來源:ku77

openMV簡介

OpenMV是由美國克里斯團隊基于MicroPython發起的開源機器視覺項目，目的是創建低成本，可擴展，使用python驅動的機器視覺模塊。OpenMV搭載了MicroPython解釋器，使其可以在嵌入式端進行python開發。OpenMV基于32位，ARM Cortex-M7內核的OpenMV-H7, 并結合各種攝像頭，可以進行多種機器視覺應用的實現，比如人臉檢測，物體分類等。

對于省錢黨來說這是一個開源的項目，所以有興趣的可以自己上網找相關資料自制一個，可以省個一兩百塊大洋。安利一篇文章

一、硬件準備

1.OpenMV

2.一根micro usb的數據線(一定要有數據傳輸功能的)

3.電腦、網絡

二、軟件準備

1.在openMV官網下載openmv IDEhttps://book.openmv.cc/

IDE是由Qt Creator編寫，可以跨平臺使用，官網提供了windows、mac os、Linux ubuntu 32位和64位，以及樹莓派的版本，滿足各個平臺的開發，使得其應用更加廣泛。Windows系統就選第一個啦。

下載得到安裝包：

安裝過程一路Next，值得一提的是默認安裝C盤，可以手動修改安裝路徑為其它盤，不影響使用。

下一步可以連接上硬件：

電腦將自動識別出一個U盤：

這是由于單片機燒入了固件程序將內部的Flash虛擬成了一個U盤可以看到這個U盤容量特別小，因此在后期的使用過程中建議插SD卡。

用SD卡的好處多多:

1.SD卡也是一個文件系統，當上電的時候，如果插入SD卡，那么SD卡的文件系統就會自動取代內置的Flash文件系統，每次上電，就會運行SD卡中的main.py啦，還可以減少對stm32flash擦除次數，延長壽命。

2.SD卡最大支持2TB的容量。因此可以保存些大的程序，還可以放置訓練好的神經網絡模型，也可以放置需要對比的圖片等進行調用。

內部放置了三個文件，其中main.py文件就是要運行的程序文件。

注：有時會出現驅動安裝不完整的情況，打開設備管理器可以看到有個感嘆號，我們可以更新驅動程序

官網上有非常詳細的解決步驟:在這

三、軟件的功能與使用

OpenMV提供了兩者閾值設置方案。分別是閾值編譯器和直方圖的方式選擇閾值。

閾值編譯器：優點，所尋找到的目標顏色更加合理，其他相似顏色區域的干擾比較小。缺點，調節LAB的最大最小值比較花費時間。

直立方圖恰好相反，他很容易找到LAB的最大最小值的大體區間，但是容易受到相似顏色區域的干擾。所以，建議兩者配合使用。

先用直立方圖找到LAB的最大最小值的大體區間，再利用閾值編譯器對LAB的最大最小值進行微調。

軟件安裝完成后在主菜單可以找到這個圖標：

打開這個軟件會跳出一個默認的helloworld.py的例程(其它示例在文件選項可以看到)，軟件頁面如下：

頁面左邊是代碼區域，右上角是幀緩沖區(可以顯示攝像頭拍到的)，我們要選擇紅色盒子作為目標對象，只需要在幀緩沖區，拖動鼠標左鍵即可。右下角直方圖可以選擇四種色彩空間：

·RBG色彩空間：R代表紅色，B代表藍色，G代表綠色。它是一種線性色彩空間，其中顏色是通過紅色，綠色和藍色值的線性組合獲得的。(做顏色識別的功能時比較方便)

·灰度(GRAY)色彩空間：單通道格式，值為0~255，顏色值為黑白之間，0是黑色，255是白色。（處理識別數字或輪廓等二值計算時速度比較快）

·LAB色彩空間：Lab顏色空間中，L亮度；a的正數代表紅色，負端代表綠色；b的正數代表黃色，負端代表藍色。不像RGB和CMYK色彩空間，Lab顏色被設計來接近人類視覺。（）

·YUV色彩空間：“Y”表示明亮度，也就是灰階值，“U”和“V”表示的則是色度，作用是描述影像色彩及飽和度，用于指定像素的顏色。

參考：常用色彩空間概念

根據直方圖（LAB色彩空間）可知，我們的L最大值選擇80，最小值為60。A最大值為40，最小值為-20。B的最大值為20，最小值為-10。（注：這個只需要包含絕大部分就行）

閾值編譯器只有LAB閾值和灰度閾值設置，由上述四圖可得，LAB分布值比較集中，所以選用LAB閾值。

之后進行閾值編譯器設置：

左上方工具——>機器視覺——>閾值編譯器——>幀緩沖區。

可對要判斷圖像的LAB值進行調整。注意：這個時候OpenMV會截取幀緩沖區內照片(當前的圖片)作為LAB值調整。所以我們采用閾值編譯器的時候，需要提前將目標識別單位(紅色盒子)放在OpenMV攝像頭之前。再進行操作。

根據直立方圖的值，我們調整LAB最大和最小值，盡可能地讓要目標識別對象變成全白色。（注：即使沒有全部變成白色也不影響，反正最后會把所有沒有被濾除的白色區域變成一個大框）然后復制下方的LAB閾值。

(58, 80, 19, 51, -10, 21)和直方圖讀取的數做一個對比(60,80,-20,40,-10,20)。

在這里只是舉個例子，其它識別中，也可用其它的色彩空間進行識別。

審核編輯：湯梓紅