。。。。好的吧。谢谢！
’

# 在图像上使用morph函数来进行边缘检测。
# 然后在进行阈值和核滤波
# 最后进行特征点检测
import sensor, image, time,lcd

#设置核函数滤波，核内每个数值值域为[-128,127],核需为列表或元组
kernel_size = 1 # kernel width = (size*2)+1, kernel height = (size*2)+1
kernel = [-1, -1, -1,\
          -1, +8, -1,\
          -1, -1, -1]
# 这个一个高通滤波器。见这里有更多的kernel
# http://www.fmwconcepts.com/imagemagick/digital_image_filtering.pdf
thresholds = [(100, 255)]   # grayscale thresholds设置阈值

sensor.reset() # 初始化 sensor.
sensor.set_pixformat(sensor.GRAYSCALE) # or sensor.RGB565
sensor.set_framesize(sensor.QVGA) # or sensor.QVGA (or others)
sensor.skip_frames(10) # 让新的设置生效
lcd.init()
clock = time.clock() # 追踪FPS

# 在OV7725 sensor上, 边缘检测可以通过设置sharpness/edge寄存器来增强。
# 注意：这个会edge detection can be enhanced
# significantly by setting the sharpness/edge registers.
# Note: This will be implemented as a function later.
if (sensor.get_id() == sensor.OV7725):
    sensor.__write_reg(0xAC, 0xDF)           #在address(int)向相机寄存器中写入value(int)
    sensor.__write_reg(0x8F, 0xFF)           #在address(int)上读取摄像头数据表

kpts1 = image.load_descriptor("/desc.orb")

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

    img.morph(kernel_size, kernel)
    #morph(size, kernel, mul=Auto, add=0)，morph变换，mul根据图像对比度
    #进行调整，mul使图像每个像素乘mul；add根据明暗度调整，使得每个像素值加上add值。
    #如果不设置则不对morph变换后的图像进行处理。
    img.binary(thresholds)
    #利用binary函数对图像进行分割

    # Erode pixels with less than 2 neighbors using a 3x3 image kernel
    img.erode(1, threshold = 2)
    #侵蚀函数erode(size, threshold=Auto)，去除边缘相邻处多余的点。threshold
    #用来设置去除相邻点的个数，threshold数值越大，被侵蚀掉的边缘点越多，边缘旁边
    #白色杂点少；数值越小，被侵蚀掉的边缘点越少，边缘旁边的白色杂点越多。

    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()>25):
        # 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)
            res=img.draw_string(100,100,'合格',color=255,scale=5,x_spacing=2)
            lcd.display(res)
        else:
            res=img.draw_string(100,120,'不合格',color=255,scale=5,x_spacing=2)
            lcd.display(res)
                #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)
    print(clock.fps())

如何调整字体在lcd上的大小？只能是8×10像素？怎么放大？

有一个例子是拍摄运动物体嘛，怎么结合使用？

怎么用运动拍摄后的图片进行特征点保存然后特征点检测？

怎么用边缘检测后的图像进行特征点检测？

@kidswong999 那个特征点检测是先进行特征点保存然后再匹配吗？