Untitled - By: Administrator - 周三 十月 21 2020

"""
手写数字识别例程
分类模型：训练好的Lenet
数据集：MNIST
"""

导入相应的库

import sensor, image, time, os, nn

初始化摄像头

sensor.reset()

设置相机图像的对比度

sensor.set_contrast(3)

设置采集到照片的格式：灰色图像

sensor.set_pixformat(sensor.GRAYSCALE)

设置采集到照片的大小：320*240

sensor.set_framesize(sensor.QVGA)

设置128*128窗口

sensor.set_windowing((128, 128))

设置延时等待摄像头配置完成

sensor.skip_frames(time = 2000)

关闭自动摄像头增益

sensor.set_auto_gain(False)
sensor.set_auto_exposure(False)

加载Lenet网络模型

加载之前我们需要将官方的网络“lenet.network”拷贝到OpenMV-H7的内存中

net = nn.load('/lenet.network')

十个标签

labels = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']

clock = time.clock()

while(True):
clock.tick()
# 拍摄图片并返回img
img = sensor.snapshot()

# copy()表示创建一个图像副本储存在MicroPython堆中而不是帧缓冲区
# 二值化是为了方便处理，阈值可以自己设定

out = net.search(img.copy().binary([(50, 255)], invert=True))

max_id = out.value()#运行到此处面提示错误‘list’object has no attribute value

# 将0-1之间的值扩大到百分制
score = int(max_id*100)

# 70分以上算识别成功
if(score < 70):
    score_str = "??:??%"
else:
    score_str = "%s:%d%% "%(labels[max_id], score)
    img.draw_rectangle(out.rect())

# 显示分类结果

img.draw_string(0, 0, score_str, color = (255, 0, 0))

print(clock.fps())