python图像处理：测量物体大小 用 OpenCV 测量图像中物体的大小-效果

推荐阅读

• 使用 Python-OpenCV 实时测量物体的尺寸大小（仅供参考）

• python图像处理：测量物体大小 用 OpenCV 测量图像中物体的大小-效果

• 使用 OpenCV 测量图像中物体的大小

• 卷积的意义--我见过最生动易懂的解释--就是在图像处理中，将两组分辨率不同的图像进行卷积处理，从而形成易于处理的平滑图像。卷积甚至可以用在考试作弊中，为了让照片中的两个人同时像，只要对两个人的图像进行卷积处理就可以了，这是一种平滑处理，但我们如何才能真正把这个公式与实际建立一种联系，也就是说我们能不能从生活中找到一个很方便具体的例子来表达这个公式的物理意义呢？ 有一个七品县令，喜欢打骂无赖，并有一个惯例：只要不犯大罪，只打一顿就放他回家，以示爱民如子。 有一种无赖，想扬名立万却又不抱多大希望，心想：既然扬不了好名，出了臭名也成啊。怎样才能出恶名呢？炒作！怎么炒作？找名人！他自然而然地想到了自己的长官--县令。 无赖于是在光天化日之下，站在县衙门口撒了泡尿，后果可想而知，自然是被请进堂上挨了板子，然后昂首挺胸地回家，躺了一天，哎！身体并无大碍！第二天照样如此，全然不顾行政长管的仁慈和衙门的尊严，第三天、第四天 ......每天去县衙领板子回来，还兴高采烈，坚持了一个月之久！这个无赖的名声像衙门口的臭气一样传遍了八方！ 县太爷噤了噤鼻子，愣愣地望着惊堂木案，皱了皱眉头，思考着一个问题：这三十块大木板怎么会不好用呢？......想想也是，当年这位大人金榜题名的时候，我数学考了满分，所以这道题至少今天得解出来： --人（系统！）会怎么样（系统！）之后会怎么样（输出！）人（系统！）被打之后会怎么样？ --有什么用，很疼！ --我问的是：会发生什么？ --取决于有多疼。就像这个无赖的体质，每天挨一板什么事都不会发生，连哼哼两声都不行，你看他那得意洋洋的样子（输出 0）；如果一次连打他十板，他可能会皱着眉头，咬着牙，硬是不哼一声（输出 1）；打到二十板，他会疼得脸都变形了，像猪一样哼哼唧唧（输出 3）；打到三十板，他可能会像驴一样嚎叫，一把鼻涕一把泪，求你饶他一命（输出 5）；打到四十板，他会大小便失禁，勉强哼哼（输出 1）；打到五十板，他连哼哼都不能哼一下（输出 0）--死！ 县官摊开坐标纸，绘制了一条以挨打次数为 X 轴、哼唱程度（输出）为 Y 轴的曲线： --"呜呼！这条曲线就像一座山，想不通，想不通。为什么那个无赖被打了三十天也不喊救命？ --哦，你打的时间间隔（Δτ=24小时）太长了，这样无赖一天承受的痛苦程度，没有叠加，始终是个常数；如果缩短时间间隔（建议Δτ=0。5 秒），那么他的疼痛程度就可以迅速叠加；等到无赖挨了三十下（t=30）时，疼痛程度已经达到他叫喊能力的极限，就会收到最好的惩戒效果，再多挨几下也不会手下留情。 --还是不太明白，为什么疼痛程度会在小时间间隔内叠加？ --这跟人（线性时变系统）对木板（脉冲、输入、激发）的反应有关。什么是响应？人收到板子后，疼痛的感觉会在一天内（假设，因人而异）慢慢消失（衰减），而不是突然消失。这样，只要中风的时间间隔较小，每次中风造成的疼痛就没有时间完全衰减，都会对最终的疼痛程度产生不同的影响： t 块大板造成的疼痛程度 = Σ（第 τ 块大板造成的疼痛程度 * 衰减系数）[衰减系数是 (t - τ) 的函数，请仔细品味] 数学表达式为：y(t) = ∫T(τ)H(t-τ)

• [Halcon&拟合] 拟合直线边缘并计算距离-图像预处理： 一般是去噪或抠图（blob分析抠图或手绘ROI区域抠图）两方面 轮廓提取： 1）boundary：区域轮廓提取 2）edges_sub_pix：图像轮廓提取 3）threshold_sub_pix：图像轮廓提取 使用算子edges_sub_pix进行亚像素的边缘提取最为普遍。其用到的滤波器有Deriche, Lanser, Shen, or Canny filters。 关于这几个滤波器的对比，帮助文档有如下介绍： Deriche, Lanser, Shen为递归滤波器，Canny 为掩膜滤波器； 递归滤波器的执行时间不依赖滤波器的大小，Canny的执行时间与滤波器大小成正相关。 参数alpha数值越大，Deriche, Lanser, Shen滤波器宽度越小，平滑越差，细节越突出，而Canny效果相反。 分割、联合（根据情况而定） 分割算子： segment_contours_xld：可分割’lines’，‘lines_circles’，‘lines_ellipses’，原理是多边形逼近，逼近程度通过算子中后两个阀值参数控制。 联合算子： 临近：union_adjacent_contours_xld (Operator) 共线：union_collinear_contours_xld (Operator) 共圆：union_cocircular_contours_xld (Operator) 拟合 fit_line_contour_xld：拟合直线 fit_line_contour_xld：拟合圆 fit_ellipse_contour_xld：拟合椭圆 fit_rectangle2_contour_xld：拟合矩形 注：有时候在拟合轮廓之前需要判断一下轮廓属性，以确定应拟合成直线还是还是圆，可通过算子：get_contour_global_attrib_xld (SingleSegment,‘cont_approx’,)名字：获取轮廓属性描述：用于确定应拟合成直线还是还是圆参数：SingleSegment：输入轮廓(input_object)cont_approx：属性名称，即采用什么方式去计算 ，一般用这个参数就可以了(input_control)Attrib：属性值： Attrib>0：拟合圆,否则拟合直线(output_control) ) 求距离   二、示例：