Сегодня я хочу показать вам, как рассчитать расстояние между объектами на изображении. Мы напишем потрясающий алгоритм, который вы можете изменить и распространяться на ваши потребности.
Это наше тестовое изображение:
Давайте прыгаем в код!
Во-первых, нам нужно импортировать необходимые пакеты:
from scipy.spatial import distance as dist from imutils import perspective from imutils import contours import numpy as np import argparse import imutils import cv2
Затем мы строим проанал аргумента и анализа аргументов
def midpoint(ptA, ptB): return ((ptA[0] + ptB[0]) * 0.5, (ptA[1] + ptB[1]) * 0.5)
После этого мы загружаем изображение, преобразуйте его в серого:
image = cv2.imread('images/test.jpg') gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) gray = cv2.GaussianBlur(gray, (7, 7), 0)
Затем мы выполняем обнаружение краев и закрывающие разрывы между краями объекта:
edged = cv2.Canny(gray, 50, 100) edged = cv2.dilate(edged, None, iterations=1) edged = cv2.erode(edged, None, iterations=1)
Найти контуры на границе края
cnts = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) cnts = imutils.grab_contours(cnts)
Затем инициализируйте цвета расстояния и ссылочный объект:
(cnts, _) = contours.sort_contours(cnts) colors = ((0, 0, 255), (240, 0, 159), (0, 165, 255), (255, 255, 0), (255, 0, 255)) refObj = None
Затем мы цикла по контурам индивидуально:
for c in cnts: if cv2.contourArea(c) < 100: continue box = cv2.minAreaRect(c) box = cv2.cv.BoxPoints(box) if imutils.is_cv2() else cv2.boxPoints(box) box = np.array(box, dtype="int") box = perspective.order_points(box) cX = np.average(box[:, 0]) cY = np.average(box[:, 1]) if refObj is None: (tl, tr, br, bl) = box (tlblX, tlblY) = midpoint(tl, bl) (trbrX, trbrY) = midpoint(tr, br) D = dist.euclidean((tlblX, tlblY), (trbrX, trbrY)) refObj = (box, (cX, cY), D / 70) continue orig = image.copy() cv2.drawContours(orig, [box.astype("int")], -1, (0, 255, 0), 2) cv2.drawContours(orig, [refObj[0].astype("int")], -1, (0, 255, 0), 2) refCoords = np.vstack([refObj[0], refObj[1]]) objCoords = np.vstack([box, (cX, cY)])
Затем мы петлю по оригинальным моментам:
for ((xA, yA), (xB, yB), color) in zip(refCoords, objCoords, colors): cv2.circle(orig, (int(xA), int(yA)), 5, color, -1) cv2.circle(orig, (int(xB), int(yB)), 5, color, -1) cv2.line(orig, (int(xA), int(yA)), (int(xB), int(yB)), color, 2) D = dist.euclidean((xA, yA), (xB, yB)) / refObj[2] (mX, mY) = midpoint((xA, yA), (xB, yB)) cv2.putText(orig, "{:.1f}in".format(D), (int(mX), int(mY - 10)), cv2.FONT_HERSHEY_SIMPLEX, 0.55, color, 2) cv2.imshow("Image", orig) cv2.waitKey(0) cv2.destroyAllWindows()
Это наш конечный результат:
Спасибо вам всем.
Оригинал: “https://dev.to/stokry/how-to-calculate-the-distance-between-the-objects-in-the-image-with-python-gbn”