@kidswong999 教程也运行过了，想问一下这个程序有问题吗

我的想法是根据x坐标的大小输出一串16进制数，代码没有报错，但在串口助手里面显示的全是0.代码如下

import sensor, image, time
from pyb import UART

def control(cmd):
    if cmd == '3+L':
        uart.write(bytes(0xFF))
        uart.write(bytes(0x55))
        uart.write(bytes(0x44))
        uart.write(bytes(0xBB))
        uart.write(bytes(0x00))
        uart.write(bytes(0xFF))
    elif cmd == '3+R':
        uart.write(bytes(0xFF))
        uart.write(bytes(0x55))
        uart.write(bytes(0x44))
        uart.write(bytes(0xBB))
        uart.write(bytes(0x00))
        uart.write(bytes(0xFF))
    elif cmd == '3+U':
        uart.write(bytes(0xFF))
        uart.write(bytes(0x55))
        uart.write(bytes(0x44))
        uart.write(bytes(0xBB))
        uart.write(bytes(0x00))
        uart.write(bytes(0xFF))


    return 0

sensor.reset()
sensor.set_pixformat(sensor.RGB565) # grayscale is faster
sensor.set_framesize(sensor.QQVGA)
sensor.skip_frames(time = 2000)
clock = time.clock()

uart = UART(3, 57600)
uart.init(57600, bits=8, parity=None, stop=1) # init with given parameters

while(True):
    clock.tick()
    img = sensor.snapshot().lens_corr(1.8)
    for c in img.find_circles((0,0,160,120),threshold =2500, x_margin = 10, y_margin = 10, r_margin = 10,r_min = 9, r_max = 100, r_step = 2):
        img.draw_circle((c.x(), c.y(), c.r()), color = (255, 0, 0))
        uart.write(bytes(c.x()))
        print(c.x())
        #uart.write('\xFF')
        uart.write(bytes(0x56))
        uart.write(chr(0xFE))
        #print(bytes(65))

        if c.x() < 22:
            control('3+L')
        if 22 <= c.x() <= 122:
            control('3+U')
        if c.x() >= 122:
            control('3+R')

圆形检测例程

这个例子展示了如何用Hough变换在图像中找到圆。

https://en.wikipedia.org/wiki/Circle_Hough_Transform

请注意，find_circles（）方法将只能找到完全在图像内部的圆。圈子之外的

图像/ roi被忽略...

import sensor, image, time

sensor.reset()
sensor.set_pixformat(sensor.RGB565) # grayscale is faster
sensor.set_framesize(sensor.QQVGA)
sensor.skip_frames(time = 2000)
clock = time.clock()

while(True):
clock.tick()

#lens_corr(1.8)畸变矫正
img = sensor.snapshot().lens_corr(1.8)

# Circle对象有四个值: x, y, r (半径), 和 magnitude。
# magnitude是检测圆的强度。越高越好

# roi 是一个用以复制的矩形的感兴趣区域(x, y, w, h)。如果未指定，
# ROI 即图像矩形。操作范围仅限于roi区域内的像素。

# x_stride 是霍夫变换时需要跳过的x像素的数量。若已知圆较大，可增加
# x_stride 。

# y_stride 是霍夫变换时需要跳过的y像素的数量。若已知直线较大，可增加
# y_stride 。

# threshold 控制从霍夫变换中监测到的圆。只返回大于或等于阈值的圆。数值越大，返回的圆越少
# 应用程序的阈值正确值取决于图像。注意：一条圆的大小是组成圆所有
# 索贝尔滤波像素大小的总和。

# x_margin 控制所检测的圆的合并。 圆像素为 x_margin 、 y_margin 和
# r_margin的部分合并。

# y_margin 控制所检测的圆的合并。 圆像素为 x_margin 、 y_margin 和
# r_margin 的部分合并。

# r_margin 控制所检测的圆的合并。 圆像素为 x_margin 、 y_margin 和
# r_margin 的部分合并。r表示半径

# r_min，r_max和r_step控制测试圆的半径。
# 缩小测试圆半径的数量可以大大提升性能。
# threshold = 3500比较合适。如果视野中检测到的圆过多，请增大阈值；
# 相反，如果视野中检测到的圆过少，请减少阈值。
for c in img.find_circles(threshold =2500, x_margin = 10, y_margin = 10, r_margin = 10,r_min = 9, r_max = 100, r_step = 2):
    img.draw_circle(c.x(), c.y(), c.r(), color = (255, 0, 0))

    print(c)

if x<=30:
    return 0
if x>30 and x<60:
    return 1
if x>=60:
    return 2

我的想法是根据x的大小来返回一个值给机器人，机器人根据数值执行动作。最后的三个if是我自己加的，一直有错误，不知道该怎么写