芯耀
789
**非常詳細的視頻和文字教程，講解常見的openmv教程包括 巡線、物體識別、圓環(huán)識別、閾值自動獲取等。非常適合學習openmv、K210、K230等項目
視頻合集鏈接在
openmv教程合集 openmv入門到項目開發(fā) openmv和STM32通信 openmv和opencv區(qū)別 openmv巡線 openmv數(shù)字識別教程LCD
?？痮penmv視覺文章鏈接:
https://blog.csdn.net/qq_46187594/category_12900902.html
5-識別可能的色塊的區(qū)域縮放-到和模板大小一樣
下面的思路和程序參考程歡歡大佬的作品(大佬視頻中使用的他的板子，所以程序是想要修改的 下面會提供修改好的，還有大佬是使用PS整理的想要模板，后面我會演示使用更簡單的方法.視頻里面也有對優(yōu)化思路的講解可以看一下): https://www.bilibili.com/video/BV1G3411t7HX/?share_source=copy_web&vd_source=f5d5850ab773377dff308188468fbc77
程序思路:
先找色塊找到可能是數(shù)字的黑色色塊，
做縮放把黑色色塊尺寸縮放到和模板一樣，
簡單方法制作統(tǒng)一40像素模板:
使用QQ或者微信等截圖工具把之前1-8數(shù)字截圖小一些，如下數(shù)字整個剛剛在框里面
然后使用win10系統(tǒng)自帶的編輯圖片工具打開(win10是畫圖工具這個軟件，不確定win7或者win11里面編輯圖片的有這個功能，如果沒有自行下載ps等更專業(yè)軟件學習如何修改大小)
然后使用轉化網(wǎng)站，把剛剛的jpg格式轉成為pgm，可以使用的網(wǎng)站如下(如果都能用了，自行百度搜索一個可以的,如果網(wǎng)站讓你設置大小等你無需設置讓他保持默認大小就行)JPG 到 PGM - 將您的 JPG 轉換為 PGM 的在線工具
JPG轉PGM批量轉換器 | 線上 免費
把處理的好的復制到openmv里面
然后下面是程序
下面的程序會有一些問題，在較新版固件比如4.5.9上 執(zhí)行下面代碼顯示在openmv IDE幀緩沖區(qū)的圖像沒有把數(shù)字圈出來(通過觀察串行端口 發(fā)現(xiàn)也已經(jīng)識別到了數(shù)字)，而使用4.4.1固件數(shù)字會被圈出來也就是說openmv IDE顯示的是處理繪制的圖像。
# -*- coding: utf-8 -*-
"""
OpenMV數(shù)字識別程序（彩色顯示版）
功能：識別攝像頭中的數(shù)字并用紅色字體標注
特點：保持灰度處理流程，最終輸出彩色標注畫面
"""
# *************************** 硬件初始化部分 ***************************
# 導入機器視覺庫和時鐘模塊
import sensor, image, time
# 初始化攝像頭硬件
sensor.reset() # 復位攝像頭硬件，清空初始化參數(shù)
# 設置攝像頭采集模式（核心參數(shù)設置）
sensor.set_pixformat(sensor.RGB565) # 設置為彩色模式（16位RGB，每個像素2字節(jié)）
sensor.set_framesize(sensor.QQVGA) # 分辨率160x120（用于保證處理速度）
sensor.set_contrast(3) # 設置對比度+3（增強明暗對比，提升識別率）
# *************************** 圖像鏡像設置 ***************************
# （根據(jù)攝像頭物理安裝方向調整，不需要可注釋）
sensor.set_vflip(True) # 垂直翻轉：適用于攝像頭倒置安裝的情況
sensor.set_hmirror(True) # 水平鏡像：適用于需要鏡像顯示的場景
# *************************** 數(shù)字模板配置 ***************************
num_quantity = 8 # 定義要識別的數(shù)字范圍（1-8）
num_model = [] # 創(chuàng)建空列表存儲模板圖像
# 加載預存數(shù)字模板（需提前準備1.pgm~8.pgm文件）
for n in range(1, num_quantity+1):
# 加載PGM格式模板（建議使用白底黑字40像素高度圖片）
num_model.append(image.Image(str(n) + '.pgm')) # 將模板圖像存入列表
# *************************** 性能監(jiān)測配置 ***************************
clock = time.clock() # 創(chuàng)建幀率計算時鐘對象
# *************************** 圖像緩沖區(qū)配置 ***************************
# 分配模板匹配專用緩沖區(qū)（優(yōu)化處理速度）
img_to_matching = sensor.alloc_extra_fb(35, 45, sensor.GRAYSCALE) # 35x45灰度緩沖區(qū)
# 說明：該緩沖區(qū)用于存儲縮放后的待匹配區(qū)域圖像
# *************************** 算法參數(shù)設置 ***************************
threshold = (0, 70) # 灰度閾值范圍：0-70（用于檢測深色數(shù)字區(qū)域）
scale = 1 # 圖像縮放比例初始化值
# *************************** 主循環(huán)處理邏輯 ***************************
while(True):
# 【階段1】幀率計算與圖像采集
clock.tick() # 開始幀計時（必須在循環(huán)開頭調用）
img = sensor.snapshot() # 捕獲一幀RGB565彩色圖像（160x120像素）
# 【階段2】創(chuàng)建灰度處理副本
img_gray = img.to_grayscale(copy=True) # 生成灰度副本（保持原圖不變）
# 注意：所有圖像處理操作在灰度副本上進行以保證算法穩(wěn)定性
# 【階段3】色塊檢測
blobs = img_gray.find_blobs([threshold]) # 在灰度圖像中查找符合閾值的色塊
# 【階段4】候選區(qū)域處理
if blobs: # 如果檢測到有效色塊
# 遍歷所有檢測到的色塊（blobs對象包含多個blob）
for blob in blobs:
# 色塊有效性過濾條件（排除噪聲干擾）
if blob.pixels() > 50 and 100 > blob.h() > 10 and blob.w() > 3:
# 【步驟4.1】在彩色圖像上繪制檢測框
# 繪制綠色預備框（比實際區(qū)域大4像素）
img.draw_rectangle(
blob.x()-2, blob.y()-2, # 起點坐標（左上角）
blob.w()+4, blob.h()+4, # 框體尺寸（寬度+高度）
color=(0, 255, 0) # 顏色：純綠色
)
# 在色塊左上角顯示當前縮放比例（調試信息，白色文字）
img.draw_string(blob[0], blob[1], str(round(scale, 2)), color=(255, 255, 255))
# 【步驟4.2】計算縮放比例
scale = 40 / blob.h() # 根據(jù)色塊高度計算縮放比例（模板高度為40像素）
# 【步驟4.3】提取待匹配區(qū)域
img_to_matching.draw_image(
img_gray, # 源圖像（使用灰度副本保證處理一致性）
0, 0, # 目標位置（緩沖區(qū)左上角）
roi=( # 源圖像感興趣區(qū)域（Region of Interest）
blob.x()-2, # x起點（左擴2像素）
blob.y()-2, # y起點（上擴2像素）
blob.w()+4, # 寬度（左右各擴2像素）
blob.h()+4 # 高度（上下各擴2像素）
),
x_scale=scale, # 水平縮放比例
y_scale=scale # 垂直縮放比例
)
# 【階段5】模板匹配識別
# 遍歷所有數(shù)字模板進行匹配
for n in range(0, num_quantity):
# 執(zhí)行模板匹配（核心識別函數(shù)）
r = img_to_matching.find_template(
num_model[n], # 當前數(shù)字模板（n對應數(shù)字1-8）
0.7, # 相似度閾值（0.0-1.0，越大匹配越嚴格）
step=2, # 搜索步長（2表示隔行掃描，加快速度）
search=image.SEARCH_EX # 搜索模式：窮舉搜索（精度最高）
)
if r: # 如果匹配結果有效（相似度超過閾值）
# 【步驟5.1】在彩色圖像上繪制橙色確認框
img.draw_rectangle(
blob[0:4], # 矩形參數(shù)（x,y,w,h）
color=(255, 100, 0) # 橙色邊框（BGR格式）
)
# 【步驟5.2】顯示識別結果（核心修改點）
img.draw_string(
blob[0], blob[1], # 顯示位置（色塊左上角）
str(n+1), # 顯示內容（識別到的數(shù)字）
scale=5, # 字體放大倍數(shù)（原始5倍）
color=(255, 0, 0) # 字體顏色：純紅色（BGR格式）
)
# 【新增】輸出識別結果：數(shù)字ID,X坐標,Y坐標
print("DETECT: num={}, x={}, y={}".format(n+1, blob.cx(), blob.cy()))
# 【階段6】顯示幀率信息
# 在畫面左上角顯示當前幀率（白色文字）
img.draw_string(0, 0, str(round(clock.fps(), 2)), color=(255, 255, 255))
# *************************** 注意事項 ***************************
"""
1. 必須準備數(shù)字模板：在存儲卡根目錄放置1.pgm~8.pgm文件
2. 模板建議規(guī)格：白底黑字、高度40像素、PGM格式
3. 實際顯示效果：
- 綠色框：初步檢測區(qū)域
- 橙色框：成功匹配區(qū)域
- 紅色數(shù)字：識別結果
- 白色文字：幀率信息
4. 性能參數(shù)：QQVGA分辨率下典型幀率15-30fps（取決于處理復雜度）
5. 調試技巧：可通過調整threshold閾值和scale計算優(yōu)化識別效果
"""
下面的代碼 解決顯示問題:
使用img.copy 可以復制一份圖像方便openmv IDE顯示和后面處理圖像
img_copy = img.copy()#img復制到img_copy上一份 兩個參數(shù)分別是
# -*- coding: utf-8 -*-
"""
OpenMV數(shù)字識別程序（彩色顯示版）
功能：識別攝像頭中的數(shù)字并用紅色字體標注
特點：保持灰度處理流程，最終輸出彩色標注畫面
"""
# *************************** 硬件初始化部分 ***************************
# 導入機器視覺庫和時鐘模塊
import sensor, image, time
# 初始化攝像頭硬件
sensor.reset() # 復位攝像頭硬件，清空初始化參數(shù)
# 設置攝像頭采集模式（核心參數(shù)設置）
sensor.set_pixformat(sensor.RGB565) # 設置為彩色模式（16位RGB，每個像素2字節(jié)）
sensor.set_framesize(sensor.QQVGA) # 分辨率160x120（用于保證處理速度）
sensor.set_contrast(3) # 設置對比度+3（增強明暗對比，提升識別率）
# *************************** 圖像鏡像設置 ***************************
# （根據(jù)攝像頭物理安裝方向調整，不需要可注釋）
sensor.set_vflip(True) # 垂直翻轉：適用于攝像頭倒置安裝的情況
sensor.set_hmirror(True) # 水平鏡像：適用于需要鏡像顯示的場景
# *************************** 數(shù)字模板配置 ***************************
num_quantity = 8 # 定義要識別的數(shù)字范圍（1-8）
num_model = [] # 創(chuàng)建空列表存儲模板圖像
# 加載預存數(shù)字模板（需提前準備1.pgm~8.pgm文件）
for n in range(1, num_quantity+1):
# 加載PGM格式模板（建議使用白底黑字40像素高度圖片）
num_model.append(image.Image(str(n) + '.pgm')) # 將模板圖像存入列表
# *************************** 性能監(jiān)測配置 ***************************
clock = time.clock() # 創(chuàng)建幀率計算時鐘對象
# *************************** 圖像緩沖區(qū)配置 ***************************
# 分配模板匹配專用緩沖區(qū)（優(yōu)化處理速度）
img_to_matching = sensor.alloc_extra_fb(35, 45, sensor.GRAYSCALE) # 35x45灰度緩沖區(qū)
# 說明：該緩沖區(qū)用于存儲縮放后的待匹配區(qū)域圖像
# *************************** 算法參數(shù)設置 ***************************
threshold = (0, 70) # 灰度閾值范圍：0-70（用于檢測深色數(shù)字區(qū)域）
scale = 1 # 圖像縮放比例初始化值
# *************************** 主循環(huán)處理邏輯 ***************************
while(True):
# 【階段1】幀率計算與圖像采集
clock.tick() # 開始幀計時（必須在循環(huán)開頭調用）
img = sensor.snapshot() # 捕獲一幀RGB565彩色圖像（160x120像素）
img_copy = img.copy()#img復制到img_copy上一份 兩個參數(shù)分別是
#這樣操作更方便后面 openmvIDE幀緩沖區(qū)顯示的是img 圖像，后面如果比如訓練可以使用彩色的img_copy 進行循跡
# 【階段2】創(chuàng)建灰度處理副本
#img_gray = img.to_grayscale(copy=True, allocator=image.ALLOCATOR_CB)
img_gray = img_copy.to_grayscale(copy=True) # 生成灰度副本（保持原圖不變）
# 注意：所有圖像處理操作在灰度副本上進行以保證算法穩(wěn)定性
# 【階段3】色塊檢測
blobs = img_gray.find_blobs([threshold]) # 在灰度圖像中查找符合閾值的色塊
# 【階段4】候選區(qū)域處理
if blobs: # 如果檢測到有效色塊
# 遍歷所有檢測到的色塊（blobs對象包含多個blob）
for blob in blobs:
# 色塊有效性過濾條件（排除噪聲干擾）
if blob.pixels() > 50 and 100 > blob.h() > 10 and blob.w() > 3:
# 【步驟4.1】在彩色圖像上繪制檢測框
# 繪制綠色預備框（比實際區(qū)域大4像素）
img.draw_rectangle(
blob.x()-2, blob.y()-2, # 起點坐標（左上角）
blob.w()+4, blob.h()+4, # 框體尺寸（寬度+高度）
color=(0, 255, 0) # 顏色：純綠色
)
# 在色塊左上角顯示當前縮放比例（調試信息，白色文字）
img.draw_string(blob[0], blob[1], str(round(scale, 2)), color=(255, 255, 255))
# 【步驟4.2】計算縮放比例
scale = 40 / blob.h() # 根據(jù)色塊高度計算縮放比例（模板高度為40像素）
# 【步驟4.3】提取待匹配區(qū)域
img_to_matching.draw_image(
img_gray, # 源圖像（使用灰度副本保證處理一致性）
0, 0, # 目標位置（緩沖區(qū)左上角）
roi=( # 源圖像感興趣區(qū)域（Region of Interest）
blob.x()-2, # x起點（左擴2像素）
blob.y()-2, # y起點（上擴2像素）
blob.w()+4, # 寬度（左右各擴2像素）
blob.h()+4 # 高度（上下各擴2像素）
),
x_scale=scale, # 水平縮放比例
y_scale=scale # 垂直縮放比例
)
# 【階段5】模板匹配識別
# 遍歷所有數(shù)字模板進行匹配
for n in range(0, num_quantity):
# 執(zhí)行模板匹配（核心識別函數(shù)）
r = img_to_matching.find_template(
num_model[n], # 當前數(shù)字模板（n對應數(shù)字1-8）
0.7, # 相似度閾值（0.0-1.0，越大匹配越嚴格）
step=2, # 搜索步長（2表示隔行掃描，加快速度）
search=image.SEARCH_EX # 搜索模式：窮舉搜索（精度最高）
)
if r: # 如果匹配結果有效（相似度超過閾值）
# 【步驟5.1】在彩色圖像上繪制橙色確認框
img.draw_rectangle(
blob[0:4], # 矩形參數(shù)（x,y,w,h）
color=(255, 100, 0) # 橙色邊框（BGR格式）
)
# 【步驟5.2】顯示識別結果（核心修改點）
img.draw_string(
blob[0], blob[1], # 顯示位置（色塊左上角）
str(n+1), # 顯示內容（識別到的數(shù)字）
scale=5, # 字體放大倍數(shù)（原始5倍）
color=(255, 0, 0) # 字體顏色：純紅色（BGR格式）
)
# 【新增】輸出識別結果：數(shù)字ID,X坐標,Y坐標
print("DETECT: num={}, x={}, y={}".format(n+1, blob.cx(), blob.cy()))
# 【階段6】顯示幀率信息
# 在畫面左上角顯示當前幀率（白色文字）
img.draw_string(0, 0, str(round(clock.fps(), 2)), color=(255, 255, 255))
閱讀全文
