Opencv——树莓派3B使用GPIO_树莓派3b io使用

前言：这是我第一次使用OpenCV，但我必须承认，我已经爱上了这个“开源计算机视觉库”。 OpenCV对学术用途和商业用途都免费。它有C++、C、Python和Java的接口，并且支持Windows、Linux、MacOS、iOS和Android系统。在我的OpenCV教程系列中，我们将专注于使用树莓派（当然，操作系统就是Raspbian了）和Python。OpenCV为高效计算而生，极大地专注于实时应用。因此，它对于物理计算（即使用可以感知和响应模拟世界的软件和硬件来构建交互式物理系统）项目来说，简直再适合不过了

♥小项目内容：当识别到黄色球体的时候灯亮。

硬件：树莓派3B

首先：先了解下树莓派3B的GPIO，以便于更好的接线！
树莓派(raspberry)针脚在python中BCM与BOARD模式的区别：
在python程序中定义的GPI针脚有两种模式：① BCM模式；② BOARD模式。
第一种编号是BOARD编号，这和树莓派电路板上的物理引脚编号相对应。使用这种编号的好处是，你的硬件将是一直可以使用的，不用担心树莓派的版本问题。因此，在电路板升级后，你不需要重写连接器或代码。
第二种编号是BCM规则，是更底层的工作方式，它和Broadcom的片上系统中信道编号相对应。在使用一个引脚时，你需要查找信道号和物理引脚编号之间的对应规则。对于不同的树莓派版本，编写的脚本文件也可能是无法通用的。
因此，树莓派中的GPIO物理针脚对应python中两种模式的逻辑针脚。
[在占位符中有两种方法进行引用GPIO的信号，所以我们需要使用setmode()方法来进行设置使用哪一种方法：]
GPIO接口的引脚号：GPIO.setmode(GPIO.BOARD) #物理引脚
Broadcom芯片的GPIO信号数：GPIO.setmode(GPIO.BCM) #GPIO信号

首先，先初始化GPIO：

# initialize GPIO
redLed = 21
GPIO.setmode(GPIO.BCM) #使用编码规则
GPIO.setwarnings(False) #如果RPi.GRIO检测到一个引脚已经被设置成了非默认值，那么你将看到一个警告信息
GPIO.setup(redLed, GPIO.OUT) #将引脚设置为输出模式
# Start with LED off
print("\n Starting..... ==> Press 'q' to quit Program \n")
GPIO.output(redLed, GPIO.LOW)
ledOn = False
1
2
3
4
5
6
7
8
9

初始化视频流：

print("[INFO] waiting for camera to warmup...")
vs = VideoStream(usePiCamera=args["picamera"] > 0).start()
time.sleep(2.0)
# define the lower and upper boundaries of the object
# to be detected in the HSV color space
colorLower = (24, 100, 100) 
colorUpper = (44, 255, 255) 
1
2
3
4
5
6
7

argparse处理运行时传递的命令行参数：

ap = argparse.ArgumentParser()#解析命令行参数
ap.add_argument("-p", "--picamera", type=int, default=-1,
	help="whether or not the Raspberry Pi camera should be used")
args = vars(ap.parse_args())
1
2
3
4

主函数程序：

while True:
	# grab the next frame from the video stream, Invert 180o, resize the
	# frame, and convert it to the HSV color space
	# 获取视频流的一帧 并且resize窗口宽为500
	frame = vs.read()
	frame = imutils.resize(frame, width=500)
	frame = imutils.rotate(frame, angle=0)
	hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)#这里也可以使用RGB但是市场上用hsv的符合真实情况
1
2
3
4
5
6
7
8

	mask = cv2.inRange(hsv, colorLower, colorUpper) #创建掩膜
	mask = cv2.erode(mask, None, iterations=2) #进行腐蚀
	mask = cv2.dilate(mask, None, iterations=2) #膨胀
1
2
3

	cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL,
		cv2.CHAIN_APPROX_SIMPLE)# 轮廓检测
	cnts = cnts[0] if imutils.is_cv2() else cnts[1]
	center = None# 初始化轮廓质心
1
2
3
4

# 如果存在轮廓
	if len(cnts) > 0:
		c = max(cnts, key=cv2.contourArea)# 找到面积最大的轮廓
		((x, y), radius) = cv2.minEnclosingCircle(c)#得到物体中心点和物体半径大
		M = cv2.moments(c) #计算质心
		center = (int(M["m10"] / M["m00"]), int(M["m01"] / M["m00"]))#只有当半径大于10时，才执行画图
1
2
3
4
5
6

		if radius > 10:
			# draw the circle and centroid on the frame,
			# then update the list of tracked points
			cv2.circle(frame, (int(x), int(y)), int(radius),
				(0, 255, 255), 2)
			cv2.circle(frame, center, 5, (0, 0, 255), -1) 
1
2
3
4
5
6

			if not ledOn:#点灯控制gpio
				GPIO.output(redLed, GPIO.HIGH)
				ledOn = True

1
2
3
4

	elif ledOn:
		GPIO.output(redLed, GPIO.LOW)
		ledOn = False
1
2
3

	cv2.imshow("Frame", frame)
	key = cv2.waitKey(1) & 0xFF

	# if the 'q' key is pressed, stop the loop
	if key == ord("q"):
		break

# do a bit of cleanup
print("\n Exiting Program and cleanup stuff \n")
GPIO.cleanup()
cv2.destroyAllWindows()
vs.stop()
1
2
3
4
5
6
7
8
9
10
11
12

一起进步——后期还会更新人脸识别检测遇到后进行蜂鸣器报警！！！！ 有兴趣的点点关注噢