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
from image import SEARCH_EX, SEARCH_DS

sensor.set_contrast(1)
sensor.set_gainceiling(16)
sensor.reset()
sensor.set_framesize(sensor.QQVGA)
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。
red_threshold = (0,100, 0,127, 0,127) # L A B
green_threshold = (0,100, -128,0, 0,127) # L A B
blue_threshold = (0,100, -128,127, -128,0) # L A B
gray=(0,130)
sensor.skip_frames(time = 2000)
clock = time.clock()

template = image.Image("/5.0.pgm")
#使用工具 - >机器视觉 - >阈值编辑器选择更好的阈值。
while(True):

clock.tick()
img = sensor.snapshot().lens_corr(strength = 1.8, zoom = 1.0)
img.binary([gray],invert = 1)

r = img.find_template(template, 0.50, step=4, search=SEARCH_EX , roi=(55,25, 45, 60))     
if r:
    img.draw_rectangle(r,rgb=(255,0,0))

print(clock.fps())![0_1662905051472_screenshot_20220911_220156.png]

# 利用特征点检测特定物体例程。
# 向相机显示一个对象，然后运行该脚本。 一组关键点将被提取一次，然后
# 在以下帧中进行跟踪。 如果您想要一组新的关键点，请重新运行该脚本。
# 注意：请参阅文档以调整find_keypoints和match_keypoints。
import sensor, time, image

# Reset sensor
sensor.reset()

# Sensor settings
sensor.set_contrast(1)
sensor.set_gainceiling(16)
sensor.set_framesize(sensor.VGA)
sensor.set_windowing((320, 240))
sensor.set_pixformat(sensor.GRAYSCALE)

sensor.skip_frames(time = 2000)
sensor.set_auto_gain(False, value=100)

#画出特征点
def draw_keypoints(img, kpts):
    if kpts:
        print(kpts)
        img.draw_keypoints(kpts)
        img = sensor.snapshot()
        time.sleep_ms(1000)

kpts1 = None
#kpts1保存目标物体的特征，可以从文件导入特征，但是不建议这么做。
#kpts1 = image.load_descriptor("/desc.orb")
#img = sensor.snapshot()
#draw_keypoints(img, kpts1)

clock = time.clock()

while (True):
    clock.tick()
    img = sensor.snapshot()
    if (kpts1 == None):
        #如果是刚开始运行程序，提取最开始的图像作为目标物体特征，kpts1保存目标物体的特征
        #默认会匹配目标特征的多种比例大小，而不仅仅是保存目标特征时的大小，比模版匹配灵活。
        # NOTE: By default find_keypoints returns multi-scale keypoints extracted from an image pyramid.
        kpts1 = img.find_keypoints(max_keypoints=150, threshold=10, scale_factor=1.2)
        #image.find_keypoints(roi=Auto, threshold=20, normalized=False, scale_factor=1.5, max_keypoints=100, corner_detector=CORNER_AGAST)
        #roi表示识别的区域，是一个元组（x,y,w,h）,默认与framsesize大小一致。
        #threshold是0~255的一个阈值，用来控制特征点检测的角点数量。用默认的AGAST特征点检测，这个阈值大概是20。用FAST特征点检测，这个阈值大概是60～80。阈值越低，获得的角点越多。
        #normalized是一个布尔数值，默认是False，可以匹配目标特征的多种大小（比ncc模版匹配效果灵活）。如果设置为True，关闭特征点检测的多比例结果，仅匹配目标特征的一种大小（类似于模版匹配），但是运算速度会更快一些。
        #scale_factor是一个大于1.0的浮点数。这个数值越高，检测速度越快，但是匹配准确率会下降。一般在1.35~1.5左右最佳。
        #max_keypoints是一个物体可提取的特征点的最大数量。如果一个物体的特征点太多导致RAM内存爆掉，减小这个数值。
        #corner_detector是特征点检测采取的算法，默认是AGAST算法。FAST算法会更快但是准确率会下降。
        draw_keypoints(img, kpts1)
        #画出此时的目标特征
    else:
        #当与最开始的目标特征进行匹配时，默认设置normalized=True，只匹配目标特征的一种大小。
        # NOTE: When extracting keypoints to match the first descriptor, we use normalized=True to extract
        # keypoints from the first scale only, which will match one of the scales in the first descriptor.
        kpts2 = img.find_keypoints(max_keypoints=150, threshold=10, normalized=True)
        #如果检测到特征物体
        if (kpts2):
            #匹配当前找到的特征和最初的目标特征的相似度
            match = image.match_descriptor(kpts1, kpts2, threshold=85)
            #image.match_descriptor(descritor0, descriptor1, threshold=70, filter_outliers=False)。本函数返回kptmatch对象。
            #threshold阈值设置匹配的准确度，用来过滤掉有歧义的匹配。这个值越小，准确度越高。阈值范围0～100，默认70
            #filter_outliers默认关闭。

            #match.count()是kpt1和kpt2的匹配的近似特征点数目。
            #如果大于10，证明两个特征相似，匹配成功。
            if (match.count()>10):
                # If we have at least n "good matches"
                # Draw bounding rectangle and cross.
                #在匹配到的目标特征中心画十字和矩形框。
                img.draw_rectangle(match.rect())
                img.draw_cross(match.cx(), match.cy(), size=10)

            #match.theta()是匹配到的特征物体相对目标物体的旋转角度。
            print(kpts2, "matched:%d dt:%d"%(match.count(), match.theta()))
            #不建议draw_keypoints画出特征角点。
            # NOTE: uncomment if you want to draw the keypoints
            #img.draw_keypoints(kpts2, size=KEYPOINTS_SIZE, matched=True)

    # Draw FPS
    #打印帧率。
    img.draw_string(0, 0, "FPS:%.2f"%(clock.fps()))

用的直接是官方的历程
前十秒识别不到或者识别很少很少的特征

# Untitled - By: ASUS - 周二 9月 6 2022

import sensor, image, time, pyb, math
import json, ustruct
from pyb import UART ,LED

#*********************************************************************
def find_max(blobs):
    max_size=0
    global max_blob

    for blob in blobs:
        if blob[2]*blob[3] > max_size and 50<blob.cy()<150:
            max_blob=blob
            max_size = blob[2]*blob[3]
    return max_blob
#*********************************
def detect(max_blob):
    global mark
    #judge=0
    #nothing=0
    row_data=[-1,-1]
    print(max_blob.density())
    #mark=([-1,-1],[-1,-1]) #1 yellow 2 green 3 blue 4 red ;1 rect 2 circle 3 rt
    #shape=0 #1是圆 2是矩形 圆形和矩形直接用函数识别，剩下的判断是不是三角形 3是三角形
    #colour=0

    if  max_blob.density()>0.82:
        row_data[0]=max_blob.code()
        img.draw_rectangle(max_blob.rect())
        row_data[1]=1

    elif max_blob.density()>0.6:
        img.draw_circle((max_blob.cx(), max_blob.cy(),int((max_blob.w()+max_blob.h())/4)))
        row_data[0]=max_blob.code()
        row_data[1]=2
    elif max_blob.density()>0.4:
            img.draw_cross(max_blob.cx(), max_blob.cy())
            row_data[0]=max_blob.code()
            row_data[1]=3
    return row_data
#*********************************
def sending_data(a,b):
    global uart;
    #frame=[0x2C,18,cx%0xff,int(cx/0xff),cy%0xff,int(cy/0xff),0x5B];
    #data = bytearray(frame)
    data_end = ustruct.pack("<bbhhb",      #格式为俩个字符俩个短整型(2字节)
                   0x2C,                      #帧头1
                   0x12,                      #帧头2
                   int(a), # up sample by 4   #数据1
                   int(b), # up sample by 4    #数据2
                   0x5B)
    uart.write(data_end);   #必须要传入一个字节数组
#********************************************************************
red=(8, 55, 73, 10, -71, 57)
green=(63, 22, -83, -4, 50, -23)
blue=(52, 7, 40, -73, -15, -117)

sensor.reset()
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QVGA)
sensor.skip_frames(time = 2000)

uart = UART(3, 115200)
uart.init(115200, bits=8, parity=None, stop=1) # init with given parameters

clock = time.clock()
#********************************************************************
while(True):
    clock.tick()
    img = sensor.snapshot().lens_corr(strength = 1.8, zoom = 1.0)#畸变矫正
    blobs = img.find_blobs([red,green,blue],area_threshold=100
    )
    data=detect(find_max(blobs))
    print(data)
    sending_data(data[0],data[1])
    #uart.write(jsonstr)
    #break
    #print(clock.fps())

# Untitled - By: ASUS - 周二 9月 6 2022

import sensor, image, time, pyb, math
import json, ustruct
from pyb import UART ,LED

#*********************************************************************
def find_max(blobs):
    max_size=0
    global max_blob

    for blob in blobs:
        if blob[2]*blob[3] > max_size and 50<blob.cy()<150:
            max_blob=blob
            max_size = blob[2]*blob[3]
    return max_blob
#*********************************
def detect(max_blob):
    global mark
    #judge=0
    #nothing=0
    row_data=[-1,-1]
    print(max_blob.density())
    #mark=([-1,-1],[-1,-1]) #1 yellow 2 green 3 blue 4 red ;1 rect 2 circle 3 rt
    #shape=0 #1是圆 2是矩形 圆形和矩形直接用函数识别，剩下的判断是不是三角形 3是三角形
    #colour=0

    if  max_blob.density()>0.82:
        row_data[0]=max_blob.code()
        img.draw_rectangle(max_blob.rect())
        row_data[1]=1

    elif max_blob.density()>0.6:
        img.draw_circle((max_blob.cx(), max_blob.cy(),int((max_blob.w()+max_blob.h())/4)))
        row_data[0]=max_blob.code()
        row_data[1]=2
    elif max_blob.density()>0.4:
            img.draw_cross(max_blob.cx(), max_blob.cy())
            row_data[0]=max_blob.code()
            row_data[1]=3
    return row_data
#*********************************
def sending_data(a,b):
    global uart;
    #frame=[0x2C,18,cx%0xff,int(cx/0xff),cy%0xff,int(cy/0xff),0x5B];
    #data = bytearray(frame)
    data_end = ustruct.pack("<bbhhb",      #格式为俩个字符俩个短整型(2字节)
                   0x2C,                      #帧头1
                   0x12,                      #帧头2
                   int(a), # up sample by 4   #数据1
                   int(b), # up sample by 4    #数据2
                   0x5B)
    uart.write(data_end);   #必须要传入一个字节数组
#********************************************************************
red=(8, 55, 73, 10, -71, 57)
green=(63, 22, -83, -4, 50, -23)
blue=(52, 7, 40, -73, -15, -117)

sensor.reset()
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QVGA)
sensor.skip_frames(time = 2000)

uart = UART(3, 115200)
uart.init(115200, bits=8, parity=None, stop=1) # init with given parameters

clock = time.clock()
#********************************************************************
while(True):
    clock.tick()
    img = sensor.snapshot().lens_corr(strength = 1.8, zoom = 1.0)#畸变矫正
    blobs = img.find_blobs([red,green,blue],area_threshold=100
    )
    data=detect(find_max(blobs))
    print(data)
    sending_data(data[0],data[1])
    #uart.write(jsonstr)
    #break
    #print(clock.fps())