演示视频

备战2023电赛~openmv自适应颜色阈值（附源代码网盘链接）

思路讲解

1. 参考openmv官方例程讲解10-Color-Tracking->image_statistics_info图像统计信息https://book.openmv.cc/example/10-Color-Tracking/image-statistics-info.html
用img.get_statistics函数获取图像统计信息（给get_statistics（）函数传递一个“roi =”来获得该区域的统计信息）
2.本函数返回一个一个数据对象，请参见 statistics 对象以获取更多信息（在中文文档里找到statistics ），分别获取RGB565中L A B的众数（这里参考其他up主的思路）
3.根据获取到的3个众数，分别+-20当做自适应的颜色阈值thresholds
4.根据这个颜色阈值进行二值化或者画框验证

最简单解释：取roi的阈值，然后全图就用roi里的阈值

OpenMV代码

import sensor, image, time, pybyellow_thresholds = (47, 0, 78, 11, 65, -31)    #定义变量
sensor.reset()                      # Reset and initialize the sensor.
sensor.set_pixformat(sensor.RGB565) # Set pixel format to RGB565 (or GRAYSCALE)
sensor.set_framesize(sensor.QVGA)   # Set frame size to QVGA (320x240)
sensor.skip_frames(time = 2000)     # Wait for settings take effect.
clock = time.clock()                # Create a clock object to track the FPS.while(True):clock.tick()                    # Update the FPS clock.img = sensor.snapshot()         # Take a picture and return the image.img.draw_rectangle((131, 122, 20, 20), color = (255,255,255))   #画roi框statistics_Data = img.get_statistics(roi = (131, 122, 20, 20) )
#    print(statistics_Data)
#    print(statistics_Data.l_mode()) #LAB众数，打印出来看看效果稳定不稳定
#    print(statistics_Data.a_mode())
#    print(statistics_Data.b_mode())color_L_Mode = statistics_Data.l_mode()     #分别赋值LAB的众数color_A_Mode = statistics_Data.a_mode()color_B_Mode = statistics_Data.b_mode()#计算颜色阈值，这样写的话，颜色阈值是实时变化的，后续想要什么效果可以自己修改yellow_thresholds = (color_L_Mode-20, color_L_Mode+20, color_A_Mode-20, \color_A_Mode+20, color_B_Mode-20, color_B_Mode+20)img.binary([yellow_thresholds]) #二值化看图像效果print(yellow_thresholds)        #打印输出颜色阈值print(clock.fps())