《DNK210使用指南 -CanMV版 V1.0》第三十六章 image图像色块追踪实验

开发板

第三十六章 image图像色块追踪实验

在上一章节中，介绍了image模块中图像特征检测方法给的使用，本章将继续介绍image模块中图像色块追踪方法的使用。通过本章的学习，读者将学习到image模块中图像色块追踪的使用。

本章分为如下几个小节：

36.1 image模块图像色块追踪方法介绍

36.2 硬件设计

36.3 程序设计

36.4 运行验证

36.1 image模块图像色块追踪方法介绍

image模块为Image对象提供了find_blobs()方法，用于查找图像中的所有色块，find_blobs()方法如下所示：

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, merge_cb)

find_blobs()方法用于根据指定的颜色阈值查找图像中的所有色块，并返回image.blob对象列表。

thresholds指的是颜色阈值，该参数必须是元组列表，对于灰度图，每个阈值元组需包含两个值，分别为最小灰度值和最大灰度值，对于RGB565图像，每个阈值元组需要包含六个值，分别是LAB色彩空间下，L、A、B三个通道的最大值和最小值，若要追踪多种颜色的色块，可以在阈值元组列表中传入多个阈值元组。

invert指的是是否对阈值进行翻转操作，阈值翻转后，将追踪阈值之外的色块。

roi指的是对Image对象感兴趣的区域，若未指定，即为图像矩形。

x_stride和y_stride指的是图像处理时需要跳过的X和Y像素的数量，若已知被检测色块较大，可以增加该参数。

area_threshold指的是边界框区域阈值，边界框区域小于该参数的色块将会被过滤。

pixels_threshold指的是像素数量阈值，像素数量小于该参数的速快将会被过滤。

merge指的是是否合并边缘矩形相互交错重重叠且没有被过滤的色块。

margin指的是增大或减小相较测试用色块边界矩形的大小。

threshold_cb指的是阈值过滤的回调函数，该函数会接收到被过滤色块的image.blob对象，并通过返回True来保留色块，通过返回False来过滤色块。

merge_cb指的是色块合并回调函数，该函数会接收到两个即将被合并的色块的image.blob对象，并通过返回True来合并色块，通过返回False来禁止色块合并。

find_blobs()方法会返回image.blobs对象列表。

find_blobs()方法的使用示例如下所示：

import image

img = image.Image(size=(320, 240))

threshold = (8, 63, 8, 49, -77, -36)

blobs = img.find_blobs([threshold], False, (0, 0, img.width(), img.height()), x_stride=2, y_stride=1, area_threshold=10, pixels_threshold=10, merge=True, margin=10)

for b in blobs:

img.draw_rectangle(b.rect(), color=(255, 0, 0))

关于颜色阈值的设定，CanMV IDE软件提供了“阈值编辑器”工具，可以方便地获取到想要的阈值。通过依次点击CanMV IDE软件上方工具栏中的“工具”à“机器视觉”à“阈值编辑器”，即可打开“阈值编辑器”工具，打开时会提示需要导入一张源图像，可以直接使用“帧缓冲区”窗口中的图像，也可以从本地文件系统中选取，如下图所示：

图36.1.1 打开“阈值编辑器”工具

选好源图像后，便会自动打开“阈值编辑器”工具窗口，接着便可通过提供的一些选项列表和滑块来调整需要的阈值，如下图所示：

图36.1.2 “阈值编辑器”工具窗口

36.2 硬件设计

36.2.1 例程功能

1. 获取摄像头输出的图像，并使用image模块对图像进行色块追踪，追踪到色块后将其框出，最后将图像显示在LCD上。

36.2.2 硬件资源

本章实验内容，主要讲解image模块的使用，无需关注硬件资源。

36.2.3 原理图

本章实验内容，主要讲解image模块的使用，无需关注原理图。

36.3 程序设计

36.3.1 image模块图像色块追踪方法介绍

有关image模块图像色块追踪方法的介绍，请见第36.1小节《image模块图像色块追踪方法介绍》。

36.3.2 程序流程图

图36.3.2.1 image图像色块追踪实验流程图

36.3.3 main.py代码

main.py中的脚本代码如下所示：

import lcd

import sensor

import gc

lcd.init()

sensor.reset()

sensor.set_framesize(sensor.QVGA)

sensor.set_pixformat(sensor.RGB565)

sensor.set_hmirror(False)

sensor.set_auto_gain(False, gain_db=6.0)

sensor.set_auto_whitebal(False)

while True:

img = sensor.snapshot()

# 色块追踪

threshold = (7, 63, -21, 46, -71, -23)

blobs = img.find_blobs([threshold], False, (0, 0, img.width(), img.height()), x_stride=2, y_stride=1, area_threshold=10, pixels_threshold=10, merge=True, margin=10)

for b in blobs:

img.draw_rectangle(b.rect(), color=(255, 0, 0))

lcd.display(img)

gc.collect()

可以看到一开始是先初始化了LCD和摄像头，并且需要注意的是，在进行色块追踪时，需要关闭摄像头的自动增益和自动白平衡，才能得到更好的效果。

接着在一个循环中不断地获取摄像头输出的图像，因为获取到的图像就是Image对象，因此可以直接调用image模块为Image对象提供的各种方法，然后就是对图像进行色块追踪，并将其在图像中框出，最后在LCD显示图像。

36.4 运行验证