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。