• 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。
  • 怎么写if语句使判断检测到圆使P0口为高电平



    • # 圆形检测例程
      #
      # 这个例子展示了如何用Hough变换在图像中找到圆。
      # https://en.wikipedia.org/wiki/Circle_Hough_Transform
      #
      # 请注意,find_circles()方法将只能找到完全在图像内部的圆。圈子之外的
      # 图像/ roi被忽略...
      
      import sensor, image, time,pyb
      
      sensor.reset()
      sensor.set_pixformat(sensor.RGB565) # 灰度更快
      sensor.set_framesize(sensor.QQVGA)
      sensor.skip_frames(time = 2000)
      clock = time.clock()
      
      while(True):
          clock.tick()
      
          #lens_corr(1.8)畸变矫正
          img = sensor.snapshot().lens_corr(1.8)
      
          # Circle对象有四个值: x, y, r (半径), 和 magnitude。
          # magnitude是检测圆的强度。越高越好
      
          # roi 是一个用以复制的矩形的感兴趣区域(x, y, w, h)。如果未指定,
          # ROI 即图像矩形。操作范围仅限于roi区域内的像素。
      
          # x_stride 是霍夫变换时需要跳过的x像素的数量。若已知圆较大,可增加
          # x_stride 。
      
          # y_stride 是霍夫变换时需要跳过的y像素的数量。若已知直线较大,可增加
          # y_stride 。
      
          # threshold 控制从霍夫变换中监测到的圆。只返回大于或等于阈值的圆。
          # 应用程序的阈值正确值取决于图像。注意:一条圆的大小是组成圆所有
          # 索贝尔滤波像素大小的总和。
      
          # x_margin 控制所检测的圆的合并。 圆像素为 x_margin 、 y_margin 和
          # r_margin的部分合并。
      
          # y_margin 控制所检测的圆的合并。 圆像素为 x_margin 、 y_margin 和
          # r_margin 的部分合并。
      
          # r_margin 控制所检测的圆的合并。 圆像素为 x_margin 、 y_margin 和
          # r_margin 的部分合并。
      
          # r_min,r_max和r_step控制测试圆的半径。
          # 缩小测试圆半径的数量可以大大提升性能。
          # threshold = 3500比较合适。如果视野中检测到的圆过多,请增大阈值;
          # 相反,如果视野中检测到的圆过少,请减少阈值。
          for c in img.find_circles(threshold = 3200, x_margin = 10, y_margin = 10, r_margin = 10,r_min = 2, r_max = 100, r_step = 2):
              img.draw_circle(c.x(), c.y(), c.r(), color = (255, 0, 0))
              print(c)
      
          print("FPS %f" % clock.fps())
      
      
          #怎么判断检测到圆,使P0口输出高电平
          if():
          p = pyb.Pin("P0", pyb.Pin.OUT_PP)
          p.high() # or p.value(1) to make the pin high (3.3V)
      


    • import sensor, image, time,pyb
      
      sensor.reset()
      sensor.set_pixformat(sensor.RGB565) # 灰度更快
      sensor.set_framesize(sensor.QQVGA)
      sensor.skip_frames(time = 2000)
      clock = time.clock()
      
      p = pyb.Pin("P0", pyb.Pin.OUT_PP)
      
      while(True):
          clock.tick()
      
          #lens_corr(1.8)畸变矫正
          img = sensor.snapshot().lens_corr(1.8)
          circles = img.find_circles(threshold = 3200, x_margin = 10, y_margin = 10, r_margin = 10,r_min = 2, r_max = 100, r_step = 2)
          for c in circles:
              img.draw_circle(c.x(), c.y(), c.r(), color = (255, 0, 0))
              print(c)
          if circles:
              p.high()
          else:
              p.low()
      
          print("FPS %f" % clock.fps())