OpenMV学习笔记4——二维码识别

一、示例程序

按照下图顺序点击,即可打开官方在IDE中准备好的二维码实例程序:

python 复制代码
# QRCode Example
#
# This example shows the power of the OpenMV Cam to detect QR Codes
# using lens correction (see the qrcodes_with_lens_corr.py script for higher performance).

import sensor
import time

sensor.reset()
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QVGA)
sensor.skip_frames(time=2000)
sensor.set_auto_gain(False)  # must turn this off to prevent image washout...
clock = time.clock()

while True:
    clock.tick()
    img = sensor.snapshot()
    img.lens_corr(1.8)  # strength of 1.8 is good for the 2.8mm lens.
    for code in img.find_qrcodes():
        img.draw_rectangle(code.rect(), color=(255, 0, 0))
        print(code)
    print(clock.fps())

二、代码讲解

上来依旧是老三样:导入依赖的包、初始化摄像头、设置像素模式即图像大小。

在本例中,自动增益也是需要关闭的,防止图像变形。

在主函数中,我们依然是将捕获到的图像命名为img,"lmg.lens_corr"是执行镜头矫正,防止图像变形影响识别结果。函数原型为"img.lens_corr(strength=1.8\[,zoom=1.0\[,x_corr=0.0\[,y_corr=0.0]]])",

  • "strength"是浮点数,代表了镜头矫正的强度,一般尝试1.8,并不断进行调整,直到图像看起来不错。
  • "zoom"是要缩放图像大小,默认1.0。
  • "x_corr"是像素中心偏移量,可以是正数与可以是负数。"y_corr"同理。

"img.find_qrcodes()"函数是在规定区域内寻找二维码,函数原型为"img.find_qrcodes(roi)"

  • 查找指定roi区域内的所有QRcode并返回一个image列表。要求图像相对平坦,此时我们上一个介绍的函数便起了作用。
  • roi是感兴趣矩形元组(x,y,w,h),如果没有指定,默认在捕获到的整体图像上寻找。

之后便是在寻找到的图像上画框,并将捕获到的"code"对象打印出来。

运行效果如下:

可以看到,在命令窗口,除了显示每秒的帧率外,还有捕获到的二维码信息:

{"x":81, "y":17, "w":195, "h":195, "payload":"Hello World!", "version":2, "ecc_level":2, "mask":0, "data_type":4, "eci":0}

相关推荐
夕除3 小时前
Redis 过期策略
redis·笔记·面试
前端精髓3 小时前
结构化输出with_structured_output(抽卡)
python·langchain
拜小白3 小时前
【论文解读】《DeepPanoContext:用全局场景关系图 + 可微关系优做全景 3D 场景理解
深度学习·计算机视觉·全景图
尹人入圣3 小时前
目前热门的IP驱动产业新场景新工具
网络·python·网络协议·tcp/ip
山顶夕景4 小时前
【VLM】AdaCodec:用“预测视觉码”替代逐帧RGB输入
计算机视觉·视频问答·多模态理解·视觉token压缩
Nuanyt4 小时前
Agent 学习笔记(下篇三):上线工程、进阶选择与操作界面(Stage 7 / 7.5 / 8 + 延伸路线)
笔记·python·学习·memory·aiagent·harness
吴卫斌4 小时前
定投ETF实战指南(四):行业/主题ETF——定投的“进攻端“
开发语言·python·股票·量化
2601_967987374 小时前
Python——入门级(定义功能def函数)
python·函数·可变参数·默认参数·关键字参数
深圳市快瞳科技有限公司5 小时前
野外鸟类AI识别落地实录:输入适配、结构化输出、去重聚合与置信度分流的工程实践
算法·计算机视觉·鸟类识别·鸟类ai识别·野外鸟类观测·林业调查
叼烟扛炮5 小时前
Linux 学习笔记(四十一):TCP 并发演进——从单进程到多线程服务器
linux·运维·服务器·网络·笔记·学习·tcp/ip