立即注册，领取新人专属福利！
400
**非常详细的视频和文字教程，讲解常见的openmv教程包括 巡线、物体识别、圆环识别、阈值自动获取等。非常适合学习openmv、K210、K230等项目
视频合集链接在
openmv教程合集 openmv入门到项目开发 openmv和STM32通信 openmv和opencv区别 openmv巡线 openmv数字识别教程LCD
专刊openmv视觉文章链接:
https://blog.csdn.net/qq_46187594/category_12900902.html
5.2.2-示例:利用LCD显示画面会方便调试
LCD可以和像使用openmv IDE软件的串行终端一样，显示你向知道的程序信息 比如3.2.5-增加 + 串口输出+增加通过指定区域获得阈值信息的代码中 比如当openmv 不再连接openmv IDE的适合就无法更直观观察到识别结果，那么我们可以通过
下面的适合固件版本是4.4.3及之前固件版本使用
lcd.init() #初始化lcd屏幕
还有
代码最后增加显示在LCD屏幕上
注意LCD显示语句的缩放，不是在for循环内部的。
lcd_coyp = img.copy(0.7,0.7)# 两个参数分别是 图像在水平x方向上的缩放比例、图像在垂直方向Y上的缩放比例 如果图像显示不全就调整更小些
lcd.display(lcd_coyp) # 拍照并显示图像。
还有最后
还有这个动态获得阈值，增加LCD显示，这样获得阈值的绿色框也可以显示了
主要LCD显示一定要在等绘制完绿线后进行。
lcd_coyp = img.copy(0.7,0.7)# 两个参数分别是 图像在水平x方向上的缩放比例、图像在垂直方向Y上的缩放比例 如果图像显示不全就调整更小些
lcd.display(lcd_coyp) # 拍照并显示图像。
4.4.3及其一下固件使用程序。
import pyb, sensor, image, math, time
from pyb import UART
import ustruct
from image import SEARCH_EX, SEARCH_DS
import time
import sensor, lcd
#导入需要的库和模块
#教程作者:好家伙VCC
#欢迎交流群QQ: 771027961 作者邮箱: 1930299709@qq.com
#更多教程B站主页:[好家伙VCC的个人空间-好家伙VCC个人主页-哔哩哔哩视频](https://space.bilibili.com/434192043)
#淘宝主页链接:[首页-好家伙VCC-淘宝网](https://shop415231378.taobao.com)
#更多嵌入式手把手教程-尽在好家伙VCC
#使用中可能根据自己情况需要修改的值
#1. GROUND_THRESHOLD 阈值参数 通过工具->机器视觉->阈值编辑器->帧缓冲区 调整出要识别的LAB阈值。
#2.注意是否有下面两句根据自己摄像头调整
#sensor.set_vflip(True)
#sensor.set_hmirror(True)
#sensor.set_contrast(1)#设置相机图像对比度。-3至+3。
#sensor.set_gainceiling(16)#设置相机图像增益上限。2, 4, 8, 16, 32, 64, 128。
uart = UART(3,115200,bits=8, parity=None, stop=1, timeout_char = 1000)#初始化串口三、波特率115200 TXD:P4PB10 RXD:P5PB11
roi1 = [( 20, 105, 10, 10),
( 45, 105, 10, 10),
( 75, 105, 10, 10),
( 105, 105, 10, 10),
(130, 105, 10, 10)]#定义一个名为roi1的列表，其中包含了5个元组。每个元组代表了一个矩形感兴趣区域在图像上的位置和大小。
#具体而言，每个元组包含了4个数值依次的含义是：ROI左上角点的x坐标、ROI左上角点的y坐标、ROI的宽度、ROI的高度
led = pyb.LED(1) # led = pyb.LED(1)表示led表示红灯。各种状态如下:Red LED = 1, Green LED = 2, Blue LED = 3, IR LEDs = 4.
led.on() #点亮红灯 板载红灯点亮表示程序得到执行
sensor.reset()#初始化相机传感器。
sensor.set_pixformat(sensor.RGB565)#设置相机模块的像素模式:sensor.RGB565: 16 bits/像素。
sensor.set_framesize(sensor.QQVGA)#设置图像分辨率、如果改变分辨率也要调整ROI区域。摄像头不同、应用场景不同可以选择不同分辨率。这里使用QQVGA可能画质很胡，但是为了兼容不同型号摄像头我们先使用QQVGA 不影响循迹效果
# ***************************如果不需要镜像就注释掉 下面 的代码********************
# 设置摄像头镜像/翻转操作，根据摄像头安装的方向决定是否需要
sensor.set_vflip(True) # 垂直方向翻转。根据实际摄像头模块的安装位置调整是否需要此操作
# ！！！重要：不同摄像头是否需要镜像，根据实际情况定。如果不需要镜像，请注释掉以下代码：
sensor.set_hmirror(True) # 水平方向反转。根据实际摄像头模块的安装位置调整是否需要此操作
# ！！！重要：不同摄像头是否需要镜像，根据实际情况定。如果不需要镜像，请注释掉上述代码。
# ***************************如果不需要镜像就注释掉 上面 的代码********************
sensor.skip_frames(time=2000)#跳过指定数目的帧。在这里，设置为跳过2000毫秒（即2秒）的帧。这样可以给传感器一些时间进行初始化和自适应调整。
sensor.set_auto_whitebal(True)#设置为自动白平衡模式。这使得摄像头可以根据场景中的光照条件自动调整图像的白平衡，从而保持图像色彩更加准确和自然。
sensor.set_auto_gain(False)#关闭自动增益模式。通常情况下，开启自动增益会帮助摄像头自动调整亮度，并在低亮度环境下提高图像清晰度。通过设置为False，禁用了这个功能，使用固定增益值。
lcd.init() #初始化lcd屏幕
#最好根据自己情况设置一下！！！
#GROUND_THRESHOLD=(0, 8, -128, 23, -128, 80)#阈值参数，用于在图像处理中对标物体进行颜色识别分割。在OpenMV IDE软件 工具->机器视觉->阈值编辑器->帧缓冲区 调整出要识别的LAB阈值。
GROUND_THRESHOLD=(0, 30, -22, 23, -128, 80)#阈值参数，用于在图像处理中对标物体进行颜色识别分割。在OpenMV IDE软件 工具->机器视觉->阈值编辑器->帧缓冲区 调整出要识别的LAB阈值。
#****************[0]-获取指定位置阈值********************
threshold_calculated = False #控制阈值计算只执行一次的标志
# 封装为函数：识别指定区域的阈值
def get_threshold(roi):
# 循环多次（默认150次）更新阈值
threshold = [0, 0, 0, 0, 0, 0] # LAB色彩通道的阈值 [Lmin, Lmax, Amin, Amax, Bmin, Bmax]
for _ in range(150):
img = sensor.snapshot()
# 获取指定区域的颜色直方图
hist = img.get_histogram(roi=roi)
img.draw_rectangle(roi, color=(0, 255, 0), thickness=2) # 使用绿色（0, 255, 0），厚度为2# 在图像上绘制绿色矩形框标识采集区域
# 在绿色矩形框上方显示“采集计算阈值中...”并加上省略号
img.draw_string(roi[0], roi[1] - 10, "Collecting Threshold...", color=(0, 255, 0), scale=1)
lcd_coyp = img.copy(0.7,0.7)# 两个参数分别是 图像在水平x方向上的缩放比例、图像在垂直方向Y上的缩放比例 如果图像显示不全就调整更小些
lcd.display(lcd_coyp) # 拍照并显示图像。
# 获取L、A、B三个通道的5%和95%分位值
lo = hist.get_percentile(0.05) # 获取5%分位值，表示颜色分布的下边界
hi = hist.get_percentile(0.95) # 获取95%分位值，表示颜色分布的上边界
print("采集计算阈值中...请等待") # 打印检查结果，1表示满足，0表示不满足
# 输出lo和hi的值
# print(f"5% Percentile (lo): L={lo.l_value()} A={lo.a_value()} B={lo.b_value()}")
# print(f"95% Percentile (hi): L={hi.l_value()} A={hi.a_value()} B={hi.b_value()}")
# L通道的最小值和最大值平均后作为新的阈值
threshold[0] = (threshold[0] + lo.l_value()) // 2 # L通道的最小值
threshold[1] = (threshold[1] + hi.l_value()) // 2 # L通道的最大值
# A通道的最小值和最大值平均后作为新的阈值
threshold[2] = (threshold[2] + lo.a_value()) // 2 # A通道的最小值
threshold[3] = (threshold[3] + hi.a_value()) // 2 # A通道的最大值
# B通道的最小值和最大值平均后作为新的阈值
threshold[4] = (threshold[4] + lo.b_value()) // 2 # B通道的最小值
threshold[5] = (threshold[5] + hi.b_value()) // 2 # B通道的最大值
print(f"计算阈值的位置区域是 ROI Info: x={roi[0]}, y={roi[1]}, width={roi[2]}, height={roi[3]}") # 输出roi区域的信息
# 打印每个通道的阈值信息
print("计算出的阈值 Threshold: Lmin={0} Lmax={1}, Amin={2} Amax={3}, Bmin={4} Bmax={5}".format(
threshold[0], threshold[1], threshold[2], threshold[3], threshold[4], threshold[5]
))
# 返回计算得到的阈值列表，包含L、A、B三个通道的最小值和最大值
return threshold # 返回最终的阈值数组
def send_five_uchar(c1,c2,c3,c4,c5):#功能发送五个无符号字符（unsigned char）
global uart;
data = ustruct.pack("<BBBBBBBB",#使用了 ustruct.pack() 函数将这些数据打包为二进制格式。使用 "<BBBBBBBB" 作为格式字符串来指定要打包的数据的类型和顺序：
0xA5,
0xA6,
c1,
c2,
c3,
c4,
c5,
0x5B
)
uart.write(data);#uart.write(data) 将打包好的二进制数据帧写入 UART 发送缓冲区，从而将数据通过串口发送出去
print(data)#通过 print(data) 打印发送的数据到串行终端，方便调试和确认发送的内容。
while(True):
data=0
blob1=None
blob2=None
blob3=None
blob4=None
blob5=None
flag = [0,0,0,0,0]
#*****************[2]-获取指定位置阈值-进行阈值计算的内容********************
if not threshold_calculated:# 仅在阈值未计算时进行计算
# 调用函数获取指定区域的阈值
GROUND_THRESHOLD = get_threshold(roi1[2])
# 设置阈值计算完成的标志
threshold_calculated = True
img = sensor.snapshot().lens_corr(strength = 1.7 , zoom = 1.0)#对获取到的图像执行镜头校正的操作。
blob1 = img.find_blobs([GROUND_THRESHOLD], roi=roi1[0])#在图像中通过颜色阈值 GROUND_THRESHOLD1 检测 roi1[0] 区域内的色块，并将检测结果赋值给 blob1。
blob2 = img.find_blobs([GROUND_THRESHOLD], roi=roi1[1])#同理
blob3 = img.find_blobs([GROUND_THRESHOLD], roi=roi1[2])
blob4 = img.find_blobs([GROUND_THRESHOLD], roi=roi1[3])
blob5 = img.find_blobs([GROUND_THRESHOLD], roi=roi1[4])
if blob1:#如果roi1区域内找到阈值色块 就会赋值flag[0]为1
flag[0] = 1
if blob2:
flag[1] = 1
if blob3:
flag[2] = 1
if blob4:
flag[3] = 1
if blob5:
flag[4] = 1
# print(flag[0],flag[1],flag[2],flag[3],flag[4])#把数据打印在串行终端方便调试
send_five_uchar(flag[0],flag[1],flag[2],flag[3],flag[4])#把五个数据通过串口发送出去、发送五个无符号字符。
# 遍历所有感兴趣的区域，并绘制矩形框及其识别结果
for i, rec in enumerate(roi1):
img.draw_rectangle(rec, color=(255, 0, 0)) # 绘制矩形框
# 根据flag显示识别结果
result_text = str(flag[i]) # 显示 1 或 0
#rec 中的 rec[0] 对应的是矩形框左上角的 横坐标（x），而 rec[1] 对应的是矩形框左上角的 纵坐标（y）
text_y_position = rec[1] - 15 # 调整文本显示位置，使其位于矩形框的上方
img.draw_string(rec[0], text_y_position, result_text, color=(255, 255, 255), scale=2) # 在矩形框内绘制文本
lcd_coyp = img.copy(0.7,0.7)# 两个参数分别是 图像在水平x方向上的缩放比例、图像在垂直方向Y上的缩放比例 如果图像显示不全就调整更小些
lcd.display(lcd_coyp) # 拍照并显示图像。
4.5.1至新版本使用软件
import pyb, sensor, image, math, time
from pyb import UART
import ustruct
from image import SEARCH_EX, SEARCH_DS
import time
import sensor, display
#导入需要的库和模块
#使用中可能根据自己情况需要修改的值
#1. GROUND_THRESHOLD 阈值参数 通过工具->机器视觉->阈值编辑器->帧缓冲区 调整出要识别的LAB阈值。
#2.注意是否有下面两句根据自己摄像头调整
#sensor.set_vflip(True)
#sensor.set_hmirror(True)
#sensor.set_contrast(1)#设置相机图像对比度。-3至+3。
#sensor.set_gainceiling(16)#设置相机图像增益上限。2, 4, 8, 16, 32, 64, 128。
uart = UART(3,115200,bits=8, parity=None, stop=1, timeout_char = 1000)#初始化串口三、波特率115200 TXD:P4PB10 RXD:P5PB11
roi1 = [( 20, 105, 10, 10),
( 45, 105, 10, 10),
( 75, 105, 10, 10),
( 105, 105, 10, 10),
(130, 105, 10, 10)]#定义一个名为roi1的列表，其中包含了5个元组。每个元组代表了一个矩形感兴趣区域在图像上的位置和大小。
#具体而言，每个元组包含了4个数值依次的含义是：ROI左上角点的x坐标、ROI左上角点的y坐标、ROI的宽度、ROI的高度
led = pyb.LED(1) # led = pyb.LED(1)表示led表示红灯。各种状态如下:Red LED = 1, Green LED = 2, Blue LED = 3, IR LEDs = 4.
led.on() #点亮红灯 板载红灯点亮表示程序得到执行
sensor.reset()#初始化相机传感器。
sensor.set_pixformat(sensor.RGB565)#设置相机模块的像素模式:sensor.RGB565: 16 bits/像素。
sensor.set_framesize(sensor.QQVGA)#设置图像分辨率、如果改变分辨率也要调整ROI区域。摄像头不同、应用场景不同可以选择不同分辨率。这里使用QQVGA可能画质很胡，但是为了兼容不同型号摄像头我们先使用QQVGA 不影响循迹效果
# ***************************如果不需要镜像就注释掉 下面 的代码********************
# 设置摄像头镜像/翻转操作，根据摄像头安装的方向决定是否需要
sensor.set_vflip(True) # 垂直方向翻转。根据实际摄像头模块的安装位置调整是否需要此操作
# ！！！重要：不同摄像头是否需要镜像，根据实际情况定。如果不需要镜像，请注释掉以下代码：
sensor.set_hmirror(True) # 水平方向反转。根据实际摄像头模块的安装位置调整是否需要此操作
# ！！！重要：不同摄像头是否需要镜像，根据实际情况定。如果不需要镜像，请注释掉上述代码。
# ***************************如果不需要镜像就注释掉 上面 的代码********************
sensor.skip_frames(time=2000)#跳过指定数目的帧。在这里，设置为跳过2000毫秒（即2秒）的帧。这样可以给传感器一些时间进行初始化和自适应调整。
sensor.set_auto_whitebal(True)#设置为自动白平衡模式。这使得摄像头可以根据场景中的光照条件自动调整图像的白平衡，从而保持图像色彩更加准确和自然。
sensor.set_auto_gain(False)#关闭自动增益模式。通常情况下，开启自动增益会帮助摄像头自动调整亮度，并在低亮度环境下提高图像清晰度。通过设置为False，禁用了这个功能，使用固定增益值。
lcd = display.SPIDisplay() #使用的初始化方式
#最好根据自己情况设置一下！！！
#GROUND_THRESHOLD=(0, 8, -128, 23, -128, 80)#阈值参数，用于在图像处理中对标物体进行颜色识别分割。在OpenMV IDE软件 工具->机器视觉->阈值编辑器->帧缓冲区 调整出要识别的LAB阈值。
GROUND_THRESHOLD=(0, 30, -22, 23, -128, 80)#阈值参数，用于在图像处理中对标物体进行颜色识别分割。在OpenMV IDE软件 工具->机器视觉->阈值编辑器->帧缓冲区 调整出要识别的LAB阈值。
#****************[0]-获取指定位置阈值********************
threshold_calculated = False #控制阈值计算只执行一次的标志
# 封装为函数：识别指定区域的阈值
def get_threshold(roi):
# 循环多次（默认150次）更新阈值
threshold = [0, 0, 0, 0, 0, 0] # LAB色彩通道的阈值 [Lmin, Lmax, Amin, Amax, Bmin, Bmax]
for _ in range(150):
img = sensor.snapshot()
# 获取指定区域的颜色直方图
hist = img.get_histogram(roi=roi)
img.draw_rectangle(roi, color=(0, 255, 0), thickness=2) # 使用绿色（0, 255, 0），厚度为2# 在图像上绘制绿色矩形框标识采集区域
# 在绿色矩形框上方显示“采集计算阈值中...”并加上省略号
img.draw_string(roi[0], roi[1] - 10, "Collecting Threshold...", color=(0, 255, 0), scale=1)
lcd_coyp = img.copy(0.7,0.7)# 两个参数分别是 图像在水平x方向上的缩放比例、图像在垂直方向Y上的缩放比例 如果图像显示不全就调整更小些
lcd.write(lcd_coyp) # 拍照并显示图像。
# 获取L、A、B三个通道的5%和95%分位值
lo = hist.get_percentile(0.05) # 获取5%分位值，表示颜色分布的下边界
hi = hist.get_percentile(0.95) # 获取95%分位值，表示颜色分布的上边界
print("采集计算阈值中...请等待") # 打印检查结果，1表示满足，0表示不满足
# 输出lo和hi的值
# print(f"5% Percentile (lo): L={lo.l_value()} A={lo.a_value()} B={lo.b_value()}")
# print(f"95% Percentile (hi): L={hi.l_value()} A={hi.a_value()} B={hi.b_value()}")
# L通道的最小值和最大值平均后作为新的阈值
threshold[0] = (threshold[0] + lo.l_value()) // 2 # L通道的最小值
threshold[1] = (threshold[1] + hi.l_value()) // 2 # L通道的最大值
# A通道的最小值和最大值平均后作为新的阈值
threshold[2] = (threshold[2] + lo.a_value()) // 2 # A通道的最小值
threshold[3] = (threshold[3] + hi.a_value()) // 2 # A通道的最大值
# B通道的最小值和最大值平均后作为新的阈值
threshold[4] = (threshold[4] + lo.b_value()) // 2 # B通道的最小值
threshold[5] = (threshold[5] + hi.b_value()) // 2 # B通道的最大值
print(f"计算阈值的位置区域是 ROI Info: x={roi[0]}, y={roi[1]}, width={roi[2]}, height={roi[3]}") # 输出roi区域的信息
# 打印每个通道的阈值信息
print("计算出的阈值 Threshold: Lmin={0} Lmax={1}, Amin={2} Amax={3}, Bmin={4} Bmax={5}".format(
threshold[0], threshold[1], threshold[2], threshold[3], threshold[4], threshold[5]
))
# 返回计算得到的阈值列表，包含L、A、B三个通道的最小值和最大值
return threshold # 返回最终的阈值数组
def send_five_uchar(c1,c2,c3,c4,c5):#功能发送五个无符号字符（unsigned char）
global uart;
data = ustruct.pack("<BBBBBBBB",#使用了 ustruct.pack() 函数将这些数据打包为二进制格式。使用 "<BBBBBBBB" 作为格式字符串来指定要打包的数据的类型和顺序：
0xA5,
0xA6,
c1,
c2,
c3,
c4,
c5,
0x5B
)
uart.write(data);#uart.write(data) 将打包好的二进制数据帧写入 UART 发送缓冲区，从而将数据通过串口发送出去
print(data)#通过 print(data) 打印发送的数据到串行终端，方便调试和确认发送的内容。
while(True):
data=0
blob1=None
blob2=None
blob3=None
blob4=None
blob5=None
flag = [0,0,0,0,0]
#*****************[2]-获取指定位置阈值-进行阈值计算的内容********************
if not threshold_calculated:# 仅在阈值未计算时进行计算
# 调用函数获取指定区域的阈值
GROUND_THRESHOLD = get_threshold(roi1[2])
# 设置阈值计算完成的标志
threshold_calculated = True
img = sensor.snapshot().lens_corr(strength = 1.7 , zoom = 1.0)#对获取到的图像执行镜头校正的操作。
blob1 = img.find_blobs([GROUND_THRESHOLD], roi=roi1[0])#在图像中通过颜色阈值 GROUND_THRESHOLD1 检测 roi1[0] 区域内的色块，并将检测结果赋值给 blob1。
blob2 = img.find_blobs([GROUND_THRESHOLD], roi=roi1[1])#同理
blob3 = img.find_blobs([GROUND_THRESHOLD], roi=roi1[2])
blob4 = img.find_blobs([GROUND_THRESHOLD], roi=roi1[3])
blob5 = img.find_blobs([GROUND_THRESHOLD], roi=roi1[4])
if blob1:#如果roi1区域内找到阈值色块 就会赋值flag[0]为1
flag[0] = 1
if blob2:
flag[1] = 1
if blob3:
flag[2] = 1
if blob4:
flag[3] = 1
if blob5:
flag[4] = 1
# print(flag[0],flag[1],flag[2],flag[3],flag[4])#把数据打印在串行终端方便调试
send_five_uchar(flag[0],flag[1],flag[2],flag[3],flag[4])#把五个数据通过串口发送出去、发送五个无符号字符。
# 遍历所有感兴趣的区域，并绘制矩形框及其识别结果
for i, rec in enumerate(roi1):
img.draw_rectangle(rec, color=(255, 0, 0)) # 绘制矩形框
# 根据flag显示识别结果
result_text = str(flag[i]) # 显示 1 或 0
#rec 中的 rec[0] 对应的是矩形框左上角的 横坐标（x），而 rec[1] 对应的是矩形框左上角的 纵坐标（y）
text_y_position = rec[1] - 15 # 调整文本显示位置，使其位于矩形框的上方
img.draw_string(rec[0], text_y_position, result_text, color=(255, 255, 255), scale=2) # 在矩形框内绘制文本
lcd_coyp = img.copy(0.7,0.7)# 两个参数分别是 图像在水平x方向上的缩放比例、图像在垂直方向Y上的缩放比例 如果图像显示不全就调整更小些
lcd.write(lcd_coyp) # 拍照并显示图像。
[下载]LAT1482 STM32G0单线串口通信帧错误问题解析
