opencv计算植物叶面积_叶直径_叶周长_python_opencv 根据面积计算直径

2401_84139711

于 2024-05-15 20:21:38 发布

阅读量395

点赞数 3

分类专栏：程序员文章标签： python 学习面试

本文链接：https://blog.csdn.net/2401_84139711/article/details/138922161

版权

程序员专栏收录该内容

147 篇文章 0 订阅

订阅专栏

文末有福利领取哦~

👉一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

👉二、Python必备开发工具

👉三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉 四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（文末领读者福利）

👉五、Python练习题

检查学习结果。

👉六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

👉因篇幅有限，仅展示部分资料，这份完整版的Python全套学习资料已经上传

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！


项目简介
实习方法
源码分享

项目简介：

利用python自带的opencv库来计算植物叶片的叶面积、叶直径和叶周长，拍摄图片就可以直接得到真实的叶面积、叶直径和叶周长。

实现方法：

首先，我们需要这样拍摄一张植物的图片，需要一个黑色的底板，一张A4纸，拍摄时需要将植物叶面放平，A4纸的四个直角都需要拍摄进照片中，确保A4纸与底下的黑色卡纸在照片边上有黑边（既是为了方便拍摄，也是为了方便计算）：

然后我们的步骤是：

找出照片中的最大轮廓（此时理所当然是我们的A4纸）→进行图像的矫正透视变换将照片的黑边去掉

如何一步到位拿到真实值？

我们知道要想得到真实的叶面积、叶直径和叶周长，需要一些已知长度的东西来作为比例对照物，这里我选择用A4纸来作为现实比例对照物，通过

公式（1）：测得植物像素值/植物真实值=测得A4纸像素值/A4真实值

这里面的“测得植物像素值”“测得A4纸像素值”和“A4真实值”我们都知道，那么就可以计算植物真实值。

如何得到植物的真实叶面积？

去黑边照片→找到最大轮廓（理所当然是植物轮廓）→得到轮廓的像素面积→公式（1）计算

如何得到植物的真实叶直径？

去黑边照片→找到最大轮廓（理所当然是植物轮廓）→对该轮廓画圆→得到圆的直径（直径即为植物叶直径）→公式（1）计算

如何得到植物的真实叶周长？

去黑边照片→找到最大轮廓（理所当然是植物轮廓）→得到该轮廓周长（该轮廓周长即为植物叶周长）→公式（1）计算

源码分享：

img1为带黑边的原始图像，warp_imgs为图像矫正透视变换后的去黑边图像，其余py文件分享在下面,计算周长的代码自行去获取轮廓周长套公式（1）进行计算:

get_area_final.py:

import cv2
import numpy as np

def sort_contours_size(cnts):
    """根据大小对轮廓进行排序"""
    cnts_sizes = []
    for contour in cnts:
        cnt_size = cv2.contourArea(contour)
        cnts_sizes.append([cnt_size,contour])
    cnts_sizes.sort(key=lambda x:x[0], reverse=True)
    return cnts_sizes

def get_area_main(path):
    img = cv2.imread(path)
    #变成单通道的黑白图片
    gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    #二值化 返回阈值和二值化后图
    thresh,binary = cv2.threshold(gray,150,255,cv2.THRESH_BINARY)
    # cv2.imshow("img1",binary)
    # cv2.waitKey(0)
    # cv2.destroyAllWindows()
    # 查找轮廓 返回轮廓和层级
    contours, hierarchy = cv2.findContours(binary.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    # 绘制轮廓会直接修改原图
    img_copy = img.copy()
    cv2.drawContours(img_copy, contours, -1, (0, 0, 255), 2)
    # cv2.imshow('img_con', img_copy)
    # cv2.waitKey(0)
    # cv2.destroyAllWindows()
    contour_sizes = sort_contours_size(contours)
    cnt = contour_sizes[1][1]
    (x, y), radius = cv2.minEnclosingCircle(cnt)
    center = (int(x), int(y))
    radius = int(radius)
    # print(center,radius)
    cv2.circle(img_copy, center, radius, (255, 0, 0), 2)
    # cv2.imshow('img_con2', img_copy)
    # cv2.waitKey(0)
    # cv2.destroyAllWindows()
    p_zhi = contour_sizes[0][0]
    p_ye = contour_sizes[1][0]
    # print(p_zhi,p_ye)
    s_zhi = 623.7  # 纸29.7 21
    s_ye = (p_ye * s_zhi) / p_zhi
    zhi_chang_jia=img.shape[0]
    zhi_changzheng=29.7
    ye_long_zheng=(zhi_changzheng*2*radius)/zhi_chang_jia
    return s_ye,ye_long_zheng
# path="warp_imgs/warp3.jpg"
# img = cv2.imread(path)
# print(img.shape[0])

get_warp_img_final.py:

import cv2
import numpy as np

minArea = 1000
filter = 4
scale = 2
wp = 210 * scale
hp = 297 * scale
def getContours(img):
    imgG = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    imgBlur = cv2.GaussianBlur(imgG,(5,5),1)
    imgCanny = cv2.Canny(imgBlur,100,100)
    kernel = np.ones((5,5))
    imgDial = cv2.dilate(imgCanny,kernel,iterations=3)
    imgThre = cv2.erode(imgDial,kernel,iterations=2)
    # cv2.imshow('res',imgCanny)
    # cv2.imshow('res2',imgThre)
    contours, hiearchy = cv2.findContours(imgThre,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
    finalCountours = []
    for i in contours:
        area = cv2.contourArea(i)
        if area> minArea:
            # 计算轮廓的周长，true表示轮廓为封闭
            peri = cv2.arcLength(i,True)
            #进行轮廓的多边拟合
            appprox = cv2.approxPolyDP(i,0.02*peri,True)
            bbox = cv2.boundingRect(appprox)
            if filter > 0 :
                if(len(appprox))==filter:
                    finalCountours.append([len(appprox),area,appprox,bbox,i,peri])
            else:
                finalCountours.append([len(appprox), area, appprox, bbox, i,peri])
    # 对第二个数值面积进行排序，为升序，找出轮廓的最大值
    finalCountours = sorted(finalCountours, key=lambda x: x[1], reverse=True)
    for con in finalCountours:
        cv2.drawContours(img,con[4],-1, (0, 0, 255), 4)
    return img,finalCountours



def reorder(myPoints):
    #print(myPoints.shape)
    myPointsNew = np.zeros_like(myPoints)
    myPoints = myPoints.reshape((4,2))
    add = myPoints.sum(1)
    myPointsNew[0] = myPoints[np.argmin(add)]
    myPointsNew[3] = myPoints[np.argmax(add)]
    diff = np.diff(myPoints,axis=1)
    myPointsNew[1]= myPoints[np.argmin(diff)]
    myPointsNew[2] = myPoints[np.argmax(diff)]
    # print(myPoints)


### 最后

> **🍅 硬核资料**：关注即可领取PPT模板、简历模板、行业经典书籍PDF。  
> **🍅 技术互助**：技术群大佬指点迷津，你的问题可能不是问题，求资源在群里喊一声。  
> **🍅 面试题库**：由技术群里的小伙伴们共同投稿，热乎的大厂面试真题，持续更新中。  
> **🍅 知识体系**：含编程语言、算法、大数据生态圈组件（Mysql、Hive、Spark、Flink）、数据仓库、Python、前端等等。




**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化学习资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618317507)**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**