我如何识别图像？答案

【问题标题】：How can i identify image?我如何识别图像？
【发布时间】：2021-05-03 09:13:14
【问题描述】：

我有一个没有几何形状的物体可以轻松找到长度和宽度，但我想编写代码通过找到最长和最小并除以 2 来测量平均长度和宽度。我有这个代码：

And it outputs this [image]

【问题讨论】：

所以，你已经解决了这个问题。 w,h 就是答案。还是你想要别的？
但他们给了我 ractangle 的大小，我想通过迭代像素并找到末端长度来找到更准确的结果。或者我能得到最准确的数据是什么？
也许您可以添加第二张标记图像，准确显示您认为要测量的长度和宽度。

标签： python image opencv image-processing pixel

【解决方案1】：

例如可以从 img.shape 访问高度、宽度和通道数：高度在索引 0 处，宽度在索引 1 处；以及索引 2 处的通道数。

import cv2
# read image
img = cv2.imread('/home/img/python.png', cv2.IMREAD_UNCHANGED)
 
# get dimensions of image
dimensions = img.shape
 
# height, width, number of channels in image
height = img.shape[0]
width = img.shape[1]
channels = img.shape[2]
 
print('Image Dimension    : ',dimensions)
print('Image Height       : ',height)
print('Image Width        : ',width)
print('Number of Channels : ',channels)

输出：

Image Dimension    :  (149, 200, 4)
Image Height       :  149
Image Width        :  200
Number of Channels :  4

您还可以在https://www.tutorialkart.com/opencv/python/找到更完整的库

【讨论】：

它是图像的属性，对吧？但我需要处理一个对象

【解决方案2】：

在这个页面https://docs.opencv.org/3.4/d1/d32/tutorial_py_contour_properties.html 他们展示了如何计算轮廓的所有属性，如果你想看的话，无论如何 cv2.boundingRect(cnt) 已经计算了一个近似矩形，其宽度和高度（w，h ) 我做了一个小程序来绘制这个矩形及其度量，结果如下：

【讨论】：

如果您想要更准确，我建议您找到页面上指示的极值点，然后计算相应的测量值。

【解决方案3】：

你可以使用

1 - 轮廓内的区域：

area = cv.contourArea(cnt)

2 - 等效直径 - 面积与轮廓面积相同的圆的直径

equi_diameter = np.sqrt(4*area/np.pi)

3 - 轮廓周长 - 也称为弧长。

perimeter = cv.arcLength(cnt,True)

【讨论】：

【解决方案4】：

我有一个两步解决方案

1. 申请 Canny
1. 使用line-detector查找长度

应用Canny会得到结果：

现在更容易找到我们找到长度：

代码：

import cv2

img = cv2.imread("JxHmm.png")
gry = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cny = cv2.Canny(gry, 50, 200)
lns = cv2.ximgproc.createFastLineDetector().detect(cny)
cpy = img.copy()

(h, w) = cpy.shape[:2]

min_x = w
min_y = h
max_x = 0
max_y = 0

for ln in lns:
    x1 = int(ln[0][0])
    y1 = int(ln[0][1])
    x2 = int(ln[0][2])
    y2 = int(ln[0][3])

    min_x = min(x1, x2, min_x)
    min_y = min(y1, y2, min_y)
    max_x = max(x1, x2, max_x)
    max_y = max(y1, y2, max_y)

    # print("Coords: ({}, {})->({}, {})".format(x1, y1, x2, y2))


cv2.line(cpy, pt1=(min_x, min_y), pt2=(max_x, min_y), color=(0, 255, 0), thickness=10)
cv2.putText(cpy, '({}, {})'.format(min_x, min_y), (min_x - 10, (min_y - 30)), cv2.FONT_HERSHEY_SIMPLEX, 2,
            (0, 255, 0), 3, cv2.LINE_AA)
cv2.putText(cpy, '({}, {})'.format(max_x, min_y), (max_x - 340, (min_y - 30)), cv2.FONT_HERSHEY_SIMPLEX, 2,
            (0, 255, 0), 3, cv2.LINE_AA)
cv2.putText(cpy, '{} pixel'.format((max_x - min_x)), (int((max_x + min_x)/2), (min_y - 30)), cv2.FONT_HERSHEY_SIMPLEX,
            2, (0, 255, 0), 3, cv2.LINE_AA)
cv2.line(cpy, pt1=(min_x, min_y), pt2=(min_x, max_y), color=(0, 0, 255), thickness=10)
cv2.putText(cpy, '({}, {})'.format(min_x, min_y), (min_x - 10, (min_y + 50)), cv2.FONT_HERSHEY_SIMPLEX, 2,
            (0, 0, 255), 3, cv2.LINE_AA)
cv2.putText(cpy, '({}, {})'.format(min_x, max_y), (min_x - 10, (max_y - 10)), cv2.FONT_HERSHEY_SIMPLEX, 2,
            (0, 0, 255), 3, cv2.LINE_AA)
cv2.putText(cpy, '{} pixel'.format(max_y - min_y), (min_x - 150, int((max_y + min_y)/2) + 20), cv2.FONT_HERSHEY_SIMPLEX, 2,
            (0, 0, 255), 3, cv2.LINE_AA)
cv2.imshow("cpy", cpy)
cv2.waitKey(0)

【讨论】：