创意手绘风PPT模板

图像处理
主要用到的是RGB三色原理，分别代表红 色，绿色和蓝色，每种颜色有0-255范围 的亮度值，这三种颜色可以按亮度值不 同形成其它颜色，如黑色是RGB按0 0 0组 成，白色是RGB按255 255 255组成，红色 和绿色等比缓和形成黄色。
首先将图像二值化处理，分割图像，根据 像素点阈值判断是否为红色，若为红色， 将像素点RGB置为255 255 0，即将红色转 换为黄色，若不是红色，将RGB值置为0 0 0，即显示黑色，最后再显示出来。
4.实验结果
图形界面
机器人走方形
图像处理
人脸识别
5.实验总结
实验总结
通过本次实验，我们对机器人的控制，人脸识别还有图像处理相应的内容和 原理有了一定的了解，收获很多，在学习机器人运动学理论课程时，接触到 的都只是一些理论性的信息，还有计算，但是通过本次的亲自动手编程，调 试机器人，我们对这些理论信息在实际中的应用又有了更加深刻的理解，但 是本次实验还是有一些遗憾的，因为第四个颜色跟随功能并没有成功实现。 本次实验的大部分时间都花费在程序的调试，各种错误的修改，还有Visual C# 软件的使用，经常出现一些库文件，函数调用，参数定义和使用的问题，在 今后的学习生活中我们会继续坚持对C#语言和机器人的学习和掌握，在此也 要衷心地感谢老师的耐心指导以及为我们提供的实验机会。
颜色跟随
首先根据图像处理的结果判断图像的中心位置，定义 一个参考图像，其坐标为(X,Y)，图像的宽度为width， 高度为height，通过X与width，Y与height的比值大小 判断被跟随的图像前后左右的运动状态，通过机器人 的两个电机控制跟随运动。
3.部分程序
机器人走方形
short speed = (short)trackBar1.Value; myRobot.DcMotorVelocityNonTimeCtrAll((short)(-motDir * speed), (short)(motDir * speed), -32767, -32767, -32767, -32767);//机器人向前移动 Thread.Sleep(2000); myRobot.DisableDcMotor(0); myRobot.DisableDcMotor(1);//机器人停止移动 Thread.Sleep(2000); myRobot.DcMotorVelocityNonTimeCtrAll((short)(motDir * speed), (short)(motDir *speed), -32767, -32767, -32767, -32767); /机器人向左移动 Thread.Sleep(745); myRobot.DisableDcMotor(0);
人脸识别
主要是识别人脸和人眼信息，然后再返回 这些信息内容，处理后显示出来，这里为 了方便实现功能，首先是将bitmap类型的 图像转换为image<Bgr,byte>类型，然后动 态地获取人脸和人眼的信息，这其中的动 态识别很是关键，因为要经过信息获取， 信息处理，输出信息这些阶段，对实时性 要求较高，即摄像头获取到的内容要实时 地显示在电脑上，在返回人脸和人眼的检 测信息后，即可开始人脸识别，在图像界 面左侧是摄像头的内容，右侧界面识别出 人脸和人眼的动态位置信息以及大致的轮 廓，并且中间的传输延迟要尽可能地缩小。
2018机器人实验答辩展示
小组成员： 黄金鹏 刘天恒 宋正阳 阙衍聪 胡涛 张旭
1实验内容
目
2实验原理
录 3部分程序
4实验结果
5实验总结
ห้องสมุดไป่ตู้
1.机器人走方形 2.图像识别 3.人脸识别 4.颜色跟随
1.实验内容
2.实验原理
机器人走方形
机器人走方形主要是通过前进左转90°，依次循环进行四次， 通过控制两个电机改变机器人运 动状态，实现控制机器人走方形 路径，每次前进的距离和转动的 角度需要经过多次调试，观察效 果。
else{ p[2]=p[1]=p[0]=(byte)0;//将非红转换为黑色}
p+=3;}
p+=offset;}
机器人走方形
if (img2_state == 2 && Bmp_twovalue != null){ if (!doingThreadFD){ doingThreadFD = true; blocknum = 0; Emgu.CV.Image<Bgr, byte> image = new Emgu.CV.Image<Bgr, byte>(Bmp_twovalue); long detectionTime; List<Rectangle> faces = new List<Rectangle>(); List<Rectangle> eyes = new List<Rectangle>(); DetectFace.Detect(image, "haarcascade_frontalface_default.xml", "haarcascade_eye.xml",faces, eyes, out detectionTime); foreach (Rectangle face in faces){ Formercenterx = (face.Left + face.Right) / 2; Formercenterx = (face.Top + face.Bottom) / 2; Xwidth = face.Width; Ywidth = face.Height; blocknum++; CvInvoke.Rectangle(image, face, new Bgr(Color.Red).MCvScalar, 2);} foreach (Rectangle eye in eyes) CvInvoke.Rectangle(image, eye, new Bgr(Color.Blue).MCvScalar, 2); pictureBoxCamera2.Image = image.Bitmap; doingThreadFD = false; }
图像处理
byte* p = (byte*)Scan0;//Scan0指向函数内部信息的指针 int offset = stride - Image_Width * 3;// 定义offset写入像素索引值
byte gray = (byte)0; Formercenterx=Image_Width/2;// 表示目标图像中心点坐标X Formercentery=Image_Height/2; / /表示目标图像中心点坐标Y
for(int y=0; y<Image_Height; y++){ for(int x = 0; x < Image_Width; x++)//得到阈值，通过两个for循环实现对原图像的 分割{ gray=p[0];//灰色是由RGB二值化128+128+128组成 if(p[2]>p[1] + IMAGE_MIDDLE && p[2] > p[0] + IMAGE_MIDDLE )//IMAGE_MIDDLE表 示图像阈值，该句判断颜色是否为红色{ p[0]=(byte)0; //表示蓝色blue p[1]=(byte)255;//表示绿色green p[2]=(byte)255;//表示红色red}