第三十五章 image图像特征检测实验
1)实验平台:正点原子DNK210开发板
2)章节摘自【正点原子】DNK210使用指南 - CanMV版 V1.0
3)购买链接:https://detail.tmall.com/item.htm?&id=782801398750
4)全套实验源码+手册+视频下载地址:http://www.openedv.com/docs/boards/k210/ATK-DNK210.html
5)正点原子官方B站:https://space.bilibili.com/394620890
6)正点原子K210技术交流企鹅群:605557868
在上一章节中,介绍了image模块中图像滤波方法给的使用,本章将继续介绍image模块中图像特征检测方法的使用。通过本章的学习,读者将学习到image模块中图像特征检测的使用。
本章分为如下几个小节:
35.1 image模块图像特征检测方法介绍
35.2 硬件设计
35.3 程序设计
35.4 运行验证
35.1 image模块图像特征检测方法介绍
image模块为Image对象提供了find_edges()方法,用于检测图像中的边缘特征,find_edges()方法如下所示:
image.find_edges(edge_type, threshold=(100, 200))
find_edges()方法用于检测图像中的边缘特征,该方法会将图像变为黑白,仅将边缘像素保留为白色,需要注意的是该方法仅支持灰度图像。
edge_type指的是边缘检测算法的选择,可以是image.EDGE_SIMPLE(简单的阈值高通滤波算法)或image.EDGE_CANNY(Canny边缘检测算法)。
threshold指的是一个包含一个低阈值和一个高阈值的二值元组,可以通过调整阈值来控制边缘质量,默认为(100, 200)。
find_edges()方法会返回经过处理的Image对象。
find_edges()方法的使用示例如下所示:
import image
img = image.Image(size=(320, 240))
img.to_grayscale()
img.find_edges(image.EDGE_SIMPLE, threshold=(100, 255))
image模块为Image对象提供了find_circles()方法,用于检测图像中的圆形特征,find_circles()方法如下所示:
image.find_circles(roi, x_stride=2, y_stride=1, threshold=2000, x_margin=10, y_margin=10,
r_margin=10, r_min=2, r_max, r_step=2)
find_circles()方法用于检测图像中的圆形特征,该方法使用霍夫变换在图像中查找圆。
roi指的是对Image对象感兴趣的区域,若未指定,即为图像矩形。
x_stride和y_stride指的是霍夫变换时需要跳过的X和Y像素的数量,若已知被检测圆的半径较大,可以增加该参数。
threshold指的是霍夫变换阈值,只返回大于或等于阈值的圆。
x_margin、y_margin和r_margin指的是控制所检测的圆的合并,圆像素为x_margin、y_margin和r_margin的部分合并。
r_min和r_max指的是圆半径的阈值,只返回半径在阈值间的圆。
r_step指的是检测时的半径步进。
find_cricles()方法会返回一个image.circle对象列表
find_circles()方法的使用示例如下所示:
import image
img = image.Image(size=(320, 240))
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)
image模块为Image对象提供了find_lines()方法,用于检测图像中的直线特征,find_lines()方法如下所示:
image.find_lines(roi, x_stride=2, y_stride=1, threshold=1000, theta_margin=25, rho_margin=25)
find_lines()方法用于检测图像中的直线特征,该方法使用霍夫变换在图像中查找直线。
roi指的是对Image对象感兴趣的区域,若未指定,即为图像矩形。
x_stride和y_stride指的是霍夫变换时需要跳过的X和Y像素的数量,若已知被检测直线较大,可以增加该参数。
threshold指的是霍夫变换阈值,只返回大于或等于阈值的直线。
theta_margin和rho_margin指的是所检测直线的合并,直线角度为theta_margin的部分和直线p值为rho_margin的部分合并。
find_lines()方法会返回image.line对象列表。
find_lines()方法的使用示例如下所示:
import image
img = image.Image(size=(320, 240))
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)
image模块为Image对象提供了find_hog()方法,用于检测图像中的定向梯度特征,find_hog()方法如下所示:
image.find_hog(roi, size=8)
find_hog()方法用于用HoG(定向梯度直方图)线替换图像中的像素,需要注意的是该方法仅支持灰度图像。
roi指的是对Image对象感兴趣的区域,若未指定,即为图像矩形。
size指的是HoG的尺寸。
find_hog()方法会返回经过处理的Image对象。
find_hog()方法的使用示例如下所示:
import image
img = image.Image(size=(320, 240))
img.find_hog((0, 0, img.width(), img.height()), size=8)
35.2 硬件设计
35.2.1 例程功能
- 获取摄像头输出的图像,并使用image模块对图像进行一些特征检测后,将图像显示在LCD上。
- 当KEY0按键被按下后,切换image模块对图像的特征检测方式。
35.2.2 硬件资源
本章实验内容,主要讲解image模块的使用,无需关注硬件资源。
35.2.3 原理图
本章实验内容,主要讲解image模块的使用,无需关注原理图。
35.3 程序设计
35.3.1 image模块图像特征检测方法介绍
有关image模块图像特征检测方法的介绍,请见第35.1小节《image模块图像特征检测方法介绍》。
35.3.2 程序流程图
图35.3.2.1image图像特征检测实验流程图
35.3.3 main.py代码
main.py中的脚本代码如下所示:
from board import board_info
from fpioa_manager import fm
from maix import GPIO
import time
import lcd
import sensor
import image
import gc
lcd.init()
sensor.reset()
sensor.set_framesize(sensor.QVGA)
sensor.set_pixformat(sensor.RGB565)
sensor.set_hmirror(False)
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 key0
global type
time.sleep_ms(20)
if key is key0 and key.value() == 0:
type = type + 1
if 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
pass
elif 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 gray
elif 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 = 0
img.draw_string(10, 10, type_dict[type], color=(255, 0, 0), scale=1.6)
lcd.display(img)
gc.collect()
可以看到一开始是先初始化了LCD、摄像头和中断按键,并且按下中断按键可以切换图像特征检测的方式。
接着在一个循环中不断地获取摄像头输出的图像,因为获取到的图像就是Image对象,因此可以直接调用image模块为Image对象提供的各种方法,然后就是对图像进行特征检测,最后在LCD显示图像以及检测到的特征。
35.4 运行验证
将DNK210开发板连接CanMV IDE,点击CanMV IDE上的“开始(运行脚本)”按钮后,便能看到LCD上显示了处理后的摄像头图像,按下KEY0按键还能够切换特征检测方式,如下图所示:
图35.4.1 摄像头原图图像
图35.4.2 边缘检测
图35.4.3 圆形检测
图35.4.4 直线检测
图35.4.5 HoG检测