基于opencv的裂缝宽度检测算法（计算轮廓最大内切圆算法）

这里依然是应用在图像分割的场景，在对路面病害中的裂缝进行检测时，通过UNet++图像分割模型我们可以得到裂缝的标注图像，如下图所示。

针对裂缝的图像分割图像，我们仍需进一步的进行图像处理操作，计算裂缝的宽度。这里我采用的是轮廓内切圆算法，通过opencv计算裂缝轮廓中最大内切圆，以此来求得最大的裂缝宽度。代码如下：

import cv2
import math
import random
import numpy as np
from numpy.ma import cos, sin
import matplotlib.pyplot as pltdef max_circle(img_path):'''计算轮廓内切圆算法Args:img_path: 输入图片路径，图片需为二值化图像Returns:'''img = cv2.imread(img_path, cv2.IMREAD_COLOR)# 灰度处理img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 图片二值化，缺少这一步也可以，但是图像的二值化可以使图像中数据量大为减少，从而能凸显出目标的轮廓，减小计算量ret, thresh = cv2.threshold(img_gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)# 寻找二值图像的轮廓contous, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)"""第二个参数表示轮廓的检索模式，有四种：cv2.RETR_EXTERNAL表示只检测外轮廓cv2.RETR_LIST检测的轮廓不建立等级关系cv2.RETR_CCOMP建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。cv2.RETR_TREE建立一个等级树结构的轮廓。第三个参数method为轮廓的近似办法cv2.CHAIN_APPROX_NONE存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs（x1-x2），abs（y2-y1））==1cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法"""expansion_circle_list = []   # 所有裂缝最大内切圆半径和圆心列表# 可能一张图片中存在多条裂缝，对每一条裂缝进行循环计算for c in contous:# 定义能包含此裂缝的最小矩形，矩形为水平方向left_x = min(c[:, 0, 0])right_x = max(c[:, 0, 0])down_y = max(c[:, 0, 1])up_y = min(c[:, 0, 1])# 最小矩形中最小的边除2，裂缝内切圆的半径最大不超过此距离upper_r = min(right_x - left_x, down_y - up_y) / 2# 定义相切二分精度precisionprecision = math.sqrt((right_x - left_x) ** 2 + (down_y - up_y) ** 2) / (2 ** 13)# 构造包含轮廓的矩形的所有像素点Nx = 2 ** 8Ny = 2 ** 8pixel_X = np.linspace(left_x, right_x, Nx)pixel_Y = np.linspace(up_y, down_y, Ny)# 从坐标向量中生成网格点坐标矩阵xx, yy = np.meshgrid(pixel_X, pixel_Y)# 筛选出轮廓内所有像素点in_list = []for i in range(pixel_X.shape[0]):for j in range(pixel_X.shape[0]):# cv2.pointPolygonTest可查找图像中的点与轮廓之间的最短距离.当点在轮廓外时返回负值，当点在内部时返回正值，如果点在轮廓上则返回零# 统计裂缝内的所有点的坐标if cv2.pointPolygonTest(c, (xx[i][j], yy[i][j]), False) > 0:in_list.append((xx[i][j], yy[i][j]))in_point = np.array(in_list)# 随机搜索百分之一的像素点提高内切圆半径下限N = len(in_point)rand_index = random.sample(range(N), N // 100)rand_index.sort()radius = 0big_r = upper_r   # 裂缝内切圆的半径最大不超过此距离center = Nonefor id in rand_index:tr = iterated_optimal_incircle_radius_get(c, in_point[id][0], in_point[id][1], radius, big_r, precision)if tr > radius:radius = trcenter = (in_point[id][0], in_point[id][1])  # 只有半径变大才允许位置变更，否则保持之前位置不变# 循环搜索剩余像素对应内切圆半径loops_index = [i for i in range(N) if i not in rand_index]for id in loops_index:tr = iterated_optimal_incircle_radius_get(c, in_point[id][0], in_point[id][1], radius, big_r, precision)if tr > radius:radius = trcenter = (in_point[id][0], in_point[id][1])  # 只有半径变大才允许位置变更，否则保持之前位置不变expansion_circle_list.append([radius, center])   # 保存每条裂缝最大内切圆的半径和圆心# 输出裂缝的最大宽度print('裂缝宽度：', round(radius * 2, 2))print('---------------')expansion_circle_radius_list = [i[0] for i in expansion_circle_list]   # 每条裂缝最大内切圆半径列表max_radius = max(expansion_circle_radius_list)max_center = expansion_circle_list[expansion_circle_radius_list.index(max_radius)][1]print('最大宽度：', round(max_radius * 2, 2))# 绘制轮廓cv2.drawContours(img_original, contous, -1, (0, 0, 255), -1)# 绘制裂缝轮廓最大内切圆for expansion_circle in expansion_circle_list:radius_s = expansion_circle[0]center_s = expansion_circle[1]if radius_s == max_radius:   # 最大内切圆，用蓝色标注cv2.circle(img_original, (int(max_center[0]), int(max_center[1])), int(max_radius), (255, 0, 0), 2)else:   # 其他内切圆，用青色标注cv2.circle(img_original, (int(center_s[0]), int(center_s[1])), int(radius_s), (255, 245, 0), 2)cv2.imshow('Inscribed_circle', img_original)cv2.imwrite('inference/output/Inscribed_circle.png', img_original)cv2.waitKey(0)cv2.destroyAllWindows()# # matplotlib效果测试# plot_x = np.linspace(0, 2 * math.pi, 100)# circle_X = max_center[0] + max_radius * cos(plot_x)# circle_Y = max_center[1] + max_radius * sin(plot_x)# plt.figure()# plt.imshow(img_gray)# plt.plot(circle_X, circle_Y)# plt.show()def iterated_optimal_incircle_radius_get(contous, pixelx, pixely, small_r, big_r, precision):'''计算轮廓内最大内切圆的半径Args:contous: 轮廓像素点array数组pixelx: 圆心x像素坐标pixely: 圆心y像素坐标small_r: 之前所有计算所求得的内切圆的最大半径，作为下次计算时的最小半径输入，只有半径变大时才允许位置变更，否则保持之前位置不变big_r: 圆的半径最大不超过此距离precision: 相切二分精度，采用二分法寻找最大半径Returns: 轮廓内切圆的半径'''radius = small_rL = np.linspace(0, 2 * math.pi, 360)  # 确定圆散点剖分数360, 720circle_X = pixelx + radius * cos(L)circle_Y = pixely + radius * sin(L)for i in range(len(circle_Y)):if cv2.pointPolygonTest(contous, (circle_X[i], circle_Y[i]), False) < 0:  # 如果圆散集有在轮廓之外的点return 0while big_r - small_r >= precision:  # 二分法寻找最大半径half_r = (small_r + big_r) / 2circle_X = pixelx + half_r * cos(L)circle_Y = pixely + half_r * sin(L)if_out = Falsefor i in range(len(circle_Y)):if cv2.pointPolygonTest(contous, (circle_X[i], circle_Y[i]), False) < 0:  # 如果圆散集有在轮廓之外的点big_r = half_rif_out = Trueif not if_out:small_r = half_rradius = small_rreturn radiusif __name__ == '__main__':img_original_path = 'inference/images/crack_test1.png'img_gray = 'inference/output/test_crack.png'img_original = cv2.imread('inference/images/crack_test1.png')max_circle(img_gray)

得到的结果如图所示，上图通过图像标注后存在4条裂缝，通过上述代码分别计算每一条裂缝的最大内切圆，其中，直径最大的内切圆标注为蓝色，其他裂缝的内切圆标注为青色。这里我们求得的最大内切圆直径即裂缝的最大宽度，但此时是像素宽度，若需计算裂缝的实际宽度，需通过距离或参照物换算出1cm对应多少像素，再根据比例关系计算裂缝的实际宽度。

基于opencv的裂缝宽度检测算法（计算轮廓最大内切圆算法）相关推荐

Python基于OpenCV高空抛物检测系统[完整源码＆部署教程]
1.视频演示: [项目分享]Python基于OpenCV高空抛物检测系统[完整源码&部署教程]_哔哩哔哩_bilibili 2.图片演示: 3.算法原理: 参考该博客提出的移动侦测法,即是根据 ...
python运动目标检测与跟踪_基于OpenCV的运动目标检测与跟踪
尹俊超,刘直芳:基于 OpenCV 的运动目标检测与跟踪 2011, V ol.32, No.8 2817 0 引言运动目标检测跟踪技术在航空航天遥感. 生物医学. 工业自动化生产. 军事公安目 ...
opencv canny源码解析_行人检测基于 OpenCV 的人体检测
原文链接行人检测基于 OpenCV 的人体检测 - 热分享hotdog29.com 在 2019年8月1日上张贴由 hotdog发表回复行人检测基于 OpenCV 的人体检测我们都知道 ...
pythonopencv检测行人_行人检测基于 OpenCV 的人体检测
原文链接行人检测基于 OpenCV 的人体检测 - 热分享hotdog29.com 行人检测基于 OpenCV 的人体检测我们都知道,无论性别,种族或种族如何,我们的身体都具有相同的基本结构. ...
python行人检测_行人检测基于 OpenCV 的人体检测
原文链接行人检测基于 OpenCV 的人体检测 - 热分享hotdog29.com 行人检测基于 OpenCV 的人体检测我们都知道,无论性别,种族或种族如何,我们的身体都具有相同的基本结构. ...
基于opencv的人脸检测与识别(python)（1）
基于opencv的人脸检测与识别(python语言)(1) 人脸检测和识别技术就目前而言,已经相对成熟,各类算法层出不穷,这都归功于各位奋斗在一线的大佬的努力(站在巨人的肩膀上的感觉就是爽).本文是参 ...
【零基础跑项目】20代码教你基于opencv的人脸检测
20代码教你基于opencv的人脸检测
基于OpenCV的火焰检测（二）——RGB颜色判据
上文跟大家分享了在做火焰检测中常用到的图像预处理方法,从这一篇博文开始,我将向大家介绍如何一步一步地检测出火焰区域.火焰提取要用到很多判据,今天我要向大家介绍的是最简单的但是很有效的判据--RGB判 ...
基于opencv实现人脸检测
基于opencv实现人脸检测 opencv简述 opencv是一个开源的计算机视觉库,它有着C++,Python,Java等接口,支持Windows,Linux,Mac OS,IOS 和 Androi ...

基于opencv的裂缝宽度检测算法（计算轮廓最大内切圆算法）

基于opencv的裂缝宽度检测算法（计算轮廓最大内切圆算法）相关推荐

最新文章

热门文章