在 RoboMaster 竞赛中，当一台机器人移动时，另一台机器人在无人操作的情况下，如同有着一双眼睛，能够主动瞄准移动的机器人。
在这个场景中，机器人搭载的摄像头把图画实时传输到电脑，通过电脑程序剖析。即便图画内方针物体快速移动，它的方位信息也会被获取并实时追寻，很难被甩掉。
咱们告知电脑方针物体都有哪些特征，它就会彻底依照咱们预设的程序来运转，这种视觉处理办法可归为传统办法。
传统式的机器视觉合适入门学习。今日咱们先来讲讲视觉辨认中处理程序的一环：究竟电脑是怎么辨认和处理图画的呢？想闭着眼睛操控机器人的小伙伴，留意听讲啦~
《论语·卫灵公》：“工欲善其事，必先利其器。”做机器视觉也相同，咱们需求高效的编程环境，以及让你事半功倍的兵器——OpenCV 视觉库。OpenCV 是广泛应用的视觉辨认库，它供给了开源的代码供直接调用。
全称 Open Source Computer Vision Library，直译成中文便是“开源的计算机视觉库”。它“普渡众生”，能够运转在 Linux（一种用来干活的操作系统）、Windows（一种又能干活又能玩的操作系统）和 MacOS（一种只能运转在贵重电脑上的操作系统）等操作系统上。
说起喜欢 OpenCV 的原因，许多参赛队员都谈到了两点。榜首，OpenCV 是免费开源的，由一个非盈利性安排支撑；第二，OpenCV 十分轻量级，这意味着，大部分程序在一般的电脑上也能运转。
OpenCV 有上百个函数，依据不同功用划分到不同的功用模块里。这些功用模块一点也不多，大约就那么十几二十吧(・∀・*)……
OpenCV 的core 内核模块为咱们供给了最中心的类和接口。其间，Mat 类型将图画以矩阵的办法存储，更合适计算机做数值运算。
以最简略的是非位图相片为例。咱们把图片扩大之后，能够看到图画实际上是由许多明暗不同的小方块（像素）组成的。
在8位的灰度色彩空间里，咱们把这些小方块用0~255的数字替代，数值越小代表的方块越暗。
一般，视觉辨认分为两步。榜首步是“预处理”，通过一些根底算法，去除无用信息和噪声，扩大色彩间的差异；第二步，便是运用其特征信息进行“物体检测”。
咱们先用core 内核模块中的imread 读图画函数把这张图片以矩阵方法载入到内存中，并起个好听的姓名叫做 src。
接下来，用遍历像素点的办法，找到一切蓝色像素，把它变成白色。伪代码如下：
这三种办法中，第 1 种办法功率最高，但在运用之前，你需求先保证该图画在内存内是接连存储的。主张操作之前先调用函数isContinuous()来判别。
但相比之下，第 2 种办法更安全。它会帮你主动越过内存内的不接连空间，一同也坚持了很高的功率。
第 3 种办法是被设定来随机拜访像素点的，你要是用它来遍历图画，那功率可谓感人。等你找到萝卜君的时分，他可能把下周的视频都做完了。
那咱们就挑一种自己喜欢的办法，完结这一步操作：遍历全图，把蓝色的像素点变成白色。它有点像咱们常说的“抠图”。
通过去除布景之后的图片，依然有许多像椒盐相同的噪声点，咱们管它叫做椒盐噪声。
OpenCV 的imgproc 模块，内含滤波、形状学处理、几许改换等很多有用的图画处理函数，把它们像相互组合起来，足以应对各种场景需求。
例如，图画非线性滤波算法中的中值滤波 medianBlur，关于滤除图画中的“椒盐噪声”，作用优异。
咱们把机器人跟萝卜君相同，进行图片“预处理”，去掉布景杂色，只保存发光的灯条。
接下来，运用findConours 函数，找出装甲片灯条的概括；再运用minAreaRect 函数，将“看起来像矩形”的灯条直接拟组成RotationRect 旋转矩形。将灯条变成规矩的几许图画，更有利于之后的特征剖析。
这儿的 minRect 便是一个 RotationRect 旋转矩形的实例，它包含了矩形的方位和形状信息。接下来，依据灯条姿势，结合运用装甲片、灯条尺度等先验常识，就能够换算出方针装甲模块的相对坐标啦！
在 RoboMaster 竞赛中，当获取到方针的相对坐标后，剖析图画，就能进一步操控云台瞄准打击方针啦，妥妥的~
本期的机器视觉入门就到这儿，讲了这么多，有没有听进去呀？祝咱们学习路上大吉大利，将来一同吃“反鸡”！
在 2017 赛季 RoboMaster 竞赛中，呈现了一个动态改变的九宫格大能量机关，机器人需求先辨认机关上方随机呈现的一行数码管数字，再依照其次序辨认下方随机散布、随机字体的九宫格数字。由于其字体是随机的，很难手动输入一切特征，这儿就需求用到机器学习：给机器人一些事前准备好的比如，让它自己学习、探索。
这种丑丑的手写体数字就无法用传统办法来辨认了，重视咱们，下一期愈加高档的机器学习式视觉辨认教育，周日按时带你飞。
