前言： 视觉小车最重要的是视觉功能，其实现方式主要有：
博主刚开始为了准备项目，了解尝试过前两种方式，最后才终于接触到OpenMV这种主控板，因为其开发简单、结构简单、非常适合用于智能小车，入门虽然简单，功能却十分强大。
OpenMV简介：
OpenMV的目标是成为“机器视觉世界的Arduino "，有自己的IDE，采用Python二次开发简单易用，可扩展，开源，详细教程和技术手册。
OpenMV3是主要以STM32F427CPU为核心，集成了OV7725摄像头的模块。
OpenMV的功能：
颜色追踪、路线识别、形状识别、二维码识别、人脸识别、瞳孔追踪等。
上图来源
OpenMV采用 Python 给用户开发，而Python简单易学，简洁强大，在视觉开发方面十分突出。下文是初步学习使用 OpenMV 模块和入门到拓展学习Python语法
其实初步学习使用的话，官网的十分钟上手教程已经非常详细，推荐大家去看。（其实博主不是懒，是怕不专业误导你们~）
其中需要注意的是LAB颜色空间：
LAB:L亮度。 范围： 0-100, 0白，L=50时，就相当于50%的黑
A表示从洋红色至绿色的范围。范围：-128至+127, -128绿色 ，+127就是红色
B表示从黄色至蓝色的范围。 范围：-128至+127,-128 b是蓝色。+127 b是黄色
推荐学习Python的网站：
主要克隆之前的文章：【OpenMv】学习笔记之初入江湖
Print我们的魔教口号是什么？
print('hello, world')
print()函数也可以接受多个字符串，用逗号“,”隔开，print()会依次打印每个字符串，遇到逗号“,”会输出一个空格，就可以连成一串输出：
print('I am a', 'handsome', 'boy')
print(300)#直接打印整数300
print('100 + 200 =', 100 + 200)#‘字符串’
#py:以屁眼.py结尾的就是一个模块
import 语句，引入模块，需要在开始就引用，就是c语言的头文件吧
import 模块名.函数名
import sys
from…import：Python 的 from 语句让你从模块中导入一个指定的部分到当前命名空间中。语法如下：
#例如，要导入模块 fib 的 fibonacci 函数，使用如下语句：
from fib import fibonacci
函数就是可以实现功能的方式，可重复调用。
类型有：
以下源代码实现功能：定义一个plus(x,y)函数，将x+y的结果输出。
def plus(x,y):
a=x+y
return(a)
#输入参数x,y,求出x+y
#有入口参数和返回值
使用截图：
以下源代码实现功能：定义一个求平方的power(x)函数，将 x 的平方输出。
#定义一个求平方的函数
def power(x):
return x * x
以下源代码实现功能：定义一个n次方的power(x, n)函数，将 x 的 n 次方输出。
#定义一个求n次方的函数
def power(x, n):
s = 1
while n > 0:
n = n - 1
s = s * x
return s
if：用法：
if <条件判断1>:
<执行1>
elif <条件判断2>:
<执行2>
elif <条件判断3>:
<执行3>
else:
<执行4>
以下源代码实现功能：输入年龄，用 if 判断是 kid 还是 teenager 还是 adult 。
age = 20
#age=0;
#age=input('Input your age: ')
#input()读取用户的输入
if age >= 6 and age <18:
print('teenager')
elif age >= 18:
print('adult')
else:
print('kid')
while 和 For x in range(y):以下源代码实现功能：采用 for x in range(100) 计算 0+1+2+...+99 的和。
# 注意从0开始加，没有加100。
sum = 0
for x in range(100):# range()函数生成一个整数序列
sum = sum + x
print(sum)
以下源代码实现功能：采用 while循环 计算100以内所有奇数之和。
#算100以内所有奇数之和
sum = 0
n = 99
while n > 0:
sum = sum + n
n = n - 2
print(sum)
int：以下源代码实现功能：调用int函数将浮点型转化为整形。
>>> int(12.34)
12
classmates = ['Michael', 'Bob', 'Tracy']
classmates
#结果：['Michael', 'Bob', 'Tracy']
classmates[-2]#索引访问，顺序和倒序访问
len(classmates)=3 #长度
classmates.insert(1, 'Jack')#插入修改
classmates[1] = 'Sarah'#替换修改
>>> List = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
>>> List[1:3] #从索引1开始取，直到索引3为止,不包括3
['Sarah', 'Tracy']
+= 加法赋值运算符 c += a 等效于 c = c + a
*= 乘法赋值运算符 c *= a 等效于 c = c * a
/= 除法赋值运算符 c /= a 等效于 c = c / a
%= 取模赋值运算符 c %= a 等效于 c = c % a
<< 左移动运算符：运算数的各二进位全部左移若干位，由 << 右边的数字指定了移动的位数，高位丢弃，低位补0。a=60, a << 2 输出结果 240 ，二进制解释： 1111 0000
右移动运算符：把">>"左边的运算数的各二进位全部右移若干位，>> 右边的数字指定了移动的位数
a = 60 # 60 = 0011 1100
c = 0
c = a << 2; # 240 = 1111 0000
print "5 - c 的值为：", c
5 - c 的值为： 240
&& || ~:Python是面向对象编程的，比如一个LED灯
LED是一个类，red_led就是一个对象，可以对这个对象进行操作，比如点亮on，关掉off，查看value。
from pyb import LED
red_led = LED(1)
red_led.on()
类是抽象的模板！！！，而实例是根据类创建出来的一个个具体的“对象”，每个对象都拥有相同的方法，但各自的数据可能不同。
#类定义一个叫Student的对象，继承于object类，这是所有类最终都会继承的类
class Student(object):
pass
定义好了Student类，就可以根据Student类创建出Student的实例，创建实例是通过类名+()实现的：
>>> me = Student()
>>> me
<__main__.Student object at 0x10a67a590> #0x10a67a590是内存地址，每个object的地址都不一样
>>> Student
<class '__main__.Student'>
自由地给一个实例变量绑定属性
>>>me.name = 'Iron'
>>>me.name
'Iron'
类可以起到模板的作用。因此，可以在创建实例的时候，把一些我们认为必须绑定的属性强制填写进去。通过定义一个特殊的__init__方法，在创建实例的时候，就把name，score等属性绑上去：
class Student(object):
#__init__方法的第一个参数永远是self，表示创建的实例本身
def __init__(self, name, score): #前后分别有两个下划线！！！
self.name = name
self.score = score
self不需要传参数
>>> me = Student('Iron', 59.9)
>>> me.name
'Iron'
>>> me.score
59.9
封装-内
class Student(object):
def __init__(self, name, score):
self.name = name
self.score = score
#调用方法： name.print_score(),结果 name:99
def print_score(self):
print('%s: %s' % (self.name, self.score))
#对分数分级，class类可以自由加入新的模块
#封装的另一个好处是可以给Student类增加新的方法，比如get_grade：
def get_grade(self):
if self.score >= 90:
return 'A'
elif self.score >= 60:
return 'B'
else:
return 'C'
>>>me = Student('Iron',90)
>>>you= Student('Rose',69)
>>>print(me.name, me.get_grade())
Iron A
>>>me.print_score()
Iron:90
以下是开始主要用到的源代码例子以及拓展。
# 色块监测例子 这个例子展示了如何通过find_blobs()函数来查找图像中的色块
import sensor, image, time
#threshold翻译为阈值
# 颜色追踪的例子，一定要控制环境的光，保持光线是稳定的。
#green_threshold = ( 0, 80, -70, -10, -0, 30)
#green_threshold = ( 0, 80, -20, -0, -80, -30)#蓝色
green_threshold = ( 0, 80, 40, 100, 2, 60)#红色
#（minL, maxL, minA, maxA, minB, maxB）
#设置绿色的阈值，括号里面的数值分别是L A B 的最大值和最小值（minL, maxL, minA,
# maxA, minB, maxB），LAB的值在图像左侧三个坐标图中选取。如果是灰度图，则只需
#设置（min, max）两个数字即可。
sensor.reset() # 初始化摄像头
sensor.set_pixformat(sensor.RGB565) # 格式为 RGB565.
sensor.set_framesize(sensor.QQVGA) # 使用 QQVGA 速度快一些
sensor.skip_frames(time = 2000) # 跳过2000s，使新设置生效,并自动调节白平衡
sensor.set_auto_gain(False) # 关闭自动自动增益。默认开启的，在颜色识别中，一定要关闭白平衡。
sensor.set_auto_whitebal(False)
#关闭白平衡。白平衡是默认开启的，在颜色识别中，一定要关闭白平衡。
clock = time.clock() # 追踪帧率
while(True):
clock.tick() # Track elapsed milliseconds between snapshots().
img = sensor.snapshot() # 从感光芯片获得一张图像
blobs = img.find_blobs([green_threshold])
#find_blobs(thresholds, invert=False, roi=Auto),thresholds为颜色阈值，
#是一个元组，需要用括号［ ］括起来。invert=1,反转颜色阈值，invert=False默认
#不反转。roi设置颜色识别的视野区域，roi是一个元组， roi = (x, y, w, h)，代表
#从左上顶点(x,y)开始的宽为w高为h的矩形区域，roi不设置的话默认为整个图像视野。
#这个函数返回一个列表，[0]代表识别到的目标颜色区域左上顶点的x坐标，［1］代表
#左上顶点y坐标，［2］代表目标区域的宽，［3］代表目标区域的高，［4］代表目标
#区域像素点的个数，［5］代表目标区域的中心点x坐标，［6］代表目标区域中心点y坐标，
#［7］代表目标颜色区域的旋转角度（是弧度值，浮点型，列表其他元素是整型），
#［8］代表与此目标区域交叉的目标个数，［9］代表颜色的编号（它可以用来分辨这个
#区域是用哪个颜色阈值threshold识别出来的）。
if blobs:
#如果找到了目标颜色
for b in blobs:
#迭代找到的目标颜色区域
# Draw a rect around the blob.
img.draw_rectangle(b[0:4]) # rect tupe格式(x, y, w, h)
#b[0:4]断片b中 0，1，2，3四个元素, [0]代表识别到的目标颜色区域左上顶
#点的x坐标 [1]代表左上顶点y坐标，
#［2］代表目标区域的宽，［3］代表目标区域的高
#用矩形标记出目标颜色区域
img.draw_cross(b[5], b[6]) # cx, cy
#在目标颜色区域的中心画十字形标记
#b[5], b[6]是中心坐标
print(clock.fps()) # 注意: 你的OpenMV连到电脑后帧率大概为原来的一半
#如果断开电脑，帧率会增加
find_blobs函数用法拓展：#（很多参数）
image.find_blobs(thresholds, roi=Auto, x_stride=2, y_stride=1,
invert=False, area_threshold=10, pixels_threshold=10,
merge=False, margin=0, threshold_cb=None, merge_cb=None)
#thresholds颜色的阈值
img=sensor.snapshot()
red_blobs = img.find_blobs([red])
#roi=Auto感兴趣区
left_roi = [0,0,160,240]
blobs = img.find_blobs([red],roi=left_roi)
#x_stride=2, y_stride=1,最小像素
blobs = img.find_blobs([red],x_stride=10)#改为10
#invert 反转阈值，把阈值以外的颜色作为阈值进行查找
invert=False
#area_threshold框面积阈值，如果色块被框起来的面积小于这个值，会被过滤掉
area_threshold=10,
#pixels_threshold 像素个数阈值，如果色块像素数量小于这个值，会被过滤掉
pixels_threshold=10,
#merge=True合并，如果设置为True，那么合并所有重叠的blob为一个。
merge=False
#margin 边界,如果设置为1，那么两个blobs如果间距1一个像素点，也会被合并。
margin=0, threshold_cb=None, merge_cb=None
blob.cx() 返回色块的外框的中心x坐标（int），也可以通过blob[5]来获取。
blob.cy() 返回色块的外框的中心y坐标（int），也可以通过blob[6]来获取。
# Hello World Example
#
# Welcome to the OpenMV IDE! Click on the green run arrow button below to run the script!
import sensor, image, time
sensor.reset() # 初始化摄像头
sensor.set_pixformat(sensor.RGB565) # 格式为 RGB565.
sensor.set_framesize(sensor.QQVGA)
sensor.skip_frames(10) # 跳过10帧，使新设置生效
while(True):
img = sensor.snapshot() # Take a picture and return the image.
img.draw_line((20, 30, 40, 50))
img.draw_line((80, 50, 100, 100), color=(255,0,0))
img.draw_rectangle((20, 30, 41, 51), color=(255,0,0))
img.draw_circle(50, 50, 30)
img.draw_cross(90,60,size=10)
img.draw_string(10,10, "hello world!")
画圆image.draw_circle(x, y, radius, color=White) x,y是圆心坐标radius是圆的半径
画十字 image.draw_cross(x, y, size=5, color=White) x,y是坐标 size两侧的尺寸
画矩形框 image.draw_rectangle(rect_tuple, color=White) 画一个矩形框 rect_tuple> 的格式是 (x, y, w, h)。
import sensor, image, time
sensor.reset()
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QQVGA)
sensor.skip_frames(time = 2000)
sensor.set_auto_gain(False) # must be turned off for color tracking
sensor.set_auto_whitebal(False) # must be turned off for color tracking
clock = time.clock()
while(True):
clock.tick()
img = sensor.snapshot().lens_corr(1.8)
for c in img.find_circles(threshold = 3500, x_margin = 10, y_margin = 10, r_margin = 10,
r_min = 2, r_max = 100, r_step = 2):
area = (c.x()-c.r(), c.y()-c.r(), 2*c.r(), 2*c.r())
#area为识别到的圆的区域，即圆的外接矩形框
statistics = img.get_statistics(roi=area)#像素颜色统计
print(statistics)
#(0,100,0,120,0,120)是红色的阈值，所以当区域内的众数（也就是最多的颜色），范围在这个阈值内，就说明是红色的圆。
#l_mode()，a_mode()，b_mode()是L通道，A通道，B通道的众数。
if 0<statistics.l_mode()<100 and 0<statistics.a_mode()<127 and 0<statistics.b_mode()<127:#if the circle is red
img.draw_circle(c.x(), c.y(), c.r(), color = (255, 0, 0))#识别到的红色圆形用红色的圆框出来
else:
img.draw_rectangle(area, color = (255, 255, 255))
#将非红色的圆用白色的矩形框出来
print("FPS %f" % clock.fps())
距离 = 一个常数/直径的像素
＃测量距离
＃这个例子展示了如何通过行李中的尺寸来测量距离
＃这个例子特别寻找黄色的乒乓球。
import sensor, image, time
＃为了使色彩跟踪工作得非常好，理想情况下应该非常非常
＃非常受控的环境，照明是恒定的......
yellow_threshold =(0,80,40,100,2,60)
#（56,83,5,57,63,80）
＃您可能需要调整以上设置以跟踪绿色事物......
＃在Framebuffer中选择一个区域以复制颜色设置。
sensor.reset（）＃初始化相机传感器。
sensor.set_pixformat（sensor.RGB565）＃使用RGB565。
sensor.set_framesize（sensor.QQVGA）＃使用QQVGA获取速度。
sensor.skip_frames（10）＃让新设置生效。
sensor.set_auto_whitebal（False）＃关闭它。
clock = time.clock（）＃追踪FPS。
K = 5000＃应该测量的值
while(True):
clock.tick（）＃跟踪快照之间经过的毫秒数（）。
img = sensor.snapshot（）＃拍摄照片并返回图像。
blobs = img.find_blobs([yellow_threshold])
if len(blobs) == 1:
＃在blob周围画一个矩形。
b = blobs [0]
img.draw_rectangle（b [0：4]）#rect
img.draw_cross（b [5]，b [6]）＃cx，cy
Lm = (b[2]+b[3])/2
length = K/Lm #距离=常数K/球像素直径
print(length)
#print（clock.fps（））
＃注意：你的OpenMV Cam运行速度快一半
＃已连接到您的计算机。一旦断开连接，FPS应该增加。
设置图像大小
sensor.set_framesize() 设置图像的大小
sensor.QQVGA: 160x120
sensor.QQVGA2: 128x160 (用于 lcd 扩展板)
sensor.HQVGA: 240x160
sensor.QVGA: 320x240
sensor.VGA: 640x480 (只用于OpenMV Cam M7 的灰度图处理图像，或者彩图采集图像)
sensor.QQCIF: 88x72
sensor.QCIF: 176x144
sensor.CIF: 352x288
OpenMV非常适用于视觉识别，开发简单，功能强大。学好 Python 是学好 OpenMV 的基础，而如何学好 Python 并不是一蹴而就的事情。
骐骥一跃，不能十步;驽马十驾，功在不舍。——《荀子》
此篇收录于专栏【手把手教你做OpenMV小车】，总篇链接:https://blog.csdn.net/qq_42807924/article/details/86585757
完。
（本文为吾本虚无原创，禁止任何形式转载）
全文完。
