 sensor.snapshot().save("huodu2.bmp") 你每次保存的都是从sensor重新获取的,当然不对。

      改为img.save("huodu2.bmp")