OpenMV初识

来源:ku77

openMV简介

OpenMV是由美国克里斯团队基于MicroPython发起的开源机器视觉项目，目的是创建低成本，可扩展，使用python驱动的机器视觉模块。OpenMV搭载了MicroPython解释器，使其可以在嵌入式端进行python开发。OpenMV基于32位，ARM Cortex-M7内核的OpenMV-H7, 并结合各种摄像头，可以进行多种机器视觉应用的实现，比如人脸检测，物体分类等。

对于省钱党来说这是一个开源的项目，所以有兴趣的可以自己上网找相关资料自制一个，可以省个一两百块大洋。安利一篇文章

一、硬件准备

1. OpenMV

2. 一根micro usb的数据线(一定要有数据传输功能的)

3. 电脑、网络

二、软件准备

1. 在openMV官网下载openmv IDE https://book.openmv.cc/

IDE是由Qt Creator编写，可以跨平台使用，官网提供了windows、mac os、Linux ubuntu 32位和64位，以及树莓派的版本，满足各个平台的开发，使得其应用更加广泛。Windows系统就选第一个啦。

下载得到安装包：

安装过程一路Next，值得一提的是默认安装C盘，可以手动修改安装路径为其它盘，不影响使用。

下一步可以连接上硬件：

电脑将自动识别出一个U盘：

这是由于单片机烧入了固件程序将内部的Flash虚拟成了一个U盘可以看到这个U盘容量特别小，因此在后期的使用过程中建议插SD卡。

用SD卡的好处多多:

1.SD卡也是一个文件系统，当上电的时候，如果插入SD卡，那么SD卡的文件系统就会自动取代内置的Flash文件系统，每次上电，就会运行SD卡中的main.py啦，还可以减少对stm32flash擦除次数，延长寿命。

2.SD卡最大支持2TB的容量。因此可以保存些大的程序，还可以放置训练好的神经网络模型，也可以放置需要对比的图片等进行调用。

内部放置了三个文件，其中main.py文件就是要运行的程序文件。

注：有时会出现驱动安装不完整的情况，打开设备管理器可以看到有个感叹号，我们可以更新驱动程序

官网上有非常详细的解决步骤: 在这

三、软件的功能与使用

OpenMV提供了两者阈值设置方案。分别是阈值编译器和直方图的方式选择阈值。

阈值编译器：优点，所寻找到的目标颜色更加合理，其他相似颜色区域的干扰比较小。缺点，调节LAB的最大最小值比较花费时间。

直立方图恰好相反，他很容易找到LAB的最大最小值的大体区间，但是容易受到相似颜色区域的干扰。所以，建议两者配合使用。

先用直立方图找到LAB的最大最小值的大体区间，再利用阈值编译器对LAB的最大最小值进行微调。

软件安装完成后在主菜单可以找到这个图标：

打开这个软件会跳出一个默认的helloworld.py的例程(其它示例在文件选项可以看到)，软件页面如下：

页面左边是代码区域，右上角是帧缓冲区(可以显示摄像头拍到的)，我们要选择红色盒子作为目标对象，只需要在帧缓冲区，拖动鼠标左键即可。右下角直方图可以选择四种色彩空间：

·RBG色彩空间：R代表红色，B代表蓝色，G代表绿色。它是一种线性色彩空间，其中颜色是通过红色，绿色和蓝色值的线性组合获得的。(做颜色识别的功能时比较方便)

·灰度(GRAY)色彩空间：单通道格式，值为0~255，颜色值为黑白之间，0是黑色，255是白色。（处理识别数字或轮廓等二值计算时速度比较快）

·LAB色彩空间：Lab颜色空间中，L亮度；a的正数代表红色，负端代表绿色；b的正数代表黄色，负端代表蓝色。不像RGB和CMYK色彩空间，Lab颜色被设计来接近人类视觉。（）

·YUV色彩空间：“Y”表示明亮度，也就是灰阶值，“U”和“V”表示的则是色度，作用是描述影像色彩及饱和度，用于指定像素的颜色。

参考：常用色彩空间概念   

根据直方图（LAB色彩空间）可知，我们的L最大值选择80，最小值为60。A最大值为40，最小值为-20。B的最大值为20，最小值为-10。（注：这个只需要包含绝大部分就行）

阈值编译器只有LAB阈值和灰度阈值设置，由上述四图可得，LAB分布值比较集中，所以选用LAB阈值。

之后进行阈值编译器设置：

左上方工具——>机器视觉——>阈值编译器——>帧缓冲区。

可对要判断图像的LAB值进行调整。注意：这个时候OpenMV会截取帧缓冲区内照片(当前的图片)作为LAB值调整。所以我们采用阈值编译器的时候，需要提前将目标识别单位(红色盒子)放在OpenMV摄像头之前。再进行操作。

根据直立方图的值，我们调整LAB最大和最小值，尽可能地让要目标识别对象变成全白色。（注：即使没有全部变成白色也不影响，反正最后会把所有没有被滤除的白色区域变成一个大框）然后复制下方的LAB阈值。

(58, 80, 19, 51, -10, 21)和直方图读取的数做一个对比(60,80,-20,40,-10,20)。

在这里只是举个例子，其它识别中，也可用其它的色彩空间进行识别。

审核编辑：汤梓红