前言

第一次接触寻找色块，也就是颜色识别是在上一届工程训练赛看到学长们的小车用openmv实现的，当初觉得很不可思议，一直有一个疑问，它是怎么实现颜色识别的呢？经过多MAIX BIT（K210）一段时间的接触，终于对色块识别有了初步的认识。

MAIX BIT（K210）是由openmv魔改而来，所以在有些使用方法上是一样的，比如色块识别。openmv的色块识别可以看这里。

一、阈值

1.结构

一个颜色阈值的结构是这样的：

red = (minL, maxL, minA, maxA, minB, maxB)

元组里面的数值分别是L A B 的最大值和最小值。

2.IDE指定识别颜色

1、
在IED中打开阈值编辑器
在这里插入图片描述
2、选择颜色图片来源

选择帧缓冲区需要实现运行IDE并将想要识别的颜色保持在缓冲区中

图像文件只需要打开想要识别颜色的图片，比如

然后调节跟踪阈值，将想要识别的颜色调整为高亮（白色），之后出现的阈值就是我们想要识别颜色的阈值，复制即可。
在这里插入图片描述

二、构造函数

1.find_blobs函数

通过find_blobs函数可以找到色块

image.find_blobs(thresholds, roi=Auto, x_stride=2, y_stride=1, invert=False, area_threshold=10, pixels_threshold=10, merge=False, margin=0, threshold_cb=None, merge_cb=None)

参数说明：
thresholds是颜色的阈值，注意：这个参数是一个列表，可以包含多个颜色。如果你只需要一个颜色，那么在这个列表中只需要有一个颜色值，如果你想要多个颜色阈值，那这个列表就需要多个颜色阈值。注意：在返回的色块对象blob可以调用code方法，来判断是什么颜色的色块。
例如：

red = (xxx,xxx,xxx,xxx,xxx,xxx)
blue = (xxx,xxx,xxx,xxx,xxx,xxx)
yellow = (xxx,xxx,xxx,xxx,xxx,xxx)

img=sensor.snapshot()
red_blobs = img.find_blobs([red])

color_blobs = img.find_blobs([red,blue, yellow])

roi是“感兴趣区”。详情可以看这里。
例如：

left_roi = [0,0,160,240]
blobs = img.find_blobs([red],roi=left_roi)

x_stride 就是查找的色块的x方向上最小宽度的像素，默认为2，如果你只想查找宽度10个像素以上的色块，那么就设置这个参数为10：

blobs = img.find_blobs([red],x_stride=10

y_stride 就是查找的色块的y方向上最小宽度的像素，默认为1，如果你只想查找宽度5个像素以上的色块，那么就设置这个参数为5：

blobs = img.find_blobs([red],y_stride=5)

invert 反转阈值，把阈值以外的颜色作为阈值进行查找

扫描二维码关注公众号，回复： 15580819 查看本文章

area_threshold 面积阈值，如果色块被框起来的面积小于这个值，会被过滤掉

pixels_threshold 像素个数阈值，如果色块像素数量小于这个值，会被过滤掉

merge 合并，如果设置为True，那么合并所有重叠的blob为一个。
注意：这会合并所有的blob，无论是什么颜色的。如果你想混淆多种颜色的blob，只需要分别调用不同颜色阈值的find_blobs。

all_blobs = img.find_blobs([red,blue,yellow],merge=True)

red_blobs = img.find_blobs([red],merge=True)
blue_blobs = img.find_blobs([blue],merge=True)
yellow_blobs = img.find_blobs([yellow],merge=True)

margin 边界，如果设置为1，那么两个blobs如果间距1一个像素点，也会被合并。

2.Blob 类 – 色块对象函数

函数	说明
blob.rect()	返回这个色块的外框——矩形元组(x, y, w, h)，可以直接在image.draw_rectangle中使用。
blob.x()	返回色块的外框的x坐标（int），也可以通过blob[0]来获取。
blob.y()	返回色块的外框的y坐标（int），也可以通过blob[1]来获取。
blob.w()	返回色块的外框的宽度w（int），也可以通过blob[2]来获取。
blob.h()	返回色块的外框的高度h（int），也可以通过blob[3]来获取。
blob.pixels()	返回色块的像素数量（int），也可以通过blob[4]来获取。
blob.cx()	返回色块的外框的中心x坐标（int），也可以通过blob[5]来获取。
blob.cy()	返回色块的外框的中心y坐标（int），也可以通过blob[6]来获取。
blob.rotation()	返回色块的旋转角度（单位为弧度）（float）。如果色块类似一个铅笔，那么这个值为0_{180°。如果色块是一个圆，那么这个值是无用的。如果色块完全没有对称性，那么你会得到0}360°，也可以通过blob[7]来获取。
blob.code()	返回一个16bit数字，每一个bit会对应每一个阈值。举个例子:blobs = img.find_blobs([red, blue, yellow], merge=True) 。如果这个色块是红色，那么它的code就是0001，如果是蓝色，那么它的code就是0010。注意：一个blob可能是合并的，如果是红色和蓝色的blob，那么这个blob就是0011。这个功能可以用于查找颜色代码。也可以通过blob[8]来获取。
blob.count()	如果merge=True，那么就会有多个blob被合并到一个blob，这个函数返回的就是这个的数量。如果merge=False，那么返回值总是1。也可以通过blob[9]来获取。
blob.area()	返回色块的外框的面积。应该等于(w * h)
blob.density()	返回色块的密度。这等于色块的像素数除以外框的区域。如果密度较低，那么说明目标锁定的不是很好。比如，识别一个红色的圆，返回的blob.pixels()是目标圆的像素点数，blob.area()是圆的外接正方形的面积。

三、使用方法

MaixPy 已经在 image 模块中实现有查找色块方法，需要使用非 minimum 固件版本。点击这里下载。

1.识别绿色

例程：

#初始化
import sensor
import image
import lcd
import time
lcd.init()
sensor.reset()
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QVGA)
sensor.run(1)
green_threshold   = (70, 46, -128, 127, -128, 127)
while True:
    img=sensor.snapshot()
    blobs = img.find_blobs([green_threshold])
    if blobs:
        for b in blobs:
            tmp=img.draw_rectangle(b[0:4])##在图像上绘制一个矩形。
            tmp=img.draw_cross(b[5], b[6])##画十字交叉            
    lcd.display(img)

运行效果：

maix bit颜色识别

总结

MAIX BIT(K210)的色块识别和openmv的使用方法是非常类似的，大部分的代码都可以直接用。

K210学习笔记（九）——色块识别

前言