代码介绍

识别的具体思路可以看2023 电赛 E 题 K210方案第五章

矩形阈值设定

图1 选择阈值编辑器

图2 阈值调节框

通过调节LAB值来得到让图中矩形框为白或为黑。

得到LAB阈值：(73, 16, -67, 30, 55, -56)

图3 阈值调节结果

注：在实际情况中，这个阈值需要进行调整，在不同环境因素下，即使在同一个地方，由于不同的距离和光线，都会影响阈值的最终结果。

建议：在进行阈值设定时，可以多考虑不同的情况下，不同的阈值情况，让代码选择在不同的情况下的不同阈值；或则收集到足够多的阈值，使用聚类方法将其得到一个中间值。

关键代码

    # 寻找轮廓
    contours = img.find_blobs(region_thresholds1[i], invert=False, area_threshold=100, pixels_threshold=10, merge=True)
    if contours:
        max_blob = find_min(contours)
        if max_blob:
            img.draw_rectangle(max_blob[0:4], color=(0,255,0))

find_blobs()：查找图像中所有色块，并返回一个包括每个色块的色块对象的列表。

thresholds：必须是元组列表. [(minL, minA, minB, maxL, maxA, maxB)]，就是阈值

invert：反转阈值操作，像素在已知颜色范围之外进行匹配，而非在已知颜色范围内。

即：在调节的阈值中需要的为黑色，通过反转后，就会检测白色部分，返回白色部分的色块。

area_threshold：若一个色块的边界框区域小于该值，则会被过滤掉。

pixels_threshold：若一个色块的像素数小于该值，则会被过滤掉。

merge ：True，则合并所有没有被过滤掉的色块，这些色块的边界矩形互相交错重叠。

通过调用该方法就可以找到在画面中所需要的所有结果。

返回值：[{'x': 140, 'y': 88, 'w': 15, 'h': 7, 'pixels': 43, 'cx': 147, 'cy': 91}]
(x, y, w, h)表示色块的外框，pixels表示色块的像素大小，(cx, cy)表示色块的中心点。

def find_min(blobs):
    use_ = [20,20, 280,200]
    max_size = float("inf")
    min_blob = None
    for blob in blobs:
        if blob[0] != 0 and blob[1] != 0:
            if is_rect_in_rect(use_, blob[0:4]) or abs(abs(blob[0] - blob[2]) - abs(blob[1] - blob[3])) < max_size:
                print(blob)
                min_blob = blob
                min_size = abs(abs(blob[0] - blob[2]) - abs(blob[1] - blob[3]))
    return min_blob

find_min()：该函数的作用时从得到的矩形框中选出我们需要的，剔除掉不合适的。

在这个函数里面我们限定识别到的矩形框应该在整个画面的中心位置，不能出现在画面的边界位置。

并且我们还去掉了一种特殊情况，就是当摄像头什么都没有识别到或识别画面为空（显示为黑色）时，就会把整个画面进行框起来，这种是一种特殊情况，在代码中通过判断矩形的起始坐标是否w为0，如果为0，就去掉该种情况。