k210 识别圆形矩形

### K210 实现圆形和矩形识别的方法 #### 使用机器视觉库进行形状检测 对于K210平台上的圆形和矩形识别，主要依赖于其内置的图像处理能力以及OpenMV框架下的函数支持。通过调用特定算法可以有效地提取并分类不同类型的几何图形。 #### 形状特征描述 - **矩形**：具有四个直角边界的闭合区域，在二值化后的轮廓中表现为较为规整的四边形结构。 - **圆形**：由一系列连续曲线构成封闭边界；圆心到边缘各点距离相等。可以通过计算最小外接多边形近似度来判断是否接近理想圆形[^1]。 #### 图像预处理步骤 为了提高后续形状匹配精度，通常先执行一些基础性的图片优化工作： - 利用Canny算子获取边缘信息作为下一步分析的基础数据源。 ```python import sensor import time from pyb import LED sensor.reset() sensor.set_pixformat(sensor.GRAYSCALE) # 设置为灰色模式 sensor.set_framesize(sensor.QVGA) sensor.skip_frames(time = 2000) while(True): img = sensor.snapshot().binary([THRESHOLD]) # 阈值分割得到二值图 img.find_edges(image.EDGE_CANNY, threshold=(50, 80)) ``` #### 边缘检测与轮廓查找 基于上述准备好的边缘映射结果，进一步定位可能存在的目标物位置，并筛选符合条件的对象集合。 ```python blobs = img.find_blobs([(0, 79)], pixels_threshold=200, area_threshold=200, merge=True) for b in blobs: corners = b.corners() if len(corners)==4: # 如果有四个顶点则认为可能是矩形 img.draw_rectangle(b.rect()) elif abs((max(b.major_axis_line()) - min(b.minor_axis_line())) / max(b.major_axis_line(), b.minor_axis_line()))<0.3 and \ (abs(math.pi*b.area()/pow(((b.x()+b.w())/2-(b.y()+b.h())/2),2))-math.pi)<0.1 : # 这里简单估算是否满足圆形特性 cx=int(round((corners[0][0]+corners[-1][0])/2)) cy=int(round((corners[0][1]+corners[-1][1])/2)) r=int(round(pow(abs(cx-corners[i%len(corners)][0])**2+abs(cy-corners[i%len(corners)][1])**2,.5))) img.draw_circle(cx,cy,r,color=(255,0,0)) time.sleep_ms(100) ``` 这段代码片段实现了对摄像头捕获帧内潜在矩形及圆形实例的标记展示功能。其中`find_blobs()`用于寻找连通域，“blob”即指代这些被分组在一起相似像素组成的斑块；而条件分支部分则是针对每一块独立区域分别进行了初步判定逻辑的设计[^3]。