介绍

BeagleBone黑金宝app色硬件的MATLAB支持包允许您从网络摄像机捕捉图像，并将这些图像带入MATLAB进行处理。利用这种能力，我们将开发一个球跟踪算法。

先决条件

所需的硬件

要运行此示例，您将需要以下硬件:

创建一个Web Camera对象

将一个兼容的USB摄像头连接到BeagleBone Black硬件的USB主机端口。注意，一些USB摄像头从BeagleBone Black硬件的USB端口吸取了太多的电流，可能无法正常工作。在这种情况下，请使用USB集线器。确保beaglebone对象的AvailableWebcam属性显示USB摄像头。如果看不到USB摄像头，则无法正确识别USB摄像头。试着用相机重新启动你的BeagleBone Black。

通过在MATLAB提示符上执行以下命令来创建Web摄像机对象。

bbb = beaglebone;

检查bbb对象的AvailableWebcams属性以找到网络摄像机名称。使用此名称创建网络摄像机对象。在不指定相机名称的情况下，它使用自动找到的相机名称。

凸轮=摄像头(bbb);

摄像头是一个网络摄像头对象的手柄。让我们在MATLAB中显示从网络摄像机捕获的图像。

对于i = 1：100 img =快照（Cam）;显示亮度图像(img);drawnow;结束

提取颜色组件

我们将从3D图像数据中提取三个二维矩阵，分别对应于图像的红、绿、蓝分量。在继续示例的其余部分之前，我们将加载一个已保存的映像。我们将确保我们的算法在测试图像上工作，然后再继续现场数据。

绿色计算

接下来我们估算绿色分量的强度

绿色图像阈值

我们对图像进行阈值，以找到我们认为足够绿色的图像区域。

发现中心

找到图像的中心，并标记一个点。

对实时数据运行检测算法

我们可以创建一个MATLAB函数，trackball。m的MATLAB代码，我们在本示例的前几节中开发的。在编辑器中查看MATLAB函数。

编辑(“trackball.m”);

函数轨迹球（）采用图像和绿色检测阈值，并返回绿色检测算法的结果。我们将在循环中捕获的图像上调用此函数。在运行下面的MATLAB代码片段之前，请握住网球并将其放置在Beaglebone黑色网络摄像机的视图中。虽然MATLAB代码正在运行，但要移动球。

图;For I = 1:200 [img, bw] = trackball(snapshot(cam)， 40);次要情节(2,1,1);显示亮度图像(img);次要情节(2,1,2);显示亮度图像(bw);drawnow;结束

概括

本示例介绍了一个应用程序示例，其中使用Web Camera处理来自BeagleBone Black的图像，使用简单的绿色检测算法。这种算法后来被用于追踪网球。