openmv_写一段程序,统计视频背景像素点的概率分布

import sensor, image, time
from pyb import UART,LED,Timer

#Thresholds是你想识别的颜色的阙值，注意它是一个列表对象
black_threshold   = (0，50，-10，10，-10，10)   #字母A阈值

# 为了使色彩追踪效果真的很好，你应该在一个非常受控制的照明环境中。
# IR红外图像中明亮的白光的阈值
# 设置黑色的阈值，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sensor，初始化摄像头
sensor.set_pixformat(sensor.RGB565) # use RGB565.设置采集到照片的格式：彩色RGB
#设置图像色彩格式，有RGB565色彩图和GRAYSCALE灰度图两种
sensor.set_framesize(sensor.QQVGA) # 使用QQVGA 120×160。
#设置图像像素大小
sensor.skip_frames(10) # 让新的设置生效，跳过10帧
sensor.set_auto_whitebal(False) # turn this off.
#关闭白平衡。白平衡是默认开启的，在颜色识别中，需要关闭白平衡。
clock = time.clock() # 跟踪FPS帧率

#指示灯
led1 = LED(1)   #红灯
led2 = LED(2)   #蓝灯
led3 = LED(3)   #红灯

#初始化串口3 波特率 115200
uart = UART(3,115200)

#定义帧率
fps_cnt = 0

#坐标数据打包
def pack_A_data(data_x,data_y):

    data_code = 1

    pack_data=bytearray([0xAA,0xAA,0xF2,0x00,data_x>>8,data_x,data_y>>8,data_y,data_code,0x00])

    lens = len(pack_data)#数据包大小
    pack_data[3] = lens-5;#有效数据个数

    i = 0
    sum = 0

    #和校验
    while i<(lens-1):
        sum = sum + pack_data[i]
        i = i+1
    pack_data[lens-1] = sum

    return pack_data

#串口接收函数
def Receive_Prepare(data):

    if R.state==0:

        if data == 0xAA:#帧头
            R.state = 1
            R.uart_buf.append(data)
        else:
            R.state = 0

    elif R.state==1:
        if data == 0xAF:#帧头
            R.state = 2
            R.uart_buf.append(data)
        else:
            R.state = 0

    elif R.state==2:
        if data<=0xFF:#功能字
            R.state = 3
            R.uart_buf.append(data)
        else:
            R.state = 0

    elif R.state==3:
        if data>0 and data<33:#数据个数
            R.state = 4
            R.uart_buf.append(data)
            R._data_len = data
            R._data_cnt = 0
        else:
            R.state = 0

    elif R.state==4:
        if R._data_len > 0:
            R. _data_len = R._data_len - 1
            R.uart_buf.append(data)
            if R._data_len == 0:
                R.state = 5
        else:
            R.state = 0

    elif R.state==5:
        R.state = 0
        R.uart_buf.append(data)
    else:
        R.state = 0

#读取串口缓存
def uart_read_buf():
    i = 0
    buf_size = uart.any()
    while i<buf_size:
        Receive_Prepare(uart.readchar())
        i = i + 1

#定时器中断
def time_irq(t):
    global fps_cnt
    print(fps_cnt)
    fps_cnt = 0

#识别圆的函数
def circle_direct():
    clock.tick()

    #lens_corr(1.8)畸变矫正
    img = sensor.snapshot().lens_corr(1.8)

    # Circle对象有四个值: x, y, r (半径), 和 magnitude。
    # magnitude是检测圆的强度。越高越好

    # roi 是一个用以复制的矩形的感兴趣区域(x, y, w, h)。如果未指定，
    # ROI 即图像矩形。操作范围仅限于roi区域内的像素。

    # x_stride 是霍夫变换时需要跳过的x像素的数量。若已知圆较大，可增加
    # x_stride 。

    # y_stride 是霍夫变换时需要跳过的y像素的数量。若已知直线较大，可增加
    # y_stride 。

    # threshold 控制从霍夫变换中监测到的圆。只返回大于或等于阈值的圆。
    # 应用程序的阈值正确值取决于图像。注意：一条圆的大小是组成圆所有
    # 索贝尔滤波像素大小的总和。

    # x_margin 控制所检测的圆的合并。 圆像素为 x_margin 、 y_margin 和
    # r_margin的部分合并。

    # y_margin 控制所检测的圆的合并。 圆像素为 x_margin 、 y_margin 和
    # r_margin 的部分合并。

    # r_margin 控制所检测的圆的合并。 圆像素为 x_margin 、 y_margin 和
    # r_margin 的部分合并。

    # r_min，r_max和r_step控制测试圆的半径。
    # 缩小测试圆半径的数量可以大大提升性能。
    # threshold = 3500比较合适。如果视野中检测到的圆过多，请增大阈值；
    # 相反，如果视野中检测到的圆过少，请减少阈值。
    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):
        img.draw_circle(c.x(), c.y(), c.r(), color = (255, 0, 0))
        print(c)

    print("FPS %f" % clock.fps())


#识别颜色和圆一起
def black_circle():
    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())
def pilot_lamp_mode():
    led1.on()
    led2.on()
    led3.on()
    time.sleep_ms(30)              #红、蓝、红三灯全亮
    led1.off()
    led2.off()
    led3.off()

#用于判断是否成功检测到圆
def pilot_lamp_A():
    led1.on()
    led2.on()
    time.sleep_ms(30)               #红、蓝两灯亮
    led1.off()
    led2.off()

#用于判断是否成功检测到十字停止位
def pilot_lamp_cross():
    led2.on()                         #蓝灯亮
    time.sleep_ms(30)
    led2.off()

#用于判断是否成功检测到颜色
def pilot_lamp_angle():
    led1.on()                         #红灯亮
    time.sleep_ms(30)
    led1.off()

#定义一个类对象
class receive(object):
    uart_buf = []
    _data_len = 0
    _data_cnt = 0
    state = 0
R=receive()

#定义一个类对象
class buffer_flag(object):
    launch_flag = 0   #起飞标志位
    circle_flag = 0     #圆识别标志位
    color_flag = 0    #颜色检测标志位
f = buffer_flag()

#定时器频率1HZ中断
tim = Timer(2,freq=1,callback=time_irq) #初始化定时器

while(True):
    uart_read_buf()   #打开串口接收
    fps_cnt = fps_cnt + 1 #统计频率
    if len(R.uart_buf)>0:
        if R.uart_buf[7]==1:
            pilot_lamp_mode()
            f.color_flag = 1
            f.angle_flag = 1
            R.uart_buf = []
        if R.uart_buf[8]==2:
            f.circle_flag = 1
            f.color_flag = 0
            R.uart_buf = []
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237