第一步：

通过Github查找作者TommyZihao，在其aidlux_tutorial工程下找到“用手机摄像头玩转OpenCV”这个项目，并以压缩包的形式下载下来。

第二步：

从手机端登录Aidlux，根据Cloud_ip,获取IP地址，在电脑端进行输入，远程登录Aidlux桌面。

默认密码：aidlux 第三步：

远程传输代码文件至手机端Aidlux。将第一步中下载的压缩包项目上传至Aidlux的home目录下。

第四步：

在电脑端Aidlux中找到AidCode，输入jupyter notebook --allow-root，获取jupyter的浏览地址。

第五步：

打开jupyter notebook,可以看见上传完毕的文件。并打开和运行相应的.ipynb，检验代码效果和正确性。

第六步：

选择一种算法，本人选择在Aidlux平台调用手机摄像头实现逐帧实时拍摄Canny边缘检测，将该工程打包为canny_webcam.py。同时，为了便捷性，本人通过Aidlux桌面的launch-build添加桌面快捷方式，之后通过点击该快捷方式变可运行canny_webcam.py，实现摄像头实时Canny边缘检测。

其中图标，应用名称，唯一标识，访问路径均可由自己设置，而启动命令的格式需要根据自己算法文件的位置，进行填写。例如：canny_webcam.py在home目录下，则启动命令为：python /home/canny_webcam.py。

此时可以看到我的Aidlux桌面上生成了canny_webcam.py的快捷方式。

canny_webcam.py的源码如下： `# 导入工具包

import time

import cv2

from cvs import *

 

初始化摄像头

摄像头ID 0-后置 1-前置

Camera_ID = 0

cap = cvs.VideoCapture(Camera_ID)

 

Canny 边缘检测 - 写 FPS 数值

def process_frame(img_bgr):

    '''输入BGR格式的 numpy array，输出BGR格式的 numpy array'''

    

    # 记录该帧开始处理的时间

    start_time = time.time()

    

    # 逐帧处理操作

    img_bgr = cv2.Canny(img_bgr, 100, 200)

    img_bgr = np.dstack((img_bgr, img_bgr, img_bgr))

    

    # 记录该帧处理完毕的时间

    end_time = time.time()

    # 计算每秒处理图像帧数FPS

    FPS = 1/(end_time - start_time)

 

    # 在画面上写 FPS 数值

    end_time = time.time()

    FPS = 1/(end_time - start_time) # 计算每秒处理图像帧数FPS

    FPS_string = 'FPS {:.2f}'.format(FPS) # 写在画面上的字符串

    img_bgr = cv2.putText(img_bgr, FPS_string, (25, 100), cv2.FONT_HERSHEY_SIMPLEX, 1.25, (255, 0, 255), 2) # 在画面上写字：图片，字符串，左上角坐标，字体，字体大小，颜色，字体粗细

 

    return img_bgr

 

逐帧实时处理手机摄像头拍摄的画面-代码模板

while True:

    img_bgr = cap.read()

    

    if img_bgr is None:

        continue

        

    img_bgr = process_frame(img_bgr)

    

    cvs.imshow(img_bgr)`

点击该快捷方式，便可进行canny_webcam.py的运行，效果展示视频如下： 基于Aidlux平台实现手机摄像头实时Canny检测_哔哩哔哩_bilibili