k210 图像操作详解(一)(直线检测、边缘检测、色块追踪)

1、直线检测

#####################################################################################################
# @file         main.py
# @author       正点原子团队(ALIENTEK)
# @version      V1.0
# @date         2024-01-17
# @brief        image图像特征检测实验
# @license      Copyright (c) 2020-2032, 广州市星翼电子科技有限公司
#####################################################################################################
# @attention
#
# 实验平台:正点原子 K210开发板
# 在线视频:www.yuanzige.com
# 技术论坛:www.openedv.com
# 公司网址:www.alientek.com
# 购买地址:openedv.taobao.com
#
#####################################################################################################from board import board_info
from fpioa_manager import fm
from maix import GPIO
import time
import lcd
import sensor
import image
import gclcd.init()
sensor.reset()
sensor.set_framesize(sensor.QVGA)
sensor.set_pixformat(sensor.RGB565)
sensor.set_vflip(True)type = 0
type_dict = {0: "Normal",1: "Edge",2: "Circle",3: "Line",4: "HoG"
}fm.register(board_info.KEY0, fm.fpioa.GPIOHS0)
key0 = GPIO(GPIO.GPIOHS0, GPIO.IN, GPIO.PULL_UP)def key_irq_handler(key):global key0global typetime.sleep_ms(20)if key is key0 and key.value() == 0:type = type + 1if type == len(type_dict):type = 0
key0.irq(key_irq_handler, GPIO.IRQ_FALLING, GPIO.WAKEUP_NOT_SUPPORT, 7)while True:img = sensor.snapshot()if type == 0:# 原图passelif type == 1:# 边缘检测gray = img.to_grayscale(copy=True)gray.find_edges(image.EDGE_SIMPLE, threshold=(100, 255))img.draw_image(gray, 0, 0, mask=gray)del grayelif type == 2:# 圆形检测circles = img.find_circles((0, 0, img.width(), img.height()), x_stride=2, y_stride=2, threshold=3800, x_margin=50, y_margin=50, r_margin=50, r_min=60, r_max=80, r_step=5)for c in circles:img.draw_circle(c.x(), c.y(), c.r(), color=(255, 0, 0), thickness=2)elif type == 3:# 直线检测lines = img.find_lines((0, 0, img.width(), img.height()), x_stride=2, y_stride=1, threshold=1000, theta_margin=25, rho_margin=25)for l in lines:img.draw_line(l.line(), color=(255, 0, 0), thickness=2)elif type == 4:img.to_grayscale()# HoG检测img.find_hog((0, 0, img.width(), img.height()), size=8)else:type = 0img.draw_string(10, 10, type_dict[type], color=(255, 0, 0), scale=1.6)lcd.display(img)gc.collect()
  1. (0, 0, img.width(), img.height())

    • 这是一个元组,定义了要在图像中搜索直线的矩形区域。
    • (0, 0) 是矩形左上角的坐标。
    • (img.width(), img.height()) 是矩形右下角的坐标。
    • 这里设置为整个图像范围,意味着在整张图片中搜索直线。
  2. x_stride=2

    • 水平方向上的采样步长。
    • 值为2表示每隔一个像素进行一次采样,即跳过一个像素。
    • 用于减少处理的数据量,提高速度,但可能略微降低精度。
  3. y_stride=1

    • 垂直方向上的采样步长。
    • 值为1表示每个垂直像素都会被采样。
    • 比x_stride小,意味着垂直方向的采样更密集。
  4. threshold=1000

    • 霍夫变换中的投票阈值。
    • 只有在参数空间中获得至少1000票的直线才会被检测并返回。
    • 较高的阈值会检测到更少但更显著的直线。
  5. theta_margin=25

    • 角度容差,单位为度。
    • 用于合并相似角度的直线。
    • 如果两条直线的角度差小于25度,它们可能被视为同一条线。
  6. rho_margin=25

    • 距离容差,单位为像素。
    • 用于合并距离相近的平行线。
    • 如果两条平行线的距离小于25像素,它们可能被合并为一条。

这些参数共同控制了直线检测的精度、灵敏度和效率。通过调整这些参数,可以在不同的应用场景中找到最佳的直线检测效果。例如,增加threshold可以减少检测到的直线数量,但会更关注主要的线条;减小stride可以提高检测精度,但会增加计算时间。

2、边缘检测

gray = img.to_grayscale(copy=True)
gray.find_edges(image.EDGE_SIMPLE, threshold=(50, 100))
img.draw_image(gray, 0, 0, mask=gray)        
  1. gray = img.to_grayscale(copy=True)

    • 将原始图像img转换为灰度图像。
    • copy=True参数表示创建一个新的图像副本,而不是直接修改原图。
    • 灰度图像只包含亮度信息,简化了后续的边缘检测过程。
  2. gray.find_edges(image.EDGE_SIMPLE, threshold=(50, 100))

    • 在灰度图像上执行边缘检测。
    • image.EDGE_SIMPLE指定使用简单的边缘检测算法。
    • threshold=(50, 100)设置双阈值:
      • 低阈值50:像素值低于此值不被视为边缘。
      • 高阈值100:像素值高于此值一定被视为边缘。
      • 介于两者之间的像素,如果与高于高阈值的像素相连,也被视为边缘。
  3. img.draw_image(gray, 0, 0, mask=gray)

    • 将检测到的边缘绘制回原始图像img上。
    • (0, 0)指定绘制的起始位置(左上角)。
    • mask=gray使用灰度图像作为掩码,确保只有边缘部分被绘制。

这种边缘检测技术常用于:

  • 物体轮廓提取
  • 图像分割
  • 特征识别
  • 计算机视觉任务的预处理

通过调整阈值,可以控制边缘检测的敏感度。较低的阈值会检测到更多的边缘,但可能包含更多噪声;较高的阈值则会检测到更少但更显著的边缘。

3、色块追踪

#####################################################################################################
# @file         main.py
# @author       正点原子团队(ALIENTEK)
# @version      V1.0
# @date         2024-01-17
# @brief        image图像色块追踪实验
# @license      Copyright (c) 2020-2032, 广州市星翼电子科技有限公司
#####################################################################################################
# @attention
#
# 实验平台:正点原子 K210开发板
# 在线视频:www.yuanzige.com
# 技术论坛:www.openedv.com
# 公司网址:www.alientek.com
# 购买地址:openedv.taobao.com
#
#####################################################################################################import lcd
import sensor
import gclcd.init()
sensor.reset()
sensor.set_framesize(sensor.QVGA)
sensor.set_pixformat(sensor.RGB565)
sensor.set_vflip(True)
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()
  1. [threshold]

    • 一个颜色阈值列表,用于定义要查找的色块的颜色范围。
    • 例如,可能是 [(0, 100, 0, 120, 0, 100)] 表示在LAB颜色空间中的特定范围。
  2. False

    • 这个参数通常用于指定是否进行像素级别的颜色匹配。
    • False 表示不进行像素级别的匹配,可能会更快但精度略低。
  3. (0, 0, img.width(), img.height())

    • 定义搜索色块的区域,这里是整个图像。
  4. x_stride=2, y_stride=1

    • 水平和垂直方向的扫描步长。
    • x_stride=2 表示每隔一个像素在水平方向扫描。
    • y_stride=1 表示垂直方向每个像素都扫描。
  5. area_threshold=10

    • 色块的最小面积阈值。
    • 小于此面积的色块将被忽略。
  6. pixels_threshold=10

    • 色块的最小像素数阈值。
    • 像素数少于此值的色块将被忽略。
  7. merge=True

    • 是否合并相邻的色块。
    • True 表示会合并靠近的色块。
  8. margin=10

    • 合并色块时的边距。
    • 如果两个色块的距离小于这个值,它们可能会被合并。

这个函数的作用是:

  • 在指定的颜色范围内搜索色块。
  • 使用给定的步长进行扫描,以平衡速度和精度。
  • 过滤掉太小的色块(基于面积和像素数)。
  • 可能合并相近的色块。

这种色块检测通常用于:

  • 目标检测和跟踪
  • 颜色分割
  • 物体计数
  • 图像分析和处理

通过调整这些参数,你可以根据具体需求优化色块检测的效果和效率。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/50158.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

数据结构和算法入门

1.了解数据结构和算法 1.1 二分查找 二分查找(Binary Search)是一种在有序数组中查找特定元素的搜索算法。它的基本思想是将数组分成两半,然后比较目标值与中间元素的大小关系,从而确定应该在左半部分还是右半部分继续查找。这个…

基于 HTML+ECharts 实现智慧安防数据可视化大屏(含源码)

构建智慧安防数据可视化大屏:基于 HTML 和 ECharts 的实现 随着科技的不断进步,智慧安防系统已经成为保障公共安全的重要工具。通过数据可视化,安防管理人员可以实时监控关键区域的安全状况、人员流动以及设备状态,从而提高应急响…

在oracle下创建普通视图和物化视图

1.创建普通试图 CREATE OR REPLACE VIEW FAST_BALANCE_TAB_VIEW AS SELECT * FROM DUAL; 2.创建物化视图 create materialized view FAST_BALANCE_TAB_MVVIEW REFRESH FORCE ON DEMAND START WITH SYSDATE(2/(24*3600)) AS select * from Fast_Balance_Tab_View fidcard;…

XSS攻击与CSRF攻击

XSS攻击 XSS(Cross Site Scripting,跨站脚本攻击),是指攻击者利用站点的漏洞,在表单提交时,在表单内容中加入一些恶意脚本,当其他正常用户浏览页面,而页面中刚好出现攻击者的恶意脚…

ffmpeg更改视频的帧率

note 视频帧率调整 帧率(fps-frame per second) 例如:原来帧率为30,调整后为1 现象:原来是每秒有30张图像,调整后每秒1张图像,看着图像很慢 实现:在每秒的时间区间里,取一张图像…

【数据结构】手把手教你单链表(c语言)(附源码)

🌟🌟作者主页:ephemerals__ 🌟🌟所属专栏:数据结构 目录 前言 1.单链表的概念与结构 2.单链表的结构定义 3.单链表的实现 3.1 单链表的方法声明 3.2 单链表方法实现 3.2.1 打印链表 3.2.2 创建新…

四、GD32 MCU 常见外设介绍(8)SPI 模块介绍

串行外设接口(Serial Peripheral Interface,缩写为 SPI) 提供了基于SPI 协议的数据发送和接收功能, 可以工作于主机或从机模式。 SPI 接口支持具有硬件 CRC 计算和校验的全双工和单工模式。 8.1.SPI 基础知识 SPI 物理层 SPI接…

基于dcm4chee搭建的PACS系统讲解(三)服务端使用Rest API获取study等数据

文章目录 DICOMWeb Support模块主要数据结构ER查询信息基本信息metadata信息统计信息 实践查询API及参数解析API返回的json数组定义VRObjectNodeObjectMapper解析显示指定tag并解析 后记 前期预研的PACS系统,近期要在项目中上线了。因为PACS系统采用无权限认证&…

qt--电子相册

一、项目要求 设计一个电子相册&#xff0c;点击上一张&#xff0c;切换到上一张图片&#xff0c;点击下一张&#xff0c;切换到下一张图片。 要求&#xff1a;图片的展示可以循环&#xff08;QList<QString>&#xff09; 要求&#xff1a;界面美观 二、项目代码 本质是通…

mac中如何使用obs推流以及使用vlc播放

使用obs推流 1.打开obs&#xff0c;在“来源”框中->点加号->选择媒体源->选择本地ts文件 2.obs中->点击右下角设置->点直播->服务选自定义->服务器填写你的srt服务url&#xff0c;比如&#xff1a;srt://192.168.13.211:14000?modecaller 注意&#xff…

中小企业常见的网络安全问题及防范措施

在数字化浪潮的推动下&#xff0c;我国中小企业的信息化建设取得了显著成就。然而&#xff0c;随着网络安全形势的日益严峻&#xff0c;中小企业在网络安全方面的短板逐渐暴露出来。本文将从中小企业网络安全现状出发&#xff0c;深入剖析其存在的问题&#xff0c;并提出针对性…

概率论--矩估计

目录 简介 矩估计法的基本步骤 延伸 矩估计法在大样本情况下的准确性和有效性如何评估&#xff1f; 在实际应用中&#xff0c;矩估计法的局限性有哪些具体例子&#xff1f; 如何处理矩估计法在某些情况下可能出现的不合理解或无法唯一确定参数的问题&#xff1f; …

vue3前端开发-小兔鲜项目-form表单的统一校验

vue3前端开发-小兔鲜项目-form表单的统一校验&#xff01;实际上&#xff0c;为了安全起见&#xff0c;用户输入的表单信息&#xff0c;要满足我们的业务需求&#xff0c;参数类型等种种标准之后&#xff0c;才会允许用户向服务器发送登录请求。为此&#xff0c;有必要进行一次…

gstreamer使用cairo实现视频OSD叠加

前言 gstreamer中视频叠加OSD有很多种方式&#xff0c;比如textoverlay添加文字&#xff0c;gdkpixbufoverlay添加图片&#xff0c;clockoverlay或timeoverlay插件显示时间&#xff0c;pango插件进行复杂文本渲染&#xff0c;使用cairo插件绘制图形或者文字。 今天使用最后一…

【React】详解样式控制:从基础到进阶应用的全面指南

文章目录 一、内联样式1. 什么是内联样式&#xff1f;2. 内联样式的定义3. 基本示例4. 动态内联样式 二、CSS模块1. 什么是CSS模块&#xff1f;2. CSS模块的定义3. 基本示例4. 动态应用样式 三、CSS-in-JS1. 什么是CSS-in-JS&#xff1f;2. styled-components的定义3. 基本示例…

ADS 使用教程(二十八)Working with FEM Mesh Field Data in ADS

ADS 使用教程&#xff08;二十七&#xff09;Getting Started with Full 3D FEM Simulation in ADS 在这一节中&#xff0c;我们来谈论一下在ADS中处理有限元法&#xff08;FEM&#xff09;网格和场数据的步骤。 在上一节中&#xff0c;我们进行了FEM仿真&#xff0c;并保存了…

在 MinIO 使用 SVE 将 ARM 带入人工智能数据基础设施领域

MinIO 性能如此之高的原因之一是&#xff0c;我们做了其他人不会或不能做的细粒度工作。从 SIMD 加速到 AVX-512 优化&#xff0c;我们已经完成了艰巨的任务。ARM CPU 架构的最新发展&#xff0c;特别是可扩展矢量扩展 &#xff08;SVE&#xff09;&#xff0c;为我们提供了比前…

【微信小程序】微信小程序设置本地背景图片在真机无法显示的解决方案

微信小程序设置本地背景图片在真机无法显示的解决方案 在开发微信小程序时&#xff0c;很多开发者会遇到一个常见的问题&#xff1a;在调试环境中设置本地背景图片可以正常显示&#xff0c;但在真机上却无法显示。本文将详细探讨这一问题的原因&#xff0c;并提供三种解决方案…

《Cross-Modal Dynamic Transfer Learning for Multimodal Emotion Recognition》

Multi-modal系列论文研读目录 文章目录 Multi-modal系列论文研读目录1.ABSTRACT2.INDEX TERMS3.INTRODUCTION4.RELATED WORKSA. MULTIMODAL EMOTION RECOGNITION 多模态情感识别1) CONVENTIONAL FUSION METHODS 常规融合方法2) TRANSFORMER-BASED FUSION METHODS 基于变压器的融…

2023河南萌新联赛第(二)场 南阳理工学院

A. 国际旅行Ⅰ 题目&#xff1a; 思路&#xff1a; 因为题意上每个国家可以相互到达&#xff0c;所以只需要排序&#xff0c;输出第k小的值就可以了。 AC代码&#xff1a; #include<bits/stdc.h> #define int long long #define IOS ios::sync_with_stdio(0);cin.tie…