Python 60行代碼使用 OpenCV 識別雪深

前兩天跟一個朋友吃飯，聊到他在作的圖像識別測量雪深，對此深感興趣，找時間就把 OpenCV 瞭解一下。

識別標杆上紅色刻度的數量。

研究了一下午，話很少說，直接開始演示吧。

import cv2
# 讀取圖片
img = cv2.imread("./snow.jpeg")

首先，將紅色部分提取，則須要將原圖進行顏色空間轉換，轉換類型使用 BGR2HSV 方法。

HSV 是一種將RGB色彩模型中的點在圓柱座標系中的表示法。H 爲色相，是色彩的基本屬性，S 爲飽和度，V 爲明度。

從網上查了下，紅色區域的 H 值在 [0,10] 和 [170,180]，使用 inRange 方法將紅色範圍內外的顏色區分開

hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
mask1 = cv2.inRange(hsv_img, np.array([0, 70, 50]), np.array([10, 255, 255]))
mask2 = cv2.inRange(hsv_img, np.array([170, 70, 50]), np.array([180, 255, 255]))
mask = mask1 | mask2

mask 顯示效果以下

此時，圖像上除了刻度外，還有些地方呈現白色，須要將這些雜質過濾掉，同時也要將垂直部分的白色去掉，須要通過先膨脹再腐蝕再膨脹三個過程。爲何要這樣呢？由於這樣才能過濾掉雜質以及垂直方向的紅線部分，以至達到效果，具體看下面的代碼和圖。

dilated = cv2.dilate(mask, cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3)), iterations=2)
# 建立一個水平的結構元素，進行腐蝕和膨脹
hline = cv2.getStructuringElement(cv2.MORPH_RECT, (int(dilated.shape[1] / 32), 1), (-1, -1))
# 腐蝕掉多餘的白色部分
temp = cv2.erode(dilated, hline)
# 使白色部分膨脹
dst_img = cv2.dilate(temp, hline)

效果以下：

獲得提取後的部分，發現還有一個問題，左右刻度有些連結在了一塊兒，此時須要分割。分割的方式是先計算一下寬度，得出中點寬度值，在此原圖對應的中點寬度畫一條黑線（不過效率有點低啊😊

def get_mid_width(mask):
    """
    獲取白色輪廓區域的中間寬度
    """
    min_width = mask.shape[1]
    max_width = 0
    for line in mask:
        """
        處理圖片爲白色輪廓區域，計算輪廓區域寬度的中間值
        """
        indexes = list(filter(lambda i: line[i] != 0, range(len(line))))
        if len(indexes) != 0:
            if min_width > indexes[0]:
                min_width = indexes[0]
            if max_width < indexes[-1]:
                max_width = indexes[-1]
        else:
            continue
    mid_width = int((min_width + max_width) / 2)
    return mid_width

mid_width = get_mid_width(dst_img)
# 在圖片上畫一條黑線，用來分割左右紅線區域，避免膨脹的時候連在一塊兒
cv2.line(img, (mid_width, 0), (mid_width, img.shape[0]), (0, 0, 0), 20)

獲得以下圖：

而後重複上面的提取紅色部分並過濾的步驟，獲得以下圖：

此時已經完成90%了，剩下的就是獲取每一個輪廓，以及把輪廓在原圖上描繪出來

contours, _ = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 獲取輪廓
# 畫上全部輪廓
cv2.drawContours(img_source, contours, -1, (0, 0, 0), 3)
imS = cv2.resize(img_source, (540, 960))
cv2.imshow('result', imS)
cv2.waitKey(0)
cv2.destroyAllWindows()

最終效果

是否是很簡單呢？！整理完才60行代碼，不過這只是簡單的實現，一旦涉及到有比較大的雜質或者標杆傾斜以及其餘狀況，都會影響識別率。

個人博客：時空路由器
原文地址：Python 60行代碼使用 OpenCV 識別雪深