K230 OpenCV (cv2) 介绍

教程基于CanMV_K230_YAHBOOM_micropython_v1.8-13固件，跑OpenCV案例需要micropython_v1.8以上的固件

1. 为什么用 OpenCV 库

K230 上有两套视觉处理方案：cv_lite 和 cv2（OpenCV）。它们的关系和选择逻辑：

对比

	cv_lite	cv2 (OpenCV)
调用方式	单个函数完成整个算法链	多步自由组合
典型代码	`cv_lite.rgb888_find_blobs(img, thr, area, ksize)`	`cvtColor → GaussianBlur → Canny → findContours`
灵活性	低（每个函数是黑盒）	高（每一步可控可替换）
可调试性	难（中间结果不可见）	易（每步都能显示出来看）
功能广度	约 15 个原子操作	50+ 标准 OpenCV 函数
学习价值	硬件厂商绑定	通用技能，和桌面 OpenCV 一致
适用场景	快速验证硬件、单一任务产线	算法开发、学习、原型验证

选 cv2 的三个理由

1. 标准 API，一次学会到处能用

K230 上的 cv2 是标准 OpenCV 的 MicroPython 移植——函数名、参数、常量都和桌面版一致。在 K230 上学会 cv2.Canny()，到了 PC/Raspberry Pi/Jetson 照样写。

2. 自由组合，不受封装限制

cv_lite 的 find_blobs 内部做了二值化+连通域+面积过滤——如果某个环节参数不合适，你换不了也看不到中间结果。cv2 让你自己搭管线：换个阈值方法、换种模糊、加个形态学，完全自定义。

3. 覆盖面广，一库走天下

50+ 函数覆盖了色彩转换、几何变换、阈值、滤波、边缘、形态学、轮廓、霍夫检测、模板匹配、算术运算、通道操作、绘图——基本覆盖了嵌入式视觉的全部需求。

选 cv_lite 的场景

如果你只需要"找个红色色块算距离"这种固定任务，cv_lite 一行代码更快、更省内存。它把全套流程编译成了 C 扩展，避免了 Python 层的多次调用开销。

2. 什么是 K230 OpenCV

K230 上的 OpenCV 是标准 OpenCV 的 MicroPython 移植版（import cv2），运行在 CanMV 固件之上。它提供了 OpenCV 核心图像处理函数，通过摄像头（Sensor）采集实时画面，在 IDE 中虚拟显示（Display）。

3. 环境要求

组件	说明
硬件	YAHBOOM K230 开发板 + 摄像头模组
固件	CanMV_K230_YAHBOOM_micropython_v1.8-13
IDE	CanMV IDE 或 VS Code + CanMV 插件
分辨率	默认 640x480

参考网页K230 MicroPython Daily Build 下载中心

4. 基本程序结构


xxxxxxxxxx
import time, os, sys, gc
from media.sensor import *     # 摄像头
from media.display import *    # 显示
from media.media import *      # 媒体管理
import cv2                     # OpenCV
import ulab.numpy as np        # 轻量NumPy

# 初始化摄像头
sensor = Sensor(width=1280, height=960, fps=90)
sensor.reset()
sensor.set_framesize(width=640, height=480)
sensor.set_pixformat(Sensor.RGB888)

# 初始化显示
Display.init(Display.ST7701, width=640, height=480, to_ide=True)
sensor.run()
time.sleep(0.5)                # 等待传感器稳定

# 主循环
try:
    while True:
        time.sleep_ms(10)      # CPU yield（IDE可停止）
        img = sensor.snapshot()
        img_np = img.to_numpy_ref()

        # cv2 图像处理 ...
        gray = cv2.cvtColor(img_np, cv2.COLOR_BGR2GRAY)
        edges = cv2.Canny(gray, 80, 200)

        # 灰度图显示
        img_out = image.Image(640, 480, image.GRAYSCALE,
                              alloc=image.ALLOC_REF, data=edges)
        Display.show_image(img_out)
        gc.collect()
finally:
    sensor.stop()
    Display.deinit()

5. 显示方式

输出类型	显示方法
彩色图	`cv2.xxx(img_np, ...)` → `Display.show_image(img)`
灰度图	`image.Image(W,H,image.GRAYSCALE,alloc=image.ALLOC_REF,data=out)` → `Display.show_image(img_out)`
⚠️ 彩色图 + image.Image	K230 不支持 `image.Image(RGB888, ALLOC_REF, data=cv2_output)`

6. K230 特有限制

限制	说明
`cv2.add` 不支持标量广播	必须两个同尺寸数组
`cv2.compare` 需要 float64	标量必须是浮点型
`HoughCircles` 返回 (N,3)	不是标准 OpenCV 的 (N,1,3)
`HoughLines` 返回 (N,2)	不是 (N,1,2)
`approxPolyDP` 返回 (N,2)	不是 (N,1,2)
`image.Image(RGB888, ALLOC_REF)`	只能用 sensor 原生 img 对象
`np.float32` 不存在	ulab 只支持 `np.float`
`np.array()` dtype 关键字	循环内可能报错，建议省略
`cv2.putText` 灰度图标量颜色	用 (255,) 元组而非 255

7. 性能参考

操作类型	640x480 帧率	优化手段
像素操作（flip/resize/threshold）	50-80 fps	—
局部卷积（blur/morphology/edge）	15-30 fps	缩小核尺寸
全局搜索（Hough/matchTemplate）	3-10 fps	降采样 320x240 处理

8. opencv_demo 合集

17 个可独立运行的摄像头 demo，每个对应一个原始 OpenCV 文件，覆盖 50+ cv2 函数。

学习路线


xxxxxxxxxx
01 基础变换 ──→ 08 绘图 ──→ 12 阈值
    │
    ├──→ 10 模糊 ──→ 11 边缘
    │
    ├──→ 02 形态学
    │
    ├──→ 13 颜色分割 ──→ 03 形状分类 ──→ 07 轮廓分析 ──→ 04 角点
    │
    ├──→ 05 霍夫圆 ──→ 06 霍夫线 ──→ 09 模板匹配
    │
    ├──→ 14 像素变换
    ├──→ 15 算术位运算
    └──→ 16 通道统计