iluw 发布的帖子

想要单独对图像在HSV颜色空间下的色相分量或饱和度分量进行分析处理，应当调用什么函数？（对象是整幅图范围，不是单个像素点的hsv分量）

想要获得3张分别只有R\G\B通道值，另外两通道值为0的单通道图像。

已经解决了，非常感谢

有无处理过这个问题的大佬解答以下

简单的成像代码如下：

import sensor, image, time

sensor.reset()                      # Reset and initialize the sensor.
sensor.set_pixformat(sensor.RGB565) # Set pixel format to RGB565 (or GRAYSCALE)
sensor.set_framesize(sensor.XGA)   # Set frame size to QVGA (320x240)
sensor.set_auto_gain(False)                     #关闭相机自动增益
sensor.set_auto_whitebal(False)                 #关闭相机自动白平衡
sensor.skip_frames(time = 2000)     # Wait for settings take effect.
clock = time.clock()                # Create a clock object to track the FPS.

while(True):
    clock.tick()                    # Update the FPS clock.
    img = sensor.snapshot()         # Take a picture and return the image.
    img.lens_corr(1.3)
    print(clock.fps())              # Note: OpenMV Cam runs about half as fast when connected
                                    # to the IDE. The FPS should increase once disconnected.

image.binary(thresholds[, invert=False[, zero=False[, mask=None[, to_bitmap=False[, copy=False]]]]])

以上函数中的mask是如何设定的？mask=？

@kidswong999
image.binary()需要以颜色阈值范围作为判断标准，我的“最终检测色块”的颜色变化范围较大，可能和标准颜色区的某个标准色块颜色相近，这样可能会出现误把“最终检测色块”也包含进某个标准色块对应生成的mask里的情况，成为干扰因素。我想给每个标准色块和二维码设定ROI的初衷是尽量避免干扰因素，提高精确度。

我的思路是第一步：利用find_blobs()去识别右侧蓝色圆点，然后利用blob.roundness()圆点筛选，再利用blob.enclosing_circle()去返回其中心坐标，于是得到中心点坐标，通过计算也可以得到这整个图像的倾斜角度；第二步：根据得到的坐标去分别给左侧标准颜色区与中间二维码区设定一个ROI。但是实际情况检测对象可能是倾斜一定角度的，左侧标准颜色区因面积限制排列紧凑，普通（x，y，w，h）可能导致某个ROI错误扩展到相邻的色块上，导致我获取的区域像素颜色信息出现干扰。第三步：根据标准颜色区的颜色信息作为“最终检测色块区”的环境偏差修正参数，从而获取最终检测色块区的颜色信息。
所以我想，如果可以自己根据算出来的每个色块的四角坐标（与定位块的相对位置是固定的）与倾斜角度去设定一个与对象倾斜角度相同的ROI就好了。
或者已知倾斜角后，把图像反向水平旋转矫正后再去设定ROI就可以避免倾斜ROI扩展到其他色块上了。

感谢指点，但是上面的红色块目标只是举例， 我想设定的感兴趣区域并不是以已知对象位置为前提，而是以我想设定的感兴趣区域的四角坐标与倾斜角度为已知。（已知信息是由大目标上的定位块计算出的，根据相对坐标差与倾斜角去定位大目标上的小目标的大概位置）也就是想要实现的不是“识别”、而是“设定”，设定一个倾斜的感兴趣区域。

举例：目标是红色块，但是其倾斜一定角度。我想设定感兴趣区域为黑色矩形框范围（图像本身是无黑色矩形框的，这里是为展示清晰），黑色矩形框四角坐标与长、宽已知。
我能想到的解决方法有两个：1.算出目标的旋转角度，然后将图像整个旋转一定角度后，设定（x，y，w，h）；2.有没有什么可以直接匹配出倾斜矩形框，然后调用设定为感兴趣区域的。但是roi=（x，y，w，h）嘛，不明白倾斜状态下如何设定w和h。
请教各位大佬指点指点。

import time, sensor, image
from image import SEARCH_EX, SEARCH_DS
#从imgae模块引入SEARCH_EX和SEARCH_DS。使用from import仅仅引入SEARCH_EX,
#SEARCH_DS两个需要的部分，而不把image模块全部引入。

sensor.reset()                                              #相机初始化
sensor.set_contrast(1)                                      #设置相机对比度
sensor.set_framesize(sensor.FHD)                         #设置相机分辨率
#sensor.set_windowing(((640-80)//2, (480-60)//2, 80, 60))   #设置视窗分辨率
sensor.set_pixformat(sensor.GRAYSCALE)                      #设置灰度模式
sensor.set_auto_gain(False)                                 #关闭相机自动增益
sensor.set_auto_whitebal(False)                             #关闭相机自动白平衡
sensor.set_auto_exposure(False, \
    exposure_us = 80000)                                    #设置曝光时间

# Load template.
# Template should be a small (eg. 32x32 pixels) grayscale image.
template = image.Image("/L.pgm")                            #加载模板图片

while (True):
    img = sensor.snapshot()                                 #相机采图
    img.lens_corr(1.8)                                      #相机畸变矫正
    img.draw_rectangle((0,540,960,540), color=(0,255,0))

    # find_template(template, threshold, [roi, step, search])
    r1 = img.find_template(template, 0.70, roi=(0,540,960,540), step=4, search=SEARCH_EX)
    if r1:
        img.draw_rectangle(r1,color=(255,0,0))
        print(r1[0]+r1[2]/2, r1[1]+r1[3]/2)
    r2 = img.find_template(template, 0.70, roi=(960,540,960.540), step=4, search=SEARCH_EX)
    if r2:
        img.draw_rectangle(r2,color=(255,0,0))
        print(r2[0]+r2[2]/2, r2[1]+r2[3]/2)
    r3 = img.find_template(template, 0.70, roi=(960,0,960.540), step=4, search=SEARCH_EX)
    if r3:
        img.draw_rectangle(r3)
        print(r3[0]+r3[2]/2, r3[1]+r3[3]/2)

运行会出现报错问题，定位在了第二次调用find_template（）函数位置。尝试了三个find_template（）单独调用运行，单独运行第一个正常，第二、三个会报错。

请问有没有同样问题已经解决的分享一下解决办法。

目的：设定右半边图像为感兴趣区域，进行颜色识别，判断是否存在与阈值匹配的像素点
问题：采图范围无目标时无事发生，一旦采图范围内进入了与阈值匹配的物体，IDE就会立马报错，如图

import sensor, image, time, network, usocket, sys, math, pyb

C_thresholds =[(12, 41, 44, 23, 34, -11)]   #C线识别的阈值
#T_thresholds =[(16, 54, -10, 28, -29, 2)]   #T线识别的阈值


sensor.reset()                          #相机初始化
#sensor.set_contrast(1)                 #设置相机图像对比度（-3，+3）
#sensor.set_brightness(1)               #设置相机图像亮度（-3，+3）
#sensor.set_saturation(1)               #设置相机图像饱和度（-3，+3）
#sensor.set_gainceiling(16)             #设置相机图像增益上限（2、4、8、16、32、64、128）
sensor.set_pixformat(sensor.RGB565)     #设置彩色模式
sensor.set_framesize(sensor.VGA)         #设置相机分辨率
sensor.skip_frames(time = 2000)         #延时2s
sensor.set_auto_gain(False)             #关闭相机自动增益
sensor.set_auto_whitebal(False)         #关闭相机自动白平衡

right_roi= [320,0,320,480]
left_roi = [0,0,320,480]

while(True):
    img = sensor.snapshot()
    for blob in img.find_blobs(C_thresholds, roi=right_roi, x_stride=2, y_stride=1,
     invert=False, area_threshold=4, pixels_threshold=4, merge=True, margin=1, threshold_cb=None, merge_cb=None):
        if blob.pixels() > 10:
            print("试纸检测成功！")
            img.draw_edges(blob.min_corners(), color=(255,0,0))
            img.draw_line(blob.major_axis_line(), color=(0,255,0))
            img.draw_line(blob.minor_axis_line(), color=(0,0,255))
        #img.draw_rectangle(blob.rect())
        #img.draw_cross(blob.cx(), blob.cy())
        #img.draw_keypoints([(blob.cx(), blob.cy(), int(math.degrees(blob.rotation())))], size=20)
        else:
            print("未检测到试纸！")

Color-Tracking->multi_color_blob_tracking多颜色跟踪中的clock = time.clock()、clock.tick()都只是为了实现函数print(clock.fps())吗？如果我只是拍一张照片进行色块查找，是不是就不用打印帧率，也就不用写上面这些了？
代码导航：https://book.openmv.cc/example/10-Color-Tracking/multi-color-blob-tracking.html