python CV 图形面积计算
遍历目录图片，实现：
1.标识出图片的颜色，
2.蓝色边框标识出方格区域(10*10)，
3.标识出油漆脱落的小方格数量(小正方形10%脱落，认为该区该小正方形整个脱落)占方格区域的数量（一般是100）比例和实际脱落面积比例（需扣除划痕面积)。
4.用文字在图片上标识出有脱落面积的比例。
2285657249@qq.com（可QQ交流）
注意：示例图片脱落不明显，可手动修改照片，以实现测试效果。
①10×10是小格数量，每个小格是2mm或1.5mm见方，面积不用真实值，用像素点也可以。②面漆的颜色大部分是黄色，有时是灰色（统一按黄色考虑）。底漆的颜色不一定是白色，大部分是灰色或红色。③可以考虑通过颜色的变化来进行脱落的识别。④补充一下比较明显脱落的照片。
这个单位是多少，比如10×10是毫米？
有几个疑问：
1、你这图片估计不是原图吧，现在宽是320像素，你所谓的10*10是按什么单位来计算的？
2、方格区域的数量（一般是100）是说要把图片分割成100个方格，然后去计算每个方格的脱落情况吗
3、实际脱落面积比例是说不考虑方格的问题，只考虑脱落区域（不规则）占整个图片的比例吗
这个不太会啊
这个有意思，但是有些地方不够完善，掉漆的位置一定是白色的吗？如果里面有底漆，导致掉漆呈现红色，或者照片里反光，都是会误识别的，这个怎么算
- 只要表面颜色与其它颜色不相同，就算脱落吗？
- 如果一半脱落，一半未脱落，那么就存在2种颜色，哪种颜色算脱落？
你说的10乘以10的小方格是像素吗，还是有其它单位？漆脱落的小方格数量占方格区域的数量为什么一般是100？不太明白。
标王啊，看来要学一下OpenCV了
识别油漆脱落点，还要判断不是反光的地方，有点儿难哦。
opencv库应该可以跑，不过朋友的硬件是打算用什么？openmv还是树莓派官方摄像头还是OV7725
这个单位是多少
使用cv处理，hsv颜色识别，然后框选出脱落的面积，使用are算子提取，即可。
像素和实面积是多少啊还是自己假设啊，如果是摄像机要考虑，不同拍摄角度距离，后不同的比例
对于这个问题,色彩分水岭似乎是一个很好的方法.
当你解决这个问题时,定义标记的前景和背景是困难的部分！
建议使用形态梯度沿着破坏面积获得良好的边缘。
第一步：
import numpy as np
import cv2
img = cv2.imread('image.png')
blur = cv2.GaussianBlur(img, (7, 7), 2)
h, w = img.shape[:2]
# Morphological gradient
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (7, 7))
gradient = cv2.morphologyEx(blur, cv2.MORPH_GRADIENT, kernel)
cv2.imshow('Morphological gradient', gradient)
cv2.waitKey()
第二步：使用一些阈值来对梯度进行二值化
lowerb = np.array([0, 0, 0])
upperb = np.array([15, 15, 15])
binary = cv2.inRange(gradient, lowerb, upperb)
cv2.imshow('Binarized gradient', binary)
cv2.waitKey()
第三步：遍历边缘上的像素并使用floodFill()从二进制图像中删除多余部分
for row in range(h):
if binary[row, 0] == 255:
cv2.floodFill(binary, None, (0, row), 0)
if binary[row, w-1] == 255:
cv2.floodFill(binary, None, (w-1, row), 0)
for col in range(w):
if binary[0, col] == 255:
cv2.floodFill(binary, None, (col, 0), 0)
if binary[h-1, col] == 255:
cv2.floodFill(binary, None, (col, h-1), 0)
cv2.imshow('Filled binary gradient', binary)
cv2.waitKey()
第四步：清理
foreground = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)
foreground = cv2.morphologyEx(foreground, cv2.MORPH_CLOSE, kernel)
cv2.imshow('Cleanup up crystal foreground mask', foreground)
cv2.waitKey()
第五步：获得被破坏图像
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (17, 17))
background = cv2.dilate(foreground, kernel, iterations=3)
unknown = cv2.subtract(background, foreground)
cv2.imshow('Background', background)
cv2.waitKey()
第六步：标记分界线
markers = cv2.connectedComponents(foreground)[1]
markers += 1 # Add one to all labels so that background is 1, not 0
markers[unknown==255] = 0 # mark the region of unknown with zero
markers = cv2.watershed(img, markers)
第七步：标记块
hue_markers = np.uint8(179*np.float32(markers)/np.max(markers))
blank_channel = 255*np.ones((h, w), dtype=np.uint8)
marker_img = cv2.merge([hue_markers, blank_channel, blank_channel])
marker_img = cv2.cvtColor(marker_img, cv2.COLOR_HSV2BGR)
cv2.imshow('Colored markers', marker_img)
cv2.waitKey()
第八步：与原始图像对比
labeled_img = img.copy()
labeled_img[markers>1] = marker_img[markers>1] # 1 is background color
labeled_img = cv2.addWeighted(img, 0.5, labeled_img, 0.5, 0)
cv2.imshow('watershed_result.png', labeled_img)
cv2.waitKey()
最后：计算面积
.
import math
class Round(): #圆形
def __init__(self, R):
self.R = R
def area(self):
return self.R * self.R * 3.14
def girth(self):
return self.R * 2 * 3.14
class Rectangle():#矩形
def __init__(self, length, width):
self.length = length
self.width = width
def area(self):
return self.length * self.width
def girth(self):
return self.length + self.width
class Triangle():#三角形
def __init__(self, a, b, c):
self.a = a
self.b = b
self.c = c
def area(self):
l = (self.a + self.b + self.c)/2
return round(math.sqrt(l * (l - self.a) * (l - self.b) * (l - self.c)), 2) #round保留2为小数
def girth(self):
return self.a + self.c + self.c
class Guadrilateral():#任意四边形
def __init__(self, a, b, c, d, angle):
self.a = a
self.b = b
self.c = c
self.d = d
self.angle = angle
def area(self):
l = (self.a + self.b + self.c + self.d)/2
return round(math.sqrt((l - self.a) * (l - self.b) * (l - self.c) * (l - self.d) -
self.a * self.b * self.c * self.d
* math.pow(math.cos(math.radians(self.angle)), 2)), 2) #pow函数幂次方radians弧度转换为角度
def girth(self):
return self.a + self.b + self.c + self.d
print("----图形计算工具----")
print("*******************")
print("***你可以选择的图形***")
print("********圆形********")
print("********矩形********")
print("*******三角形********")
print("*****任意四边形*******")
target = str(input("请输入你想要计算图形的名称"))
if target == "圆形":
x1 = int(input("请输入半径(厘米)："))
print("圆形的面积为：" + str(Round(x1).area()) + "(平方厘米)!")
print("圆形的周长为：" + str(Round(x1).girth()) + "(厘米)!")
elif target == "矩形":
x1 = int(input("请输入长度(厘米)："))
x2 = int(input("请输入宽度(厘米)："))
print("矩形的面积为：" + str(Rectangle(x1, x2).area()) + "(平方厘米)!")
print("矩形的周长为：" + str(Rectangle(x1, x2).girth()) + "(厘米)!")
elif target == "三角形":
x1 = int(input("请输入边a(厘米)："))
x2 = int(input("请输入边b(厘米)："))
x3 = int(input("请输入边c(厘米)："))
print("三角形的面积为：" + str(Triangle(x1, x2, x3).area()) + "(平方厘米)!")
print("三角形的周长为：" + str(Triangle(x1, x2, x3).girth()) + "(厘米)!")
elif target == "任意四边形":
x1 = int(input("请输入边a(厘米)："))
x2 = int(input("请输入边b(厘米)："))
x3 = int(input("请输入边c(厘米)："))
x4 = int(input("请输入边d(厘米)："))
x5 = int(input("请输入邻对角角度和的一半(°)："))
print("三角形的面积为：" + str(Guadrilateral(x1, x2, x3, x4, x5).area()) + "(平方厘米)!")
print("三角形的周长为：" + str(Guadrilateral(x1, x2, x3, x4, x5).girth()) + "(厘米)!")