# Untitled - By: 33316 - Tue May 7 2024

import sensor, image, time
from machine import UART   #openart专用machine

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

clock = time.clock()
hei   =  (1, 38, 12, -36, -128, 12)

while(True):
    clock.tick()
    img = sensor.snapshot()
    img_ezh_hei = img

    img_ezh_hei.binary([hei])
    for x in range(0,320):
        for y in range(240,0,-1):
            if(img_ezh_hei.get_pixel(x,y)==(0,0,0)):
                a=1
        print(x)

while(True):
    clock.tick() # Track elapsed milliseconds between snapshots().
    img = sensor.snapshot() # 从感光芯片获得一张图像
    blobs = img.find_blobs([green_threshold])
    #find_blobs(thresholds, invert=False, roi=Auto),thresholds为颜色阈值，
    #是一个元组，需要用括号［ ］括起来。invert=1,反转颜色阈值，invert=False默认
    #不反转。roi设置颜色识别的视野区域，roi是一个元组， roi = (x, y, w, h)，代表
    #从左上顶点(x,y)开始的宽为w高为h的矩形区域，roi不设置的话默认为整个图像视野。
    #这个函数返回一个列表，[0]代表识别到的目标颜色区域左上顶点的x坐标，［1］代表
    #左上顶点y坐标，［2］代表目标区域的宽，［3］代表目标区域的高，［4］代表目标
    #区域像素点的个数，［5］代表目标区域的中心点x坐标，［6］代表目标区域中心点y坐标，
    #［7］代表目标颜色区域的旋转角度（是弧度值，浮点型，列表其他元素是整型），
    #［8］代表与此目标区域交叉的目标个数，［9］代表颜色的编号（它可以用来分辨这个
    #区域是用哪个颜色阈值threshold识别出来的）。
    if blobs:
    #如果找到了目标颜色
        for b in blobs:
        #迭代找到的目标颜色区域
            if(b[2]>x):
                x = b[2]
                jz_maxa = b
             # Draw a rect around the blob.
        #print("12")
        #print(jz_maxa)
        img.draw_rectangle(jz_maxa[0:4]) # rect
        #print(jz_maxa[0:4])
        #print(jz_maxa[7])
            #用矩形标记出目标颜色区域
        img.draw_cross(jz_maxa[5], jz_maxa[6]) # cx, cy
           # 获取旋转角度（弧度）
        rotation_angle_rad = jz_maxa[7]

        # 将弧度转换为角度
        rotation_angle_deg = math.degrees(rotation_angle_rad)
        #rotated_img = img.copy()
        #rotated_img.rotation_corr(x_rotation=0, y_rotation=0, z_rotation=rotation_angle_deg, roi=(jz_maxa[0], jz_maxa[1], jz_maxa[2], jz_maxa[3]))
        img.rotation_corr(x_rotation=0, y_rotation=0, z_rotation=math.degrees(jz_maxa[7]),corners=[(jz_maxa[0],jz_maxa[1]),(jz_maxa[0]+jz_maxa[2],jz_maxa[1]),(jz_maxa[0]+jz_maxa[2],jz_maxa[1]+jz_maxa[3]),(jz_maxa[0],jz_maxa[1]+jz_maxa[3])])
        #img.rotation_corr(x_rotation=0, y_rotation=0, z_rotation=jz_maxa[7])

        #img = img.copy(roi=(jz_maxa[0],jz_maxa[1],jz_maxa[2],jz_maxa[3]))
        # 默认设置只是进行一次检测...更改它们以搜索图像...
        for obj in tf.classify(net , img, min_scale=1.0, scale_mul=0.5, x_overlap=0.0, y_overlap=0.0):   # 图像分类函数，参数（模型，图像，检测框，重叠度，x，y开始的点）
        #print("**********\nTop 1 Detect，ions at [x=%d,y=%d,w=%d,h=%d]" % obj.rect())
            sorted_list = sorted(zip(labels, obj.output()), key = lambda x: x[1], reverse = True)
            # 打印准确率最高的结果
            for i in range(1):
                print("%s = %f" % (sorted_list[i][0], sorted_list[i][1]))
        jz_maxa = 0
        x = 0
        time.sleep(0.1)

```我的代码如上，我想把识别到的色块矫正，但实际效果却非常不正常，该如何改进