非常详细的视频和文字教程，讲解常见的openmv教程包括 巡线、物体识别、圆环识别、阈值自动获取等。非常适合学习openmv、K210、K230等项目
视频合集链接在:

3.4.3-识别形状+颜色-先形状后颜色的方式

提高稳定性和准确度，我们可以把物体的多个特征结合一起进行识别，比如先形状后颜色的识别方法。

1. 代码是把识别符合 形状和颜色要求的用绿色圈出来，只符合形状圆形的用白色圈出来，所以如何发现比如带识别的小球都没有被白色圈出或者绿色圈出，那么可能是不满足圆形检测要求，所以把 threshold = 2500, 这个阈值可以调整的更小一些。

import sensor, image, time
#教程作者:好家伙VCC
#欢迎交流群QQ: 771027961 作者邮箱: 1930299709@qq.com
#更多教程B站主页:[好家伙VCC的个人空间-好家伙VCC个人主页-哔哩哔哩视频](https://space.bilibili.com/434192043)
#淘宝主页链接:[首页-好家伙VCC-淘宝网](https://shop415231378.taobao.com)
#更多嵌入式手把手教程-尽在好家伙VCC
# 定义颜色阈值（L, A, B），用于识别红色
# L通道：亮度值，较小表示较暗的颜色
# A通道：绿色与红色的色差，红色偏大
# B通道：蓝色与黄色的色差，红色偏小
color_threshold = (0, 100, 0, 127, 0, 127)  # (L_min, L_max, A_min, A_max, B_min, B_max)

# 初始化摄像头模块
sensor.reset()  # 重置摄像头，确保设备正常工作
sensor.set_pixformat(sensor.RGB565)  # 设置摄像头的像素格式为RGB565，每个像素16位色深
sensor.set_framesize(sensor.QQVGA)  # 设置摄像头的分辨率为QQVGA（160x120），适合快速处理

# *************************** 如果不需要镜像就注释掉以下代码 **************************
# 摄像头镜像和翻转设置，根据摄像头的安装方向调整
sensor.set_vflip(True)  # 设置垂直翻转，适用于摄像头上下安装的情况
sensor.set_hmirror(True)  # 设置水平翻转，适用于摄像头左右安装的情况
# *************************** 如果不需要镜像就注释掉以上代码 **************************

sensor.skip_frames(time = 2000)  # 跳过前几帧的图像，确保图像稳定后再开始处理
sensor.set_auto_gain(False)  # 必须关闭自动增益，防止影响颜色追踪
sensor.set_auto_whitebal(False)  # 必须关闭自动白平衡，防止影响颜色追踪

# 创建一个时钟对象，用于计算和控制帧率
clock = time.clock()

# 主循环，不断获取摄像头图像并进行处理
while(True):
    clock.tick()  # 计时当前帧的处理时间，计算帧率

    # 获取当前图像并进行镜头畸变校正，纠正因镜头产生的畸变
    img = sensor.snapshot().lens_corr(1.8)  # 1.8是畸变系数，适当调整可以改善图像质量

    # 使用霍夫变换查找圆形，并返回找到的圆的信息
    for c in img.find_circles(
        threshold = 2500,  # 设置圆形检测的阈值。较高的值意味着需要更明显的圆形才能被检测到
        x_margin = 10,     # 圆心的X坐标允许的误差范围
        y_margin = 10,     # 圆心的Y坐标允许的误差范围
        r_margin = 10,     # 圆半径的允许误差范围
        r_min = 2,         # 圆的最小半径 单位为像素。
        r_max = 100,       # 圆的最大半径 单位为像素。100 像素对应多少毫米是一个动态计算的问题，需要根据具体的摄像头视场角、分辨率和物体距离来调整。
        r_step = 2         # 圆半径变化的步长 单位为像素。
    ):
        # 计算圆形的外接矩形区域，这样可以方便获取圆的统计信息
        area = (c.x() - c.r(), c.y() - c.r(), 2 * c.r(), 2 * c.r())  # (x, y, width, height)

        # 获取该区域内的像素颜色统计信息
        statistics = img.get_statistics(roi=area)  # 获取外接矩形区域的像素统计信息（颜色分布）

        # 打印该区域的颜色统计数据，用于调试
        #print(statistics)

        # 判断该区域是否为红色圆
        # 使用L、A、B通道的众数来判断颜色是否符合红色范围
        if (
            color_threshold[0] < statistics.l_mode() < color_threshold[1] and  # L通道的众数应小于100，表示较暗的颜色
            color_threshold[2] < statistics.a_mode() < color_threshold[3] and  # A通道的众数应小于127，表示偏红色
            color_threshold[4] < statistics.b_mode() < color_threshold[5]      # B通道的众数应小于127，表示偏蓝色
        ):
            # 如果该区域是红色的圆形，用银光绿色的圆框标记该圆形
            img.draw_circle(c.x(), c.y(), c.r(), color=(192, 255, 0))  # 银光绿色圆框
            print("Circle found: x = {}, y = {}, radius = {}".format(c.x(), c.y(), c.r()))
        else:
            # 如果不是红色圆形，用白色矩形框标记该区域
            img.draw_circle(c.x(), c.y(), c.r(), color=(255, 255, 255))  # 白色

    # 打印当前帧率（每秒帧数），便于调试性能
    print("FPS %f" % clock.fps())  # 输出当前的帧率