基於OpenMV的圖像識別之數字識別功能
基於OpenMV的圖像識別
OpenMV簡介
什麼是OpenMV
OpenMV是由美國克裡斯團隊基於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搭載瞭MicroPython解釋器,使其可以在嵌入式端進行python開發,關於MicroPython可以參照我之前的博客專欄:MicroPython. OpenMV基於32位,ARM Cortex-M7內核的OpenMV-H7, 並結合各種攝像頭,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。
OpenMV是一個開源,低成本,功能強大的機器視覺模塊,以STM32F427CPU為核心,集成瞭OV7725攝像頭芯片,在小巧的硬件模塊上,用C語言高效地實現瞭核心機器視覺算法,提供Python編程接口 。同時 OpenMV也是一個可編程的攝像頭,通過Python語言可實現你想要的邏輯。而且攝像頭本身也內置瞭一些圖像處理的算法,使用起來也更加的方便,僅需要寫一些簡單的Python代碼,即可輕松的完成各種機器視覺相關的任務。在此,我們通過OpenMV實現瞭數字識別。
在打開OpenMV攝像頭鏈接電腦時,會彈出讓你升級的窗口
這時切忌一定要選擇Cancel鍵,
不能選擇升級!!!
不能選擇升級!!!
不能選擇升級!!!
然後在進行下一步的操作
OpenMV中文入門視頻教程
一、數字識別
數字識別的基礎是需要配置使用NCC模板匹配。通過NCC模板的匹配可把
需要識別的數字模板圖片保存到SD卡中,然後可進行下一步的識別。
1、可以通過打開模板匹配的歷程來直接打開代碼進行使用
2、如果運行出現這個窗口就說明沒有保存模板圖片
所以這時就需要創建一個模板圖片:創建模板圖片的詳細視頻教程
創建一個模板圖片首先要打開一個helloworld歷程文件
然後在helloworld歷程文件中進行匹配0~9這樣的基本數字,對這些數字進
行一一截取,用它們來作為我們的模板圖片。
在右邊的Frame Buffer框中進行截取,註意:不要點Zoom,因為Zoom展示
的是放大後的效果,在識別時可能會導致失幀。
然後點擊左鍵選出一個框(如圖所示)
選完框後點擊右鍵選擇Save Image selection to PC
最後把截取的數字圖片進行保存,一定要保存到OpenMV的SD卡中,保存的文件名可自己
定義
3、把template.pgm改為你創建的模板圖片的名稱
(註意:模板圖片的格式一定要是pgm的格式,轉換格式可以在
https://convertio.co/zh/bmp-pgm/網站直接進行轉換)
4、改完之後就可以運行
下面展示一些 有關數字識別的代碼。
此代碼為源代碼,可根據自己的需求在上面進行改動。
代碼來源:數字識別代碼,可直接引用並修改
# Template Matching Example - Normalized Cross Correlation (NCC) # # This example shows off how to use the NCC feature of your OpenMV Cam to match # image patches to parts of an image... expect for extremely controlled enviorments # NCC is not all to useful. # # WARNING: NCC supports needs to be reworked! As of right now this feature needs # a lot of work to be made into somethin useful. This script will reamin to show # that the functionality exists, but, in its current state is inadequate. import time, sensor, image from image import SEARCH_EX, SEARCH_DS # Reset sensor sensor.reset() # Set sensor settings sensor.set_contrast(1) sensor.set_gainceiling(16) # Max resolution for template matching with SEARCH_EX is QQVGA sensor.set_framesize(sensor.QQVGA) # You can set windowing to reduce the search image. #sensor.set_windowing(((640-80)//2, (480-60)//2, 80, 60)) sensor.set_pixformat(sensor.GRAYSCALE) # Load template. # Template should be a small (eg. 32x32 pixels) grayscale image. template8 = image.Image("/8.pgm") template9 = image.Image("/9.pgm") clock = time.clock() # Run template matching while (True): clock.tick() img = sensor.snapshot() # find_template(template, threshold, [roi, step, search]) # ROI: The region of interest tuple (x, y, w, h). # Step: The loop step used (y+=step, x+=step) use a bigger step to make it faster. # Search is either image.SEARCH_EX for exhaustive search or image.SEARCH_DS for diamond search # # Note1: ROI has to be smaller than the image and bigger than the template. # Note2: In diamond search, step and ROI are both ignored. r 8= img.find_template(template8, 0.70, step=4, search=SEARCH_EX) #, roi=(10, 0, 60, 60)) if r8: img.draw_rectangle(r8) r 9= img.find_template(template9, 0.70, step=4, search=SEARCH_EX) #, roi=(10, 0, 60, 60)) if r9: img.draw_rectangle(r9) print(clock.fps())
運行的結果如圖所示
到此這篇關於基於OpenMV的圖像識別之數字識別的文章就介紹到這瞭,更多相關OpenMV圖像識別內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- 詳解OpenMV圖像處理的基本方法
- 超詳細OpenMV與STM32單片機通信 附完整源碼
- python opencv鼠標畫矩形框之cv2.rectangle()函數
- Micropython固件使用Pico刷固件並配置VsCode開發環境的方法
- Python趣味挑戰之教你用pygame畫進度條