快捷導(dǎo)航

Python+Opencv實(shí)現(xiàn)物體尺寸測(cè)量的方法詳解

更新時(shí)間：2022年09月14日 14:21:59 作者：夏天是冰紅茶

這篇文章主要為大家詳細(xì)介紹了Python+Opencv如何實(shí)現(xiàn)物體尺寸測(cè)量的功能，文中的示例代碼講解詳細(xì)，感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下

1、效果展示

我們將以兩種方式來展示我們這個(gè)項(xiàng)目的效果。

下面這是視頻的實(shí)時(shí)檢測(cè)，我分別用了盒子和蓋子來檢測(cè)，按理來說效果不應(yīng)該怎么差的，但我實(shí)在沒有找到合適的背景與物體。且我的攝像頭使用的是外設(shè)，我不得不手持，所以存在一點(diǎn)點(diǎn)的抖動(dòng)，但我可以保證，它是缺少了適合檢測(cè)物體與背景。

我使用手機(jī)拍了一張照片并經(jīng)過了ps修改了背景，效果不錯(cuò)。

2、項(xiàng)目介紹

本項(xiàng)目中，我將選用A4紙張為背景，找到放在該區(qū)域中對(duì)象的長、寬。打印出相關(guān)的數(shù)值。

3、項(xiàng)目搭建

所有的資源，你都可以在我的GitHub上找到，我將在末尾附上鏈接

4、utils.py文件代碼展示與講解

在項(xiàng)目當(dāng)中，我將引入utils，而utils是適用于在我們項(xiàng)目中所寫的的文件。有了對(duì)它的理解能幫助我們更好的理解本項(xiàng)目，所以我覺得有必要在此敘述一番。

import cv2
import numpy as np
 
 
def getContours(img, cThr=[100, 100], showCanny=False, minArea=1000, filter=0, draw=False):
    imgGray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    imgBlur = cv2.GaussianBlur(imgGray, (5, 5), 1)
    imgCanny = cv2.Canny(imgBlur, cThr[0], cThr[1])
    kernel = np.ones((5, 5))
    imgDial = cv2.dilate(imgCanny, kernel, iterations=3)
    imgThre = cv2.erode(imgDial, kernel, iterations=2)
    if showCanny: cv2.imshow('Canny', imgThre)
    contours, hiearchy = cv2.findContours(imgThre, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    finalCountours = []
    for i in contours:
        area = cv2.contourArea(i)
        if area > minArea:
            peri = cv2.arcLength(i, True)
            approx = cv2.approxPolyDP(i, 0.02 * peri, True)
            bbox = cv2.boundingRect(approx)
            if filter > 0:
                if len(approx) == filter:
                    finalCountours.append([len(approx), area, approx, bbox, i])
            else:
                finalCountours.append([len(approx), area, approx, bbox, i])
    finalCountours = sorted(finalCountours, key=lambda x: x[1], reverse=True)
    if draw:
        for con in finalCountours:
            cv2.drawContours(img, con[4], -1, (0, 0, 255), 3)
    return img, finalCountours
 
 
def reorder(myPoints):
    # print(myPoints.shape)
    myPointsNew = np.zeros_like(myPoints)
    myPoints = myPoints.reshape((4, 2))
    add = myPoints.sum(1)
    myPointsNew[0] = myPoints[np.argmin(add)]
    myPointsNew[3] = myPoints[np.argmax(add)]
    diff = np.diff(myPoints, axis=1)
    myPointsNew[1] = myPoints[np.argmin(diff)]
    myPointsNew[2] = myPoints[np.argmax(diff)]
    return myPointsNew
 
 
def warpImg(img, points, w, h, pad=20):
    # print(points)
    points = reorder(points)
    pts1 = np.float32(points)
    pts2 = np.float32([[0, 0], [w, 0], [0, h], [w, h]])
    matrix = cv2.getPerspectiveTransform(pts1, pts2)
    imgWarp = cv2.warpPerspective(img, matrix, (w, h))
    imgWarp = imgWarp[pad:imgWarp.shape[0] - pad, pad:imgWarp.shape[1] - pad]
    return imgWarp
 
 
def findDis(pts1, pts2):
    return ((pts2[0] - pts1[0]) ** 2 + (pts2[1] - pts1[1]) ** 2) ** 0.5

接下來，我將按照慣例講解，我們就以每個(gè)函數(shù)的意義來講。

1.getContours()函數(shù)，曾在我以前的博客中出現(xiàn)過。正如它的命名，我們是為了得到輪廓。將原始圖像依次經(jīng)過這些轉(zhuǎn)化：灰度圖像、高斯模糊、canny檢測(cè)邊緣、膨脹、侵蝕等。 cv2.findContours()從圖像ROI中提取輪廓，然后在整個(gè)圖像上下文中分析輪廓，參數(shù)cv2.RETR_EXTERNAL將會(huì)獲取外部邊緣；

cv2.contourArea()計(jì)算輪廓面積；

cv2.contourArea()計(jì)算輪廓周長或曲線長度；

cv2.approxPolyDP()以指定精度近似多邊形曲線;

cv2.boundingRect()函數(shù)計(jì)算并返回指定點(diǎn)集或灰度圖像非零像素的最小右上邊界矩形;

之后用finalCountours這個(gè)空列表來接受我們需要用到的信息，再對(duì)其輪廓的大小進(jìn)行排序，因?yàn)槲覀冃枰氖亲畲蟮倪吔缈颉?

cv2.drawContours()繪制輪廓輪廓或填充輪廓，最后返回img, finalCountours。

2.reorder函數(shù)，myPointsNew = np.zeros_like(myPoints)，返回與myPoints具有相同形狀和類型的零數(shù)組，在打印了myPoints.shape，它所返回的值是(4,1,2)，不難理解，4指的是四個(gè)點(diǎn)，2指的是x,y，我們不需要中間的1，所以要對(duì)其進(jìn)行重塑。np.argmin返回沿軸的最小值的索引，np.argmax返回沿軸的最大值的索引。所以此函數(shù)的作用是將順序改為最下面的順序。

4.warpImg()函數(shù)，其實(shí)就是透視變換，詳細(xì)的函數(shù)可以回頭復(fù)習(xí)一下Opencv的文檔，我在此不做多的講述。

5.findDis()函數(shù)我們用一張圖來解釋，個(gè)人手繪：

5、項(xiàng)目代碼展示與講解

import cv2
import utils
 
###################################
webcam = False
path = '1.png'
cap = cv2.VideoCapture(1)
cap.set(10, 160)
cap.set(3, 1920)
cap.set(4, 1080)
scale = 3
wP = 210 * scale
hP = 297 * scale
###################################
 
while True:
    if webcam:
        success, img = cap.read()
    else:
        img = cv2.imread(path)
 
    imgContours, conts = utils.getContours(img, minArea=50000, filter=4)
    if len(conts) != 0:
        biggest = conts[0][2]
        # print(biggest)
        imgWarp = utils.warpImg(img, biggest, wP, hP)
        imgContours2, conts2 = utils.getContours(imgWarp,
                                                 minArea=2000, filter=4,
                                                 cThr=[50, 50], draw=False)
        if len(conts) != 0:
            for obj in conts2:
                cv2.polylines(imgContours2, [obj[2]], True, (0, 255, 0), 2)
                nPoints = utils.reorder(obj[2])
                nW = round((utils.findDis(nPoints[0][0] // scale, nPoints[1][0] // scale) / 10), 1)
                nH = round((utils.findDis(nPoints[0][0] // scale, nPoints[2][0] // scale) / 10), 1)
                cv2.arrowedLine(imgContours2, (nPoints[0][0][0], nPoints[0][0][1]),
                                (nPoints[1][0][0], nPoints[1][0][1]),
                                (255, 0, 255), 3, 8, 0, 0.05)
                cv2.arrowedLine(imgContours2, (nPoints[0][0][0], nPoints[0][0][1]),
                                (nPoints[2][0][0], nPoints[2][0][1]),
                                (255, 0, 255), 3, 8, 0, 0.05)
                x, y, w, h = obj[3]
                cv2.putText(imgContours2, '{}cm'.format(nW), (x + 30, y - 10), cv2.FONT_HERSHEY_COMPLEX_SMALL, 1.5,
                            (255, 0, 255), 2)
                cv2.putText(imgContours2, '{}cm'.format(nH), (x - 70, y + h // 2), cv2.FONT_HERSHEY_COMPLEX_SMALL, 1.5,
                            (255, 0, 255), 2)
        cv2.imshow('A4', imgContours2)
 
    img = cv2.resize(img, (0, 0), None, 0.5, 0.5)
    cv2.imshow('Original', img)
    if cv2.waitKey(1) & 0xFF ==27:
        break

那么，本項(xiàng)目的代碼我看了一下，將utils.py文件看懂之后，不難理解，所以本項(xiàng)目我就不仔細(xì)講解了。

6、項(xiàng)目資源

GitHub

7、項(xiàng)目總結(jié)

本項(xiàng)目主要是運(yùn)用了之前掃描文檔的思想，以A4紙為背景，檢測(cè)其中區(qū)域的物體長和寬。我的攝像頭無法固定，所以是手持的，且由于我在寢室里面是真的沒有找到合適的測(cè)量物體以及背景色（全是米色或原木色的）。所以效果有所欠缺，但經(jīng)過ps修改的圖片，檢測(cè)的效果還是很不錯(cuò)的。

以上就是Python+Opencv實(shí)現(xiàn)物體尺寸測(cè)量的方法詳解的詳細(xì)內(nèi)容，更多關(guān)于Python Opencv物體尺寸測(cè)量的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: