3.6.3-通過顏色區(qū)域+霍夫變換檢測(cè)圓形+三種顏色閾值設(shè)置 openmv+STM32串口通信

**非常詳細(xì)的視頻和文字教程，講解常見的openmv教程包括 巡線、物體識(shí)別、圓環(huán)識(shí)別、閾值自動(dòng)獲取等。非常適合學(xué)習(xí)openmv、K210、K230等項(xiàng)目
視頻合集鏈接在

3.6.3-通過顏色區(qū)域+霍夫變換檢測(cè)圓形+三種顏色閾值設(shè)置

• 通過顏色閾值分割找到目標(biāo)顏色的區(qū)域。
• 在目標(biāo)區(qū)域內(nèi)使用霍夫變換檢測(cè)圓形。
• 使用卡爾曼濾波器對(duì)檢測(cè)到的圓環(huán)位置進(jìn)行預(yù)測(cè)和跟蹤。
• 將預(yù)測(cè)的圓心和圓環(huán)限制在目標(biāo)顏色框內(nèi)。

import sensor, image, time, math
from ulab import numpy as np

#教程作者:好家伙VCC
#歡迎交流群QQ: 771027961 作者郵箱: 1930299709@qq.com
#更多教程B站主頁(yè):[好家伙VCC的個(gè)人空間-好家伙VCC個(gè)人主頁(yè)-嗶哩嗶哩視頻](https://space.bilibili.com/434192043)
#淘寶主頁(yè)鏈接:[首頁(yè)-好家伙VCC-淘寶網(wǎng)](https://shop415231378.taobao.com)
#更多嵌入式手把手教程-盡在好家伙VCC
# ******************** 參數(shù)配置 ********************
# 顏色閾值配置（LAB格式）
color_thresholds = {
    'red':   (0, 100, 0, 127, 0, 127),
    'green': (0, 100, -128, -10, 0, 127),
    'blue':  (0, 100, -128, 127, -128, -10)
}

# 當(dāng)前目標(biāo)顏色（按需切換）
target_color = 'red'

# 霍夫變換參數(shù)
HOUGH_THRESHOLD = 2000   # 檢測(cè)靈敏度（值越高要求邊緣越明顯）
MIN_RADIUS = 10          # 最小半徑（根據(jù)實(shí)際調(diào)整）
MAX_RADIUS = 50          # 最大半徑（根據(jù)實(shí)際調(diào)整）

# 卡爾曼濾波參數(shù)
TS = 1/60                # 幀時(shí)間（假設(shè)幀率22fps）

# 初始化攝像頭
sensor.reset()
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QQVGA)
sensor.set_vflip(True)
sensor.set_hmirror(True)
sensor.skip_frames(2000)
#sensor.set_auto_gain(False)
#sensor.set_auto_whitebal(False)

clock = time.clock()

# ******************** 卡爾曼濾波器類 ********************
class KalmanFilter:
    def __init__(self, initial_state):
        # 狀態(tài)轉(zhuǎn)移矩陣
        self.A = np.array([
            [1, 0, 0, 0, TS, 0],
            [0, 1, 0, 0, 0, TS],
            [0, 0, 1, 0, 0, 0],
            [0, 0, 0, 1, 0, 0],
            [0, 0, 0, 0, 1, 0],
            [0, 0, 0, 0, 0, 1]
        ])
        # 觀測(cè)矩陣
        self.C = np.eye(6)
        # 過程噪聲
        self.Q = np.diag([1e-6]*6)
        # 觀測(cè)噪聲
        self.R = np.diag([1e-6]*6)
        # 初始狀態(tài)
        self.x_hat = initial_state
        self.p = np.diag([10]*6)

    def update(self, Z):
        # 預(yù)測(cè)步驟
        x_hat_minus = np.dot(self.A, self.x_hat)
        p_minus = np.dot(self.A, np.dot(self.p, self.A.T)) + self.Q

        # 更新步驟
        S = np.dot(self.C, np.dot(p_minus, self.C.T)) + self.R
        S_inv = np.linalg.inv(S + 1e-4*np.eye(6))
        K = np.dot(np.dot(p_minus, self.C.T), S_inv)
        self.x_hat = x_hat_minus + np.dot(K, (Z - np.dot(self.C, x_hat_minus)))
        self.p = np.dot((np.eye(6) - np.dot(K, self.C)), p_minus)
        return self.x_hat

# 初始化三個(gè)卡爾曼濾波器（分別對(duì)應(yīng)紅、綠、藍(lán)）
kf_red = KalmanFilter(np.array([80, 60, 30, 30, 2, 2]))
kf_green = KalmanFilter(np.array([80, 60, 30, 30, 2, 2]))
kf_blue = KalmanFilter(np.array([80, 60, 30, 30, 2, 2]))

# ******************** 主循環(huán) ********************
while True:
    clock.tick()
    img = sensor.snapshot().lens_corr(1.8)
    # ===== 在畫幅中心繪制小圓環(huán)標(biāo)志 =====
    img.draw_circle(80, 60, 5, color=(0, 0, 0), thickness=1)  # 黑色小圓環(huán)，半徑5像素
    # 第一步：顏色閾值分割
    blobs = img.find_blobs([color_thresholds[target_color]], merge=True, margin=10)
    
    if blobs:
        # 取最大的色塊
        largest_blob = max(blobs, key=lambda b: b.area())
        img.draw_rectangle(largest_blob.rect(), color=(255,0,0))

        # 第二步：在色塊ROI內(nèi)檢測(cè)圓形
        roi = (largest_blob.x(), largest_blob.y(), largest_blob.w(), largest_blob.h())
        circles = img.find_circles(
            threshold=HOUGH_THRESHOLD,
            x_margin=10,
            y_margin=10,
            r_margin=10,
            r_min=MIN_RADIUS,
            r_max=MAX_RADIUS,
            roi=roi  # 限制檢測(cè)區(qū)域
        )

        if circles:
            # 篩選同心圓：取半徑最大的圓（假設(shè)最外層是目標(biāo)）
            valid_circles = []
            for c in circles:
                # 檢查是否在色塊中心附近
                if abs(c.x() - largest_blob.cx()) < 15 and abs(c.y() - largest_blob.cy()) < 15:
                    valid_circles.append(c)
            
            if valid_circles:
                target = max(valid_circles, key=lambda c: c.r())
                x, y, r = target.x(), target.y(), target.r()
                img.draw_circle(x, y, r, color=(0,255,0))

                # 更新卡爾曼濾波器
                Z = np.array([x, y, 2*r, 2*r, 0, 0])
                if target_color == 'red':
                    kf_red.update(Z)
                elif target_color == 'green':
                    kf_green.update(Z)
                elif target_color == 'blue':
                    kf_blue.update(Z)
                # 輸出卡爾曼濾波預(yù)測(cè)的圓心坐標(biāo)
                print("卡爾曼預(yù)測(cè)坐標(biāo): X={}, Y={}, R={}".format(int(state[0]), int(state[1]), int(state[2]/2)))    

    # 繪制預(yù)測(cè)結(jié)果
    if target_color == 'red':
        state = kf_red.x_hat
    elif target_color == 'green':
        state = kf_green.x_hat
    else:
        state = kf_blue.x_hat
    
    pred_x = int(state[0])
    pred_y = int(state[1])
    pred_r = int(state[2]/2)

    # === 新增：約束圓心在目標(biāo)顏色框內(nèi) ===
    if blobs:
        # 獲取目標(biāo)顏色框的邊界
        blob_x, blob_y, blob_w, blob_h = largest_blob.rect()
        # 約束圓心在框內(nèi)
        pred_x = max(blob_x, min(blob_x + blob_w, pred_x))
        pred_y = max(blob_y, min(blob_y + blob_h, pred_y))
        # 約束半徑不超過框的大小
        pred_r = min(pred_r, min(blob_w, blob_h) // 2)

    # 繪制約束后的圓心和圓
    img.draw_cross(pred_x, pred_y, color=(255,0,0))
    img.draw_circle(pred_x, pred_y, pred_r, color=(255,255,0))

    print("FPS:", clock.fps())