本文來源電子發燒友社區，作者：HonestQiao， 帖子地址：https://bbs.elecfans.com/jishu_2290503_1_1.html


根據最近官方MaixPy3和M2 Dock的知識，參考官方文檔和樣例，在官方大牛的支持下，學習了基礎的魔方色塊的尋找功能，并以此分享給大家。

目錄：

• 基礎知識普及：圖傳與Lab顏色系統
• M2 Dock圖傳功能開啟
• 圖傳功能使用
• Lab閾值獲取
• 魔方色塊尋找

一、基礎知識普及

1. 圖傳：
   圖傳的概念，在無人機中非常常見，簡單來講，就是把攝像頭拍攝的實時視頻，又快又好的傳遞到終端設備上呈現，既要速度，不能卡，卡了沒意思，也要質量，清晰度不能低，低了沒得玩。而傳輸速度快，質量高，又可能占用較多的設備資源，以及需要較大的帶寬，所以設計一個上好的圖傳方案和系統，是很多該行業廠家的重大追求目標之一。
2. Lab：
   Lab是一種用數字化的方法來描述人的視覺感應的顏色系統。它是一種設備無關的、基于生理特征的顏色系統。在機器視覺中，Lab的概念會經常提及。
   可以用一張圖，來詳細描述Lab顏色空間：
   
   上述圖，是從人的視覺感應角度來看的。
   首先是L：表示亮度，從純黑到純白，取值可以從 0 -> 100
   然后是a：表示從紅色到綠色的范圍，取值可以從 -128 -> 127
   最后是b：表示從藍色到黃色的范圍，取值可以從 -128 -> 127
   通常，Lab會以范圍的形式來表示，也就是Lab閾值，因為因為現場環境的不同，我們看到的顏色，不可能是完完全全的理論純色，所以給出一定的容錯范圍；
   例如：[(0, 100, 21, 127, -128, -9)]，分別表示：L-min、L-max、a-min、a-max、b-min、b-max，機器視覺就根據這個范圍，來進行顏色判斷。

二、M2 Dock圖傳功能開啟

了解了以上的基礎概念后，我們就可以進入正題，在M2 Dock上，具體使用相關的功能。

得益于MaixPy3的強大，不用10行代碼，就能開啟M2 Dock的圖傳功能，以下為實際的代碼：

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)

要運行上述代碼，方法很多：

1. 在MaixPy3的網頁編輯界面中，運行上述代碼：
   
2. 可以用adb shell或者ssh連接到M2 Dock后，運行python后，再輸入代碼運行
3. 也可以用adb shell或者ssh連接到M2 Dock后，用vim編輯tuchuan.py并保存后，再執行python ./tuchuan.py運行

方式1最方便，方式2最麻煩，方式3運行效率最好。

建議一般玩家，選用方式1最合適了。

正確運行以上代碼后，就能正常開啟圖傳功能了。

二、圖傳功能使用

要訪問M2 Dock提供的圖傳功能，可以有幾種方式：

1. MaixPy3的網頁編輯界面中，運行了圖傳功能開啟，運行界面直接就調用了圖傳數據并呈現出來了，如上面的圖所示；
2. 如果是通過adb shell連接到M2 Dock執行啟動圖傳的代碼，那么可以使用http://127.0.0.1:18811直接訪問，如：
   
3. 如果是通過adb shell連接到M2 Dock執行啟動圖傳的代碼，且已經聯網了，那么可以使用http://設備ip地址:18811直接訪問，如：
   
4. 還可以寫一個簡單的網頁，打開網頁直接訪問(地址請參考2、3)，如：

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

M2 Dock的這個圖傳地址http://127.0.0.1:18811的實際處理，使用的是在 MaixPy3 中內置的 mjpg 包來進行的。MJPG 編碼是一種常見且簡易的視頻編碼方案，只需要將每一幀壓縮成 jpg 圖片后不斷發送給客戶端就行。

三、Lab閾值獲取

前面說過，機器視覺中會利用到Lab，同樣的，MaixPy3也提供了很簡單的方法來應用Lab閾值。

我們先想辦法，來得到一組合適的閾值，這可以使用HonestQiao/thresholding-filter-browser-html: Browser HTML opencv.js thresholding filter lab hsv binarize (github.com)工具。這個工具由Sipeed的大牛JunhuanChen提供，我fork源碼后做了一點點小修改，方便使用。

然后，開啟命令行，在上述下載的代碼目錄中，執行如下命令，啟動本地web服務：

python -m SimpleHTTPServer 8888

如果執行后提示：

No module named SimpleHTTPServer

那就換一條指令：

python -m http.server 8888

成功運行后，會出現提示信息：

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

然后，通過網頁訪問 http://127.0.0.1:8888/即可打開在線獲取Lab閾值頁面：

在該界面上，提供了一個默認的色塊圖片；

你也可以上傳已有的圖片來進行處理；

如果前面開啟了圖傳，那么可以設置圖傳地址：

根據使用的經驗，我一般會這么進行調整，來獲取需要的閾值。

例如，我想要獲取橙色色塊的閾值，那么，我會先調整a，達到如下的效果：

在上圖中，可以看到紅色色塊與橙色色塊接近，所以先讓這兩個色塊在右圖上，都呈現出白色區塊。而其他部分，都呈現為黑色。

然后，再調整L，使得顏色暗一些的紅色，被排除掉：

然后可以切換到魔方的其他面，并進行微調，確保能夠較好的識別各個面的橙色塊：

注意，獲取Lab閾值的時候，不要像下面這樣，把同一種顏色都擰到一面來：

這樣確實很整齊，但是，我們不僅僅要獲取這種顏色的閾值，同時，還得把其他干擾的顏色，給排除出去。

所以，把魔方打亂了去識別，效果會更好。

通過以上的方式，我們就能得到魔方六面6種顏色格子對應的Lab閾值了。

but，but，but，經過實際測試發現，我手頭這個三階魔方，是比賽用的，貼紙半光高亮的，紅色和橙色，人看著挺好，但攝像頭不好區分。

于是，我把家里的魔方擺出來，仔細挑了挑：

最后選擇了金字塔魔方，這個魔方是黑底的，顏色為紅黃藍綠四色，顏色分明，底色也不會干擾。
而白底的魔方，通常都有白色色塊，會造成干擾。
另外咱們現在還是做很基礎的實驗，所以也不能用純色的魔方。

挑選出來的金字塔魔方真身如下：

在我挑選魔方的時候，孩子很好奇我在干嘛，于是湊過來。
然后，然后孩子就占了主場，不出一分鐘，就理解了Lab閾值的概念，并學會了怎么獲取Lab閾值：

所以下面的部分，主要由孩子完成，我提供技術支持和指導。

我們用一個手機支架，把M2 Dock支起來，攝像頭對準魔方：

然后在Lab閾值獲取界面，進行閾值的調整查看：

最終，獲得了四組顏色對應的嗯Lab閾值：

[(0, 100, -128, -23, -128, 127)], #綠色
[(10, 100, 30, 127, -37, 127)], #紅色
[(40, 100, -25, 42, 7, 127)], #黃色
[(0, 100, -128, 127, -128, -46)], #藍色

并參考官方的例子，編寫了下面的程序：

from maix import image, display, camera
color = [
        [(0, 100, -128, -23, -128, 127)], #綠色
        [(10, 100, 30, 127, -37, 127)], #紅色
        [(40, 100, -25, 42, 7, 127)], #黃色
        [(0, 100, -128, 127, -128, -46)], #藍色
        ]  # 0.5.0 以后藍色的 lab 閾值，0.4.9 之前為 [(13, 11, -91, 54, 48, -28)]
font_color = [ # 邊框和文字顏色，暫時都用白色
    (255,255,255), # 綠色
    (255,255,255), # 紅色
    (255,255,255), # 黃色
    (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])    #在圖片中查找lab閾值內的顏色色塊
        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) #將找到的顏色區域畫出來
                    img.draw_string(i["x"], i["y"], name_color[n], scale = 0.8, 
                              color = font_color[0], thickness = 1) #在紅色背景圖上寫下hello worl
    display.show(img)

運行上述代碼后，識別的效果如下：

從中可以看到，M2 Dock又快又好的識別出來了對應的魔方色塊顏色。
當然，因為背景顏色和黃色接近，所以也被識別了。
可以找一張大的黑色膠片或者黑色紙，墊在下面和支在背后，這樣子就能消除干擾了。

識別視頻，詳見作者原帖子文章。