Explication de routine 20-Frame-Differencing->in_memory_structrual_similarity Différence de trame de similarité structurelle

# 结构相似性（SSIM）示例
#
# 此示例展示了如何在OpenMV Cam上使用SSIM算法来检测两个图像之间的差异。 
# SSIM算法比较两个图像之间的8×8像素块以确定两个图像之间的相似性得分。

import sensor, image, os, time

# 如果sim.min() 低于此值，则图像可能已更改。
MIN_TRIGGER_THRESHOLD = -0.4

sensor.reset() # 复位并初始化传感器。

sensor.set_pixformat(sensor.RGB565) # or sensor.GRAYSCALE
#设置图像色彩格式，有RGB565色彩图和GRAYSCALE灰度图两种

sensor.set_framesize(sensor.QVGA) # or sensor.QQVGA (or others)
#设置图像像素大小

sensor.skip_frames(time = 2000) # 让新的设置生效。
sensor.set_auto_whitebal(False) # 关闭白平衡。
clock = time.clock() # 跟踪FPS帧率

# 从主帧缓冲区的RAM中取出以分配第二帧缓冲区。
# 帧缓冲区中的RAM比MicroPython堆中的RAM多得多。
# 但是，在执行此操作后，您的某些算法的RAM会少得多......
# 所以，请注意现在摆脱RAM问题要容易得多。
# 然而，帧差分不会占用帧缓冲区中的大量额外空间。
# 但是，如果你这样做，像AprilTags这样的东西会起作用，也可能不会起作用...
extra_fb = sensor.alloc_extra_fb(sensor.width(), sensor.height(), sensor.RGB565)

print("About to save background image...")
sensor.skip_frames(time = 2000) # 给用户一个时间来准备
extra_fb.replace(sensor.snapshot())
print("Saved background image!")

while(True):
    clock.tick() # 追踪两个snapshots()之间经过的毫秒数.
    img = sensor.snapshot() # 拍一张照片，返回图像
    sim = img.get_similarity(extra_fb)
    change = "- Change -" if sim.min() < MIN_TRIGGER_THRESHOLD else "- No Change -"

    print(clock.fps(), change, sim)

Explication officielle de la fonction du document chinois OpenMV de Singtown Technology :