Python+Opencv实现物体尺寸测量的方法详解

当使用Python和OpenCV进行物体尺寸测量时，我们可以使用以下步骤：

1.读取图像

我们可以使用OpenCV中的cv2.imread()函数来读取图像。该函数接受图像的路径作为参数并返回图像的像素矩阵。示例代码如下：

import cv2

img_path = "example.jpg"
img = cv2.imread(img_path)

2.预处理图像

在测量物体尺寸之前，我们需要对图像进行一些预处理。这通常包括缩放、滤波和阈值化等操作。以下是一些常用的预处理技术：

2.1 缩放

缩放可以通过调整图像的大小来获取更精确的尺寸测量结果。可以使用cv2.resize()函数实现缩放。示例代码如下：

scale_percent = 50  # 缩放比例百分比
width = int(img.shape[1] * scale_percent / 100)
height = int(img.shape[0] * scale_percent / 100)
dim = (width, height)

# 缩放图像
resized = cv2.resize(img, dim, interpolation = cv2.INTER_AREA)

2.2 滤波

滤波可以去除图像中的噪声。可以使用各种滤波器，例如中值滤波器、高斯滤波器和均值滤波器。以下是使用高斯滤波器进行滤波的示例代码：

# 高斯滤波器
blur = cv2.GaussianBlur(resized, (5,5), 0)

2.3 阈值化

阈值化可以将图像转换为二进制形式，这有助于更准确地检测物体的轮廓。可以使用cv2.threshold()函数实现阈值化。示例代码如下：

gray = cv2.cvtColor(blur, cv2.COLOR_BGR2GRAY)  # 将图像转换为灰度图像

# 二值化图像
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

3.检测物体轮廓

通过在二值化图像上查找轮廓，我们可以检测出物体的形状并计算它的尺寸。可以使用cv2.findContours()函数来查找轮廓。示例如下：

# 查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 绘制轮廓
contour_img = cv2.drawContours(resized, contours, -1, (0,255,0), 3)

4.计算物体尺寸

计算物体的尺寸需要测量物体的宽度和高度。可以使用cv2.boundingRect()函数获取物体的外接矩形，然后计算它的宽度和高度。示例如下：

# 计算物体尺寸
for c in contours:
    x,y,w,h = cv2.boundingRect(c)
    cv2.rectangle(resized,(x,y),(x+w,y+h),(0,255,0),2)
    print("物体尺寸 (宽度 x 高度):", w, "x", h)

以上就是使用Python和OpenCV进行物体尺寸测量的主要步骤。下面给出两个完整的示例说明。

示例一：使用摄像头进行物体尺寸测量

import cv2

# 打开摄像头
cap = cv2.VideoCapture(0)

while True:
    # 读取图像
    ret, img = cap.read()

    # 缩放图像
    scale_percent = 50
    width = int(img.shape[1] * scale_percent / 100)
    height = int(img.shape[0] * scale_percent / 100)
    dim = (width, height)
    resized = cv2.resize(img, dim, interpolation = cv2.INTER_AREA)

    # 滤波和阈值化
    gray = cv2.cvtColor(resized, cv2.COLOR_BGR2GRAY)
    blur = cv2.GaussianBlur(gray, (5,5), 0)
    ret,thresh = cv2.threshold(blur,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

    # 查找轮廓
    contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    # 计算物体尺寸
    for c in contours:
        x,y,w,h = cv2.boundingRect(c)
        cv2.rectangle(resized,(x,y),(x+w,y+h),(0,255,0),2)
        print("物体尺寸 (宽度 x 高度):", w, "x", h)

    # 显示图像
    cv2.imshow("Image", resized)

    # 按下q键退出
    if cv2.waitKey(1) == ord('q'):
        break

# 释放摄像头并关闭窗口
cap.release()
cv2.destroyAllWindows()

示例二：使用静态图像进行物体尺寸测量

import cv2

# 读取图像
img_path = "example.jpg"
img = cv2.imread(img_path)

# 缩放图像
scale_percent = 50
width = int(img.shape[1] * scale_percent / 100)
height = int(img.shape[0] * scale_percent / 100)
dim = (width, height)
resized = cv2.resize(img, dim, interpolation = cv2.INTER_AREA)

# 滤波和阈值化
gray = cv2.cvtColor(resized, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (5,5), 0)
ret, thresh = cv2.threshold(blur, 127, 255, cv2.THRESH_BINARY)

# 查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 计算物体尺寸
for c in contours:
    x,y,w,h = cv2.boundingRect(c)
    cv2.rectangle(resized,(x,y),(x+w,y+h),(0,255,0),2)
    print("物体尺寸 (宽度 x 高度):", w, "x", h)

# 显示图像
cv2.imshow("Image", resized)
cv2.waitKey(0)
cv2.destroyAllWindows()

以上就是使用Python和OpenCV进行物体尺寸测量的完整攻略。