今日开始学习K210视觉识别模块: 图形化操作函数
亚博智能 K210视觉识别模块......
固件库: canmv_yahboom_v2.1.1.bin
训练网站: 嘉楠开发者社区
今日学习如何在识别到目标的时候添加图形化操作:(获取坐标、框出目标等)
在识别苹果的基础上 学习与添加 这些操作，获取苹果的坐标，框图等信息
文章提供测试代码讲解、完整代码贴出、测试效果图
目录
训练识别苹果的模型:
认识图形化操作函数：
整体工程代码贴出
训练识别苹果的模型:
依旧是之前的训练网站:
这个网站生成的模型里面的python文件代码需要自己做一些对应的修改，以下贴出的文章解释了如何修改，只需几步就可以了:具体对应步骤在下面的笔记中提到过：
K210视觉识别模块学习笔记5：(嘉楠)训练使用模型_识别人脸-CSDN博客
这里我拍摄标注了52张图片作为数据集来训练，发现还是能训练出稳定的模型的：
认识图形化操作函数：
dect列表中的每个元素l，是一个包含物体边界框坐标和标签索引的元组或列表：绘制矩形框，其中
l[0], l[1], l[2], l[3]是矩形框的左上角和右下角的坐标（通常是(x1, y1, x2, y2)的形式）：与检测到物体的坐标直接相关的部分是
l[0], l[1], l[2], l[3]，它们被用来绘制表示物体边界的矩形框。而l[0], l[1]在绘制文本标签时也被用作文本的起始位置，但它们本身并不表示物体的坐标。
a = img.draw_string(l[0],l[1],info,color=(255,0,0),scale=2.0)：
函数：
img.draw_string这是用于在图像img上绘制一个字符串。* `l[0], l[1]`：
这是两个坐标值，通常表示图像上的点（x, y）。在这里，`l` 是一个列表或元组，其中 `l[0]` 和 `l[1]` 分别代表x坐标和y坐标。这些坐标通常定义了字符串在图像上的起始位置。
* `info`：
这是要绘制在图像上的字符串内容。从代码中可以看出，`info` 是一个格式化的字符串，包含了物体的标签和某种分数或概率（由 `labels[l[4]]` 和 `l[5]` 构成）。
* `color=(255,0,0)`：
这是一个RGB颜色值，指定了绘制字符串时使用的颜色。在这个例子中，颜色是红色的，因为红色在RGB中由 (255, 0, 0) 表示。
* `scale=2.0`：
这是一个缩放因子，用于控制绘制字符串时的大小。在这里，字符串的大小是原始大小的2倍。
整体工程代码贴出：
https://download.csdn.net/download/qq_64257614/89486020?spm=1001.2014.3001.5503
