【Sipeed M2 Dock开发板试用体验】图传功能使用与魔方色块寻找-电子发烧友网

本文来源电子发烧友社区，作者：HonestQiao，帖子地址：https://bbs.elecfans.com/jishu_2290503_1_1.html

根据最近官方MaixPy3和M2 Dock的知识，参考官方文档和样例，在官方大牛的支持下，学习了基础的魔方色块的寻找功能，并以此分享给大家。

基础知识普及：图传与Lab颜色系统
M2 Dock图传功能开启
图传功能使用
Lab阈值获取
魔方色块寻找

一、基础知识普及

图传：
图传的概念，在无人机中非常常见，简单来讲，就是把摄像头拍摄的实时视频，又快又好的传递到终端设备上呈现，既要速度，不能卡，卡了没意思，也要质量，清晰度不能低，低了没得玩。而传输速度快，质量高，又可能占用较多的设备资源，以及需要较大的带宽，所以设计一个上好的图传方案和系统，是很多该行业厂家的重大追求目标之一。
Lab：
Lab是一种用数字化的方法来描述人的视觉感应的颜色系统。它是一种设备无关的、基于生理特征的颜色系统。在机器视觉中，Lab的概念会经常提及。
可以用一张图，来详细描述Lab颜色空间：

上述图，是从人的视觉感应角度来看的。
首先是L：表示亮度，从纯黑到纯白，取值可以从 0 -> 100
然后是a：表示从红色到绿色的范围，取值可以从 -128 -> 127
最后是b：表示从蓝色到黄色的范围，取值可以从 -128 -> 127
通常，Lab会以范围的形式来表示，也就是Lab阈值，因为因为现场环境的不同，我们看到的颜色，不可能是完完全全的理论纯色，所以给出一定的容错范围；
例如：[(0, 100, 21, 127, -128, -9)]，分别表示：L-min、L-max、a-min、a-max、b-min、b-max，机器视觉就根据这个范围，来进行颜色判断。

二、M2 Dock图传功能开启

了解了以上的基础概念后，我们就可以进入正题，在M2 Dock上，具体使用相关的功能。

得益于MaixPy3的强大，不用10行代码，就能开启M2 Dock的图传功能，以下为实际的代码：

from maix import camera, mjpg, utils, display

queue = mjpg.Queue(maxsize=8)
mjpg.MjpgServerThread("0.0.0.0", 18811, mjpg.BytesImageHandlerFactory(q=queue)).start()

while True:
    img = camera.capture()
    jpg = utils.rgb2jpg(img.convert("RGB").tobytes(), img.width, img.height)
    queue.put(mjpg.BytesImage(jpg))
    display.show(img)

要运行上述代码，方法很多：

在MaixPy3的网页编辑界面中，运行上述代码：
可以用adb shell或者ssh连接到M2 Dock后，运行python后，再输入代码运行
也可以用adb shell或者ssh连接到M2 Dock后，用vim编辑tuchuan.py并保存后，再执行python ./tuchuan.py运行

方式1最方便，方式2最麻烦，方式3运行效率最好。

建议一般玩家，选用方式1最合适了。

正确运行以上代码后，就能正常开启图传功能了。

二、图传功能使用

要访问M2 Dock提供的图传功能，可以有几种方式：

MaixPy3的网页编辑界面中，运行了图传功能开启，运行界面直接就调用了图传数据并呈现出来了，如上面的图所示；
如果是通过adb shell连接到M2 Dock执行启动图传的代码，那么可以使用http://127.0.0.1:18811直接访问，如：
如果是通过adb shell连接到M2 Dock执行启动图传的代码，且已经联网了，那么可以使用http://设备ip地址:18811直接访问，如：
还可以写一个简单的网页，打开网页直接访问(地址请参考2、3)，如：

<img src="http://127.0.0.1:188811">

M2 Dock的这个图传地址http://127.0.0.1:18811的实际处理，使用的是在 MaixPy3 中内置的 mjpg 包来进行的。MJPG 编码是一种常见且简易的视频编码方案，只需要将每一帧压缩成 jpg 图片后不断发送给客户端就行。

三、Lab阈值获取

前面说过，机器视觉中会利用到Lab，同样的，MaixPy3也提供了很简单的方法来应用Lab阈值。

我们先想办法，来得到一组合适的阈值，这可以使用HonestQiao/thresholding-filter-browser-html: Browser HTML opencv.js thresholding filter lab hsv binarize (github.com)工具。这个工具由Sipeed的大牛JunhuanChen提供，我fork源码后做了一点点小修改，方便使用。

然后，开启命令行，在上述下载的代码目录中，执行如下命令，启动本地web服务：

python -m SimpleHTTPServer 8888

如果执行后提示：

No module named SimpleHTTPServer

那就换一条指令：

python -m http.server 8888

成功运行后，会出现提示信息：

Serving HTTP on :: port 8888 (http://[::]:8888/) ...

然后，通过网页访问 http://127.0.0.1:8888/即可打开在线获取Lab阈值页面：

在该界面上，提供了一个默认的色块图片；

你也可以上传已有的图片来进行处理；

如果前面开启了图传，那么可以设置图传地址：

根据使用的经验，我一般会这么进行调整，来获取需要的阈值。

例如，我想要获取橙色色块的阈值，那么，我会先调整a，达到如下的效果：

在上图中，可以看到红色色块与橙色色块接近，所以先让这两个色块在右图上，都呈现出白色区块。而其他部分，都呈现为黑色。

然后，再调整L，使得颜色暗一些的红色，被排除掉：

然后可以切换到魔方的其他面，并进行微调，确保能够较好的识别各个面的橙色块：

注意，获取Lab阈值的时候，不要像下面这样，把同一种颜色都拧到一面来：

这样确实很整齐，但是，我们不仅仅要获取这种颜色的阈值，同时，还得把其他干扰的颜色，给排除出去。

所以，把魔方打乱了去识别，效果会更好。

通过以上的方式，我们就能得到魔方六面6种颜色格子对应的Lab阈值了。

but，but，but，经过实际测试发现，我手头这个三阶魔方，是比赛用的，贴纸半光高亮的，红色和橙色，人看着挺好，但摄像头不好区分。

于是，我把家里的魔方摆出来，仔细挑了挑：

最后选择了金字塔魔方，这个魔方是黑底的，颜色为红黄蓝绿四色，颜色分明，底色也不会干扰。
而白底的魔方，通常都有白色色块，会造成干扰。
另外咱们现在还是做很基础的实验，所以也不能用纯色的魔方。

挑选出来的金字塔魔方真身如下：

在我挑选魔方的时候，孩子很好奇我在干嘛，于是凑过来。
然后，然后孩子就占了主场，不出一分钟，就理解了Lab阈值的概念，并学会了怎么获取Lab阈值：

所以下面的部分，主要由孩子完成，我提供技术支持和指导。

我们用一个手机支架，把M2 Dock支起来，摄像头对准魔方：

然后在Lab阈值获取界面，进行阈值的调整查看：

最终，获得了四组颜色对应的嗯Lab阈值：

[(0, 100, -128, -23, -128, 127)], #绿色
[(10, 100, 30, 127, -37, 127)], #红色
[(40, 100, -25, 42, 7, 127)], #黄色
[(0, 100, -128, 127, -128, -46)], #蓝色

并参考官方的例子，编写了下面的程序：

from maix import image, display, camera
color = [
        [(0, 100, -128, -23, -128, 127)], #绿色
        [(10, 100, 30, 127, -37, 127)], #红色
        [(40, 100, -25, 42, 7, 127)], #黄色
        [(0, 100, -128, 127, -128, -46)], #蓝色
        ]  # 0.5.0 以后蓝色的 lab 阈值，0.4.9 之前为 [(13, 11, -91, 54, 48, -28)]
font_color = [ # 边框和文字颜色，暂时都用白色
    (255,255,255), # 绿色
    (255,255,255), # 红色
    (255,255,255), # 黄色
    (255,255,255)  # 白色
]
name_color = ('green', 'red', 'yellow', 'blue')
while True:
    img = camera.capture()
    for n in range(0,4):
        blobs = img.find_blobs(color[n])    #在图片中查找lab阈值内的颜色色块
        if blobs:
            for i in blobs:
                if i["w"]>15 and i["h"]>15:
                    img.draw_rectangle(i["x"], i["y"], i["x"] + i["w"], i["y"] + i["h"], 
                                       color=font_color[n], thickness=1) #将找到的颜色区域画出来
                    img.draw_string(i["x"], i["y"], name_color[n], scale = 0.8, 
                              color = font_color[0], thickness = 1) #在红色背景图上写下hello worl
    display.show(img)