Kom igång med OpenCV och Intel Edison (7 / 10 steg)
Steg 7: Exempel projekt: mönstermatchning Robot del 1
Kan äntligen sätta fingrarna till nycklar och generera lite kod. För denna tutorial använda jag Python med OpenCV för att undervisa Edison hur man hittar vilken T-Shirt har just gula Instructables roboten på framsidan. Hämta bilder bifogas detta steg om du vill köra demo med samma foton.
Importera bibliotek
importera numpy som np < br > Importera cv2
importera pyplot från matplotlib som plt
Det första steget i någon Python kod är att importera de bibliotek som används av skriptet. I det här fallet använder vi numpy biblioteket, som du kommer ha ner laddas genom den gör läraren redan, CV2 biblioteket som är python bindande för OpenCV tutorial och matplotlib biblioteket för att kunna diagram utgångarna av vår kod.
Importera bilder
img1 = cv2.imread('RedShirt2.jpg',0)
img2 = cv2.imread('instructablesRobot.jpg',0)
Först vi importerar bilder och omvandla dem till gråskala. OpenCV importerar bilder som 3 matriser med data. Du har röda, grön och blå kanalerna i huvudsak att skapa 3 olika bilder men SURF fungerar bäst på gråskalebilder så vi i genomsnitt alla dessa kanaler tillsammans för våra gråskala bild. Nästa vi kallar identifiera och beräkna funktionen. Vad vi gör här är att ha vår algoritm hitta "intressanta" punkter i vår image. Intressanta punkter definieras av SURF algoritmen är matematiskt definierade punkter som bör vara unik. Vilket innebär om du hitta en annan punkt i en annan bild med det samma matematiska unikhet finns en god chans att dessa punkter. Målet med den här skriften är att hitta tillräckligt unik poäng för att redogöra för dåliga matcher och extremvärden.