怎么通过OPENMV来识别物体的颜色？

不同颜色有对应的光谱主要分布，不同的对应分布阀值区间段对应不同的颜色，这样就对应识别啦。
或者说经过摄像头采集的图形中，对应一个区域的颜色（物体颜色），其各自RGB分量的数值分布不同，就对应了不同的颜色，通过设置分别的阀值，就可以识别出颜色来。


比如 OpenMV Cam 的python语言库中 具体的主要相关函数为image.find_blobs，其说明如下
image.find_blobs(thresholds[ invert=False[ roi[ x_stride=2[ y_stride=1[ area_threshold=10[ pixels_threshold=10[ merge=False[ margin=0[ threshold_cb=None[ merge_cb=None]]]]]]]]]])查找图像中所有色块，并返回一个包括每个色块的色块对象的列表。请观察 image.blob 对象以获取更多信息。
thresholds 必须是元组列表。 [(lo hi) (lo hi) ... (lo hi)] 定义你想追踪的颜色范围。对于灰度图像，每个元组需要包含两个值 - 最小灰度值和最大灰度值。 仅考虑落在这些阈值之间的像素区域。对于RGB565图像，每个元组需要有六个值(l_lo，l_hi，a_lo，a_hi，b_lo，b_hi) - 分别是LAB L，A和B通道的最小值和最大值。为方便使用，此功能将自动修复交换的最小值和最大值。此外，如果元组大于六个值，则忽略其余值。相反，如果元组太短，则假定其余阈值处于最大范围。
注解
获取所跟踪对象的阈值，只需在IDE帧缓冲区中选择（单击并拖动）跟踪对象。直方图会相应地更新到所在区域。然后只需写下颜色分布在每个直方图通道中起始与下降位置。这些将是 thresholds 的低值和高值。由于上下四分位数据相差微小，故手动确定阈值为佳。
您还可以通过进入OpenMV IDE中的 工具 ->机器视觉 ->阈值编辑器 并从GUI窗口中拖动滑块来确定颜色阈值。

invert 反转阈值操作，像素在已知颜色范围之外进行匹配，而非在已知颜色范围内。
roi 是感兴趣区域的矩形元组(x，y，w，h)。如果未指定，ROI即整个图像的图像矩形。操作范围仅限于 roi 区域内的像素。
x_stride 是查找某色块时需要跳过的x像素的数量。找到色块后，直线填充算法将精确像素。若已知色块较大，可增加 x_stride 来提高查找色块的速度。
y_stride 是查找某色块时需要跳过的y像素的数量。找到色块后，直线填充算法将精确像素。若已知色块较大，可增加 y_stride 来提高查找色块的速度。
若一个色块的边界框区域小于 area_threshold ，则会被过滤掉。
若一个色块的像素数小于 pixel_threshold ，则会被过滤掉。
merge 若为True，则合并所有没有被过滤掉的色块，这些色块的边界矩形互相交错重叠。 margin 可在相交测试中用来增大或减小色块边界矩形的大小。例如：边缘为1、相互间边界矩形为1的色块将被合并。
合并色块使颜色代码追踪得以实现。每个色块对象有一个代码值 code ，该值为一个位向量。例如：若您在 中输入两个颜色阈值，则第一个阈值代码为1，第二个代码为2（第三个代码为4，第四个代码为8，以此类推）。合并色块对所有的code使用逻辑或运算，以便您知道产生它们的颜色。这使得您可以追踪两个颜色，若您用两种颜色得到一个色块对象，则可能是一种颜色代码。
若您使用严格的颜色范围，无法完全追踪目标对象的所有像素，您可能需要合并色块。
最后，若您想要合并色块，但不想两种不同阈值颜色的色块被合并，只需分别两次调用 image.find_blobs ，不同阈值色块就不会被合并。
threshold_cb 可设置为用以调用阈值筛选后的每个色块的函数，以便将其从将要合并的色块列表中过滤出来。回调函数将收到一个参数：要被筛选的色块对象。然后回调函数需返回True以保留色块或返回False以过滤色块。
merge_cb 可设置为用以调用两个即将合并的色块的函数，以禁止或准许合并。回调函数将收到两个参数—两个将被合并的色块对象。回调函数须返回True以合并色块，或返回False以防止色块合并。
不支持压缩图像和bayer图像。