RoboMaster视觉教程（1）
摄像头
摄像头参数
主流有CCD和CMOS摄像头，一般而言CCD摄像头体积大造价高精度高，而CMOS摄像头由于集成度高造价远低于CCD摄像头，同时CMOS摄像头的体积功耗等参数也相应地优于CCD摄像头。Robo一般用Cmos摄像头
卷帘曝光与全局曝光
通常我们在网上买到的摄像头都是卷帘曝光的摄像头，在日常使用时很难看出这两种摄像头的区别，但是在对速度要求高的领域这两种曝光方式的优劣就很明显了，
> 1、尤其是对于廉价的摄像头卷帘曝光的果冻效应更加明显。
> 2、除了果冻效应外，全局曝光的摄像头在低曝光时间的情况下的颜色饱和度更高
曝光
当我们拍摄能自主发光的物体时，降低曝光时间可以减少环境光的影响。这时通过阈值处理得到二值图就可以进一步处理。
可以明显对比到二者中第二个环境光的影响减少了
Gamma矫正
在上面提到曝光可以减少环境光的影响时候，忽略了一个问题就是我们能看到的中间的数字1的光线，也是环境光的一部分。低曝的时候也很容易让数字彻底看不见如下最左图。
对此一种解决方法是：提高摄像头的Gamma值。
当Gamma提高时图像中亮度较低的区域的亮度会被提高。
实现方法如下：
可以简单理解该图：提高Gamma后。像素亮度越低，提高速度越快，像素亮度越高，提高速度越慢。所以提高Gamma后对比度下降。我们就可以看到4了。
与此同时观察到图中被提高亮度后，背景杂光提高后和数字四还是有很大的边缘阈值对比度很明显。只要我们提高对比度到适合程度，然后再选取杂光中最亮的像素值减去原图就可以消去杂光。再提高对比度即可
帧率与摄像头选型
对于RoboMaster比赛而言，识别的速度当然是越快越好，所以摄像头帧率也是越高越好。由于带宽的限制帧率和分辨率通常互相制约，想要高帧率分辨率就会低。
在实战中我们一般用分辨率640*480左右的图片，用彩色卷帘相机
镜头
镜头焦距一般用6mm或8mm左右的镜头比较合适，在这个焦距下3m左右的装甲板拍的很清楚。
Linux摄像头驱动
#pragma execution_character_set("utf-8")
#include <opencv2/opencv.hpp>
#include <opencv2/core/core.hpp>
int main（）
{
cv::VideoCapture capDevice(0);
capDevice.open(0);
//设置摄像头采集图像分辨率
capDevice.set(cv::CAP_PROP_FRAME_WIDTH, 1024.0);
capDevice.set(cv::CAP_PROP_FRAME_HEIGHT, 960.0);
capDevice.set(cv::CAP_PROP_FRAME_WIDTH, 1080);//宽度
capDevice.set(cv::CAP_PROP_FRAME_HEIGHT, 960);//高度
//capDevice.set(cv::CAP_PROP_FPS, 30);//帧率 帧/秒
capDevice.set(cv::CAP_PROP_BRIGHTNESS, 1);//亮度 1
capDevice.set(cv::CAP_PROP_CONTRAST, 60);//对比度 40
capDevice.set(cv::CAP_PROP_SATURATION, 64);//饱和度 50
capDevice.set(cv::CAP_PROP_HUE, 0);//色调
capDevice.set(cv::CAP_PROP_EXPOSURE, -7);//曝光 50
cv::Mat srcImage;
//宽度
double width = capDevice.get(cv::CAP_PROP_FRAME_WIDTH);
//高度
double height = capDevice.get(cv::CAP_PROP_FRAME_HEIGHT);
//帧率 帧/秒
//int fps = capDevice.get(cv::CAP_PROP_FPS);
//亮度
double bright = capDevice.get(cv::CAP_PROP_BRIGHTNESS);
//对比度
double contrast = capDevice.get(cv::CAP_PROP_CONTRAST);
//饱和度
double saturation = capDevice.get(cv::CAP_PROP_SATURATION);
//色调
double hue = capDevice.get(cv::CAP_PROP_HUE);
//曝光时长
double exposure = capDevice.get(cv::CAP_PROP_EXPOSURE);
//设置绘制文本的相关参数
char text[255] = "";
int font_face = cv::FONT_HERSHEY_COMPLEX;
double font_scale = 1;
int thickness = 1;
while (true) {
if (capDevice.isOpened())
{
capDevice >> srcImage;
}
sprintf(text, "width:%0.1f height:%0.1f exposure:%0.1f", width, height, exposure);
cv::putText(srcImage, text, cv::Point(20, 30), font_face, font_scale, cv::Scalar(0, 255, 255), thickness, 8, 0);
sprintf(text, "bright:%0.1f contrast:%0.1f saturation:%0.1f hue:%0.1f", bright, contrast, saturation, hue);
cv::putText(srcImage, text, cv::Point(20, 90), font_face, font_scale, cv::Scalar(0, 255, 255), thickness, 8, 0);
imshow("image", srcImage);
cv::waitKey(30);
}
}``
代码来源：https://www.so.com/s?ie=utf-8&src=360se7\_addr&q=opencv4%E7%9A%84%E6%91%84%E5%83%8F%E5%A4%B4video.set
本文版权归作者和博客园共有，欢迎转载，但必须给出原文链接，并保留此段声明，否则保留追究法律责任的权利。
参考博客：https://blog.csdn.net/u010750137/article/details/96428059
