关于图像处理与机器视觉的图像问题

Question

我有以上3幅图片，我想计算它激光线移动的距离。其中的黑色圆形是知道尺寸的r=15mm，图1与图2之间只有很小的位移，并且其实我有一个文件夹的图片记录了它从图1到图3的所有图片。 我应该怎么把每个图片之间的距离计算出来？

Answer 1

引自免费微信小程序：皆我百晓生

要计算激光线在这些图片中的移动距离，我们可以使用图像处理技术来识别圆圈的位置，然后计算圆心位置的变化。这里是一个基本的步骤指南，以及Python代码示例，我们将使用OpenCV库来进行图像处理。

首先，请确保安装了所需的库：

pip install opencv-python
pip install numpy

接下来，按照以下步骤操作：

1. 读取图片并转换为灰度图像。
2. 使用Canny边缘检测找到轮廓。
3. 对轮廓进行筛选，找出最接近已知直径（例如15mm）的圆。
4. 计算圆心位置。
5. 比较连续图片中圆心位置的变化，得到每次移动的距离。

以下是实现上述步骤的Python代码：

import cv2
import numpy as np

def find_circle(img, r):
    # Step 1: Convert to grayscale and Gaussian blur
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    gray = cv2.GaussianBlur(gray, (5, 5), 0)

    # Step 2: Canny edge detection
    edges = cv2.Canny(gray, 30, 150)

    # Step 3: Find contours and filter for circles
    contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    circle_candidates = []
    for contour in contours:
        area = cv2.contourArea(contour)
        perimeter = cv2.arcLength(contour, True)
        approx = cv2.approxPolyDP(contour, 0.02 * perimeter, True)
        if len(approx) >= 8 and area > 1000 and area < 50000 and abs(perimeter - 2 * np.pi * r) <= 100:
            circle_candidates.append((approx, perimeter))

    # Choose the best circle candidate
    if circle_candidates:
        min_diff = float('inf')
        best_circle = None
        for circle in circle_candidates:
            diff = abs(circle[1] - 2 * np.pi * r)
            if diff < min_diff:
                min_diff = diff
                best_circle = circle
        return best_circle
    else:
        return None

def get_circle_center(circle_contour):
    moments = cv2.moments(circle_contour)
    if moments["m00"] != 0:
        cx = int(moments["m10"] / moments["m00"])
        cy = int(moments["m01"] / moments["m00"])
        return cx, cy
    else:
        return None

def calculate_distance(circle_centers):
    distances = []
    for i in range(1, len(circle_centers)):
        dx = circle_centers[i][0] - circle_centers[i-1][0]
        dy = circle_centers[i][1] - circle_centers[i-1][1]
        distance = np.sqrt(dx**2 + dy**2)
        distances.append(distance)
    return distances

# Load images from a folder
image_folder = "path/to/your/image/folder"
images = [cv2.imread(f"{image_folder}/{i}.jpg") for i in range(1, 4)]

circle_centers = []
for img in images:
    circle = find_circle(img, 15)
    if circle is not None:
        center = get_circle_center(circle[0])
        if center is not None:
            circle_centers.append(center)

distances = calculate_distance(circle_centers)

print("Circle centers:", circle_centers)
print("Distances between consecutive frames:", distances)

这段代码会读取指定文件夹中的图片，并计算出圆心位置。然后，根据连续帧中圆心的变化，计算出激光线移动的距离。请注意，这个方法依赖于图片质量和边缘检测的效果，可能需要对参数进行调整以适应不同的场景。此外，对于更复杂的图像，可能需要额外的预处理步骤，如二值化、膨胀/腐蚀等，以提高边缘检测的准确性。