2giq 发布的帖子

人脸要用灰度图，二维码颜色检测要用彩色图，这要怎么处理

@kidswong999 可是我还有人像识别，人像识别不是说要用灰度图吗

@kidswong999 删除后人脸识别就有一点问题，有时候能识别到，有时候不能，但能识别到的次数很少，一片白的情况解决了，二维码识别很慢，这些问题怎么解决

@2giq 在 为什么比较复杂的二维码无法识别成功，不是特别方正的二维码也无法识别成功，而且有时候扫描二维码是一片空白，这个该怎么解决 中说：

@kidswong999 删除后人脸识别就有一点问题，有时候能识别到，有时候不能，但能识别到的次数很少，一片白的情况解决了，二维码识别很慢，这些问题怎么解决

@kidswong999

@kidswong999 可是我还有人像识别，人像识别不是说要用灰度图吗

@kidswong999 那怎么才能先设置为灰度图，再进入循环，然后转为彩色图，进行多颜色识别，识别完成后再转为灰度图，进行这样的循环

# 多颜色组合识别
#
# 这个例子展示了使用OpenMV Cam进行多色代码跟踪。
#
# 颜色代码是由两种或更多颜色组成的色块。下面的例子只会跟踪其中有两种或多种颜色的彩色物体。

import sensor, image, time

# 颜色跟踪阈值(L Min, L Max, A Min, A Max, B Min, B Max)
# 下面的阈值一般跟踪红色/绿色的东西。你可以调整它们…
thresholds = [(33, 59, 45, 105, -7, 127), # generic_red_thresholds -> index is 0 so code == (1 << 0)
              (42, 64, 5, 36, 3, 36), # generic_yellow_thresholds -> index is 1 so code == (1 << 1)
              (14, 88, -128, -8, -124, 78)] # generic_green_thresholds -> index is 2 so code == (1 << 2)
# 当“find_blobs”的“merge = True”时，code代码被组合在一起。

sensor.reset()
#初始化摄像头，reset()是sensor模块里面的函数

sensor.set_pixformat(sensor.GRAYSCALE)
#sensor.set_pixformat(sensor.RGB565)
#设置图像色彩格式，有RGB565色彩图和GRAYSCALE灰度图两种

sensor.set_framesize(sensor.QVGA)
#设置图像像素大小

sensor.skip_frames(time = 2000)
sensor.set_auto_gain(False) # 颜色跟踪必须关闭自动增益
sensor.set_auto_whitebal(True) # 颜色跟踪必须关闭白平衡
clock = time.clock()

# 只有比“pixel_threshold”多的像素和多于“area_threshold”的区域才被
# 下面的“find_blobs”返回。 如果更改相机分辨率，
# 请更改“pixels_threshold”和“area_threshold”。 “merge = True”合并图像中所有重叠的色块。


while(True):
    clock.tick()
    img = sensor.snapshot()
    img=img.to_rgb565()
    for blob in img.find_blobs([thresholds[0]], pixels_threshold=100, area_threshold=100):
        img.draw_rectangle(blob.rect())
        img.draw_cross(blob.cx(), blob.cy())
        img.draw_string(blob.x() + 2, blob.y() + 2, "reg")
        print("reg")
    for blob in img.find_blobs([thresholds[1]], pixels_threshold=100, area_threshold=100):
        img.draw_rectangle(blob.rect())
        img.draw_cross(blob.cx(), blob.cy())
        img.draw_string(blob.x() + 2, blob.y() + 2, "yellow")
        print("yellow")
    for blob in img.find_blobs([thresholds[2]], pixels_threshold=100, area_threshold=100):
        img.draw_rectangle(blob.rect())
        img.draw_cross(blob.cx(), blob.cy())
        img.draw_string(blob.x() + 2, blob.y() + 2, "green")
        print("blue")

img=img.to_rgb565()这个不是把灰度图转为彩色图了吗，为什么不能识别颜色区域

@kidswong999 删除后人脸识别就有一点问题，有时候能识别到，有时候不能，但能识别到的次数很少，一片白的情况解决了，二维码识别很慢，这些问题怎么解决

@kidswong999 用hello程序可以看清，也没有一片白的情况

并且转换角度之后不能及时调整亮度，先照人的话再照平板就会很亮，这该怎么解决

import sensor, image, time,image, os, tf, uos, gc
from pyb import UART
uart = UART(3, 9600)
sensor.reset()
sensor.set_contrast(3)
sensor.set_gainceiling(16)
sensor.set_framesize(sensor.VGA)
sensor.set_pixformat(sensor.GRAYSCALE)
sensor.set_auto_whitebal(True)
sensor.set_auto_gain(False)  # 必须关闭此功能，以防止图像冲洗…
sensor.set_windowing((240, 240))       # Set 240x240 window.
sensor.skip_frames(time=2000)          # Let the camera adjust.
net = None
labels = None
try:
    # load the model, alloc the model file on the heap if we have at least 64K free after loading
    net = tf.load("trained.tflite", load_to_fb=uos.stat('trained.tflite')[6] > (gc.mem_free() - (64*1024)))
except Exception as e:
    print(e)
    raise Exception('Failed to load "trained.tflite", did you copy the .tflite and labels.txt file onto the mass-storage device? (' + str(e) + ')')

try:
    labels = [line.rstrip('\n') for line in open("labels.txt")]
except Exception as e:
    raise Exception('Failed to load "labels.txt", did you copy the .tflite and labels.txt file onto the mass-storage device? (' + str(e) + ')')
# 加载Haar算子
# 默认情况下，这将使用所有阶段，更低的satges更快，但不太准确。
face_cascade = image.HaarCascade("frontalface", stages=25)
#image.HaarCascade(path, stages=Auto)加载一个haar模型。haar模型是二进制文件，
#这个模型如果是自定义的，则引号内为模型文件的路径；也可以使用内置的haar模型，
#比如“frontalface” 人脸模型或者“eye”人眼模型。
#stages值未传入时使用默认的stages。stages值设置的小一些可以加速匹配，但会降低准确率。
# FPS clock
clock = time.clock()

while(True):
    clock.tick()
    img = sensor.snapshot()
    img.lens_corr(1.8) # 1.8的强度参数对于2.8mm镜头来说是不错的。
    objects = img.find_features(face_cascade, threshold=0.75, scale=1.35)
    QR_Code=img.find_qrcodes()
    if objects:
        for r in objects:
            img.draw_rectangle(r)
        for obj in net.classify(img, min_scale=1.0, scale_mul=0.8, x_overlap=0.5, y_overlap=0.5):
            img.draw_rectangle(obj.rect())
            predictions_list = list(zip(labels, obj.output()))
            radio=predictions_list[1][1]*100
            print("%s = %.2f%%" % (predictions_list[1][0],radio ))
            radio=str(radio)
            uart.write('@'+radio+'\r\n')
    elif QR_Code:
        for code in QR_Code:
            img.draw_rectangle(code.rect(), color = (255, 0, 0))
            print(code.payload())
            uart.write('@'+code.payload()+'\r\n')
    #else:
        #print("-----------error------------")

错误：AttributeError: 'Image' object has no attribute 'to_rgb'
img=img.to_grayscale()
img=img.to_rgb()

并且转换角度之后不能及时调整亮度，先照人的话再照平板就会很亮，这该怎么解决

先判断是二维码还是人物，是人的话则判断是否带口罩，是二维码的话输出二维码的内容

import sensor, image, time,image, os, tf, uos, gc
from pyb import UART
uart = UART(3, 9600)
sensor.reset()
sensor.set_contrast(3)
sensor.set_gainceiling(16)
sensor.set_framesize(sensor.VGA)
sensor.set_pixformat(sensor.GRAYSCALE)
sensor.set_auto_whitebal(True)
sensor.set_auto_gain(False)  # 必须关闭此功能，以防止图像冲洗…
sensor.set_windowing((240, 240))       # Set 240x240 window.
sensor.skip_frames(time=2000)          # Let the camera adjust.
net = None
labels = None
try:
    # load the model, alloc the model file on the heap if we have at least 64K free after loading
    net = tf.load("trained.tflite", load_to_fb=uos.stat('trained.tflite')[6] > (gc.mem_free() - (64*1024)))
except Exception as e:
    print(e)
    raise Exception('Failed to load "trained.tflite", did you copy the .tflite and labels.txt file onto the mass-storage device? (' + str(e) + ')')

try:
    labels = [line.rstrip('\n') for line in open("labels.txt")]
except Exception as e:
    raise Exception('Failed to load "labels.txt", did you copy the .tflite and labels.txt file onto the mass-storage device? (' + str(e) + ')')
# 加载Haar算子
# 默认情况下，这将使用所有阶段，更低的satges更快，但不太准确。
face_cascade = image.HaarCascade("frontalface", stages=25)
#image.HaarCascade(path, stages=Auto)加载一个haar模型。haar模型是二进制文件，
#这个模型如果是自定义的，则引号内为模型文件的路径；也可以使用内置的haar模型，
#比如“frontalface” 人脸模型或者“eye”人眼模型。
#stages值未传入时使用默认的stages。stages值设置的小一些可以加速匹配，但会降低准确率。
# FPS clock
clock = time.clock()

while(True):
    clock.tick()
    img = sensor.snapshot()
    img.lens_corr(1.8) # 1.8的强度参数对于2.8mm镜头来说是不错的。
    objects = img.find_features(face_cascade, threshold=0.75, scale=1.35)
    QR_Code=img.find_qrcodes()
    if objects:
        for r in objects:
            img.draw_rectangle(r)
        for obj in net.classify(img, min_scale=1.0, scale_mul=0.8, x_overlap=0.5, y_overlap=0.5):
            img.draw_rectangle(obj.rect())
            predictions_list = list(zip(labels, obj.output()))
            radio=predictions_list[1][1]*100
            print("%s = %.2f%%" % (predictions_list[1][0],radio ))
            radio=str(radio)
            uart.write('@'+radio+'\r\n')
    elif QR_Code:
        for code in QR_Code:
            img.draw_rectangle(code.rect(), color = (255, 0, 0))
            print(code.payload())
            uart.write('@'+code.payload()+'\r\n')
    #else:
        #print("-----------error------------")