芯耀
879
**非常詳細(xì)的視頻和文字教程，講解常見的openmv教程包括 巡線、物體識(shí)別、圓環(huán)識(shí)別、閾值自動(dòng)獲取等。非常適合學(xué)習(xí)openmv、K210、K230等項(xiàng)目
視頻合集鏈接在
openmv教程合集 openmv入門到項(xiàng)目開發(fā) openmv和STM32通信 openmv和opencv區(qū)別 openmv巡線 openmv數(shù)字識(shí)別教程LCD
專刊openmv視覺(jué)文章鏈接:
https://blog.csdn.net/qq_46187594/category_12900902.html
一種常見的識(shí)別算法優(yōu)化方法，先根據(jù)物體特征縮小識(shí)別范圍，在特征的范圍內(nèi)進(jìn)行某種識(shí)別算法，比如根據(jù)數(shù)字是黑色方框框起來(lái)的特征，先識(shí)別黑色框，然后框內(nèi)進(jìn)行匹配。
我們使用3.5.2中的2的進(jìn)行優(yōu)化，優(yōu)化方式是 先讓openmv識(shí)別框，然后框內(nèi)進(jìn)行數(shù)字模板匹配
效果還可以幀率20左右，可以識(shí)別到的框然后進(jìn)行數(shù)字識(shí)別的，偶爾會(huì)識(shí)別不到兩個(gè)數(shù)字，可能只能識(shí)別一個(gè)數(shù)字
下面這個(gè)代碼幀率20，可以同時(shí)識(shí)別兩個(gè)數(shù)字，
# 多模板匹配系統(tǒng)
import time
import sensor
import image
# ******************** 硬件初始化配置 ********************
sensor.reset() # 復(fù)位攝像頭硬件
sensor.set_contrast(1) # 設(shè)置對(duì)比度（范圍0-3）
sensor.set_gainceiling(16) # 設(shè)置最大增益值（2^16）
sensor.set_framesize(sensor.QQVGA) # 設(shè)置分辨率160x120（低分辨率提升處理速度）
sensor.set_pixformat(sensor.GRAYSCALE) # 灰度圖像模式（減少計(jì)算量）
sensor.set_vflip(True) # 垂直翻轉(zhuǎn)圖像（適配攝像頭安裝方向）
sensor.set_hmirror(True) # 水平鏡像圖像（解決鏡頭鏡像問(wèn)題）
# ******************** 用戶可調(diào)參數(shù) ********************
TEMPLATE_PATHS = [ # 模板文件路徑列表（按0-9順序）
"/0.pgm", "/1.pgm", "/2.pgm",
"/3.pgm", "/4.pgm", "/5.pgm",
"/6.pgm", "/7.pgm", "/8.pgm",
"/9.pgm"
]
MATCH_THRESHOLD = 0.65 # 模板匹配相似度閾值（0.0-1.0）
RECT_THRESHOLD = 25000 # 矩形檢測(cè)敏感度（值越小敏感度越高）
MIN_RECT_WIDTH = 15 # 最小矩形寬度（需大于最大模板寬度）
MIN_RECT_HEIGHT = 15 # 最小矩形高度（需大于最大模板高度）
TEXT_COLOR = 255 # 顯示顏色（灰度值，255為白色）
TEXT_OFFSET = 5 # 文本標(biāo)注偏移量（像素）
# ******************** 模板管理系統(tǒng) ********************
class TemplateLoader:
def __init__(self):
self.templates = [] # 存儲(chǔ)加載的模板信息
self.min_template_w = 999 # 記錄最小模板寬度（用于尺寸校驗(yàn)）
self.min_template_h = 999 # 記錄最小模板高度
self.load_templates() # 初始化時(shí)自動(dòng)加載模板
def load_templates(self):
"""模板加載與管理系統(tǒng)
功能：批量加載模板文件并記錄尺寸信息
安全機(jī)制：異常捕獲+詳細(xì)加載報(bào)告"""
print("n====== 模板加載報(bào)告 ======")
for path in TEMPLATE_PATHS:
try:
# 加載模板圖像并提取尺寸信息
template_img = image.Image(path)
w, h = template_img.width(), template_img.height()
# 更新最小模板尺寸記錄
self.min_template_w = min(self.min_template_w, w)
self.min_template_h = min(self.min_template_h, h)
# 存儲(chǔ)模板元數(shù)據(jù)
self.templates.append({
"image": template_img, # 模板圖像對(duì)象
"name": path.split("/")[-1].split(".")[0], # 提取數(shù)字名稱
"path": path, # 完整文件路徑
"width": w, # 模板寬度
"height": h # 模板高度
})
print(f"成功加載 {w}x{h} 模板: {path}")
except Exception as e:
print(f"加載失敗: {path} ({str(e)})")
print("=========================n")
# ******************** 主程序流程 ********************
template_loader = TemplateLoader() # 實(shí)例化模板加載器
clock = time.clock() # 創(chuàng)建幀率計(jì)算器
while True:
clock.tick() # 開始幀計(jì)時(shí)
# 圖像采集與預(yù)處理
img = sensor.snapshot().lens_corr(strength=1.8) # 捕獲圖像并校正鏡頭畸變
# 階段1：矩形檢測(cè)與預(yù)處理
rects = img.find_rects(threshold=RECT_THRESHOLD) # 查找所有矩形區(qū)域
for rect in rects:
x, y, w, h = rect.rect() # 提取矩形坐標(biāo)和尺寸
# 區(qū)域過(guò)濾（尺寸+面積雙重校驗(yàn)）
if (w < MIN_RECT_WIDTH or h < MIN_RECT_HEIGHT or
w * h < MIN_RECT_WIDTH * MIN_RECT_HEIGHT):
continue # 跳過(guò)過(guò)小區(qū)域
# ROI安全邊界處理（防止越界訪問(wèn)）
img_w, img_h = img.width(), img.height()
roi_x = max(0, x) # 左邊界保護(hù)
roi_y = max(0, y) # 上邊界保護(hù)
roi_w = min(w, img_w - roi_x) # 寬度邊界保護(hù)
roi_h = min(h, img_h - roi_y) # 高度邊界保護(hù)
# 繪制矩形標(biāo)記（輪廓+角點(diǎn)）
img.draw_rectangle(x, y, w, h, color=TEXT_COLOR) # 繪制矩形框
for (cx, cy) in rect.corners(): # 繪制四個(gè)角點(diǎn)
img.draw_circle(int(cx), int(cy), 3, color=TEXT_COLOR)
# 階段2：模板匹配 - 找出相似度最高的模板
best_match = None # 存儲(chǔ)最佳匹配結(jié)果
best_similarity = 0.0 # 最高相似度記錄
best_name = None # 對(duì)應(yīng)模板名稱
for template in template_loader.templates:
# 動(dòng)態(tài)尺寸校驗(yàn)（ROI必須大于等于模板尺寸）
if roi_w < template["width"] or roi_h < template["height"]:
continue # 跳過(guò)尺寸不匹配的模板
try:
# 執(zhí)行模板匹配（核心算法）
result = img.find_template(
template["image"], # 模板圖像
MATCH_THRESHOLD, # 相似度閾值
roi=(roi_x, roi_y, roi_w, roi_h) # 搜索區(qū)域
)
# 結(jié)果處理
if result:
rx, ry, rw, rh = result # 解包匹配結(jié)果坐標(biāo)
similarity = MATCH_THRESHOLD # 使用閾值作為相似度基準(zhǔn)值
if similarity > best_similarity:
best_similarity = similarity
best_match = (rx, ry, rw, rh)
best_name = template["name"]
except Exception as e:
print(f"模板匹配出錯(cuò): {str(e)}") # 異常捕獲
# 結(jié)果可視化與輸出
if best_match:
rx, ry, rw, rh = best_match
# 繪制匹配區(qū)域框
img.draw_rectangle(rx, ry, rw, rh, color=TEXT_COLOR)
# 計(jì)算文本位置（防越界）
text_y = ry - TEXT_OFFSET if ry > TEXT_OFFSET else 0
# 繪制識(shí)別結(jié)果文本
img.draw_string(rx, text_y, best_name,
color=TEXT_COLOR,
scale=1, # 字體大小
mono_space=True # 等寬字體
)
# 增強(qiáng)數(shù)據(jù)輸出（帶時(shí)間戳和坐標(biāo)信息）
print("[{:.0f}] 區(qū)域[{},{} {}x{}] 識(shí)別到{} 相似度{:.2f} 位置({},{})".format(
time.ticks_ms(), # 時(shí)間戳
x, y, w, h, # 原始區(qū)域信息
best_name, # 識(shí)別結(jié)果
best_similarity, # 匹配度
rx + rw // 2, # 中心X坐標(biāo)
ry + rh // 2 # 中心Y坐標(biāo)
))
# 性能顯示（右上角FPS計(jì)數(shù)器）
img.draw_string(5, 5, "FPS:%.1f" % clock.fps(), color=TEXT_COLOR)
閱讀全文
