精选文章 OpenCV 识别图片中的米粒个数,并计算米粒的平均面积和长度(转)

OpenCV 识别图片中的米粒个数,并计算米粒的平均面积和长度(转)

作者:_路漫漫其修远 时间: 2021-02-05 09:43:12
_路漫漫其修远 2021-02-05 09:43:12
【摘要】介绍 
OpenCV+Python 
使用OpenCV构建图像识别算法,识别图片中的米粒个数,并计算米粒的平均面积和长度 
软件架构 
模块:OpenCV 4.0.0.21 
编程语言:Python 3.7.2 
编译器:PyCharm 2018 
程序设计思路 
首先介绍一下程序设计的思路: 
图像采集(取到图像):可以用摄像头拍摄或者图片直接导入图像预处理:对图像进行灰度化基于灰度的阈值...

介绍

OpenCV+Python

使用OpenCV构建图像识别算法,识别图片中的米粒个数,并计算米粒的平均面积和长度

软件架构

模块:OpenCV 4.0.0.21

编程语言:Python 3.7.2

编译器:PyCharm 2018

程序设计思路

首先介绍一下程序设计的思路:

  1. 图像采集(取到图像):可以用摄像头拍摄或者图片直接导入
  2. 图像预处理:对图像进行灰度化
  3. 基于灰度的阈值分割:使用局部大津算法进行阈值分割二值化,形态学去噪
  4. 图像特征描述及目标分析:使用灰度直方图计算轮廓,并通过面积条件进行筛选
  5. 得到最终结果:统计识别的米粒个数,并将米粒用矩形框标记出来,并打上编号

先看看效果图:

OpenCV 识别图片中的米粒个数,并计算米粒的平均面积和长度(转)1
左边是原始图像,右边是识别之后的结果。

下面介绍程序实现:

第一步:图像采集``

img = cv2.imread("test.png")  #导入图片,图片放在程序所在目录
  • 1

使用cv2.imread()函数导入图片,括号内输入图片路径,如果图片位于程序所在目录,就可以直接写图片文件名。

第二步:图像预处理

gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #转换为灰度图
  • 1

主要使用cv2.cvtColor()函数将彩色图片转化为灰度图

第三步:基于灰度的阈值分割

#使用局部阈值的大津算法进行图像二值化
dst = cv2.adaptiveThreshold(gray,255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY,101, 1)

element = cv2.getStructuringElement(cv2.MORPH_CROSS,(3, 3))#形态学去噪
dst=cv2.morphologyEx(dst,cv2.MORPH_OPEN,element)  #开运算去噪
  • 1
  • 2
  • 3
  • 4
  • 5

使用局部大津算法对图像进行二值化,全局大津法的优点在于可以快速有效的找到类间分割阈值,但其缺点也很明显,就是只能针对单一目标分割,或者感兴趣的目标都属于同一灰度范围,若需探测目标灰度范围分布较大,则必将有一部分目标探测丢失(例如上图中黑色和白色的汽车)。局部分割的优点在于可以进行多目标分割,缺点在于基于局部阈值分割出的目标连结性较差,包含噪声。
在这个米粒图片中,下部的图像亮度较暗,如果使用全局大津算法,下部的米粒将会被认为是背景,而被屏蔽掉。OpenCV 识别图片中的米粒个数,并计算米粒的平均面积和长度(转)2
如图所示:左边是使用局部大津算法,右边是使用全局大津算法,可以看到左边的效果比右边的效果好。

函数原型:

   cv2. adaptiveThreshold(InputArray src, OutputArray dst, double maxValue, int adaptiveMethod, int thresholdType, int blockSize, double C)
  • 1

参数解释:
**InputArray src:**源图像

**OutputArray dst:**输出图像,与源图像大小一致

**int adaptiveMethod:**在一个邻域内计算阈值所采用的算法,有两个取值,分别为 ADAPTIVE_THRESH_MEAN_C 和 ADAPTIVE_THRESH_GAUSSIAN_C 。

ADAPTIVE_THRESH_MEAN_C的计算方法是计算出领域的平均值再减去第七个参数double C的值

ADAPTIVE_THRESH_GAUSSIAN_C的计算方法是计算出领域的高斯均值再减去第七个参数double C的值

**int thresholdType:**这是阈值类型,只有两个取值,分别为 THRESH_BINARY 和THRESH_BINARY_INV 具体的请看官方的说明,这里不多做解释

**int blockSize:**adaptiveThreshold的计算单位是像素的邻域块,邻域块取多大,就由这个值作决定

**double C:**在对参数int adaptiveMethod的说明中,我已经说了这个参数的作用,从中可以看出,这个参数实际上是一个偏移值调整量

然后对图像进行形态学去噪,形态学去噪有一下几种:

  • 开运算:先腐蚀再膨胀,用来消除小物体
  • 闭运算:先膨胀再腐蚀,用于排除小型黑洞
  • 形态学梯度:就是膨胀图与俯视图之差,用于保留物体的边缘轮廓。
  • 顶帽:原图像与开运算图之差,用于分离比邻近点亮一些的斑块。
  • 黑帽:闭运算与原图像之差,用于分离比邻近点暗一些的斑块。

我们使用开运算去除小噪声

第四步:图像特征描述及目标分析

主要步骤为:
1、检测轮廓- cv2.findContours()函数
2、提取轮廓的水平矩形坐标- rect = cv2.boundingRect( ) 函数
3、绘制矩形- cv2.rectangle()函数
4、 在米粒左上角写上编号-cv2.putText( ) 函数

contours, hierarchy = cv2.findContours(dst,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)  #轮廓检测函数
cv2.drawContours(dst,contours,-1,(120,0,0),2)  #绘制轮廓

count=0 #米粒总数
ares_avrg=0  #米粒平均
#遍历找到的所有米粒
for cont in contours: ares = cv2.contourArea(cont)#计算包围性状的面积 if ares<50:   #过滤面积小于10的形状 continue count+=1 #总体计数加1 ares_avrg+=ares print("{}-blob:{}".format(count,ares),end="  ") #打印出每个米粒的面积 rect = cv2.boundingRect(cont) #提取矩形坐标 print("x:{} y:{}".format(rect[0],rect[1]))#打印坐标 cv2.rectangle(img,rect,(0,0,0xff),1)#绘制矩形 y=10 if rect[1]<10 else rect[1] #防止编号到图片之外 cv2.putText(img,str(count), (rect[0], y), cv2.FONT_HERSHEY_COMPLEX, 0.4, (0, 255, 0), 1) #在米粒左上角写上编号

print("米粒平均面积:{}".format(round(ares_avrg/ares,2))) #打印出每个米粒的面积
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28

1、检测轮廓

cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])  
  • 1

参数:

  • image参数是寻找轮廓的图像;

  • mode参数表示轮廓的检索模式,有四种(本文介绍的都是新的cv2接口):

    cv2.RETR_EXTERNAL表示只检测外轮廓
    cv2.RETR_LIST检测的轮廓不建立等级关系
    cv2.RETR_CCOMP建立两个等级的轮廓,上面的一层为外边界,里面的一层为内孔的边界信息。如果内孔内还有一个连通物体,这个物体的边界也在顶层。
    cv2.RETR_TREE建立一个等级树结构的轮廓。

  • method参数method为轮廓的近似办法

    cv2.CHAIN_APPROX_NONE存储所有的轮廓点,相邻的两个点的像素位置差不超过1,即max(abs(x1-x2),abs(y2-y1))==1
    cv2.CHAIN_APPROX_SIMPLE压缩水平方向,垂直方向,对角线方向的元素,只保留该方向的终点坐标,例如一个矩形轮廓只需4个点来保存轮廓信息
    cv2.CHAIN_APPROX_TC89_L1,CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法

返回值:

cv2.findContours()函数返回两个值,一个是轮廓本身,还有一个是每条轮廓对应的属性。

  • contour返回值:cv2.findContours()函数首先返回一个list,list中每个元素都是图像中的一个轮廓,用numpy中的ndarray表示。
  • hierarchy返回值:此外,该函数还可返回一个可选的hiararchy结果,这是一个ndarray,其中的元素个数和轮廓个数相同,每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0]
    ~hierarchy[i][3],分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号,如果没有对应项,则该值为负数。

2、提取轮廓的水平矩形坐标

  cv2.boundingRect(InputArray points)
  • 1

参数:

  • points:输入信息,可以为包含点的容器(vector)或是Mat。
  • 返回包覆输入信息的最小正矩形。

3、绘制矩形

cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)
  • 1

参数解释:

  • img是原图
  • (x,y)是矩阵的左上点坐标
  • (x+w,y+h)是矩阵的右下点坐标
  • (0,255,0)是画线对应的rgb颜色
  • 2是所画的线的宽度

4、 在米粒左上角写上编号

cv2.putText(img,str(count), (rect[0], y), cv2.FONT_HERSHEY_COMPLEX, 0.4, (0, 255, 0), 1) 
  • 1

各参数依次是:图片输入/添加的文字/左上角坐标/字体/字体大小/颜色/字体粗细

第五步:统计米粒的编号、面积、长度

ares = cv2.contourArea(cont)
  • 1

计算包围形状的面积,并使用一个for循环来计算面积平均值和长度平均值

效果图:
OpenCV 识别图片中的米粒个数,并计算米粒的平均面积和长度(转)3
OpenCV 识别图片中的米粒个数,并计算米粒的平均面积和长度(转)4

完整程序代码请点击这里下载:OpenCV 识别图片中的米粒python程序

原博主文章地址:https://blog.csdn.net/u014005758/article/details/88283238

勿删,copyright占位
分享文章到微博
分享文章到朋友圈

上一篇:linux下的node版本管理利器:nvm

下一篇:常用js封装

您可能感兴趣

  • [转]捕捉DataGridView的单元格编辑时的键事件

    注意:DataGridView控件是从.NET Framework 2.0版本开始追加的。 DataGridView的键事件(KeyDown、KeyUp、KeyPress、PreviewKeyDown),在单元格编辑中是不会发生的。是因为单元格进行编辑时是使用了TextBox。所以,捕捉编辑中单元格的键事件,需要捕捉被编辑单元格的TextBo...

  • 软件设计中的可用性和可用性测试

    什么是可用性   在创建软件的环境中,术语“可用性”表示一种方法,它将用户而不是系统摆在过程的中心。这一方法称作以用户为中心的设计,它从设计过程的一开始就将用户关心的问题和意见考虑在内,并提出在任何设计决策中用户的需要都应摆在首位。   这种方法最显著的特点就是可用性测试。在测试中,用户使用产品的界面进行工作,通过界面进行交互,就他...

  • Java程序员面试中的多线程问题

    2013-3-5 16:32| 发布者: sxwgf| 查看: 1735| 评论: 0|来自: 伯乐在线  http://web.itivy.com/article-184-1.html     很多核心JAVA面试题来源于多线程(Multi-Threading)和集合框架(Collections Framework),理解核心线程概念时...

  • (转)用javascript做删除时的提示信息

    第一种 function deleteRecord(theId){ if(!confirm("您确定要删除该条记录吗?")) {  return ; } document.location.href="delete.do?id="+theId;}    <a href="javascript:deleteRecord(<bea...

  • Java中的方法

    在其他语言中,方法称为过程或函数。带返回值的方法称为函数,返回值类型为void的方法称为过程。 定义方法 public static int max(int num1,int num2){ return 0;} public static 为修饰符 int 为返回值类型 max 为方法名 int num1 为形式参数 int num1,int num...

  • 图片文字识别

      文档网址: https://ai.baidu.com/docs#/OCR-API/top     百度ai平台, 文字识别,人脸识别, 图片识别 很多, 还是很牛的,具体请看文档吧   # coding=utf-8 import requests, base64 # from urllib import parse class Ima...

  • Java 转换流

    字符编码与字符集 win7、win10默认使用GBK编码 在IDEA中的默认编码是UTF-8,而在Windows系统中的默认编码是GBK,所以读取会产生乱码   使用转换流解决上面的问题  FileReader 转换流 使用字符输入流读取中文字符的过程 转换流的工作原理 转换流可以自己指定编码表 ...

  • ubuntu15.04中的docker...1

    不知道docker是个啥东西,只看书不知所云,干脆直接接触一把。。。   软件环境:Ubuntu15.04 64位 + docker 硬件环境:虚拟机。。。2G内存 + 4核心   安装: sudo apt-get install docker.io 添加当前用户到docker组 sudo usermod ...

CSDN

CSDN

中国开发者社区CSDN (Chinese Software Developer Network) 创立于1999年,致力为中国开发者提供知识传播、在线学习、职业发展等全生命周期服务。

华为云40多款云服务产品0元试用活动

免费套餐,马上领取!
OpenCV 识别图片中的米粒个数,并计算米粒的平均面积和长度(转)介绍:华为云为您免费提供OpenCV 识别图片中的米粒个数,并计算米粒的平均面积和长度(转)在博客、论坛、帮助中心等栏目的相关文章,同时还可以通过 站内搜索 查询更多OpenCV 识别图片中的米粒个数,并计算米粒的平均面积和长度(转)的相关内容。| 移动地址: OpenCV 识别图片中的米粒个数,并计算米粒的平均面积和长度(转) | 写博客