OpenCV测量物体的尺寸技能 get～

点击上方“AI算法与图像处理”，选择加"星标"或“置顶”

重磅干货，第一时间送达

研究好玩又有用的技术第 006 期

在学习中发现快乐，在应用找到价值。这是我第六期分享图像技术应用的文章。

前五期欢迎阅读和分享：

• 第一期《扫描全能王？原来图像技术可以这样子玩》

• 第二期《来吧，见识科技的力量，无需手动找拍糊的图》

• 第三期《这种方式打开会ctrl的流量明星cxk，简直就是魔鬼》

• 第四期《酷炫骚操作，票圈装13神技，极坐标全景图》

• 第五期《用python和opencv检测图像中的条形码》

概述

在中学的时候地理课上，老师教过我们如何根据地图上面测量的距离来计算实际空间上距离。
其原理非常的简单，实际的空间距离=图上距离/地图上的比例尺。 我们今天要介绍的内容实际上原理和上面所说的是相同的，关键是如何获取图上距离和比例尺呢？

测距原理

首先需要知道一个和比例尺类似的概念叫 pixels per metric ratio。 大致的意思是，每个单位指标下所含的像素个数，例如，图上1cm含100个像。 实际上相当于参考物的作用，例如已知图上的参考物多大，我们便可以利用这个参考物体换算到图上其他物体的尺寸大小。 参考物体需要有两个重要性质：

性质1：参考物尺寸

我们应该知道物体的尺寸（就是宽或高）包括测量的单位（如mm、英寸等）

性质2：易于识别

我们应该能够很容易地在图片中找到参照物体，无论是基于物体的位置（例如，参考物体总是放在图片的左上角）还是通过外观（例如，独特的颜色或形状，不同与图片中的其他物体）。无论是哪种情况，我们的参照物都应该以某种方式具有唯一的可识别性。

在下面的例子中，我们将使用美国硬币作为我们的参考对象，在所有的示例中，确保它始终是图片中的最左侧的对象。

通过确保硬币是最左边的物体，我们可以从左到右对物体轮廓进行排序，获取硬币（始终是排序列表中的第一个轮廓），并使用它定义每个单位的像素数，我们将其定义为：

pixels_per_metric = 物体图上所占的像素数 / 物体的实际尺寸

已知硬币的宽度为0.955英寸。现在假设，物体的宽为150像素（基于其关联的边界框）。

pixels_per_metric可得：