python图像处理：测量物体大小 Measuring size of objects in an image with OpenCV

最新推荐文章于 2023-07-28 00:41:58 发布

心_kokoro

最新推荐文章于 2023-07-28 00:41:58 发布

阅读量1w

点赞数 13

本文链接：https://blog.csdn.net/Mikumiku339/article/details/114798190

版权

图像处理专栏收录该内容

16 篇文章 6 订阅

订阅专栏

python图像处理：测量物体大小 Measuring size of objects in an image with OpenCV

效果
原理
代码

效果

在这里插入图片描述

物品	实际(长x宽)	测量(单位:mm)
硬币	25.0x25.0	25.0x25.0
橡皮	55.0x18.2	59.2x22.0
药丸	18.0x7.0	20.1x7.4
卡片	87.3x62.7	89.0x64.1

可以看到，还是比较精准的。这还是在未进行镜头畸变矫正的情况下。

原理

首先，我们需要在图中找一个参照物，并且为了方便找到它，我们将其放到最左边。
我选择了一元硬币作为参照，其是一个直径为25mm的圆。然后可以计算width=25mm在图中占了几个像素，得出pixelPerMetric = pixelNum/width,再计算其他物体所占像素n，便能得出实际长度n * pixelPerMetric。

原文中只计算了横向的pixelPerMetric作为全局pixelPerMetric。

考虑到拍摄角度不正的问题，我稍加改进，分别计算横向的pixelPerMetricX和纵向的pixelPerMetricY,测试下来效果确实比不分纵横好些。

但是，只是单纯的按比例来算大小，肯定会存在误差，理由有二:

拍摄角度肯定不是完美的90度俯角
照片可能会发生径向和切向镜头畸变

想要得到更好效果，需要进行畸变矫正(未实现）。

详细流程如下:

原图转灰度图，高斯滤波，提取边缘，提取轮廓
将轮廓从左到右排序，最左边的作为参照物
计算参照物轮廓大小，pixelPerMetricX，pixelPerMetricY
计算其他物体轮廓，进行处理

代码

import numpy as np 
from scipy.spatial import distance as dist
import cv2 
from imutils import contours
from imutils import perspective
import imutils
def show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
def midpoint(ptA,ptB):
    return ((ptA[0] + ptB[0]) * 0.5 , (ptA[1] + ptB[1]) * 0.5)
img = cv2.imread('dis2.jpg')
width = 25
img = imutils.resize(img,height = 500)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray,(5,5),0)
edged = cv2.Canny(gray,70,200)
edged = cv2.dilate(edged,None,iterations = 1)
edged = cv2.erode(edged,None,iterations = 1)
cnts,_ = cv2.findContours(edged,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
(cnts,_) = contours.sort_contours(cnts)
pixelPerMetricX = 0
pixelPerMetricY = 0
order = 1
for c in cnts:
    if cv2.contourArea(c) < 100:
        continue 
    orig = img.copy()
    box = cv2.minAreaRect(c)
    box = cv2.boxPoints(box)
    box = box.astype('int')
    box = perspective.order_points(box)
    cv2.drawContours(orig,[box.astype(int)],0,(0,255,0),2)
    for x,y in box:
        cv2.circle(orig,(int(x),int(y)),5,(0,0,255),3)
    (tl,tr,br,bl) = box 
    (tltrX,tltrY) = midpoint(tl,tr)
    (tlblX,tlblY) = midpoint(tl,bl)
    (blbrX,blbrY) = midpoint(bl,br)
    (trbrX,trbrY) = midpoint(tr,br)
    cv2.circle(orig,(int(tltrX),int(tltrY)),5,(183,197,57),-1)
    cv2.circle(orig,(int(tlblX),int(tlblY)),5,(183,197,57),-1)
    cv2.circle(orig,(int(blbrX),int(blbrY)),5,(183,197,57),-1)
    cv2.circle(orig,(int(trbrX),int(trbrY)),5,(183,197,57),-1)
    cv2.line(orig,(int(tltrX),int(tltrY)),(int(blbrX),int(blbrY)),(255,0,0),2)
    cv2.line(orig,(int(tlblX),int(tlblY)),(int(trbrX),int(trbrY)),(255,0,0),2)
    #纵向
    dA = dist.euclidean((tltrX,tltrY),(blbrX,blbrY))
    #横向
    dB = dist.euclidean((tlblX,tlblY),(trbrX,trbrY))
    if pixelPerMetricX == 0 or pixelPerMetricY == 0:
        pixelPerMetricX = dB / width
        pixelPerMetricY = dA / width
    dimA = dA / pixelPerMetricY
    dimB = dB / pixelPerMetricX
    cv2.putText(orig,"{:.1f}mm".format(dimB),(int(tltrX)-10,int(tltrY)),cv2.FONT_HERSHEY_COMPLEX,0.6,(255,255,255),1)
    cv2.putText(orig,"{:.1f}mm".format(dimA),(int(trbrX)-10,int(trbrY)),cv2.FONT_HERSHEY_COMPLEX,0.6,(255,255,255),1)
    cv2.imwrite('{}.jpg'.format(order),orig)
    order += 1