背景介紹：
Sugar 在《影像處理基礎》一文中說過：“OpenMV 在影像里做目標識別的程序就是：不停地取出畫面里的每一幀影像，在影像里的每一幀畫面上找目標的程序，”
本篇就說一說 OpenMV 怎樣在一幀畫面上識別目標的，
image 模塊
上一篇《從 hello world 讀懂 OpenMV 怎樣玩》中說到 OpenMV 通過 sensor.snapshot() 從攝像頭獲取一幀影像，也就是一張當時的圖片，得到這個圖片后，就可以通過 image 模塊里的方法處理圖片了，原因是：
通過官方檔案可知：sensor.snapshot() 回傳一個 image 類的物件，要使用 image 模塊提供的方法，按 Python 的規矩就要：
import image
image 可以在當前的影像幀上做各種各樣的操作，下面先說一說要進行這些操作需要的基礎知識，
像素坐標
OpenMV 的像素坐標系如下：
與其他(OpenCV 等)影像處理系統一樣，像素坐標系的原點在影像的“左上角”，x、y 軸的正方向如上圖，
image 模塊方法示例：打標記
一、 API 介紹
1、image.clear() 清除影像幀上的所有像素點；
2、image.draw_rectangle(x, y, w, h) 以 (x, y) 為起點，畫寬 w 高 h 的方形，
二、代碼及現象
通過這個示例，非常直觀地感受到了 image.clear() 的作用：消除了整個影像幀的像素，把影像變黑了，如果我們想保留圖片，在拍攝到的視頻畫面上畫這個方塊，那么應該這么寫代碼：
每獲取一幀影像畫一個方塊，不用擦除之前畫的方塊，因為每次 sensor.snapshot() 的時候影像幀一更新就把上一次畫的方塊沖掉了（這里要細細體會一下搞明白哦），
三、再說兩個畫畫 API 接下來的例子用：
(1) image.draw_cross(x,y) 以像素坐標 (x, y) 為中心畫個十字，
(2) img.draw_circle(x, y, diameter) 以像素坐標 (x, y) 為圓心，diameter 為直徑畫一個圓，
只要了解 Python 的基本知識，對 OpenMV 編程就非常簡單，專注點在視覺及影像內容上而非 Python 語法上就對了，如果對 Python 語法還不熟悉的話可以看 Sugar 的 Python 入門系列推文，這里要說明的一點是：就算 Python 語法非常簡單，作為一種編程語言，學習其語法也會有一段枯燥的時間，這一點從 Sugar 寫 Python 入門系列推文的時候閱讀量不大就能看得出來，Python 相對于其他語言來講算是入門階段相當短的了，只要熬過那么一小段時間，識訓將是其樂無窮的，
image 模塊方法示例：找色塊
一、API 介紹
1、image.find_blobs(Lab色彩空間下的閥值元組)用于尋找當前影像幀里的目標色塊，官方 API 是這樣寫的：
2、sensor.set_auto_whitebal(False) 關閉自動白平衡，
這是個 sensor 模塊的設定，之所以放在這里說是因為這個設定與尋找色塊相關，官方檔案里是這么說的：
Sugar 對藝術略知一二并不精通，如果問“自動白平衡”是什么，還是下面這兩位大佬解釋得好：
藝術大佬一，來自知乎，請手動搜索下圖中的標題：
藝術大佬二，直接點這個題目《咳咳咳！你真的搞懂白平衡了嗎？》
Sugar 的做法是：官方檔案讓關咱就關了，不多問，哈哈，別學 Sugar 這樣不求甚解啊，多了解是好的，
二、image.blob 類介紹
上面的 image.find_blobs() 回傳一個 image.blob 物件，下面就來看一下這個物件里都包含哪些資訊，
| 資訊 | 含意 |
|---|---|
| corners | 從左上角開始順時針方向，色塊 4 個角的 (x,y) 像素坐標 |
| min_conrners | 這個目前沒搞明白先不解釋 |
| rect | 以 (x,y,w,h) 形式回傳色塊的邊界框資訊 |
| x | 色塊邊界框的 x 像素坐標 |
| y | 色塊邊界框的 y 像素坐標 |
| w | 色塊邊界框寬的像素個數 |
| h | 色塊邊界框高的像素個數 |
| pixels | 色塊里包含的像素點個數 |
| cx | 色塊中心的 x 像素坐標（整型） |
| cxf | 色塊中心的 x 像素坐標（浮點型） |
| cy | 色塊中心的 y 像素坐標（整型） |
| cyf | 色塊中心的 y 像素坐標（浮點型） |
| rotation | 長條形色塊的旋轉角度，0~PI 弧度，對圓形色塊無用 |
| rotation_deg | 以“度”為單位回傳長條形色塊的旋轉角度 |
| rotation_rad | 同 rotation，加了 rad 更易識別單位 |
| code | merge=True 時才有效，這個目前沒搞明白先不解釋 |
| count | merge=True 時才有效，這個目前沒搞明白先不解釋 |
| perimeter | 色塊周長上的像素個數 |
| roundness | 色塊的圓度，0~1 之間，圓是 1 |
| elongation | 色塊的線條度，0~1 之間，線是 1 |
| area | 色塊的面積，即：w*h |
| density | 色塊邊框區域內像素點的數量，0~1之間，較低說明物件鎖定不太好 |
| extent | 同 density，就是換個名字而已 |
| compactness | 類似 density，區別是使用色塊周長來衡量物件的密度，也是 0~1 之間 |
| solidity | 類似 density，區別是使用最小面積旋轉的矩形相對于邊界矩形來測量密度，也是 0~1 之間 |
| convexity | 色塊的方度，0~1 之間，正方形是 1 |
| x_hist_bins | 色塊中所有列的 x 軸直方圖，Bin 值在 0 和 1 之間縮放 |
| y_hist_bins | 色塊中所有行的 y 軸直方圖，Bin 值在 0 和 1 之間縮放 |
| major_axis_line | 色塊主軸像素點的元組，貫穿最小面積矩形最長邊，可以用 image.draw_line() 繪制 |
| minor_axis_line | 色塊次軸像素點的元組，貫穿最小面積矩形最短邊，可以用 image.draw_line() 繪制 |
| enclosing_circle | 包圍色塊最小面積矩形的圓的像素點元組，可以用 image.draw_circle() 繪制 |
| enclosed_ellipse | 包圍色塊最小面積矩形的橢圓的像素點元組，可以用 image.draw_ellipse() 繪制 |
三、代碼及現象
圖上的代碼不長，一張圖片看得全就不把代碼單摘出來了，相信愿意實踐的讀者可以照著打出來，這里點一處考察 Python 能力的地方：如果去掉代碼里 if len(blobs) > 0: 這個條件，則運行會在某個時候報錯，問題有三個：
1、會在什么時候報錯？
2、報什么錯，為什么報這個錯？
3、可否用 if blobs: 代替 if len(blobs) > 0:？
如果答不上來或答不全，請到 Sugar 寫的 Python 入門系列推文里鞏固一下 Python 基礎，
PS
顏色閥值的提取使用的是 OpenMV IDE 的一個工具，如下圖：
用法不細說了，網上搜一搜或者用滑鼠在彈出視窗上拉一拉就知道，
關注作者
歡迎掃碼關注我的公眾號MultiMCU EDU，
提示：在公眾號“關于我”頁面可加作者微信好友，
喜歡本文求點贊，有打賞我會更有動力，
轉載請註明出處，本文鏈接：https://www.uj5u.com/ruanti/155473.html
標籤：其他
下一篇：【圖神經網路】圖卷積網路 GCN