K230基础
第十二章 摄像头的使用-K230图像采集与视觉应用实战
本章目标：
掌握 K230 上摄像头（Camera）的完整使用流程，学会通过 MicroPython（CanMV 风格）进行图像采集、参数配置、图像保存与显示、AI 推理集成，实现从“看到”到“理解”的完整视觉链路。
1. 开发准备：硬件与固件
1.1 硬件要求K230 开发板（如 CanMV-K230）摄像头模组：推荐 OV2640（DVP 接口，支持 JPEG/RGB）连接线：FPC 排线或 24Pin DVP 接口线可选外设： TFT LCD 屏（用于本地显示）SD 卡（用于图像存储）串口/网络模块（用于图像传输）✅ 接线确认：
摄像头正确插入 DVP 接口无反插、松动1.2 固件要求确保使用支持摄像头的 CanMV 官方固件（非标准 MicroPython）：
固件包含 sensor、image、lcd 等专用模块支持 OV2640、GC0308 等常见模组可通过 kflash 工具烧录2. 摄像头初始化与配置
2.1 导入模块import sensor import image import time 2.2 基础初始化流程
# === 1. 复位摄像头 === try: sensor.reset() print("✅ 摄像头复位成功") except Exception as e: print("❌ 摄像头未检测到:", e) raise # === 2. 设置像素格式 === sensor.set_pixformat(sensor.RGB565) # 或 sensor.GRAYSCALE, sensor.JPEG print("像素格式:", sensor.pixformat()) # === 3. 设置分辨率 === sensor.set_framesize(sensor.QVGA) # 320x240 # 可选: QQVGA, QVGA, VGA, SVGA, XGA, HD print("分辨率:", sensor.framesize()) # === 4. 跳过前几帧（等待稳定）=== sensor.skip_frames(time=2000) # 等待2秒 print("摄像头初始化完成")
✅ 输出示例：
✅ 摄像头复位成功 像素格式: 1 分辨率: 320x240 摄像头初始化完成
3. 图像采集与处理
3.1 拍摄单帧图像img = sensor.snapshot() print(f"图像大小: {img.width()}x{img.height()}")
img 是一个 image.Image 对象，支持多种操作。
3.2 图像属性查询方法说明img.width()图像宽度img.height()图像高度img.size()图像字节大小（如 153600）img.format()格式（RGB565=1, JPEG=2, etc）3.3 基础图像处理操作# 转灰度（仅对 RGB 图像有效） img.to_grayscale() # 转 RGB（灰度 → RGB） img.to_rgb565() # 图像旋转（0, 90, 180, 270） img.rotation_corr(corners=(0, 0, 320, 240), x_translation=0, y_translation=0, zoom=1.0, theta=90) # 图像二值化 img.binary([(threshold, 255)]) # 寻找边缘 img.find_edges(image.EDGE_CANNY, threshold=(50, 80)) # 画图形 img.draw_rectangle(100, 80, 120, 60, color=(255, 0, 0)) # 红框 img.draw_cross(160, 120, color=(0, 255, 0)) # 绿十字
4. 实战项目一：实时图像采集与信息打印
import sensor import time sensor.reset() sensor.set_pixformat(sensor.RGB565) sensor.set_framesize(sensor.QVGA) sensor.skip_frames(time=2000) clock = time.clock() # FPS 计算 while True: clock.tick() img = sensor.snapshot() # 打印帧信息 fps = clock.fps() size_kb = img.size() / 1024 print(f"帧: {img.width()}x{img.height()}, 大小: {size_kb:.1f}KB, FPS: {fps:.1f}") time.sleep_ms(100)
输出示例：
帧: 320x240, 大小: 150.0KB, FPS: 15.2 帧: 320x240, 大小: 150.0KB, FPS: 15.1
5. 实战项目二：图像保存到 SD 卡
5.1 挂载 SD 卡（见 SPI 章节）import os import sdcard # 初始化 SPI 和 CS（假设已定义） sd = sdcard.SDCard(spi, cs) os.mount(sd, "/sd") 5.2 保存图像（JPEG 格式推荐）
import sensor import image import time import os # 初始化摄像头 sensor.reset() sensor.set_pixformat(sensor.JPEG) # 使用 JPEG 减小体积 sensor.set_framesize(sensor.SVGA) # 800x600 sensor.skip_frames(time=2000) counter = 0 while True: img = sensor.snapshot() # 文件名 filename = f"/sd/capture_{counter:04d}.jpg" # 保存 img.save(filename, quality=95) print(f"✅ 保存图像: {filename}, 大小: {os.stat(filename)[6]} bytes") counter += 1 time.sleep(5) # 每5秒拍一张
✅ 优势：JPEG 格式可将 800x600 图像压缩至 ~50KB
6. 实战项目三：图像显示到 TFT LCD
6.1 初始化 LCD（使用 st7789）from machine import SPI, Pin import st7789 # SPI 和引脚配置（见 SPI 章节） spi = SPI(SPI.SPI1, baudrate=40_000_000, polarity=0, phase=0) cs = Pin(CS_PIN, Pin.OUT, value=1) dc = Pin(DC_PIN, Pin.OUT, value=0) rst = Pin(RST_PIN, Pin.OUT, value=1) lcd = st7789.ST7789(spi, 240, 240, reset=rst, dc=dc, cs=cs, rotation=0) lcd.fill(0) # 清屏 6.2 实时显示摄像头画面（缩放）
import sensor import time sensor.reset() sensor.set_pixformat(sensor.RGB565) sensor.set_framesize(sensor.QVGA) # 320x240 sensor.skip_frames(time=2000) while True: img = sensor.snapshot() # 缩放图像以适应 240x240 屏幕 img.resize(240, 240) # 转为 RGB565 数组并显示 lcd.blit_buffer(img.bytearray(), 0, 0, 240, 240, st7789.RGB565)
✅ 效果：实现“电子眼”实时监控显示。
7. 实战项目四：摄像头 + AI 推理（人脸检测）
7.1 加载人脸检测模型import KPU as kpu # 加载模型（需提前烧录到开发板） model = kpu.load(0x300000) # 模型在 Flash 的地址 # 或从文件加载（如果支持）： # model = kpu.load("/sd/face_detect.kmodel") # 设置输入参数 kpu.set_outputs(model, 0, 1, 1, 2) # (layer_idx, H, W, channels) 7.2 人脸检测主循环
import sensor import image import time sensor.reset() sensor.set_pixformat(sensor.RGB565) sensor.set_framesize(sensor.QVGA) sensor.skip_frames(time=2000) clock = time.clock() while True: clock.tick() # 拍摄图像 img = sensor.snapshot() # AI 推理 fmap = kpu.run_with_output(model, img) # 解析结果 plist = kpu.fmap_to_list(fmap) if plist: for res in plist: # res: [x, y, w, h, confidence] x, y, w, h = int(res[0]), int(res[1]), int(res[2]), int(res[3]) img.draw_rectangle(x, y, w, h, color=(255, 0, 0), thickness=2) img.draw_string(x, y-10, f"Face: {res[4]:.2f}", color=(0, 255, 0)) # 可选：显示到 LCD 或通过串口发送 fps = clock.fps() img.draw_string(10, 10, f"FPS: {fps:.1f}", color=(255, 255, 255)) print(f"检测到 {len(plist)} 个人脸, FPS: {fps:.1f}")
✅ 输出：在图像上画出人脸框和置信度。
8. 高级技巧与优化
8.1 使用 JPEG 模式降低带宽sensor.set_pixformat(sensor.JPEG) sensor.set_framesize(sensor.VGA) # 640x480 JPEG 图像仅 ~30KB
适合：
低带宽传输大容量存储远程监控8.2 自动调节图像参数sensor.set_auto_gain(False) # 关闭自动增益 sensor.set_auto_whitebal(False) # 关闭自动白平衡 sensor.set_brightness(0) # -2~2 sensor.set_contrast(1) # -2~2 sensor.set_saturation(1) # -2~2
✅ 用途：在固定光照环境下优化图像质量。
8.3 定时拍照任务结合 Timer 实现精准周期拍照：
from machine import Timer def take_photo(_): img = sensor.snapshot() img.save(f"/sd/photo_{utime.time()}.jpg") Timer(Timer.TIMER0, Timer.CHANNEL0, mode=Timer.MODE_PERIODIC, period=60_000, # 每分钟拍一张 callback=take_photo)
9. 常见问题与调试
❌ 问题1：sensor.reset() 超时或失败排查：
摄像头是否支持（OV2640 最稳定）DVP 接口是否接触良好固件是否为 CanMV 版本❌ 问题2：图像花屏、颜色错乱解决：
检查 DVP 数据线顺序降低分辨率测试检查 set_pixformat() 是否匹配❌ 问题3：AI 推理卡顿优化：
使用 QQVGA（160x120）输入使用 JPEG 格式减少推理频率（如每2秒一次）10. 性能与限制
参数K230 实测性能最高分辨率VGA（640x480）@15fpsJPEG 模式支持，大幅降低数据量图像处理支持缩放、滤波、绘图AI 推理输入推荐 QQVGA/QVGA内存占用QVGA RGB565 ≈ 150KB✅ 本章你已掌握：
摄像头初始化与参数配置图像采集、处理与显示图像保存到 SD 卡摄像头 + AI 人脸检测实战常见问题排查与优化 结语：
你已具备使用 K230 构建完整视觉系统的全部能力！可扩展至 物体识别、二维码识别、图像分类、智能监控 等 AIoT 应用。
相关知识
K230基础
【K230 CanMV】图像识别 色块追踪 颜色识别 blobs 全面详解
【花伴花店(常和景苑店)】地址详情,位置示意图,地图位置,交通指引,周边酒店
少先队基础理论知识？ 保安基础理论知识？
【编织基础】零基础学编织
美术基础
园林植物学基础
少儿素描基础
遗传学基础
素描基础ppt
网址: K230基础 https://m.huajiangbk.com/newsview2579834.html
| 上一篇: Simulink和matlab绘 |
下一篇: 关于AI中3D功能的使用 |
