Refactor task navigation and enhance movement parameters

- Updated task_1.py to improve navigation logic and streamline movement functions.
- Enhanced task_2.py with refined movement parameters for better execution and added logging for debugging.
- Adjusted function calls in main.py to reflect changes in task execution flow.

test/task-path-track/yellow_area_demo.py

@@ -0,0 +1,106 @@
+import cv2
+import os
+import sys
+import time
+import argparse
+
+# 添加父目录到系统路径
+current_dir = os.path.dirname(os.path.abspath(__file__))
+project_root = os.path.dirname(os.path.dirname(current_dir))
+sys.path.append(project_root)
+
+from utils.yellow_area_analyzer import analyze_yellow_area_ratio
+
+def process_image(image_path, save_dir=None, show_steps=False):
+    """处理单张图像，分析黄色区域占比"""
+    print(f"处理图像: {image_path}")
+    
+    # 分析黄色区域占比
+    start_time = time.time()
+    yellow_ratio = analyze_yellow_area_ratio(image_path, debug=show_steps, save_result=save_dir is not None)
+    processing_time = time.time() - start_time
+    
+    # 输出结果
+    print(f"处理时间: {processing_time:.3f}秒")
+    print(f"黄色区域占比: {yellow_ratio:.2%}")
+    
+    if yellow_ratio > 0.5:
+        print("警告: 图像中黄色区域占比超过50%")
+    elif yellow_ratio > 0.3:
+        print("注意: 图像中黄色区域占比较高")
+    elif yellow_ratio < 0.05:
+        print("注意: 图像中几乎没有黄色区域")
+    
+    print("-" * 30)
+    
+    # 如果保存结果，确保目录存在
+    if save_dir and not os.path.exists(save_dir):
+        os.makedirs(save_dir)
+    
+    return yellow_ratio
+
+def process_directory(dir_path, save_dir=None, show_steps=False):
+    """处理目录中的所有图像"""
+    print(f"处理目录: {dir_path}")
+    
+    # 检查目录是否存在
+    if not os.path.isdir(dir_path):
+        print(f"错误: 目录 '{dir_path}' 不存在")
+        return
+    
+    # 获取目录中的所有图像文件
+    image_extensions = ['.jpg', '.jpeg', '.png', '.bmp']
+    image_files = [f for f in os.listdir(dir_path) 
+                  if os.path.isfile(os.path.join(dir_path, f)) and 
+                  os.path.splitext(f)[1].lower() in image_extensions]
+    
+    if not image_files:
+        print(f"错误: 目录 '{dir_path}' 中没有图像文件")
+        return
+    
+    # 处理每个图像文件
+    results = {}
+    for image_file in image_files:
+        image_path = os.path.join(dir_path, image_file)
+        yellow_ratio = process_image(image_path, save_dir, show_steps)
+        results[image_file] = yellow_ratio
+    
+    # 输出统计信息
+    print("=" * 50)
+    print(f"处理完成，共 {len(results)} 张图像")
+    if results:
+        avg_ratio = sum(results.values()) / len(results)
+        max_ratio = max(results.values())
+        min_ratio = min(results.values())
+        max_file = max(results, key=results.get)
+        min_file = min(results, key=results.get)
+        
+        print(f"平均黄色区域占比: {avg_ratio:.2%}")
+        print(f"最大黄色区域占比: {max_ratio:.2%} (文件: {max_file})")
+        print(f"最小黄色区域占比: {min_ratio:.2%} (文件: {min_file})")
+    
+    return results
+
+def main():
+    parser = argparse.ArgumentParser(description='黄色区域分析演示程序')
+    parser.add_argument('--input', type=str, default='captured_images/test/image_20250525_090252.png', help='输入图像或目录的路径')
+    parser.add_argument('--output', type=str, default='./results', help='输出结果的保存路径')
+    parser.add_argument('--show', default=True, action='store_true', help='显示处理步骤')
+    
+    args = parser.parse_args()
+    
+    # 检查输入路径
+    if not os.path.exists(args.input):
+        print(f"错误：路径 '{args.input}' 不存在")
+        return
+    
+    # 根据输入类型处理
+    if os.path.isfile(args.input):
+        # 单个文件
+        process_image(args.input, args.output, args.show)
+    else:
+        # 目录
+        process_directory(args.input, args.output, args.show)
+
+if __name__ == "__main__":
+    main() 

utils/yellow_area_analyzer.py

@@ -0,0 +1,132 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+
+import cv2
+import numpy as np
+import os
+import argparse
+import matplotlib.pyplot as plt
+
+def analyze_yellow_area_ratio(image_path, debug=False, save_result=False):
+    """
+    专门针对黄色区域的分析算法
+    
+    参数:
+        image_path: 图片路径
+        debug: 是否显示处理过程中的图像，用于调试
+        save_result: 是否保存处理结果图像
+        
+    返回:
+        yellow_ratio: 黄色区域占比（0-1之间的浮点数）
+    """
+    # 读取图片
+    img = cv2.imread(image_path)
+    if img is None:
+        raise ValueError(f"无法读取图片: {image_path}")
+    
+    # 获取图片文件名（不带路径和扩展名）
+    filename = os.path.splitext(os.path.basename(image_path))[0]
+    
+    # 转换为HSV色彩空间（更适合颜色分割）
+    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
+    
+    # 提取图像的各个通道
+    h, s, v = cv2.split(hsv)
+    
+    # 黄色在HSV中的范围：色调约为20-30度（OpenCV中为10-30）
+    # 黄色通常有较高的饱和度和亮度
+    yellow_hue_lower = np.array([20, 100, 100])
+    yellow_hue_upper = np.array([40, 255, 255])
+    
+    # 创建黄色区域掩码
+    yellow_mask = cv2.inRange(hsv, yellow_hue_lower, yellow_hue_upper)
+    
+    # 应用形态学操作
+    kernel = np.ones((5, 5), np.uint8)
+    yellow_mask = cv2.morphologyEx(yellow_mask, cv2.MORPH_OPEN, kernel)
+    yellow_mask = cv2.morphologyEx(yellow_mask, cv2.MORPH_CLOSE, kernel)
+    
+    # 使用连通区域分析，去除小的噪点区域
+    num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(yellow_mask, connectivity=8)
+    
+    # 过滤小的连通区域
+    min_size = 500  # 最小连通区域大小
+    filtered_yellow_mask = np.zeros_like(yellow_mask)
+    
+    # 从索引1开始，因为0是背景
+    for i in range(1, num_labels):
+        if stats[i, cv2.CC_STAT_AREA] >= min_size:
+            filtered_yellow_mask[labels == i] = 255
+    
+    # 计算黄色区域占比
+    height, width = yellow_mask.shape
+    total_pixels = height * width
+    yellow_pixels = np.sum(filtered_yellow_mask == 255)
+    yellow_ratio = yellow_pixels / total_pixels
+    
+    # 在原图上标记黄色区域
+    result = img.copy()
+    overlay = img.copy()
+    overlay[filtered_yellow_mask > 0] = [0, 165, 255]  # 用橙色标记黄色区域
+    cv2.addWeighted(overlay, 0.4, img, 0.6, 0, result)  # 半透明效果
+    
+    # 显示检测结果信息
+    cv2.putText(result, f"Yellow Ratio: {yellow_ratio:.2%}", (10, 30), 
+                cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 165, 255), 2)
+    
+    # 调试模式：显示处理过程图像
+    if debug:
+        plt.figure(figsize=(15, 10))
+        
+        plt.subplot(231)
+        plt.title("Original Image")
+        plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
+        
+        plt.subplot(232)
+        plt.title("Hue Channel")
+        plt.imshow(h, cmap='hsv')
+        
+        plt.subplot(233)
+        plt.title("Saturation Channel")
+        plt.imshow(s, cmap='gray')
+        
+        plt.subplot(234)
+        plt.title("Initial Yellow Mask")
+        plt.imshow(yellow_mask, cmap='gray')
+        
+        plt.subplot(235)
+        plt.title("Filtered Yellow Mask")
+        plt.imshow(filtered_yellow_mask, cmap='gray')
+        
+        plt.subplot(236)
+        plt.title("Yellow Detection Result")
+        plt.imshow(cv2.cvtColor(result, cv2.COLOR_BGR2RGB))
+        
+        plt.tight_layout()
+        plt.show()
+    
+    # 保存结果
+    if save_result:
+        result_dir = "results"
+        os.makedirs(result_dir, exist_ok=True)
+        output_path = os.path.join(result_dir, f"{filename}_yellow_area_result.jpg")
+        cv2.imwrite(output_path, result)
+        print(f"结果已保存至: {output_path}")
+    
+    return yellow_ratio
+
+def main():
+    parser = argparse.ArgumentParser(description='分析图片中黄色区域占比')
+    parser.add_argument('--image_path', default='./image_20250525_090252.png', type=str, help='图片路径')
+    parser.add_argument('--debug', default=False, action='store_true', help='显示处理过程图像')
+    parser.add_argument('--save', action='store_true', help='保存处理结果图像')
+    args = parser.parse_args()
+    
+    try:
+        yellow_ratio = analyze_yellow_area_ratio(args.image_path, args.debug, args.save)
+        print(f"黄色区域占比: {yellow_ratio:.2%}")
+    except Exception as e:
+        print(f"错误: {e}")
+
+if __name__ == "__main__":
+    main()