基于python-opencv的图像最大幅值提取

最近正在做一个关于幅值提取的毕设，中间走了很多弯路，也看了很多大神的文章，最终经过我不懈努力解决了这个问题，特发此文与大家分享，如果有什么问题欢迎大家留言交流。
我用来搭建开发环境的软件是：PyCharm Community Edition +Anaconda3+Opencv
相关软件链接：
Anaconda在清华大学开源镜像站下载
链接: https://mirrors.tuna.tsinghua.edu.cn/.
PyCharm Community Edition 在官方网站下载，社区版免费
https://www.jetbrains.com/pycharm/download/#section=windows
当然也可以微信关注下:软件管家这个公众号，有大量免费软件
Opencv下载
详细信息参考：y = wX + b博主写的下载及安装教程，个人感觉很详细
https://blog.csdn.net/iracer/article/details/80498732
下面就开始项目吧，以下面这幅图为例子：

我们要开展的工作：分别提取左边和右边的最大幅值（最大纵坐标-最小纵坐标），思路是将图片分成两个子图，然后遍历两个子图搜索这两个最大值。
1、读入图片进行灰度处理

 image = cv2.imread("F:\\proposal\\normalphotos\\a4.png", cv2.IMREAD_COLOR)
 image2 = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

2、搜索二值图像上所有像素为（0，0，0）的点（黑色）

#这是一幅灰度化的图像遍历全部图像，并记录像素为（0，0，0）点的坐标
def cxsearch(image):
    k = 0
    height=image.shape[0]
    print("图像高", height)
    width=image.shape[1]
    print("图像宽", width)
    x = [0] * 5000
    for i in range(height):  # 遍历图像的高
        for j in range(width):  # 遍历图像的宽
            pixel = image[i, j]  # 读取该点的像素值
            if all(pixel == (0, 0, 0)):
                x[k] = i  # 存取像素点是黑色的的纵坐标
                # print(x[k])
                k += 1
    return x

3、寻找最大幅值

#注意传入的是一个包含所有黑色点的纵坐标数组
def matdistance(*discance):
    price= discance[0]
    #print(discance)
    mindistance = price[0]
    matdistance = price[0]
    #print(price[0])
    matprofit = 0
    w=len(price)
    for i in range(w):
        if price[i]!=0 :
            if price[i]<mindistance or price[i]==mindistance :
                mindistance=price[i]
                #print(mindistance)
            if price[i]>matdistance or price[i]==matdistance :
                matdistance=price[i]

    print("最低点纵坐标",mindistance)
    print("最高点纵坐标",matdistance)
    matprofit=matdistance-mindistance
    return  matprofit

4、划为子图

a=image.shape[0] #图片的高
b=image.shape[1] #图片的宽
#print(a)
#print(b)
#将图片分为两![在这里插入图片描述](https://img-blog.csdnimg.cn/20200331110527961.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FsbGFuX2JhYmE=,size_16,color_FFFFFF,t_70#pic_center)部分
dis_h = a
dis_w = int(b/2)
sub1=image[1:dis_h,1:dis_w]#第一心音
sub2=image[1:dis_h,dis_w : :]#第二心音图

5、最后运行效果图
（原图）

（子图1）

（子图2）

（提取结果）

6、所有代码呈上

import cv2 #导入opencv
import os
import numpy as np
#寻找最大值函数传进参数为数组
def matdistance(*discance):
    price= discance[0]
    #print(discance)
    mindistance = price[0]
    matdistance = price[0]
    #print(price[0])
    matprofit = 0
    w=len(price)
    for i in range(w):
        if price[i]!=0 :
            if price[i]<mindistance or price[i]==mindistance :
                mindistance=price[i]
                #print(mindistance)
            if price[i]>matdistance or price[i]==matdistance :
                matdistance=price[i]

    print("最低点纵坐标",mindistance)
    print("最高点纵坐标",matdistance)
    matprofit=matdistance-mindistance
    return  matprofit
#遍历全部图像，并记录像素为（0，0，0）点的坐标
def cxsearch(image):
    k = 0
    height=image.shape[0]
    print("图像高", height)
    width=image.shape[1]
    print("图像宽", width)
    x = [0] * 5000
    for i in range(height):  # 遍历图像的高
        for j in range(width):  # 遍历图像的宽
            pixel = image[i, j]  # 读取该点的像素值
            if all(pixel == (0, 0, 0)):
                x[k] = i  # 存取像素点是黑色的的纵坐标
                # print(x[k])
                k += 1
    return x

image = cv2.imread("F:\\proposal\\normalphotos\\a4.png", cv2.IMREAD_COLOR) #读入图片
a=image.shape[0] #图片的高
b=image.shape[1] #图片的宽
#print(a)
#print(b)
#将图片分为两部分
dis_h = a
dis_w = int(b/2)
sub1=image[1:dis_h,1:dis_w]#第一心音
sub2=image[1:dis_h,dis_w : :]#第二心音图
#print("okokok",sub1.shape[0])
#print("ononon",sub1.shape[1])

z1=matdistance(cxsearch(sub1))#求取第一心音的最大幅值
z2=matdistance(cxsearch(sub2))#求取第二心音的最大幅值
print("第一心音最大幅值",z1)
print("第二心音最大幅值",z2)

cv2.namedWindow("orient", 0) #显示未分割的原始图
cv2.resizeWindow("orient", 640, 480);
cv2.imshow("orient", image)

cv2.namedWindow("orient1", 0)#显示分割的子图1
cv2.resizeWindow("orient1", 640, 480);
cv2.imshow("orient1", sub1)

cv2.namedWindow("orient2", 0)#显示分割的子图2
cv2.resizeWindow("orient2", 640, 480);
cv2.imshow("orient2", sub2)

cv2.waitKey(0)