视觉图像面积计算

在图像处理和计算机视觉中,计算对象面积的常见方法有两种:使用四邻域标记算法和使用轮廓计算。每种方法在不同情况下有各自的优缺点。

  1. 四邻域标记算法

    • 优点
      • 简单易实现。
      • 能够处理带有孔洞的复杂区域(只要孔洞不影响连通性判断)。
    • 缺点
      • 对于边缘不清晰或有噪声的图像,可能会导致面积计算误差。
      • 依赖于图像分辨率和阈值选择的精度。
  2. 轮廓计算

    • 优点
      • 通常更精确,因为它直接使用对象的边缘来计算面积。
      • 适合处理边界清晰的对象。
      • 可以在亚像素级别计算面积,提供更高精度。
    • 缺点
      • 计算复杂度相对较高,特别是在图像边缘检测和轮廓提取步骤。
      • 对于有噪声的图像,边缘检测可能会失败或产生错误的轮廓。

更准确的选择

通常情况下,使用轮廓计算面积更为准确,特别是在以下情况下:

  • 图像边缘清晰。
  • 需要高精度的面积计算。
  • 可以处理复杂形状和多种连通区域。

分别代码:

1 轮廓

python 复制代码
# 获取连通域的边界和标签   # 查看各个轮廓
    contours, _ = cv2.findContours(gray_frame_seg, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    # 筛选出面积较小的轮廓
    option_contours = [cnt for cnt in contours if cv2.contourArea(cnt) > area_threshold]
    logging.info(f'count: {len(contours)}, option contours: {len(option_contours)}')
    # 初始化要计算的参数
    num_contours = len(option_contours)
    areas = np.zeros(num_contours)

2 四邻域标记算法

python 复制代码
    def calculate_perimeter():
        """计算连通区域的周长"""
        contours, _ = cv2.findContours(region.astype(np.uint8), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
        perimeter = 0
        for contour in contours:
            perimeter += cv2.arcLength(contour, True)
        return perimeter

    # 找到连通区域并计算每个区域的面积和周长
    labeled_array, num_features = label(gray_frame_seg)
    print(f'labeled_array, num_features:{labeled_array, num_features}')
    areas1 = []
    perimeters1 = []

    # 遍历每个连通区域
    for region_slice in find_objects(labeled_array):
        region = labeled_array[region_slice]
        area = np.sum(region > 0)
        perimeter = calculate_perimeter()
        areas1.append(area)
        perimeters1.append(perimeter)
    print(f'sort areas, len:{len(areas1)}:\n{sorted(areas1)}')
    return areas1, perimeters1
相关推荐
weixin_307779138 分钟前
Clickhouse导出库的表、视图、用户和角色定义的SQL语句
开发语言·数据库·算法·clickhouse·自动化
golang学习记13 分钟前
阿里又出手了,发布全新终端CLI工具,还支持VSCode
人工智能
机器之心16 分钟前
具身智能迎来ImageNet时刻:RoboChallenge开放首个大规模真机基准测试集
人工智能·openai
lanyancloud_JX27 分钟前
公路工程项目管理软件选型指南
人工智能
柠檬味拥抱27 分钟前
基于Rokid CXR-M和CXR-S SDK构建简易翻译助手
人工智能
用户51914958484529 分钟前
在VS Code IDE中通过LocalStack集成加速无服务器测试
人工智能·aigc
FreeCode36 分钟前
智能体化系统(Agentic System)开发面临的挑战及应对
人工智能·agent
程序猿小D36 分钟前
【完整源码+数据集+部署教程】 【零售和消费品&存货】【无人零售】自动售卖机饮料检测系统源码&数据集全套:改进yolo11-KernelWarehouse
python·yolo·计算机视觉·目标跟踪·数据集·yolo11·自动售卖机饮料检测系统
小龙报37 分钟前
《算法通关指南---C++编程篇(1)》
开发语言·c++·程序人生·算法·学习方法·visual studio
程序猿小D1 小时前
【完整源码+数据集+部署教程】 【零售和消费品&存货】条形码检测系统源码&数据集全套:改进yolo11-TADDH
python·yolo·计算机视觉·目标跟踪·数据集·yolo11·条形码检测系统