消除frames直接的空隙

最新推荐文章于 2022-09-17 19:25:08 发布
原创 最新推荐文章于 2022-09-17 19:25:08 发布 · 925 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#firebug #chrome #tools #浏览器 #table #html

本文介绍了解决frame间显示间隙的方法，包括调整marginwidth和marginheight属性、使用Firebug检查定位问题源头等。通过这些技巧可以有效提升网页的专业度。

frame之间如果有空隙感觉比较不是很专业，通常消除frames直接的空隙注意这几个属性：

 

还有html的padding和margin，如果还不能消除空隙。就用firebug的click an element in the page to inspect 按钮，鼠标滑过空隙处，立马知道那个属性造成的空隙， 今天就碰到个问题发现两个frames之间的空隙无法消除，最后发现时table的cellpadding造成的。firebug感觉这方面还是比chrome的developer tools强，不过在浏览器中输入js代码chrome似乎更方便。

基于OpenCV的车辆计数（一）
red_ear的博客
08-14 1万+
全部代码链接 首先效果图： 语言：python + OpenCV 简单的背景减差算法实现移动物体检测。 学习目标： 1. 理解背景减差算法 2. OpenCV图像滤波 3. 通过连通区域检测目标 前景 = 当前帧 - 背景         但在某些情况下，我们不能得到静态帧，因为光可以改变，或者一些物体会被某人移动，或者总是存在运动，等等。在这种情况下，我们保存了一些帧，...
frame之间的空隙
梦想阿里
12-10 501
关于frame之间的空隙 我的页面用frame分割的，左右两部分，现在左右两部分之间有空白，虽然只是一小段距离，却不符合我的要求，哪位明白的老大告诉我怎么让左右两部分紧贴在一起？多谢了先。 两边的网页中分别加上： [code] [/code] 多谢，问题解决 简单下 body{margin:0;} ...
去除iframe之间的间隔
K_Jinze的博客
07-19 2011
iframe后面会有4px的间隔 解决方法: 方法1.iframe增加样式: margin: 0; float: left; 方法2.iframe增加样式: margin-bottom: -4px
消除上下两个iframe标签的间距方法
A struggling white
12-17 1495
1、在iframe标签中加入align=“top”. 2 在css中加入margin：0；padding:0;
使用iframe 底部及右部出现边距
devilszhou的专栏
05-28 2840
使用iframe 底部及右部出现边距时如果底部和右部存在15px左右得间距 可以给form属性设置margin-bottom:-15px;试试 同样可以查看iframe中scrolling属性设置成 no
php低部空隙太大,div和iframe之间空隙太大的问题，终于解决了
weixin_31869579的博客
03-12 141
test function switchSysBar() { var ssrc = document.all("frmTitle").style.display; if (ssrc == "none") { document.all("frmTitle").style.dis...
应该如何避免此项问题
05-23
for frame in range(pipeline.source.num_frames): data = pipeline.compute(frame) void_vol = data.attributes['ConstructSurfaceMesh.void_volume'] print(f"Frame {frame}: 空隙体积={void_vol}") ``` 2. ...
import sensor, image, time # 导入摄像头、图像处理、时间模块 from pyb import Pin, LED, Timer # 导入Pyboard的引脚、LED和定时器模块 from machine import UART # 导入UART串口模块 uart_A = UART(3, 115200) # 创建UART对象，使用串口3，波特率115200 uart_A.init(115200, bits=8, parity=None, stop=1) # 初始化串口参数，8位数据，无校验，1位停止位 sensor.reset() # 初始化摄像头传感器 sensor.set_pixformat(sensor.RGB565) # 设置摄像头像素格式为RGB565 sensor.set_framesize(sensor.QVGA) # 设置摄像头分辨率为QVGA（320x240） sensor.skip_frames(time=333) # 跳过333ms的帧，等待画面稳定 sensor.set_auto_gain(False) # 关闭自动增益 sensor.set_auto_whitebal(False) # 关闭自动白平衡 pin1 = Pin('P0', Pin.IN, Pin.PULL_DOWN) # 初始化P0引脚为输入，下拉模式 EXPOSURE_TIME_SCALE = 1 # 曝光时间缩放因子 print("Initial exposure == %d" % sensor.get_exposure_us()) # 打印初始曝光时间 sensor.set_auto_gain(False) # 再次确保关闭自动增益 sensor.set_auto_whitebal(False) # 再次确保关闭自动白平衡 sensor.skip_frames(time=1000) # 跳过1000ms的帧，进一步稳定画面 current_exposure_time_in_microseconds = sensor.get_exposure_us() # 再次获取当前曝光时间 print("Current Exposure == %d" % current_exposure_time_in_microseconds) # 打印当前曝光时间 sensor.set_auto_exposure(False, exposure_us=int(current_exposure_time_in_microseconds * EXPOSURE_TIME_SCALE)) # 设置为手动曝光 red_led = LED(1) # 获取板载红色LED对象，编号为1 roi2 = [0, 0, 320, 240] # 设置ROI（感兴趣区域）为整幅画面 thresholds = (0, 14, -128, 127, -128, 127) # 非红色目标的颜色阈值（用于找最大斑点） red_threshold = (93, 100, -128, 127, -128, 127) # 红色目标的颜色阈值 # 各种任务和点标志位，初始为0，表示未完成 TASK1_OK = 0 TASK2_OK = 0 TASK3_OK = 0 TASK4_OK = 0 top_left_OK = 0 top_mid_OK = 0 top_right_OK = 0 right_mid_OK = 0 bottom_left_OK = 0 bottom_mid_OK = 0 bottom_right_OK = 0 left_mid_OK = 0 # 舵机相关变量 pan_step = 1 # 水平增量步长 tilt_step = 1 # 垂直增量步长 last_pan = 0 # 上一次水平误差 last_tilt = 0 # 上一次垂直误差 set_pan = 0 # 当前水平PWM值 set_tilt = 0 # 当前垂直PWM值 jiaodian = 0 # 是否已获取了边框顶点（焦点），0为否，1为是 ledflag = 0 # 控制LED闪烁的次数 red_led.off() # 关闭红色LED largest_blob = None # 储存最大斑点对象 max_blob_area = 0 # 最大斑点面积 red_blobs = 0 # 红色斑点数量 def angle_to_pwm(angle): # 角度转PWM脉宽 angle_min = 0 # 最小角度 angle_max = 180 # 最大角度 pwm_min = 500 # 最小PWM pwm_max = 2500 # 最大PWM pwm = int((pwm_max - pwm_min) / (angle_max - angle_min) * angle + pwm_min) # 线性转换 pwm = int(pwm / 1) * 1 # 保证为整数 return pwm def SERVO_task(x, y): # 控制舵机移动到指定位置（用较慢速度） SERVO_data = "{{#000P{:04d}T0500!#001P{:04d}T0500!}}".format(x, y) # 构造舵机指令字符串 for i in range(4): # 连续发送4次，提升可靠性 uart_A.write(SERVO_data) time.sleep_ms(2) # 小延时 def SERVO_task3(x, y): # 控制舵机快速移动到指定位置 x = int(x / 1) * 1 # 转为整数 y = int(y / 1) * 1 # 转为整数 SERVO_data = "{{#000P{:04d}T0001!#001P{:04d}T0001!}}".format(x, y) # 舵机指令（最快速度） uart_A.write(SERVO_data) # 发送指令 def LED_task(ledflag): # 控制LED闪烁ledflag次 for l in range(0, ledflag, 1): red_led.on() time.sleep_ms(200) # 亮0.2秒 red_led.off() time.sleep_ms(200) # 灭0.2秒 def find_box_corners(edges): # 从边界点中找出四个角 if len(edges) < 1: return None top_left = edges[0] # 初始化四角 top_right = edges[0] bottom_left = edges[0] bottom_right = edges[0] for edge in edges: # 遍历所有点，按规则找出四角 x, y = edge if x + y < top_left[0] + top_left[1]: top_left = edge if x - y > top_right[0] - top_right[1]: top_right = edge if x - y < bottom_left[0] - bottom_left[1]: bottom_left = edge if x + y > bottom_right[0] + bottom_right[1]: bottom_right = edge # 坐标微调，优化顶点位置，避免检测误差 if top_left[1] < top_right[1] and top_left[1] < bottom_left[1] and top_left[1] < bottom_right[1] and abs(top_left[1] - top_right[1]) > 15: top_left = top_left[0] + 2, top_left[1] + 2 bottom_right = bottom_right[0] - 2, bottom_right[1] - 2 elif top_right[1] < top_left[1] and top_right[1] < bottom_left[1] and top_right[1] < bottom_right[1] and abs(top_left[1] - top_right[1]) > 15: top_right = top_right[0] - 2, top_right[1] + 2 top_left = top_left[0] + 2, top_left[1] bottom_left = bottom_left[0] + 2, bottom_left[1] - 2 else: top_right = top_right[0] - 3, top_right[1] + 3 top_left = top_left[0] + 3, top_left[1] + 3 bottom_right = bottom_right[0] - 3, bottom_right[1] - 3 bottom_left = bottom_left[0] + 3, bottom_left[1] - 3 return top_left, top_right, bottom_left, bottom_right def pan_can_angle(pan_servo_angle): # 限定水平舵机角度在安全范围 if pan_servo_angle <= 77: pan_servo_angle = 77 if pan_servo_angle >= 95: pan_servo_angle = 95 return pan_servo_angle def tilt_can_angle(tilt_servo_angle): # 限定垂直舵机角度在安全范围 if tilt_servo_angle <= 72: tilt_servo_angle = 72 if tilt_servo_angle >= 90: tilt_servo_angle = 90 return tilt_servo_angle TASK = 0 # 当前任务编号，0为无任务 time.sleep_ms(200) # 启动延时200ms print(TASK) # 打印初始任务编号 while True: # 主循环 # 1.根据P0状态选择任务 if pin1.value() == 1: # 如果外部按键或信号触发 TASK = 2 LED_task(TASK) # LED闪烁对应次数 print(TASK) else: TASK = 1 LED_task(TASK) print(TASK) # 2.任务未完成时初始化舵机位置 if TASK != 0 and TASK1_OK != 1 and TASK2_OK != 1 and TASK3_OK != 1 and TASK4_OK != 1: pan_angle = 90 # 水平中位 tilt_angle = 90 # 垂直中位 # 3.根据任务编号处理 if TASK == 0 or (TASK == 1 and TASK1_OK == 1) or (TASK == 2 and TASK2_OK == 1): img = sensor.snapshot() # 仅采集图像 elif TASK == 1 and TASK1_OK == 0: SERVO_task(angle_to_pwm(pan_angle - 2), angle_to_pwm(tilt_angle - 9)) # 舵机移动到指定位置 TASK1_OK = 1 # 标志任务1已完成 elif TASK == 2 and TASK2_OK == 0: # 执行一系列舵机移动，实现某种轨迹 SERVO_task(angle_to_pwm(pan_angle + 10), angle_to_pwm(tilt_angle - 18)) time.sleep_ms(1200) SERVO_task(angle_to_pwm(pan_angle - 12), angle_to_pwm(tilt_angle - 18)) time.sleep_ms(1200) SERVO_task(angle_to_pwm(pan_angle - 12), angle_to_pwm(tilt_angle + 1)) time.sleep_ms(1200) SERVO_task(angle_to_pwm(pan_angle + 10), angle_to_pwm(tilt_angle - 1)) time.sleep_ms(1200) SERVO_task(angle_to_pwm(pan_angle + 10), angle_to_pwm(tilt_angle - 18)) TASK2_OK = 1 # 标志任务2已完成 elif (TASK == 3 and TASK3_OK == 0) or (TASK == 4 and TASK4_OK == 0): # 进入检测与跟踪流程 SERVO_task(angle_to_pwm(pan_angle + 10), angle_to_pwm(tilt_angle - 9)) time.sleep_ms(800) while (TASK3_OK == 0 or TASK4_OK == 0): # 持续直到检测完毕 # 实时任务切换 if pin1.value() == 1 and TASK == 3: TASK = 4 # 切换为任务4 TASK3_OK = 0 left_mid_OK = 0 top_left_OK = 0 top_mid_OK = 0 top_right_OK = 0 right_mid_OK = 0 bottom_left_OK = 0 bottom_mid_OK = 0 bottom_right_OK = 0 jiaodian = 0 LED_task(TASK) break if pin1.value() == 1 and TASK == 4: TASK = 0 # 复位 time.sleep_ms(600) LED_task(TASK) break img = sensor.snapshot() # 获取实时图像 if jiaodian == 0: # 查找画面中的最大斑点，推测为目标框 blobs = img.find_blobs([thresholds], roi=roi2, pixels_threshold=0, area_threshold=0, merge=True) for blob in blobs: area = blob.area() if area > max_blob_area: largest_blob = blob max_blob_area = area if largest_blob: edges = largest_blob.min_corners() # 获取最小外接矩形的角点 top_left, top_right, bottom_left, bottom_right = find_box_corners(edges) img.draw_cross(top_left[0], top_left[1]) # 在图像上标记四个角 img.draw_cross(top_right[0], top_right[1]) img.draw_cross(bottom_left[0], bottom_left[1]) img.draw_cross(bottom_right[0], bottom_right[1]) up_w = top_right[0] - top_left[0] # 上边宽 up_h = top_left[1] - top_right[1] # 上边高（理论为0） left_w = bottom_left[0] - top_left[0] # 左边宽（理论为0） left_h = bottom_left[1] - top_left[1] # 左边高 print(up_w, up_h, left_w, left_h) # 打印框的几何信息 set_pan = angle_to_pwm(pan_angle + 10) # 设置舵机目标位置 set_tilt = angle_to_pwm(tilt_angle - 9) jiaodian = 1 # 标记已获取焦点 time.sleep_ms(400) # 查找红色斑点，进行坐标误差计算和舵机控制 red_blobs = img.find_blobs([red_threshold], roi=roi2, pixels_threshold=0, area_threshold=2, merge=True) # === 顶点跟踪阶段1：左上点 === if TASK3_OK == 0 and ((jiaodian == 1 and top_left_OK == 0) or (jiaodian == 1 and top_left_OK == 1 and top_right_OK == 1 and bottom_right_OK == 1 and bottom_left_OK == 1)): if red_blobs: for red_blob in red_blobs: img.draw_cross(red_blob.cx(), red_blob.cy()) # 标记红点 if left_mid_OK == 0 and bottom_left_OK == 1: # 跟踪左中点 pan_error = red_blob.cx() - (top_left[0] + bottom_left[0]) / 2 tilt_error = red_blob.cy() - (top_left[1] + bottom_left[1]) / 2 else: # 跟踪左上点 pan_error = red_blob.cx() - top_left[0] tilt_error = red_blob.cy() - top_left[1] # 误差归一化和限幅（防止过大或过小影响控制） if pan_error != 0 and tilt_error != 0: w_error = abs(pan_error / tilt_error) h_error = abs(tilt_error / pan_error) w_error = min(max(w_error, 0.2), 0.7) h_error = min(max(h_error, 0.2), 0.7) # 水平控制 if abs(pan_error - last_pan) < 3: if pan_error > 2: pan_step = w_error elif pan_error < -2: pan_step = -w_error if abs(pan_error) < 8: pan_step = 0 set_pan += pan_step # 垂直控制 if abs(tilt_error - last_tilt) < 3: if tilt_error > 2: tilt_step = -h_error elif tilt_error < -2: tilt_step = h_error if abs(tilt_error) < 8: tilt_step = 0 set_tilt += tilt_step last_pan = pan_error # 记录误差 last_tilt = tilt_error tilt_step = 0 pan_step = 0 # 判定到位 if abs(pan_error) < 8 and abs(tilt_error) < 8: if left_mid_OK == 0: left_mid_OK = 1 else: top_left_OK = 1 if bottom_left_OK == 1: if TASK == 3: TASK3_OK = 1 break elif TASK == 4: TASK3_OK = 0 left_mid_OK = 0 top_left_OK = 0 top_mid_OK = 0 top_right_OK = 0 right_mid_OK = 0 bottom_left_OK = 0 bottom_mid_OK = 0 bottom_right_OK = 0 SERVO_task3(int(set_pan), int(set_tilt)) # 实时发送舵机命令 # === 顶点跟踪阶段2：右上点 === if jiaodian == 1 and top_left_OK == 1 and top_right_OK == 0: if red_blobs: for red_blob in red_blobs: img.draw_cross(red_blob.cx(), red_blob.cy()) if top_mid_OK == 0: pan_error = red_blob.cx() - (top_right[0] + top_left[0]) / 2 tilt_error = red_blob.cy() - (top_right[1] + top_left[1]) / 2 else: pan_error = red_blob.cx() - top_right[0] tilt_error = red_blob.cy() - top_right[1] if pan_error != 0 and tilt_error != 0: w_error = abs(pan_error / tilt_error) h_error = abs(tilt_error / pan_error) w_error = min(max(w_error, 0.2), 0.7) h_error = min(max(h_error, 0.2), 0.7) if abs(pan_error - last_pan) < 3: if pan_error > 2: pan_step = w_error elif pan_error < -2: pan_step = -w_error if abs(pan_error) < 8: pan_step = 0 set_pan += pan_step if abs(tilt_error - last_tilt) < 3: if tilt_error > 2: tilt_step = -h_error elif tilt_error < -2: tilt_step = h_error if abs(tilt_error) < 8: tilt_step = 0 set_tilt += tilt_step print("pan_step=", pan_step, "tilt_step", tilt_step) tilt_step = 0 pan_step = 0 last_pan = pan_error last_tilt = tilt_error if abs(pan_error) < 8 and abs(tilt_error) < 8: if top_mid_OK == 0: top_mid_OK = 1 else: top_right_OK = 1 SERVO_task3(int(set_pan), int(set_tilt)) # === 顶点跟踪阶段3：右下点 === if jiaodian == 1 and top_left_OK == 1 and top_right_OK == 1 and bottom_right_OK == 0: if red_blobs: for red_blob in red_blobs: img.draw_cross(red_blob.cx(), red_blob.cy()) if right_mid_OK == 0: pan_error = red_blob.cx() - (top_right[0] + bottom_right[0]) / 2 tilt_error = red_blob.cy() - (top_right[1] + bottom_right[1]) / 2 else: pan_error = red_blob.cx() - bottom_right[0] tilt_error = red_blob.cy() - bottom_right[1] if pan_error != 0 and tilt_error != 0: w_error = abs(pan_error / tilt_error) h_error = abs(tilt_error / pan_error) w_error = min(max(w_error, 0.2), 0.7) h_error = min(max(h_error, 0.2), 0.7) if abs(pan_error - last_pan) < 3: if pan_error > 2: pan_step = w_error elif pan_error < -2: pan_step = -w_error if abs(pan_error) < 8: pan_step = 0 set_pan += pan_step if abs(tilt_error - last_tilt) < 3: if tilt_error > 1: tilt_step = -h_error elif tilt_error < -1: tilt_step = h_error if abs(tilt_error) < 8: tilt_step = 0 set_tilt += tilt_step print("pan_step=", pan_step, "tilt_step", tilt_step) tilt_step = 0 pan_step = 0 last_pan = pan_error last_tilt = tilt_error if abs(pan_error) < 8 and abs(tilt_error) < 8: if right_mid_OK == 0: right_mid_OK = 1 else: bottom_right_OK = 1 SERVO_task3(int(set_pan), int(set_tilt)) # === 顶点跟踪阶段4：左下点 === if jiaodian == 1 and top_left_OK == 1 and top_right_OK == 1 and bottom_right_OK == 1 and bottom_left_OK == 0: if red_blobs: for red_blob in red_blobs: img.draw_cross(red_blob.cx(), red_blob.cy()) if bottom_mid_OK == 0: pan_error = red_blob.cx() - (bottom_left[0] + bottom_right[0]) / 2 tilt_error = red_blob.cy() - (bottom_left[1] + bottom_right[1]) / 2 else: pan_error = red_blob.cx() - bottom_left[0] tilt_error = red_blob.cy() - bottom_left[1] if pan_error != 0 and tilt_error != 0: w_error = abs(pan_error / tilt_error) h_error = abs(tilt_error / pan_error) w_error = min(max(w_error, 0.2), 0.7) h_error = min(max(h_error, 0.2), 0.7) if abs(pan_error - last_pan) < 3: if pan_error > 2: pan_step = w_error elif pan_error < -2: pan_step = -w_error if abs(pan_error) < 8: pan_step = 0 set_pan += pan_step if abs(tilt_error - last_tilt) < 3: if tilt_error > 2: tilt_step = -h_error elif tilt_error < -2: tilt_step = h_error if abs(tilt_error) < 8: tilt_step = 0 set_tilt += tilt_step print("pan_step=", pan_step, "tilt_step", tilt_step) tilt_step = 0 pan_step = 0 last_pan = pan_error last_tilt = tilt_error if abs(pan_error) < 8 and abs(tilt_error) < 8: if bottom_mid_OK == 0: bottom_mid_OK = 1 else: bottom_left_OK = 1 left_mid_OK = 0 SERVO_task3(int(set_pan), int(set_tilt))这是main.py import time, image,sensor,math,pyb,ustruct, struct from image import SEARCH_EX, SEARCH_DS from pyb import Pin, Timer,LED sensor.reset() sensor.set_contrast(1) sensor.set_gainceiling(16) sensor.set_framesize(sensor.QQVGA) sensor.set_pixformat(sensor.GRAYSCALE) sensor.set_windowing((0, 50, 160, 50)) EXPOSURE_TIME_SCALE = 1 print("Initial exposure == %d" % sensor.get_exposure_us()) sensor.set_auto_gain(False) sensor.set_auto_whitebal(False) sensor.skip_frames(time = 1000) current_exposure_time_in_microseconds = sensor.get_exposure_us() print("Current Exposure == %d" % current_exposure_time_in_microseconds) sensor.set_auto_exposure(False, \ exposure_us = int(current_exposure_time_in_microseconds * EXPOSURE_TIME_SCALE)) uart = pyb.UART(3, 115200, timeout_char = 1000) data = [0x00,0x00,0x00,0x00,0x00,0x00,0x00,0x00,0x00] def servo_control(servo_ID): img_data_0 = "#000" + "PID00" + str(servo_ID) + "!" uart.write(img_data_0) print(img_data_0) time.sleep_ms(10) while(True): servo_control(0) #在这里写上要修改的ID号(下面控制左右摆动的设置舵机ID:000,上面控制上下的舵机设置ID:001) time.sleep_ms(1000)#servo_control(1)这样就是设置ID为1，记得设置舵机时 只连接一个舵机，别串连，不然两个舵机都设置成了同一个ID 这是SetID.py 将这个代码改成openmv控制两个舵机，进行图像识别，识别一个矩形的中心点，将舵机的正中心对准矩形的中心点，矩形四周用黑胶带做边框
07-31
但注意，黑色胶带边框可能被识别为多个色块（因为边框是连续的，但可能被中间的空隙断开），所以可能需要合并色块或者使用形态学操作（如闭运算）连接断开的边框。OpenMV中可以使用`img.dilate`和`img.erode`。 ...
import sensor, image, time, math sensor.reset() sensor.set_pixformat(sensor.GRAYSCALE) sensor.set_framesize(sensor.QVGA) sensor.skip_frames(time=2000) # 霍夫变换检测直线 def detect_triangles(img): lines = img.find_lines(threshold=1000, theta_margin=25, rho_margin=25) candidates = [] # 寻找可能的三角形边 for i in range(len(lines)): for j in range(i+1, len(lines)): for k in range(j+1, len(lines)): l1, l2, l3 = lines[i], lines[j], lines[k] # 计算交点 p1 = line_intersection(l1, l2) p2 = line_intersection(l2, l3) p3 = line_intersection(l3, l1) if p1 and p2 and p3: # 计算三角形面积 area = abs((p1[0]*(p2[1]-p3[1]) + p2[0]*(p3[1]-p1[1]) + p3[0]*(p1[1]-p2[1]))/2) if area > 100: # 过滤小面积 candidates.append((p1, p2, p3)) return candidates # 计算两条直线的交点 def line_intersection(line1, line2): x1, y1, x2, y2 = line1.line() x3, y3, x4, y4 = line2.line() denom = (y4-y3)*(x2-x1) - (x4-x3)*(y2-y1) if denom == 0: # 平行线 return None ua = ((x4-x3)*(y1-y3) - (y4-y3)*(x1-x3)) / denom ub = ((x2-x1)*(y1-y3) - (y2-y1)*(x1-x3)) / denom if 0 <= ua <= 1 and 0 <= ub <= 1: # 线段相交 x = x1 + ua*(x2-x1) y = y1 + ua*(y2-y1) return (int(x), int(y)) return None while True: img = sensor.snapshot() # 中值滤波去噪（引用[2]） img.median(1) # 检测三角形 triangles = detect_triangles(img) for tri in triangles: p1, p2, p3 = tri img.draw_line(p1[0], p1[1], p2[0], p2[1], color=255) img.draw_line(p2[0], p2[1], p3[0], p3[1], color=255) img.draw_line(p3[0], p3[1], p1[0], p1[1], color=255) # 计算中心点 cx = (p1[0] + p2[0] + p3[0]) // 3 cy = (p1[1] + p2[1] + p3[1]) // 3 img.draw_cross(cx, cy, color=255, size=10) def region_growing(img, seed): """区域生长算法""" directions = [(0,1), (1,0), (0,-1), (-1,0)] region = [] stack = [seed] while stack: x, y = stack.pop() if (x, y) not in region: region.append((x, y)) for dx, dy in directions: nx, ny = x+dx, y+dy if 0 <= nx < img.width() and 0 <= ny < img.height(): # 相似性判断（灰度值接近） if abs(img.get_pixel(x,y) - img.get_pixel(nx,ny)) < 10: stack.append((nx, ny)) return region def analyze_region(region): """分析区域形状特征""" xs = [p[0] for p in region] ys = [p[1] for p in region] min_x, max_x = min(xs), max(xs) min_y, max_y = min(ys), max(ys) # 计算宽高比 w, h = max_x - min_x, max_y - min_y aspect_ratio = w / h if h != 0 else 0 # 计算面积与边界框面积比 area = len(region) bbox_area = w * h density = area / bbox_area if bbox_area > 0 else 0 # 三角形特征：0.4 < density < 0.6, 0.7 < aspect_ratio < 1.3 if 0.4 < density < 0.6 and 0.7 < aspect_ratio < 1.3: return True return False # 在主循环中使用 while True: img = sensor.snapshot() img.median(1) # 中值滤波 # 采样种子点（实际应用中需要更智能的种子选择） seeds = [(img.width()//4, img.height()//4), (3*img.width()//4, img.height()//4), (img.width()//4, 3*img.height()//4), (3*img.width()//4, 3*img.height()//4)] for seed in seeds: region = region_growing(img, seed) if len(region) > 100 and analyze_region(region): # 过滤小区域 # 绘制区域边界 for x, y in region: img.set_pixel(x, y, 255) # 创建三角形模板 template = image.Image(30, 30, sensor.GRAYSCALE) # 绘制三角形 for i in range(15): template.draw_line(15-i, 15+i, 15+i, 15+i, color=255) template.draw_line(0, 29, 29, 29, color=255) # 在主循环中使用模板匹配 while True: img = sensor.snapshot() img.median(1) # 模板匹配 result = img.find_template(template, 0.7, step=4, search=image.SEARCH_EX) if result: img.draw_rectangle(result) img.draw_string(result[0], result[1], "Triangle", color=255) 此代码能识别三角形，但误差有点大，希望能识别黑色形状三角形，且只显示黑色三角形
最新发布
08-01
img.dilate(1) # 膨胀填充空隙 return img ``` **优化要点**： - 使用$0 \leq \text{灰度值} \leq 50$的二值化范围捕获纯黑物体 - 形态学操作消除噪点（建议3×3内核） - 增加红光照明减少环境光干扰[^1] #### 2...
如果路线有黑色和红色如何归成一种颜色，把其他颜色处理成黑色
07-15
由于黑色和红色在颜色空间中差异较大，直接合并有难度，因此我们需要分步骤处理。 解决方案思路： 1. 分别提取黑色区域和红色区域。 2. 将这两个区域合并为一个区域（即目标路径）。 3. 将合并后的区域设置为...
div和iframe之间空隙太大的问题，终于解决了
热门推荐
woshidaniu的专栏
04-11 1万+
test           function switchSysBar() {             var ssrc = document.all("frmTitle").style.display;             if (ssrc == "none") {                 document.all("frmTitle").style.d
iframe底边多出4px或5px解决办法
weixin_30480651的博客
11-27 677
问题： 在处理iframe框架自适应时，并且已经去掉iframe的边框，但仍然出现底边多出4px或5px高度的情况。如图 <div id="content"> <iframe id="iframe" width="100%" height="100%" marginwidth="0" marginheight="0" scrolling="yes" allo...
Frame间最小间隙
farmwang的专栏
03-21 585
网卡在接收一个Frame时需要做一系列的检查和处理动作。所以为了保证网卡能正确和连续的处理接收Frame，IEEE802.3 标准规定了Frame间的最小间隙。 Ethernet  Frame 的最小 间隙为9.6Us，相当于发送 96bit的时间，接收节点可以利用这段时间处理已接收的Frame，并准备接收下一Frame，或从接收状态转入发送状态 From  计算机网络
使用iframe遇到底部留白的问题
qq_60483541的博客
09-17 1218
使用iframe遇到底部留白的问题
如何去掉iframe内嵌页面头部/底部（iframe取部分网页）
37度2
05-23 1万+
请看如下代码 红色部分就是你需要加进去的  style="margin-top:-150px;width:950px;display:block;" frameborder="0" marginheight="0" marginwidth="0" border="0" id="alimamaifrm" name="alimamaifrm" scrolling="no" height="200
针对iframe底部留白问题解决方案
YoungC
10-09 1302
先来聊一下。之前做的专题因为有过改底部公司名称的问题，一下让小伙伴刷了好几百个专题的底部，后来决定将以后的所有专题底部都搞为公共的，所以启用了好久不用的iframe，一切正常的之后，隐约发现了一个小bug，就是底部出现了一条横线，那么针对这一个问题有了一个简单的解决办法。 先上一段代码 <iframe src="http://www.yc-wr.com" style="width: 100%;border: none;height: 218px;vertical-align:bo
深入理解frames及其相关技术资料下载
资源摘要信息:"frames技术文档" 在信息技术领域，"frames"（帧）是一种数据结构，通常用于网络通信或在计算机内存中组织信息。本资源包中的"frames.rar"文件包含了关于帧的详细说明，以及相关的技术资料供下载学习...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值