测量图片中物体大小

昨天和今天没有学习，有个学弟找我帮忙做个小demo，说要交差应付一下作业。想法是测量一下图片中近似于圆柱的物体的直径。因为我之前写过一个雷达图像的点云目标检测，我当时想这俩差不多，我应该俩小时就能写完，毕竟网上很多东西都是现成的，一边抄一点就够了，但是还是有很多坑要踩，过程中发现自己的代码编写能力真实差的雅痞。

边缘探测

之前的雷达云图实际不存在边缘探测的问题，这也是我后来意识到的问题。雷达云图之前的探测就是转为灰度图，然后二值化，形态学操作，再找边缘就可以了。但是我在做这个的时候发现两者之间区别还是很大的，我要是想把目标图片也二值化的结果很糟糕，我就在网上找了类似的。发现他没有二值化，直接高斯滤波之后就findcounter了。结果竟然挺棒的。很简单，就是直接用canny边缘算子滤波之后得到结果再寻找边缘。
这里是参考的代码
然后我就尝试了一下之后发现确实不用很复杂：

1. 转为灰度图
2. 高斯滤波
3. 边缘检测
4. 膨胀腐蚀
5. 寻找边界

def detect_cnts(img):
    # 读取输入图片
    image = img
    # 输入图片灰度化
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    # 对灰度图片执行高斯滤波
    gray = cv2.GaussianBlur(gray, (7, 7), 0)

    # 二值化
    # 对滤波结果做边缘检测获取目标
    edged = cv2.Canny(gray, 50, 100)
    # 使用膨胀和腐蚀操作进行闭合对象边缘之间的间隙
    edged = cv2.dilate(edged, None, iterations=1)
    edged = cv2.erode(edged, None, iterations=1)

    # 在边缘图像中寻找物体轮廓（即物体）
    cnts = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL,
                            cv2.CHAIN_APPROX_SIMPLE)
    cnts = imutils.grab_contours(cnts)  # 提取轮廓
    # 对轮廓按照从左到右进行排序处理
    (cnts, _) = contours.sort_contours(cnts)

    return cnts

该函数返回的就是探测到的边界

旋转图像

探测到边界之后理论上直接对外界矩形进行测量宽度就可以了，但是我的目标不是很规则，他是有点奇形怪状的，外接矩形的宽度和他实际的直径投影差的太多了，就得想办法。我一开始想根据外界矩形，把内部切割成几个部分重新检测得到结果。但是我发现最难的是再opencv里图像旋转的函数我不知道是怎么运作的，我自己写的点旋转函数和图像旋转并不重合，很重要的原因在于如果想要旋转后的图像中心不变，是需要对M矩阵进行平移变化的，我不懂。所以我没法知道矩形旋转后的坐标，就没法切割。于是想法变成了先把原图像按照外界矩形框旋转了再说。这里仅涉及到了图片旋转之后中心变了的问题的问题。这个方法也是我在网上找的。

def rotate_bound(image, angle):
    # grab the dimensions of the image and then determine the
    # center
    (h, w) = image.shape[:2]
    (cX, cY) = (w // 2, h // 2)

    # grab the rotation matrix (applying the negative of the
    # angle t