使用OpenCV测量图像中物体的大小

      图像目标尺寸检测类似于计算从我们的相机到一个物体的距离——在这两种情况下，我们都需要事先定义一个比率来测量每个给定度量单位的像素数（pixels_per_metric）。为了确定图像中物体的大小，我们首先需要使用一个参照物作为“校准”点。我们的参照物应该有两个重要的属性：
       1、我们应该知道这个物体的真实尺寸（在宽度或高度上的毫米或英寸等值的大小）。
       2、我们应该能够轻松地在图片中找到这个参照物，要么基于参照物的位置(如，参照物可以是一副图像中左上角的物体)或基于参照物的外表(例如参照物可以是图片中具有独特的颜色或独一无二的形状，不同于所有其他的物体)。一句话而言：在任何一种情况下，我们的参照物都应该是以某种方式进行唯一可识别的The One。

图1：我们将使用一个美分硬币作为我们的参照物，并确保它总是被放置在图像中左边，这使得我们可以通过对它们位置的轮廓大小进行排序，进一步来提取信息。

  通过保证这个美分硬币是左边的物体后，我们可以从左到右对我们的物体等高线区域进行排列，抓住这个硬币（它将始终对应于排序列表中的第一个等高线区域），并使用它来定义我们的pixels_per_metric比率，我们将其定义为：

pixels_per_metric =物体像素宽 / 物体真实宽

  美分硬币的真实宽度是0.955英寸。现在，假设我们图像中硬币的像素宽为150像素（基于它的相关边界框）。那么这种情况下pixels_per_metric这样计算：
pixels_per_metric = 150px / 0.955in = 157px
因此，在我们这幅图像中，每英寸大约有157个像素。有了这个比率，我们可以计算图像中其他物体的大小了。
利用计算机视觉测量物体大小

  既然我们已经理解了pixels_per_metric，我们就可以实现用于测量图像中对象大小的Python程序脚本了。
打开一个新的py文件，插入以下代码：

第2-8行用来导入我们所需的Python包。在本例中，我们将大量使用imutils包，因此，如果您没有安装它，请确保在使用之前安装它：

另外如果你已经安装过这个imutils包，也请确保它为新版本，在我这里所使用新的版本是0.3.6。

第10行和第11行定义了一个midpoint函数，顾名思义，它用于计算两个（x，y）坐标之间的中点。

  然后我们在第14-19行中解析我们的命令行参数。我们需要两个参数，–image，它是我们输入图像的路径，其中包含我们想要测量的对象，–width，也就是我们的参照物的宽度（英寸），–image路径图像中所认定的那个左边的物体。

  我们现在可以加载我们的图像并对其进行预处理：

       第22-24行从磁盘加载我们的图像，将其转换为灰度，然后使用高斯过滤器平滑它。然后我们执行边缘检测和扩张+磨平，以消除边缘图中边缘之间的任何间隙（第28-30行）。

  第33-35行找到等高线，也就是我们边缘图中物体相对应的轮廓线。

  然后，这些等高线区域从左到右（使得我们可以提取到参照物）在第39行中进行排列。然后我们在第40行时，对pixelsPerMetric值进行初始化。

  下一步是对每一个等高线区域值大小进行检查校验。

    在第43行，我们开始对每个单独的轮廓值进行循环。如果等高线区域大小不够大，我们就会丢弃该区域，认为它是边缘检测过程遗留下来的噪音（第45和46行）。
  如果等高线区域足够大，我们就会在第50-52行计算图像的旋转边界框，特别注意：cv2.cv.BoxPoints函数是针对于opencv2.4版本，而cv2.BoxPoints函数是针对于OpenCV 3版本。
  然后我们将旋转的边界框坐标按顺序排列在左上角，右上角，右下角，左下角，正如上周的博客文章（第58行）所讨论的。
  后，第59-63行用绿色画出物体的轮廓，然后将边界框矩形的顶点画在小的红色圆圈中。现在我们已经有了边界框，接下来就可以计算出一系列的中点：

    第68-70行将我们前面所得的有序边界框各个值拆分出来，然后计算左上角和右上角之间的中点，然后是计算左下角和右下角之间的中点。
  此外，我们还分别计算左上角与左下角，右上角和右下角的中点（第74和75行）。
  第78-81行在我们的图像上画出蓝色的中点，然后将各中间点用紫色线连接起来。
  接下来，我们需要通过查看我们的参照物来初始化pixelsPerMetric变量：

首先，我们计算中间点集之间的欧几里得距离（第90行和第91行）。
dA变量将包含高度距离（以像素为单位），而dB将保持我们的宽度距离。
然后，我们在第96行进行检查，看看我们的pixelsPerMetric变量是否已经被初始化了，如果没有，我们将dB除以我们提供的宽度，从而得到每英寸的（近似）像素。
现在我们已经定义了pixelsPerMetric变量，我们可以测量图像中各物体的大小：

第100行和第101行计算物体的尺寸（英寸），方法是通过pixelsper度量值划分各自的欧几里得距离（参见上面的“pixels_per_metric ”一节，以获得关于这个比率如何工作的更多信息）。 第104-109行在我们的图像上画出物体的尺寸，而第112和113行显示输出结果。